專家系統被定義爲一種交互式可靠的基於計算機的決策系統,它使用事實和啓發式方法來解決複雜的決策問題。它被認爲是人類智慧和專業知識的最高水平。它是一個計算機應用程序,能夠解決特定域中最複雜的問題。算法
專家系統能夠解決一般須要人類專家的許多問題。它基於從專家那裏得到的知識。它還可以表達和推理某些知識領域。專家系統是當今人工智能,深度學習和機器學習系統的前身。編程
如下是專家系統的示例markdown
如下是專家系統的重要特徵:app
最高專業水平:專家系統提供最高水平的專業知識。它提供了效率,準確性和富有想象力的問題解決方案。機器學習
正確的時間反應:**專家系統在很是合理的時間段內與用戶進行交互。總時間必須小於專家爲同一問題得到最準確解決方案所花費的時間。學習
良好的可靠性:專家系統須要可靠,而且不能犯任何錯誤。優化
靈活:相當重要的是它保持靈活性,由於它是專家系統所擁有的。網站
有效機制:專家系統必須有一個有效的機制來管理其中現有知識的彙編。人工智能
可以處理具備挑戰性的決策和問題:專家系統可以處理具備挑戰性的決策問題並提供解決方案。atom
用戶界面是專家系統中最重要的部分。此組件以可讀形式獲取用戶的查詢,並將其傳遞給推理引擎。以後,它會向用戶顯示結果。換句話說,它是一個幫助用戶與專家系統通訊的界面。
用戶界面是專家系統中最關鍵的部分。該組件以可讀的形式獲取用戶的查詢,並將其傳遞給推理機。以後,它向用戶顯示結果。換句話說,它是一個幫助用戶與專家系統進行通訊的界面。
推理機是專家系統的大腦。推理機包含解決特定問題的規則。它是指從知識庫中獲取的知識。當試圖回答用戶的查詢時,它選擇要應用的事實和規則。它爲知識庫中的信息提供了推理。它也有助於解決問題。這一組成部分也有助於制定結論。
知識庫是事實的儲存庫。它存儲有關問題域的全部知識。它就像一個巨大的知識容器,它是從某一特定領域的不一樣專家那裏得到的。
所以,專家系統的成功主要取決於高精度的知識。
事實是重要信息的一小部分。事實自己的用處很是有限。這些規則對於選擇和應用事實來解決用戶問題相當重要。
知識獲取是指專家系統如何獲取所需的領域知識。整個過程首先從人類專家中提取知識,將所得到的知識轉化爲規則,並將已開發的規則注入知識庫。
參加者 | 角色 |
---|---|
領域專家 | 他是一我的或團隊,他的專業知識和知識用於開發專家系統 |
知識工程師 | 知識工程師是將知識集成到計算機系統中的技術人員 |
最終用戶 | 使用專家系統獲取專家沒法提供的建議的是一我的或一組人 |
傳統系統 | 專業系統 |
---|---|
知識和處理組合在一個單元中 | 知識庫和處理機制是兩個獨立的組件 |
程序不會出錯(除非編程錯誤) | 專家系統可能會出錯 |
該系統僅在徹底開發後纔可運行 | 專家系統持續優化,可使用少許規則啓動 |
須要根據固定算法逐步執行 | 執行是按邏輯和啓發式完成的 |
它須要完整的信息 | 它能夠在足夠或不充分的信息下起做用 |
人類專家 | 人工專長 |
---|---|
易腐 | 常駐 |
很難轉移 | 轉讓 |
難以記錄 | 易於記錄 |
不可預知的 | 一向 |
昂貴 | 經濟有效的系統 |
專家系統用戶的一些流行應用:
本文參考國外技術網站,若有疑惑能夠私信我