https://www.myziyuan.com/
- 十里八乡
- 人工智能是一种模拟人类思维和行为的纪律，它使用机器学习和数据挖掘技术。专家系统只是其中之一。机器学习是使用现有数据，进行某种培训来获得一些模型，可以被认为是真实世界的函数仿真，然后输入这个模型的数据，以获取未知标签，进入此模型以获得一些输出。机器学习与数据挖掘之间的关系可以上网寻找“机器学习”。此外，如果问题主要想要了解相关领域的知识，建议去Coursera看机器学习大牛（现在百度首席科学家）安德鲁NG机器学习视频教程。
- 2021-09-07 21:57:26
- 亚亚
- 专家系统是人工智能应用的最活跃和最广泛的主题之一。专家系统是一个智能计算机程序系统，它包含一定的领域专家的大量专业知识和经验，并可以使用人体专家的知识和解决问题的问题。也就是说，专家系统是一个具有大量专业知识和经验的程序系统。它适用于人工智能技术和计算机技术。根据一项或多项专家提供的知识和经验，这是合理和判断，并模拟人类专家。决策过程为了解决需要人类专家的复杂问题，简而言之，专家系统是一种模拟的计算机程序系统解决问题的人体专家问题。专家系统专家系统使用特定领域的专业知识来模拟人类专家通常解决的各种复杂，具体问题，并实现与专家专家的计算机智能节目系统。它可以解释决策和具有学习功能的过程，可以自动延长解决问题所需的知识。发展简介专家系统是人工智能最重要的应用领域。从理论研究中实现了人工智能转向应用的重大突破。在20世纪60年代初，已经出现了一些逻辑和模拟心理活动的一般问题，可以证明该机构和LOGING推理。然而，这些一般方法无法解决大实际问题，很难将实际问题转换为适合计算机解决方案的形式，并且问题所需的巨大搜索空间也难以处理。 1965年，F.A.哲学，在总结普遍问题的成功和失败经验的基础上，与化学领域的专业知识相结合，开发了世界上第一个专家系统障碍，可以推断化学分子结构。超过20年，知识工程，专家系统的理论和技术已经不断开发，并且应用程序几乎渗透到所有地区，包括化学，数学，物理，生物，医学，农业，气象，地理学逻辑探索，军事，工程技术，法律，许多领域，如商业，空间技术，自动控制，计算机设计和制造业的成千上万的专家系统，其中许多已经在功能上达到，甚至比人类专家在一起田地。水平在实际应用中创造了巨大的经济效益。专家系统的发展经历了三个阶段，正在转发第四代的转型和发展。第一代专家系统（Dendral，MacSyma等）的特点是高专业性和解决专用问题。然而，在架构的完整性和可移植性方面存在弱点，并且解决问题的能力是弱势的。第二代展示RT系统（Mycin，Casnet，ProSpector，听说等）是一个单一程度，应用系统，其架构有所改善，移植也得到改善，在系统的人机界面，解释机制，知识得到技术，不确定的推理技术，提高专家系统和灵感，一般性等知识表示。第三代专家系统是多学科集成系统，使用各种人工智能语言，结合各种知识表示和各种推理机制和控制策略，并开始使用各种知识工程语言，骨架系统和专家系统开发工具和发展大的环境围绕综合专家系统。在总结前三代专家系统的设计方法和实施技术的基础上，大型多专家协作系统已经开始，多种知识陈述，全面知识库，自组织机制，多学科协同作用和并行推理，专家最新的人工智能技术，如系统工具，人工神经网络知识获取和学习机制已经实现了具有丰富知识库和多主体的第四代专家系统。专家系统的类型可以以不同的方式分类。通常，您可以由应用程序区域，知识表示，控制策略，任务类型分类。如果你是DIVI通过任务类型，常见的解释，预测，诊断，调试，维护，规划，设计，监督，控制，教育等。建筑专家系统具有与传统计算机编程系统完全不同的架构结构。它通常由几个基本的独立部件组成，例如知识库，刺激机，集成数据库，知识获取机制，解释机制和人机界面。它与知识库和节流器彼此特别分开。专家系统的架构与专家系统的类型，功能和规模不同，并且是不同的。为了使计算机可以使用专家域知识，必须使用某种方式来表示kNowledge。