
سورس پروژه به زبان Clips
طراحی یک سیستم خبره برای عیب یابی خودرو
سورس پروژه به زبان Clips
این سیستم خبره به کاربر کمک میکند که کامپیوتر را از لحاظ سخت افزاری عیب یابی و تعمیر نماید
این سیستم خبره به مدیر منابع انسانی شرکتها کمک میکند که از بین داوطلبین استخدام با توجه به معیارهای تعیین شده مناسب ترین داوطلب استخدام را انتخاب و گزینش نماید
تعداد صفحات : 15 صفحه -
قالب بندی : word
قواعد استنتاج
اگرچه نمودارهای ون از جمله روشهای تصمیم گیری برای قیاسهای صوری محسوب می شوند ولی این نمودارها برای استدلالات پیچیده تر مناسب نیستند، زیرا خواندن این نمودارها مشکل است. قیاس صوری مشکل اساسی تر دیگری دارد و آن این است که فقط بخش کوچکی از عبارات منطقی را می توان به وسیله قیاس صوری بیان کرد. در واقع قیاس صوری طبقه بندی شده فقط شامل عبارات گروه بندی شده I,E,A وO می باشد. منطق گزاره ای، ابزار دیگری را برای توصیف استدلال ارائه می دهد. در حقیقت ما غالبا بدون آنکه بدانیم از منطق گزاره ای استفاده می کنیم. به عنوان مثال استدلال گزاره ای زیر را در نظر بگیرید :
اگر برق باشد، کامپیوتر کار خواهد کرد
برق هست
.. کامپیوتر کار خواهد کرد
می توان این استدلال را با استفاده از حروف انگلیسی به شکل رسمی زیر بیان نمود.
A = برق هست
B = کامپیوتر کار خواهد کرد
بنابراین استدلال فوق را می توان به این صورت نوشت :
استدلالات زیادی به این شکل وجود دارند. صورت کلی نمایش استدلالی از این نوع، به این صورت است :
P → q
P
q
که در آن p و q متغیرهای منطقی بوده و می توانند هر عبارتی را نشان دهند. استفاده از متغیرهای منطقی در منطق گزاره ای این اجازه را به ما می دهد که عباراتی پیچیده تر از چهارچوب عبارت قیاس صوری یعنی I,E,A و O داشته باشیم. این نوع استنتاج در منطق گزاره ای نامهای مختلفی دارد، از جمله : استدلال مستقیم، انتزاع، قانون انفصال و فرض مقدم. توجه کنید که این مثال را به صورت قیاس صوری نیز می توان بیان کرد.
همه کامپیوترها با داشتن برق کار خواهند کرد
این کامپیوتر برق دارد
این کامپیوتر کار خواهد کرد
که نشان می دهد انتزاع یک حالت خاص از قیاس صوری است. قانون انتزاع از اهمیت زیادی برخوردار است زیرا پایه و اساس سیستمهای خبره مبتنی بر قاعده را تشکیل می دهد. گزاره مرکب P →q نشان دهنده یک قاعده است و p نشان دهنده الگویی است که باید بر مقدم منطبق شود تا این قاعده ارضاء گردد. ولی همان طور که در فصل دوم مطرح شد، عبارت شرطی P →q دقیقاً معادل با یک قاعده نیست زیرا عبارت شرطی، یک تعریف منطقی است که توسط جدول درستی تعریف می شود و برای هر عبارت شرطی تعاریف زیادی می تواند وجود داشته باشد.
ما به طور قراردادی برای نشان دادن گزاره های ثابت نظیر " برق وجود دارد " از حروف بزرگ مانند C,B,A و ... استفاده می کنیم و با حروف کوچک از قبیل r,q,p و ... متغیرهای منطقی را نشان می دهیم که می توانند بجای گزاره های ثابت مختلفی قرار بگیرند. توجه باشید که این قرارداد برخلاف قرارداد موجود در پرولوگ است که از حروف بزرگ به عنوان متغیر استفاده می کند.
این شکل قانون انتزاع را می توانیم با متغیرهای منطقی دیگری نیز بنویسیم :
که این شکل نیز همان مفهوم قبلی را دارد.
توصیف دیگری برای شکل فوق می تواند به این صورت باشد :
علامت کاما در اینجا برای جدا کردن یک مقدمه از مقدمه دیگر بکار می رود و علامت کاما – نقطه ( سمی کالون) پایان مقدمات را نشان میدهد. اگر چه تا به حال فقط با استدلالاتی سروکار داشته باشیم که دو مقدمه داشته اند، ولی شکل کلی تر یک استدلال به این صورت است :
P1 , P2 , … PNi .. C
هدف p در صورتی ارضاء می شود که همه اهداف فرعی P1 , P2 , … PNi ارضاء شده باشند. یک استدلال مشابه با عبارت فوق را برای قواعد تولید می توان به شکل کلی زیر نوشت :
C1 ^ C2 ^ … CN →A
و به این معناست که اگر همه شروط Ci یک قاعده ارضاء شوند در این صورت اقدام A آن قاعده اجراء خواهد شد. همانطور که قبلا نیز مطرح شد، هر عبارت منطقی به شکل فوق دقیقاً معادل یک قاعده نیست زیرا تعریف منطقی عبارات شرطی دقیقا معادل قاعده تولید نمی باشد. ولی به هر حال این شکل منطقی به فهم قواعد کمک مستقیم و مفیدی خواهد کرد.
عملگرهای منطقی AND و OR در پرولوگ، شکلی متفاوت با شکل متدوال ^ و دارند. علامت کاما بین اهداف فرعی در پرولوگ به معنای ترکیب عطفی ^ است در حالی که ترکیب فصلی، ، با یک سمی کالون ( ؛ ) نشان داده می شود. به عنوان مثال
P : - p1 I p2 .
