Содержание к диссертации
Введение
Глава 1 Состояние вопроса. обзор и анализ литературных источников 14
1.1 Обзор и анализ существующих интегрированных экспертных систем 14
1.1.1 Интегрированные экспертные системы для статических проблемных областей 17
1.1.2 Динамические интегрированные экспертные системы реального времени 20
1.2 Обоснование необходимости проектирования кластерных экспертных систем 24
1.3 Сущность проблемы 27
1.4 Выводы по главе 1 35
Глава 2 - Теоретические основы построения кластерной экспертной системы 37
2.1 Математическая модель кластерной экспертной системы 37
2.1.1 Эвристические схемы Клэнси 37
2.1.2 Математическая модель вывода знаний в кластерной экспертной системе 48
2.1.3 Структура кластерной экспертной системы 55
2.1.4 Представление знаний и выбор решения в локальных экспертных системах 57
2.1.5 Алгоритм построения дерева решений для локальных экспертных систем 62
2.1.6 Структура подсистемы управления выводом знаний кластерной экспертной системы 69
2.1.7 Подсистема приобретения знаний 75
2.1.8 Подсистема формирования заключений и рекомендаций 75
2.2 Методика проектирования кластерных экспертных систем 76
2.3 Выводы по главе 2 78
Глава 3 Архитектура кластерной экспертной системы «medexpert» для диагностики инфекционных заболеваний 79
3.1 Общая характеристика кластерной экспертной системы диагностики инфекционных заболеваний 79
3.2 Описания предметной области КЭС «MED-Expert» 81
3.3 Структура и основные компоненты кластерной экспертной системы «MTT>Expert» 83
3.4 Выбор и обоснование языка программирования 87
3.5 Выбор технологии проектирование локальных экспертных систем 89
3.6 Интерфейс КЭС «MED-Expert» 92
3.7 Выводы по главе 3 100
Глава 4 Экспериментальные исследования работоспособности и эффективности кластерной экспертной системы 101
4.1 Тестирование кластерной экспертной системы «MED-Expert» 101
4.1.1 Общие сведения 101
4.1.2 Тестирование системы 103
4.2 Оценка эффективности , 105
4.3 Оценка экономической эффективности разработки кластерной экспертной системы «MED-Expert» 114
4.3.1 Технико-экономическое обоснование 114
4.3.2 Расчет трудоемкости выполнения НИР 115
4.3.3 Определение плановой себестоимости проведения НИР 116
4.3.4 Определение прибыли и договорной цены 120
4.3.5 Оценка эффективности разработки 121
4.4 Выводы по главе 4 123
Заключение 124
Список использованных источников 127
Приложение а 135
Приложение б 143
- Обзор и анализ существующих интегрированных экспертных систем
- Представление знаний и выбор решения в локальных экспертных системах
- Структура и основные компоненты кластерной экспертной системы «MTT>Expert»
- Определение плановой себестоимости проведения НИР
Введение к работе
В конце семидесятых годов в исследованиях по искусственному
интеллекту сформировалось самостоятельное направление, получившее
название «экспертные системы». Цель исследований в области экспертных
систем состоит в разработке программ, которые при решении задач, трудных
для эксперта-человека, получают результаты, не уступающие по качеству и
эффективности решениям, получаемым экспертом.
Первоначально все экспертные системы разрабатывались по
классической архитектуре [3, 7, 80]. Однако в дальнейшем, по мере развития
информационных технологий, экспертные системы стали применяться для
решения все более широкого круга задач, а сами задачи становились все более
сложными. Появились проблемы, которые уже невозможно было решить
традиционными методами классической архитектуры. Примером одной из
таких проблем является необходимость сочетания в процессе логического
вывода знаний нескольких самостоятельно функционирующих экспертных
систем. Системы же разработанные по классической архитектуре
предоставляли возможности консультаций только в рамках заданной
предметной области, расширить диапазоны которой не представлялась
возможным. Стратегия решения выбиралась из заранее определенного числа
вариантов. Типичной являлась ситуация, когда экспертная система заходила в
тупик при любых изменениях в предметной области. Ситуации подобного рода
связаны с тем, что при проектировании экспертных систем не затрагивались
вопросы расширения ее возможностей, что приводило к необходимости
перепроектирования системы в целом.
