专家系统被定义为一种交互式可靠的基于计算机的决策系统,它使用事实和启发式方法来解决复杂的决策问题。它被认为是人类智慧和专业知识的最高水平。它是一个计算机应用程序,能够解决特定域中最复杂的问题。算法
专家系统能够解决一般须要人类专家的许多问题。它基于从专家那里得到的知识。它还可以表达和推理某些知识领域。专家系统是当今人工智能,深度学习和机器学习系统的前身。编程
如下是专家系统的示例markdown
如下是专家系统的重要特征:app
最高专业水平:专家系统提供最高水平的专业知识。它提供了效率,准确性和富有想象力的问题解决方案。机器学习
正确的时间反应:**专家系统在很是合理的时间段内与用户进行交互。总时间必须小于专家为同一问题得到最准确解决方案所花费的时间。学习
良好的可靠性:专家系统须要可靠,而且不能犯任何错误。优化
灵活:相当重要的是它保持灵活性,由于它是专家系统所拥有的。网站
有效机制:专家系统必须有一个有效的机制来管理其中现有知识的汇编。人工智能
可以处理具备挑战性的决策和问题:专家系统可以处理具备挑战性的决策问题并提供解决方案。atom
用户界面是专家系统中最重要的部分。此组件以可读形式获取用户的查询,并将其传递给推理引擎。以后,它会向用户显示结果。换句话说,它是一个帮助用户与专家系统通讯的界面。
用户界面是专家系统中最关键的部分。该组件以可读的形式获取用户的查询,并将其传递给推理机。以后,它向用户显示结果。换句话说,它是一个帮助用户与专家系统进行通讯的界面。
推理机是专家系统的大脑。推理机包含解决特定问题的规则。它是指从知识库中获取的知识。当试图回答用户的查询时,它选择要应用的事实和规则。它为知识库中的信息提供了推理。它也有助于解决问题。这一组成部分也有助于制定结论。
知识库是事实的储存库。它存储有关问题域的全部知识。它就像一个巨大的知识容器,它是从某一特定领域的不一样专家那里得到的。
所以,专家系统的成功主要取决于高精度的知识。
事实是重要信息的一小部分。事实自己的用处很是有限。这些规则对于选择和应用事实来解决用户问题相当重要。
知识获取是指专家系统如何获取所需的领域知识。整个过程首先从人类专家中提取知识,将所得到的知识转化为规则,并将已开发的规则注入知识库。
参加者 | 角色 |
---|---|
领域专家 | 他是一我的或团队,他的专业知识和知识用于开发专家系统 |
知识工程师 | 知识工程师是将知识集成到计算机系统中的技术人员 |
最终用户 | 使用专家系统获取专家没法提供的建议的是一我的或一组人 |
传统系统 | 专业系统 |
---|---|
知识和处理组合在一个单元中 | 知识库和处理机制是两个独立的组件 |
程序不会出错(除非编程错误) | 专家系统可能会出错 |
该系统仅在彻底开发后才可运行 | 专家系统持续优化,可使用少许规则启动 |
须要根据固定算法逐步执行 | 执行是按逻辑和启发式完成的 |
它须要完整的信息 | 它能够在足够或不充分的信息下起做用 |
人类专家 | 人工专长 |
---|---|
易腐 | 常驻 |
很难转移 | 转让 |
难以记录 | 易于记录 |
不可预知的 | 一向 |
昂贵 | 经济有效的系统 |
专家系统用户的一些流行应用:
本文参考国外技术网站,若有疑惑能够私信我