به این معناست که هدف p در صورتی ارضاء می شوند که p1 یا p2 ارضاء شوند. ترکیبات عطفی و فصلی می توانند با یکدیگر شوند. به عنوان مثال
P : - p1 P2 /. P3 / P4.
به عبارت فوق معادل دو عبارت پرولوگ زیر است :
P : - P3 / P4
مشخصات این فایل
عنوان: هوش مصنوعی و سیستم خبره
فرمت فایل :پاورپوینت (قابل ویرایش)
تعداد اسلایدها : 277
این مقاله در مورد هوش مصنوعی و سیستم خبره می باشد.
تاریخچه هوش مصنوعی
1943، مک کولوچ و والتر پیتز: ارایه مدل نرون مصنوعی بیتی( دو حالته) قابل یادگیری به منظور محاسبه هر تابع قابل محاسبه.
1950، آلن تورینگ اولین بار دید کاملی از هوش مصنوعی را تحت عنوان “ محاسبات ماشینی و هوشمند” ارایه نمود.
1951، هینسکی و ادموندز اولین کامپیوتر شبکه عصبی را طراحی کردند.
1952، آرتور سامویل: برنامه ای ساخت که یاد میگرفت بهتر از نویسنده اش بازی کند؛ در نتیجه این تصور را که “کامپیوتر فقط کاری را انجام میدهد که به آن گفته شود” نقض کرد.
1956،نشست کارگروهی دورتموند: انتخاب نام هوش مصنوعی
1959، هربرت جلونتر: برنامه(GTP) را ساخت که قضایا را با اصل موضوعات مشخص ثابت می کرد.
1958، جان مک کارتی: تعریف زبان لیسپ که بهترین زبان هوش مصنوعی شد.
1958-1973، جیمز اسلاگل: برنامه حل مسایل انتگرالگیری فرم بسته
تام ایوانز: برنامه حل مشابهت های هندسی
دانیل بابروز: برنامه حل مسایل جبری
دیوید هافمن: پروژه محدوده بینایی روبات در جهان بلوکها
دیوید والتز: سیستم بینایی و انتشار محدود
پاتریک ونیستون: نظریه یادگیری
...(ادامه دارد)
عاملهای حل مسئله
چهار گام اساسی برای حل مسائل
فرموله کردن هدف: وضعیتهای مطلوب نهایی کدامند؟
فرموله کردن مسئله: چه فعالیتها و وضعیتهایی برای رسیدن به هدف موجود است؟
جستجو: انتخاب بهترین دنباله از فعالیتهایی که منجر به حالاتی با مقدار شناخته شده میشود.
اجرا: وقتی دنباله فعالیت مطلوب پیدا شد، فعالیتهای پیشنهادی آن میتواند اجرا شود.
مثال: نقشه رومانی
صورت مسأله: رفتن از آراد به بخارست
فرموله کردن هدف: رسیدن به بخارست
فرموله کردن مسئله:
وضعیتها: شهرهای مختلف
فعالیتها: حرکت بین شهرها
جستجو: دنباله ای از شهرها مثل:آراد، سیبیو، فاگارس، بخارست این جستجو با توجه به کم هزینه ترین مسیر انتخاب میشود
...(ادامه دارد)
ارضای محدودیت (CSP) چیست؟
مجموعه متناهی از متغیرها؛ X1, X2, …, Xn
مجموعه متناهی از محدودیتها؛ C1, C2, …, Cm
دامنه های ناتهی برای هر یک از متغیرها؛DX1,DX2,…,DXn
هر محدودیت Ci زیرمجموعه ای از متغیرها و ترکیبهای ممکنی از مقادیر برای آن زیرمجموعه ها
هر حالت با انتساب مقادیری به چند یا تمام متغیرها تعریف میشود
انتسابی که هیچ محدودیتی را نقض نکند، انتساب سازگار نام دارد
انتساب کامل آن است که هر متغیری در آن باشد
راه حل CSP یک انتساب کامل است اگر تمام محدودیتها را برآورده کند
بعضی از CSPها به راه حلهایی نیاز دارند که تابع هدف را بیشینه کنند
سازگاری K
سازگاری یال تمام ناسازگاریهای ممکن را مشخص نمیکند
با روش سازگاریK، شکلهای قویتری از پخش را میتوان تعریف کرد
در صورتی CSP سازگاریK است، که برای هر k-1 متغیر و برای هر انتساب سازگار با آن متغیرها، یک مقدار سازگار، همیشه بتواند به متغیر kام نسبت داده شود.
بطور مثال:
سازگاری1: هر متغیر با خودش سازگار است(سازگاری گره)
سازگاری2: مشابه سازگاری یال
سازگاریk: بسط هر جفت از متغیرهای همجوار به سومین متغیر همسایه(سازگاری مسیر)
گراف در صورتی قویا سازگارK است که:
سازگارk باشد
همچنین سازگارk-1 و سازگارk-2 و... سازگار 1 باشد
در این صورت، مسئله را بدون عقبگرد میتوان حل کرد
پیچیدگی زمانی آن O(nd) است...(ادامه دارد)
ادعاها و تقاضاها
جملات از طریق TELL به پایگاه دانش اضافه میشوند
این جملات را ادعا گویند
TELL (KB , King(John))
TELL (KB , "x King(x) => Person(x))
با استفاده از ASK تقاضاهایی را از پلیگاه دانش انجام میدهیم
این پرسشها، تقاضا یا هدف نام دارد
ASK (KB , Person(John))
ASK(KB , $x Person(x))
لیست جانشینی یا انقیاد
لیستی از جانشینیها در صورت وجود بیش از یک پاسخ...(ادامه دارد)