Для более эффективного использования экспертных систем необходимо
было перейти на качественно новый уровень проектирования. Возникло новое
направление интеграции различного рода приложений из готовых
интеллектуально-взаимодействующих модулей [67, 69]. На первый план вышла
задача разработки методики и инструментов проектирования экспертных
5 систем в виде самостоятельно функционирующих модулей, имеющих
возможность объединять свои знания в рамках решения поставленной задачи.
При этом наращивание интеллектуальной мощности проектируемых
приложений должно было оставаться прозрачным для пользователя, а сами
экспертные системы не требовали перепроектирования [71].
На сегодняшний день существует ряд направлений в области интеграции экспертных систем [44, 54, 55, 58]. Однако следует отметить, что несмотря на предлагаемые концепции они выявляют и ряд недостатков.
Во - первых, отдельные программные разработки в области объединения знаний разрозненных экспертных систем, представляющих собой самостоятельные модули, используются неэффективно. Это связано с разнородностью экспертных систем и невозможностью осуществлять обмен информацией в следствии программной и технической несовместимости.
Отдельные попытки в области интеграции знаний экспертных систем не могут представить четкой концепции интегрирования в целом. Возникает проблема, требующая объединить различные методы, подходы и технологии в некую единую и согласованную форму, поскольку все средства и технологии, лежащие в ее основе должны быть использованы с наилучшей выгодой.
Во - вторых, остаются нерешенными проблемы единого представления знаний в интегрируемой среде, отсутствуют методы организации процессов обмена данными между экспертными системами, входящими в ее состав, отсутствуют методы обработки запросов к экспертным системам, отсутствует методология проектирования интегрированной среды в целом.
В - третьих, нет четкой методики проектирования интегрированных экспертных систем.
Решение указанных проблем явилось поводом для исследования вопросов интеграции экспертных систем, основная идея которых заключается в разработке теоретических, технологических и организационных методов для совместного использования различных средств проектирования и управления.
В данной работе исследован и разработан новый тип экспертных систем - кластерные экспертные системы (КЭС) [70, 72, 74].
Известно, что под понятием вычислительного кластера понимается набор компьютеров (вычислительных узлов) [39, 40], объединенных некоторой коммуникационной сетью, где каждый вычислительный узел имеет свою оперативную память и работает под управлением своей операционной системы. Под кластером экспертных систем будем понимать совокупность самостоятельно функционирующих экспертных систем, объединенных посредством разработанных методов и технологий.
Диссертационная работа посвящена исследованию и разработке принципов проектирования КЭС для объединения знаний экспертных систем смежных предметных областях, методике и технологии создания КЭС.
В работе рассмотрены и проанализированы современные средства разработки экспертных систем подобного рода и сделан выбор оптимальной технологии проектирования, В результате предпочтение было отдано технологии проектирования Microsoft COM (Component Object Model)-технология. Это принципиально новое направление, предоставляющие возможность использования различных систем представления знаний в рамках единого программного комплекса, доступного широкому классу пользователей. В качестве основной идеи проектирования экспертной системы, как уже упоминалось, был взят «кластер», т.е. несколько полнофункциональных экспертных систем в виде СОМ - объектов объединяются в кластер, который рассматривается как один информационный ресурс. Аналогично задачи кластеризации данных, которая заключается в группировке данных по присущей им «близости», задача кластеризации экспертных систем состоит в их объединении по «близости» предметных областей. Естественно, что для управления запросами внутри кластера и распределения задач между экспертными системами необходимо разработать специальные алгоритмы, однако их работа остается совершенно прозрачной для пользователя. Основным
7 достоинством кластерной экспертной системы можно считать ее
расширяемость и отсутствие необходимости перепроектирования локальных
экспертных систем.