当前常见的知识表示具有生成的规则，语义网络，框架和Shapethe状态空间，逻辑架构，脚本，进程，面向对象等。基于规则的生产系统是实现基本知识的使用方式。生产系统包括全面的数据库，知识库和推理引擎三个主要组件，集成数据库包含世界各地的事实和断言来解决问题。知识库包含所有使用“IF：，然后：以知识形式的正则表达式。推理引擎（也称为规则解释器）任务是找到应用程序控制策略规则。前转链策略是找出可以与数据库匹配的前提的规则事实或断言，并消除使用政策冲突，可以满足从这些规则中挑选执行的高管，以改变原始数据库的内容。这种重复的方式查找，直到与目标数据库一致的事实，以查找答案，或者没有规则只能停止匹配。反向链策略是从所选目标开始，寻找规则实施的后果可以达到目标;如果此规则是数据库事实中匹配的前提，则解决问题;否则，本规则的前提是新的子目标，并查找新的子目标规则可以应用，只要执行反向序列，直到最终使用规则的前提就可以与数据库匹配事实，或直到没有更长的适用规则，系统将基于对话并以所需的答案事实的形式请求用户输入。早期专家系统使用常见的编程语言（如Fortran，Pascal，Basic等）和人工智能语言（如Lisp，Prolog，Smalltalk等），通过合作，直接编程人工智能专家和实地的专家实现。其开发周期长，困难，但灵活实用，但到目前为止使用人工智能专家。大多数专家系统开发工作一直在使用专家系统开发环境或专家系统开发工具实现，域专家可以使用正确的工具来开发自己的专家系统，大大缩短了开发的CYC专家系统的乐，以便在各种领域的专家系统广泛的应用条件。
- 2021-09-07 21:55:50
- 网站模板素材下载
- 专家系统是什么,专家系统简称ES，是一种模拟人类专家处理问题时的行为和运用知识及推理技术求解问题的计算机程序或信息系统。它把某一领域的专业知识、推理和决策系统的过程，组合到计算机系统中，解决一些实际问题。所谓专家是指某一领域里具有较深造诣的专门人才，例如机械专家、电脑专家、医疗专家、农业专家等等。人们想，如果把专家处理问题的过程，组合到电脑中，那么机器就具有专家的智能，而这种智能主要是体现在信息分析当中。计算机之所以能成为“专家”，是因为人们赋予计算机知识，并让它模拟人脑进行推理，从而使它能回答各种问题。整个过程，都是由计算机的软件系统来实现的。专家系统按其功能可分为管理专家系统、预测专家系统、诊断专家系统、解释专家系统等。目前专家系统已经用于生产实践，有的已经商品化。一个结构完整的专家系统通常由六个部分组成，即知识库、数据库、推理机、知识获取机制、解释机制和人机接口。知识库是按一定表示方式存储在计算机系统中的、用来解决问题和进行推理的知识集合体，是用以存放领域专家提供的专门知识的。推理机包括推理机制和控制部分，它的功能是运用知识库中的知识推出新的知识或结论。控制部分的功能是决定推理的顺序，也就是说用以决定调用什么知识和什么次序，推理方式自然是离不开演绎推理、归纳推理、精确推理与非精确推理等。推理的基本任务是决定系统下一步该做什么，选择哪些知识和完成什么样的操作。例如人机对弈，计算机根据棋步，便动用存储的知识和推理过程，决定自己的一步该如何走，并根据棋势推算出对方下几步可能如何走，自己采取怎样的对策进行进攻或防守。知识获取机制一方面要接受专家对知识库的扩充和修改，另一方面还要依据反馈的信息，自动进行知识库的修改和完善。知识获取机制一般有两种获取方式，即人机结合的半自动方式，它是先由知识工程师来采集知识再转换为知识库中的知识；另一种是机器自动学习方式，它是人工智能的一个分支学科，从研究人类学习行为和学习方法开始，建立一些学习模型，使计算机系统有一定的学习能力。解释机制则回答用户对系统的提问，并给出获得这种答案的论据和说明。人机接口是做专家与用户和系统之间的双向“翻译”工作，即专家与用户的通信部分。由于专家系统有时能比人类专家具有更好的处理复杂问题的能力，诸如结构设计、数据分析和诊断问题等，所以往往会超出该领域中的一般专家。
- 2021-09-07 21:55:50
开通会员