专家系统如何应用知识

专家系统如何应用知识1正向推理正向推理的基本思想是：由系统根据用户提供的初始事实（原始数据），按一定的策略，运用知识库中的专家知识推断出结论的方法。首先介绍BAGGER系统是如何运用正向推理求解问题的。说明在推理的过程中怎样应用知识库中的知识推断出结论。归纳BAGGER系统的推理过程可以得到正向推理的步骤：

（1）系统将用户提供的初始事实存储到综合数据库；

（2）推理机将知识库中的规则的前提与这些事实进行匹配；

（3）匹配成功的规则的结论作为新的事实添加到综合数据库中，成为下一步推理的事实；

（4）推理机用更新后的综合数据库重复步骤（2）和（3），直到某个事实就是用户所要求的结论或者规则库中没有可适用的规则为止。2反向推理反向推理的基本思想是：由用户或系统先提出一个假设目标，然后去寻找支持该假设目标的前提证据，如果所需要的前提证据能找到，则该假设成立，推理成功；若无法找到所需要的所有证据，则说明该假设不成立，需要给出新的假设。在反向推理的专家系统中，开始时把假设目标放入综合数据库，系统将规则的结论与假设目标匹配，找到匹配的规则后便把它们的前提（规则的条件部分）放入综合数据库。这相当于把问题的目标分解为更小的子目标。然后把这些子目标与规则的结论匹配，继续这个过程，直到综合数据库中的所有子目标都已知为真，说明这个假设目标被证实。在这样的系统中，可以通过向用户询问信息来求解子目标。某些专家系统允许系统设计者指定哪些子目标可以通过询问用户来解决，也就是说，如果推理机无法推得子目标的真实性，那么系统就需要询问用户，来确定有关子目标的真假。3正向反向混合推理正向反向混合推理的基本思想是：先根据综合数据中的原始数据，通过正向推理帮助系统提出假设，再运用反向推理进一步寻找支持假设的证据，如此反复这个过程，直到得到问题的解答。4不精确推理通过以上介绍可以看出，推理就是从已知事实出发，运用相关的知识（或规则）逐步推出结论或者证明某个假设成立或不成立的思维过程。其中，已知事实和知识是构成推理的两个基本要素。已知事实是推理过程的出发点，称为证据，而知识则是推理得以向前推进，并逐步达到最终目标的根据。在一般的情况下，专家系统往往会面临一些不良结构的问题。一方面，待求解问题的已有证据可能不完全或不精确甚至相互矛盾；另一方面，专家处理这些问题时所使用的知识，尤其是个性知识，也常常带有不确定性。例如，有人曾就在汽车驾驶途中发现后面有一辆车追上来时应该如何处理的问题请教专家，其中一位专家回答：“比较保险的方法是踩刹车，靠边避让。”另一位专家却回答：“在限速范围内踩油门加速。”这是他们各自处理问题的个性知识，而且他们的回答并没有告诉你必须怎么做具有不确定性关于证据的不确定性，表示当你观测事物时所看到的证据，具有的某种程度的不确定性。例如，当你早晨起来打开窗户观看天空的云彩，你可能会说今天好像要下雨，或者不会下雨，说明你观测到的是否会下雨的证据具有某种程度的不确定性。由于一个复杂领域中某些前提导致一个结论的产生未必像数学、物理学科中的定理或定律那样具有必然性，住往还有其他难以准确表述出来的因素也在起作用。因此，关于规则的不精确性是表示当规则的条件被完全满足时所产生的结论具有某种程度的不确定性。由于证据和知