Изложенные принципы и методы реализованы в кластерной консультирующей экспертной системе диагностики инфекционных заболеваний. В состав кластерной экспертной системы входят четыре экспертные системы: диагностика кишечных инфекций, диагностика кровяных инфекций, диагностика инфекций кожных покровов, диагностика инфекций дыхательных путей. Экспертные системы реализованы в виде СОМ - объектов. В диссертационной работе рассмотрены основные принципы декомпозиции знаний экспертных систем с применением схем Клэнси для выделения знаний любой предметной области в отдельные экспертные системы с целью и совместного использования в виде кластера.
Методика проектирования кластерных экспертных систем представляет собой совокупность разработанных на основе авторского подхода моделей, методов, алгоритмов и процедур для создания прикладных кластерных экспертных систем для смежных предметных областей.
АКТУАЛЬНОСТЬ ИССЛЕДОВАНИЯ
Подавляющее число экспертных систем, разработанных по классической архитектуре, как уже отмечалось ранее, являются интегрируемыми. Однако, предметные области для которых разрабатываются экспертные системы бывают сложны, что не позволяет на этапе проектирования провести их детальных анализ. Кроме того, нельзя забывать и об изменениях в предметной области, которые могут происходить в процессе эксплуатации системы. Возникает ситуация при которой необходимо вносить изменения в состав интегрированной экспертной системы, перепроектировать экспертные системы входящие в ее состав, изменять методы обработки запросов и т.д., что зачастую требует полного изменения интегрируемой системы и приводит к тупиковой
8 ситуации. Возникновение подобных ситуаций объясняется отсутствием единых
методов, моделей и средств создания экспертных систем. Поэтому требуются
более доступные инструментальные средства, которые бы поддерживали некую
стандартную технологию проектирования прикладных экспертных систем. В
рамках данной работы предлагается методика проектирования КЭС,
направленная на решение указанных проблем. Для более эффективного
использования которых необходимо решить следующие задачи:
провести сравнительный анализ существующих концепций интеграции экспертных систем, выявить достоинства и недостатки существующих интегрированный экспертных систем, определить необходимые функциональные требования к методике проектирования кластерных экспертных систем;
разработать методику, облегчающую проектирование и создание кластерных экспертных систем;
разработать схему декомпозиции знаний экспертных систем в составе кластерной экспертной системы, алгоритмы управления выводом знаний для объединения знаний уже существующих экспертных систем;
В работе разработана полнофункциональная кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert».
ЦЕЛЬ РАБОТЫ
Теоретическое обоснование и разработка основных принципов и методики создания кластерных экспертных систем, экспериментальное исследование предложенных методов проектирования подобных на практике в виде кластерной экспертной системы диагностики инфекционных заболеваний «MED - Expert».
ЗАДАЧИ ИССЛЕДОВАНИЯ
Провести сравнительный анализ существующих интегрируемых экспертных систем, выявить основные недостатки и определить пути их решения;
Разработать общую методику создания КЭС;
Построить схему декомпозиции знаний любой предметной области;
Разработать методы обработки запросов пользователя;
Создать математическую модель функционирования подсистемы управления выводом знаний в КЭС;
Исследовать основные концепции и методы построения экспертных систем, разработать локальные экспертные системы, входящие в состав КЭС;
Разработать механизм управления знаниями для моделирования знаний нескольких существующих локальных систем, алгоритмы формирования и распределения запросов между локальными системами.
Кластерная экспертная система должна позволять формировать запросы ко всем локальным системам, обеспечивать взаимный обмен данными между экспертными системами, осуществлять централизованное управление информационными ресурсами системы в целом.
При проектировании КЭС необходимо обеспечить выбор локальных экспертных систем, относящихся к данному запросу пользователя и их своевременную активизацию в нужном порядке.
Входные данные КЭС - это запросы пользователя, отражающие известную ему информации о предметной области.
В рамках поставленных задач разработать кластерную экспертную системы диагностики четырех групп инфекционных заболеваний: инфекции
10 дыхательных путей; кровяные инфекции; кишечные инфекции; инфекции наружных покровов.
МЕТОДЫ ИССЛЕДОВАНИЯ
Поставленные задачи решены с применением теории графов, теории множеств, теории вероятности, методов инженерии знаний и технологии экспертных систем, технологии, реализующий компонентный подход разработки модульных приложений, Microsoft СОМ.
