Контрольная работа по «Интеллектуальные информационные системы»

МИНИСТЕРСТВО  ОБРАЗОВАНИЯ И НАУКИ   РОССИЙСКОЙ ФЕДЕРАЦИИ   ФЕДЕРАЛЬНОЕ Государственное БЮДЖЕТНОЕ образовательное учреждение высшего профессионального образования «Московский государственный университет экономики, статистики и информатики (МЭСИ)»	Минский филиал

 

Кафедра Математики и информатики

 

 

Контрольная работа

по дисциплине «Интеллектуальные информационные системы»

Вариант№ 2

 

Студент Бакин М.В №2374 ПЭ09 ___________ ________

(Ф.И.О., номер  зачетной книжки) (подпись) (дата)

 

Руководитель ___Курбацкий В.Н.__ ___________ ________

(Ф.И.О.) (подпись) (дата)

 

Зарегистрировано

на кафедре _______________________ ___________ ________

(Ф.И.О.) (подпись) (дата)

 

 

 

 

 

 

Минск 2013

 

 

 

 

 

 

 

 

 

 

 

 

 

Содержание:

 

 

1. Введение………………………………………………………………………......3

 

2. Применение экспертных систем в медицине…………………………………....4

 

2.1. Компьютерная диагностика. Развитие экспертных систем на основе продукта MYCIN…………..………………………………….………………4

 

2.2. Самообучающиеся интеллектуальные системы …………..………….7

 

2.3. Использование при разработке  экспертных систем технологии Data Mining...............................................................................................................10

 

3. Заключение……………………………………………………………………....14

 

4. Список используемой литературы……………………………………………..15

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1. Введение.

Экспертная система - это программа, которая ведет себя подобно эксперту в некоторой прикладной области. Типичные сферы применения экспертных систем включают в себя такие задачи, как медицинская диагностика, интерпретация результатов измерений и предложение методов борьбы с различными заболеваниями. Экспертные системы должны решать задачи, требующие для своего решения экспертных знаний в некоторой конкретной области, поэтому они должны обладать этими знаниями. Их также называют системами, основанными на знаниях. Однако не всякую систему, основанную на знаниях, можно рассматривать как экспертную. Экспертная система должна также уметь каким-то образом объяснять свое поведение и свои решения пользователю, так же, как это делает эксперт-человек. Это особенно необходимо в медицине, для которой характерна неопределенность, неточность информации.¹

В медицинских учреждениях  все более актуальным становится создание автоматизированных рабочих  мест, наличие которых делает работу врача-специалиста более продуктивной. Невозможно представить себе обследование сердечнососудистой системы без получения электрокардиограммы, ультразвукового исследования без получения отпечатка, биохимического исследования без бланка с данными анализа. В микроскопии до сих пор результат выглядел как словесное описание изображения. Не было простого и эффективного способа документирования (получения твердой копии), если не считать трудоемкий и сложный процесс микрофотографирования, проявления пленки и печати фотографий. Однако сейчас разработаны и предлагаются к использованию различные экспертные системы, некоторые из которых не требуют применения компьютера, что делает их более экономичными простыми для использования даже без специальной подготовки.²

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. Применение экспертных  систем в медицине.

2.1. Компьютерная диагностика.  Развитие экспертных систем на  основе продукта MYCIN.

За последние  20 лет уровень применения компьютеров в медицине чрезвычайно возрос. Практическая медицина становится все более и более автоматизированной.

Сложные современные  исследования  в медицине не мыслимы без применения вычислительной техники. К таким  исследованиям  можно отнести компьютерную томографию, томографию с использованием явления  ядерно-магнитного резонанса, ультрасонографию, исследования с применением изотопов. Количество информации, которое получается при таких исследованиях, так огромно, что без компьютера человек был бы неспособен ее воспринять и обработать.