НАУЧНАЯ НОВИЗНА ИССЛЕДОВАНИЯ
В процессе написания диссертационной работы были получены следующие научные результаты:
Разработаны методы построения кластерной экспертной системы, в основу которых был положен новый подход проектирования экспертных систем на основе использования СОМ - технологии;
Разработана математическая модель подсистемы управления выводом знаний для кластерной экспертной системы;
Предложена схема декомпозиции знаний смежных экспертных систем;
Рассмотрены экспертные вероятностные оценки определения достоверности получаемого решения;
Разработан алгоритм определения порядка идентификации локальных экспертных систем и механизмы управления процессом запросов между локальными экспертными системами,
Спроектирована и реализована кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert»;
Предложена общая методика и технология проектирования кластерных экспертных систем.
ПРАКТИЧЕСКАЯ ЦЕННОСТЬ
Практическая ценность полученных результатов заключается в
реализации методики построения КЭС в виде интеллектуальной кластерной
экспертной системы диагностики инфекционных заболеваний «MED - Expert».
Разработаны механизмы управления процессом вывода знаний в кластерной
экспертной системе, с применением вероятностных оценок достоверности
полученных решений. Разработанная система прошла апробацию в
территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по
Краснодарскому краю Российской Федерации. Система «MED - Expert»
позволяет существенно уточнять инфекционные заболевания в случае сходных
симптомов или редко встречающихся заболеваний. Апробация работы
продемонстрировала эффективность применения предложенной методики
объединения знаний локальных экспертных систем для выбранной предметной
области. При этом исключается необходимость применения других экспертных
систем в случае недостаточности данных, так как в конечном счете
предположительно диагностируется инфекционное заболевание с
определенной степенью достоверности решения.
РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ
Основные методы и алгоритмы функционирования кластерной
экспертной системы реализованы на языке Object Pascal в среде
программирования Borland Delphi. Система внедрена и используется в территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Акт, подтверждающий внедрение диссертационной работы приведен в приложении Б.
ПУБЛИКАЦИИ
По теме диссертации опубликовано 11 печатных работ. Из них 3 статей, 8 тезисов доклада.
ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ:
результаты сравнительного анализа существующих методов интеграции экспертных систем;
математические основы построения кластерных экспертных систем;
модель подсистемы управления выводом знаний;
методика проектирования кластерных экспертных систем;
архитектура кластерной экспертной системы диагностики инфекционных заболеваний;
результаты оценки эффективности кластерной экспертной системы диагностики инфекционных заболеваний;
сравнительный статистический анализ эффективности и работоспособности кластерной экспертной системы «MED - Expert».
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 143 страницах и 2 приложениях, включающих описание предметной области и акты внедрения КЭС «MED - Expert».
В первой главе приводится сравнительный анализ основных направлений исследований в области интеграции экспертных систем. Проведен обзор имеющихся на сегодняшний день направлений интеграции. Выявлены и исследованы недостатки существующих подходов интеграции экспертных систем. Введено несколько новых ключевых определений, таких как кластерная экспертная система, локальные экспертные системы и др. Предложен новый подход к интеграции экспертных систем. Обоснована необходимость проектирования кластерных экспертных систем. Осуществлена постановка задачи исследования.
Во второй главе предложен новый метод объединения знаний локальных экспертных систем. Разработаны теоретические основы проектирования
13 кластерных экспертных систем. Предложена формальная модель кластерной
экспертной системы. Разработан математический аппарат для проектирования
систем подобного рода. Проработаны принципы декомпозиции знаний
предметной области. Предложены вероятностные оценки определения
достоверности полученного решения. Разработана структура подсистемы
управления выводом знаний для кластерной экспертной системы. Предложена
методика проектирования кластерных экспертных систем.
В третьей главе диссертации выбрана и обоснована технология проектирования локальных экспертных систем. Выбрана и описана конкретная предметная область - диагностика инфекционных заболеваний. Предметная область всесторонне исследована, проведена декомпозиция знаний, разработаны основные модули локальных экспертных систем для следующих категорий заболеваний: инфекции дыхательных путей, инфекции кожных покровов, кровяные инфекции, кишечные инфекции. Спроектирована кластерная экспертная система диагностики инфекционных заболеваний «MED-Expert» Описан сценарий работы системы.