Компьютерная томография, к примеру, представляет собой метод рентгенографического исследования, позволяющий при помощи специальной технологии получать рентгенограммы человеческого тела по слоям и удерживать эти снимки в памяти компьютера после специальной обработки; она дает возможность установить локализацию патологического процесса, оценить результаты лечения, в том числе лучевой терапии, выбрать подходы и объем оперативного вмешательства. Для этой цели используются специальные аппараты с вращающейся рентгеновской трубкой, которая перемещается вокруг неподвижного объекта, «построчно» обследуя все тело или его часть. Так как органы и ткани человека поглощают рентгеновское излучение в неравной  степени, изображения их выглядят в виде «штрихов» – установленного ЭВМ коэффициента поглощения для каждой  точки сканируемого слоя.

Компьютерные томографы позволяют  выделить слои от 2 до 10 мм при скорости сканирования одного слоя 2–5 секунд с  моментальным воспроизведением изображения  в черно-белом или цветном варианте.

В медицине широко применяются экспертные системы, основное назначение которых – медицинская диагностика. Диагностические системы используются для установления связи между нарушениями деятельности организма и их возможными причинами. Наиболее известна экспертная диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за заболеваниями крови. Ее первая версия была разработана в Стэнфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.³

Программа EMYCIN (1981) позволяет использовать архитектуру системы MYCIN в приложении к другим областям медицины. На базе EMYCIN были разработаны экспертные системы как для медицины (например, система PUFF для диагностики легочных заболеваний), так и для других областей знаний, например программа структурного анализа SACON.

Однако Автор системы EMYCIN Ван  Мелле (Van Melle) одним из первых подчеркнул, что оболочки экспертных систем отнюдь не являются универсальной архитектурой для решения проблем. Разработанная им система EMYCIN ориентирована на проблемы диагностирования с большими объемами данных, которые поддаются решению с помощью дедуктивного подхода в предположении, что пространство диагностических категорий стационарно.

Но если речь идет конкретно об оболочках, то уже сейчас нужно отметить, что большинство коммерческих продуктов  этого типа подходит только для тех  проблем, в которых пространство поиска невелико. Как правило, в них  применяется метод исчерпывающего поиска с построением обратной цепочки вывода и ограниченными возможностями управления процессом. Некоторые современные оболочки, например М.4 (механизм построения цепочки обратных рассуждений, заимствованный в EMYCIN, объединен с фреймоподобной структурой данных и дополнительными средствами управления ходом рассуждений), как утверждают их создатели, могут применяться для решения широкого круга задач, поскольку они поддерживают множество функций представления знаний и управления, включая и моделирование прямой цепочки логического вывода, процедуры, передачу сообщений и т.п.

Простота языков представления  знаний, применяемых в большинстве  оболочек, является, с одной стороны, достоинством, а с другой – недостатком  такого рода систем.

Использованный в EMYCIN формализм  порождающих правил затрудняет разделение разных видов знаний – эвристических, управляющих, знаний об ожидаемых значениях  параметров. Недостаточная структурированность  набора правил в EMYCIN также затрудняет и восприятие новых знаний, поскольку добавление в базу знаний нового правила требует внесения изменений в различные компоненты системы. Например, нужно вносить изменения в таблицы знаний, содержащие информацию о медицинских параметрах. Это одна из проблем, решением которой гордятся создатели системы TEIRESIAS.

В программе TEIRESIAS можно выделить три  уровня обобщения:

- знания об объектах данных, специфические для предметной  области;

- знания о типах данных, специфические  для метода представления знаний;

- знания, независимые от метода представления.

Эксперт может использовать программу TEIRESIAS для взаимодействия с экспертной системой, подобной MYCIN, и следить  с ее помощью за тем, что делает экспертная система и почему. Поскольку  на этапе разработки экспертной системы мы всегда имеем дело с неполным набором правил, в котором к тому же содержится множество ошибок, можно задать вопрос эксперту: «Что вы знаете такого, что еще не знает программа?» Решая конкретную проблему, эксперт может сосредоточить внимание на корректности правил, вовлеченных в этот процесс, из числа тех, что ранее введены в систему, их редактировании при необходимости или включении в систему новых правил.