Четвертая глава диссертации посвящена исследованию надежности и эффективности разработанного подхода к интеграции экспертных систем смежных предметных областей. Проведен сравнительный анализ разработанной кластерной экспертной системы «MED - Expert» с экспертной системой «MYCIN», направленной на решение задач той же предметной области. Поведен расчет прямого экономического эффекта использования данной системы.
Обзор и анализ существующих интегрированных экспертных систем
Исследования в области интеграции ведутся давно. Однако, в последние годы возникает необходимость упорядочивания, обобщения и системного анализа сложившихся концепций, подходов и методов с целью выделения и обоснования наиболее оптимальных направлений в данной области исследования. Анализ работ теоретического и методологического характера в области проектирования экспертных систем подобного рода позволил выявить три важные проблемы:
1. Подавляющее большинство экспертных систем являются интегрируемыми, т.е. состоят из более простых экспертных систем и необходимых для их функционирования программных средств.
2. Отсутствует единая методология построения подобных интегрированных экспертных систем.
3. Практически отсутствуют специализированные инструментальные средства для разработки интегрированных экспертных систем.
Все интегрируемые экспертные системы можно разделить на два больших класса:
1. Статические экспертные системы.
2. Динамические экспертные системы.
Статические экспертные системы имеют неизменную во времени базу знаний и делают выводы на ее основе. Динамические экспертные системы имеют изменяемую во времени базу знаний. Поэтому в таких динамических экспертных системах одна и та же задача может быть решена по-разному, если вы обратитесь к экспертной системе в разное время. Отдельные попытки интеграции экспертных систем, охватывающие лишь часть проблем, постоянно проводятся как в нашей стране, так и за рубежом. Среди ранних подходов в области интеграции можно выделить интегрированную систему инженерии знаний DEXT [85]. Ее цель - это обеспечение эффективного доступа к пакетам, использующим различные алгоритмы и методологии. Подходящий пакет выбирается на основе экспертных характеристик. В DEXT используется прямой логический вывод. Система имеет ряд достоинств, но осуществляет интеграцию на уровне систем и служит лишь для помощи в выборе нужного пакета, а не ответов на запросы пользователя.
Наиболее близким к разрабатываемой кластерной экспертной системе исследованием является исследование Basal С. "Combining Multiple Knowledge Bases" [86]. Его цель - объединение отдельных баз знаний. Для осуществления поставленной задачи используется логика предикатов. Однако, прежде чем объединить существующие экспертные системы, каждая из них должна быть преобразована в логическую программу, записанную в виде формул. Такое использование знаний затрудняет их восприятие, а следовательно и интеграцию в целом.
В качестве зарубежных работ можно выделить экспертные системы, разрабатываемые на основе специальных инструментальных средств, таких как инструментальная система G2 фирмы Gensym [87, 88] для поддержки проектирования интегрируемых экспертных систем реального времени и система RTworks фирмы Talarian (США) [89], реализованные, как правило, на мощных вычислительных платформах типа рабочих станций.
Система G2 предоставляет разработчику богатые возможности для формирования простого, ясного и выразительного графического интерфейса с пользователем с элементами мультипликации. Предлагаемый инструментарий позволяет наглядно отображать технологические процессы практически неограниченной сложности на разных уровнях абстракции и детализации. Кроме того, графическое отображение взаимосвязей между объектами приложения может напрямую использоваться в декларативных конструкциях языка описания знаний.
На базе системы G2 в США создан ряд коммерческих динамических интеллектуальных систем, предназначенных для различных видов экологического мониторинга, например для экологического мониторинга окружающей среды и управления качеством воздуха Южной Калифорнии (разработка фирмы Nova Automation). Получая с измерительных установок данные по загрязнению атмосферного воздуха, система анализирует их и проверяет на соответствии стандартам качества, выявляет отличия и выдает рекомендации по регулированию состава воздуха. Однако в данной системе не решены вопросы изменения структуры базы знаний и модификации реализации механизма логического вывода.