В составе TEIRESIAS имеются и средства, которые помогают оболочке EMYCIN следить  за поведением экспертной системы в процессе применения набора имеющихся правил.

Режим объяснения (EXPLAIN). После выполнения каждого очередного задания – консультации – система дает объяснение, как она пришла к такому заключению. Распечатываются каждое правило, к которому система обращалась в процессе выполнения задания, и количественные параметры, связанные с применением этого правила, в том числе и коэффициенты уверенности.

Режим тестирования (TEST). В этом режиме эксперт может сравнить результаты, полученные при прогоне отлаживаемой программы, с правильными результатами решения этой же задачи, хранящимися в специальной базе данных, и проанализировать имеющиеся отличия. Оболочка EMYCIN позволяет эксперту задавать системе вопросы, почему она пришла к тому или иному заключению и почему при этом не были получены известные правильные результаты.

Режим просмотра (REVIEW). В этом режиме эксперт может просмотреть выводы, к которым приходила система при выполнении одних и тех же запросов из библиотеки типовых задач. Это помогает просмотреть эффект, который дают изменения, вносимые в набор правил в процессе наладки системы. В этом же режиме можно проанализировать, как отражаются изменения в наборе правил на производительности системы.

Основным методом формирования суждений в EMYCIN является построение обратной цепочки вывода. При этом используется множество правил мета- и объектного уровня. В результате очень сложно формировать исчерпывающее и понятное для пользователя пояснение. Те решения, которые принимаются на этапе программирования правил, в частности касающиеся порядка и количества выражений в антецедентной части, могут разительным образом повлиять на путь поиска в пространстве решений в процессе функционирования системы.

Значительная часть экспертности систем — это знания о типовых случаях, т.е. довольно часто встречающихся в предметной области. Эксперты легко распознают известные типовые случаи и способны без особого труда классифицировать их в терминах идеальных прототипов даже при наличии определенных «помех» или неполных данных. Они интуитивно различают подходящие случаю или необычные значения исходных данных и принимают адекватное решение о том, как поступить в дальнейшем при решении проблемы. Такие знания практически невозможно представить в экспертной системе, если пользоваться только правилами в форме «условие-действие». Для этого потребуется значительно более сложный формализм, который сведет на нет одно из главных достоинств использования порождающих правил в качестве основного средства принятия решений.

Последний недостаток EMYCIN (по поводу использования оболочек) касается механизма обработки неопределенности. Такие оболочки, как М.1, уже включают в себя определенный формальный механизм работы с неопределенностью, например основанный на использовании коэффициентов уверенности. Однако большинство механизмов такого рода не согласуются с выводами теории вероятностей и обладают свойствами, которые с трудом поддаются анализу. Конечно, конкретному методу обработки неопределенности при решении конкретной задачи в данной предметной области можно дать прагматическое обоснование по отношению к схеме обработки коэффициентов уверенности в системе MYCIN. Однако неоправданно распространять этот аппарат на другие области применения, встроив его в оболочку.

По сравнению с первыми разработками современные оболочки более гибкие, по крайней мере, в том, что без особого труда могут быть интегрированы в большинство операционных сред, доступных на рынке программного обеспечения, и оснащены достаточно развитыми средствами пользовательского интерфейса. Современные оболочки, используемые в медицине, прежде всего, для диагностики, могут функционировать под управлением любой из операционных систем, используемых в персональных компьютерах, подключаться к базам данных, иметь средства для включения фрагментов программного кода на языках С, Visual BASIC и Visual C++. Оболочка поддерживает индивидуальную настройку пользовательского интерфейса и возможность формирования пояснений при ответах на вопрос "почему" в том же стиле, что и система-прародитель MYCIN.⁴ 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2.2. Самообучающиеся интеллектуальные  системы.

В последнее время неуклонно  возрастает значение информационного  обеспечения различных медицинских  технологий. Использование современных  информационных технологий становится критическим фактором развития большинства отраслей знания и областей практической деятельности, поэтому разработка и внедрение информационных систем является одной из самых актуальных задач.⁵