RTworks предоставляет пользователю еще меньше возможностей по сравнению с системой G2. RT works не обладает собственными средствами для отображения текущего состояния управляемого процесса. Разработчик приложения вынужден использовать систему Dataview фирмы VI Corporation, что в значительной степени ограничивает его возможности.
Среди отечественных исследований в данной области в настоящие время можно выделить два основных направления:
- построение интегрированных экспертных систем для статистических проблемных областей;
- построение динамических интегрированных экспертных систем реального времени.
Представление знаний и выбор решения в локальных экспертных системах
Использование экспертной информации связано с решением задач представления данной информации в виде, пригодном для использования [42, 63, 64, 65]. При выборе решения в четких условиях экспертная информация представима в виде системы условных высказываний, устанавливающих взаимосвязь между четкими значеннями входных и выходных параметров процесса принятия решения. Вели в зависимости от возможных значений входных параметров делается вывод о значениях выходного параметра, то такую систему экспертных высказьлшиий обозначим L и представим в виде:
L] :(если Aj, _TO_BJ); L = L2 :(если_ А2,_то_В2);
(2.14)
Lm :{если Ат,_то_Вт);
где m - число высказываний, А - высказывание, отражающие входную ситуацию, В; - высказывание отражающие выходную информацию. Пусть PY и Pv входной и выходной параметры процесса принятия решений, принимающие значения соответственно из множества Х={хь х2,.. хт}
и V={vi, v2,.. vm}. Тогда систему высказываний L можно представить в виде: г
L =
L\ :{если_Рх_есть_Х,_то_Ру_есть_Уі);
L2 : (если_ Px _есть _ x2,__то_Pv _есть_ v2);
(2.15)
Lm : (если _ Px _ есть _ xm, _ то _ Pv _ есть __ vm);
т.е. высказывания A и Bj имеют следующий вид:
А1:(Рх_есть_Х!); В] :{Ру_есть_У!);
(2.16)
Ат :(РХ_ЄСТЬ-Хт)і Bin :{pv_.ecTb„vm);
Систему высказываний можно назвать однозначной, если будет выполняться следующие условие:
(V_i,j_ є _l,m)_[Aj = Aj - Bj = Bj] (2.17)
Система высказываний будет неизбыточиой, если выполняется условие:
(V_i,j_ е _l,m)_[Ai - Aj&Bi - Bj - і = j] (2.18)
Пусть W - множество всех входных ситуаций процесса принятия решения. Тогда систему высказываний L назовем полной, если выполняется условие:
(Vw є W)_L3L[ є L І Lj : ecjH_Aj,_TO_Bj &
(2 19) &Aj : PW _ecrb_w
Иначе говоря, для любой входной ситуации weW существует экспертное высказывание у стани влипающие взаимосвязь между данной входной и некоторой выходной ситуациями. При задании экспертной информации системой L будем основывать
выбор решения на основе правила к. Пусть А и В - произвольные
высказывания. Согласно некоторому правилу к из высказываний если А, то
В и А выводимо из В, то правило к можно представить в виде:
(если_А,_т(л _ В);
(А-истинно); {2Щ
(В-истинно)
Тогда если система I, полная, однозначная система четких высказываний, отражающая взаимосішь между входным Рх и выходным Pv параметрами:
L =
Lj :(если_Рх _ecrb_X,_TO_Pv __есть_У); L2 :(если_Рх _ есть _ х2, _ то _PV_. есть _v2);
(2.21)
Lm : (если _ Рх _ есть х m, _ то _ Pv _ есть _ vm}; получим, что при значении параметра РХ=Х] согласно правилу к в качестве выходного параметра следует выбрать l\=V, иными словами справедливо: L; (Рх _ есть - х і) истинно; С2 22) (Pv ___ есть _ V ) - истинно Пусть L,: если А] то В; - i-e высказывание системы (1), А и В некоторые четкие высказываний. Обозначим через T(A/Aj) истинность высказывания А относительно A,, T(B/Bj) истинность высказывания В относительно Вj: Т(А/АІ) = 1 _n_n_A = Aj) О в проти вном_случае I II ПрИ =В; Т(В/В) = - v 0_ п_ противном случае Истинностью правила к для системы L Lj : если_... Aj,_TO_Bj А - истинно (2.24)
В- истинно называется величина T(L, А, В), определяемая импликацией T(A/Ai)- T(B/Bj) и принимающая значения:
Т(Ь. А)В) = ._ПІФ_А = АІ_,Ш_ = В1) [ 1 в _ противном _ случае (2.25) Истинностью правила к дли системы L согласно схеме L А-истинно В-истинно 664131 будет называться величина T(L,_A,B) = r-4 T(Lj,_A,B) (227) Если L полная непротшюречпнан система высказываний, то справедливо выражение: (:І_1 ПЄ,ІП)[А = АІ1]; Т(1, А,В) = 1 1 ПРН-В = В (2.28) [Он противном _ случае
Таким образом при выборе решения в случае, когда экспертная информация задана полной непротиворечивой системой L, правило к соответствует выбору такого выходного высказывания В, при котором истинность (2.22) достигает своего наибольшего значения в 1.
Правила локальных экспертных систем будем представлять условие/заютючение , т.е. в виде системы L. Такая абстракция удобна для интеграции при построении путей логического вывода в кластерной экспертной системе.
Неявными данными будем называть промежуточные результаты процесса вывода, недоступные конечному пользователю. Явными данными будем считать входные и выходные параметры Рх и Pv. Для удобства отражения системы логического вывода в локальных экспертных системах правила экспертных систем могут быть представлены в виде узлов ориентируемого графа G. Использование такого представления позволяет привлечь содержательные возможности теории графов для построения алгоритмов принятия решений и исследования структуры кластерной экспертной системы. Дадим определение графу. Пусть X={XJ}, где ієІ={І,2,...,п)- конечное множество и Е={е]}, где jej={l,2,...,m} - семейства множеств из X. Будем считать что пара G=(X,E) является графом, если е 0, jeJ и ej=X, при этом элементы X], Х2,..., хп є X являются вершинами графа, а множество Е, состоящее из ej, е2,..., еп множество ребер графа. Таким образом, механизм логического вывода локальной экспертной системы может быть представлен в виде графа (рисунок 2.8), отражающего пути процесса принятия решения
Функциональный граф процесса принятия решений для локальной экспертной системы Экспертную оценку достоверности полученного результата для локальной экспертной системы можно определить с использованием теории вероятности на основе применения алгоритма построения дерева решений.
Структура и основные компоненты кластерной экспертной системы «MTT>Expert»
Структуру и основные компоненты медицинской системы «MED-Expert» определим, исходя из требований и концепций построения кластерных экспертных систем, рассмотренных во второй главе диссертации.
Кластерная экспертная система «MED-Expert» представляет собой довольно сложную структуру. Исходя из функциональных требований, необходимо предусмотреть реализацию основных функций управления процессом вывода знаний. Основные функции кластерной экспертной системы систематизированы.
Рассмотрим каждый структурный элемент в отдельности.
Подсистема приобретения знаний. Подсистема предназначена для приобретения экспертных знаний. Под приобретением знаний будем понимать, во - первых, выявление знаний - симптомов о том или ином заболевании, во -вторых, перенос их в кластерную экспертную систему для дальнейшей обработки. Подсистема спроектирована в виде интерфейса, обеспечивающего наглядное и понятное введение симптомов, наблюдаемых у пациента. Информация, получаемая в процессе консультации пользователей с кластерной экспертной системой, поступает в виде симптомов заболевания. Симптомы далее поступают в подсистему принятия решений.
Подсистема принятия решений. Подсистема принятия решений производит выбор решения в конкретной ситуации. Для этого используются методы предложенные во второй главе. Подсистема производит поиск локальных экспертных систем в определенной директории, определяет принадлежность информации той или иной локальной экспертной системе и управляет механизмом вывода знаний в кластерной экспертной системе, осуществляет передачу данных локальным экспертным системам и восприятие итоговой информации.
Подсистема оценки точности решения. Подсистема предназначена для оценивания достоверности полученных выводов на основе вероятностных характеристик, рассмотренных во второй главе. Подсистема вычисляет вероятность достоверности диагностируемого заболевания и в случае недостоверных выводов возвращает управление подсистеме принятия решений, которая в соответствии с концепцией построения кластерных экспертных систем задействует в процессе вывода другую локальную экспертную систему. Процесс продолжается до тех пор пока не будет диагностировано инфекционное заболевание или пока не будут опрошены все экспертные системы, в этом случае система не делает выводов об инфекционном заболевании вероятно по причине некорректности или неточности вводимых симптомов, т.е. система отказывается выдавать решение и формировать соответствующие заключения.
Подсистема формирования заключений и рекомендаций. Назначение этой подсистемы - выбор из базы знаний заключений, рекомендаций, стратегий лечения в зависимости от диагностируемого заболевания.
Подсистема пояснения решений. Важнейшей особенность кластерной экспертной системы «MED-Expert» является возможность поэтапного прослеживания степени достоверности получаемого решения начиная с этапа опроса пользователя для любой локальной экспертной системы.
Интеллектуальная система помощи - это система, предоставляющая справочную информацию по основным медицинским терминам и инфекционным заболеваниям.
Определение плановой себестоимости проведения НИР
Целью расчета себестоимости НИР является экономически обоснованное определение величины затрат на ее выполнение. В плановую себестоимость включаются все затраты, связанные с выполнением НИР. Определение затрат на проведение работы производится путем составления калькуляции плановой себестоимости. Она является основным документом, на основании которого осуществляется планирование и учет затрат на выполнение НИР.
Калькуляция плановой себестоимости осуществляется по следующим статьям затрат: материалы, спецоборудование, основная заработная плата, дополнительная заработная плата, отчисления на социальные нужды, затраты по работам, выполняемым сторонними организациями, прочие прямые расходы, накладные расходы.
Затраты по статье "Материалы" определяются по действующим ценам с учетом транспортно-заготовительных расходов, величина которых составляет 10% от стоимости материалов. Расчет стоимости материалов .Транспортные заготовительные расходы: 165 руб.
Всего на статью «Материалы» приходится 1815 руб.
На статью "Спецоборудование для научных (экспериментальных) работ" относятся затраты на использование ЭВМ. Определение затрат по этой статье производится по фактической стоимости машинного времени. Расчет затрат по статье "Спецоборудование для научных работ" На статью "Основная заработная плата" относится заработная плата сотрудников, непосредственно занятых выполнением НИР. Исходными данными для расчета служат трудоемкость выполняемых работ и заработная плата за один рабочий день. Средняя заработная плата за один рабочий день определяется исходя из месячного должностного оклада и количества рабочих дней в месяце.
Среднее количество рабочих дней в месяце - 22. Заработная плата научного сотрудника -1800 руб. Средняя заработная плата за один рабочий день-81,8 руб. Расчет основной заработной платы.
Размер дополнительной заработной платы в научных учреждениях составляет 12% от основной. Таким образом, дополнительная заработная плата составляет 1825,7 руб.
На статью "Отчисления на социальные нужды" относятся затраты на оплату перерывов в работе по временной нетрудоспособности. Отчисления на социальные нужды составляют 40% от суммы основной и дополнительной заработной платы. То есть, отчисления на социальные нужды составляют 6816.2 руб.
На статью "Прочие прямые расходы" относятся расходы на приобретение и подготовку материалов научно-технической информации, за использование средств телефонной связи и другие расходы, необходимые при проведении данной НИР. Затраты определяются на основании статистической информации в процентах к суммарным расходам всех предыдущих статей (7%). Таким образом, прямые расходы составляют 2742
РУб В статью "Накладные расходы" включатся расходы на управление и
хозяйственное обслуживание. Величина накладных расходов на конкретную НИР определяется в процентах (50%) от основной заработной платы. Таким образом, накладные расходы составляют 7607 руб.
На основании полученных данных по отдельным статья затрат составляется расчет плановой себестоимости в целом по НИР по форме, приведенной в таблице 4.5. Таблица 4.5 - Расчет плановой себестоимости в целом по НИР
Похожие диссертации на Разработка и исследование кластерных экспертных систем
