产生式系统概念一组领域相关的产生式规则互相配合、协同动作一个产生式生成的结论可供另一个一些产生式作为前提或前提的一部分使用以上述方式求解问题的一组产生式为产生式系统。IF A THEN B; IF B and C THEN X产生式系统的构成一组规则数据基一个推理程序(Engine)一组规则每条规则分为左部和右部左部表示条件核查左部条件是否满足一般采用匹配方法查看数据基DB(Data Base)中是否存在左部指明情况存在则匹配成功执行右部规定的动作否则匹配失败。数据基产生式作用的对象又是构成产生式规则的基本元素。一个推理程序(Engine):负责整个产生式系统的运行包括规则左部与DB匹配从匹配成功的规则中选出下一步执行的规则执行右部规定的动作掌握时间结束产生式系统运行。产生式系统的特点格式相对固定任何产生式都由左部和右部组成左部匹配右部动作匹配提供的信息为成功或失败。知识模块化知识元是不可分解的最小知识片。知识元集知识库中所有产生式包含的知识元的集合。每条规则由知识元和逻辑运算符组成规则每个产生式指明了知识元之间的关系规则知识片存于知识库规则间不能直接相互作用。如何使用规则的知识为元知识元知识可以模块化表示成元规则在少数产生式系统中可以实现。知识库的灵活性知识与控制的明确分离方便知识库的扩充和修改重点在于维持知识库的一致性、无矛盾性和完备性。间接性相互影响产生式系统一般采用数据驱动规则的调用通过修改DB间接实现。机器可读性语法检查、语义检查和对产生式系统推出的结论进行解释。非确定性匹配部分匹配只需要某一产生式左部与DB中数据部分匹配上即可触发该产生式并推出一些结论性信息只要左边诸项中部分项为真规则可被激活右边项即为真。通过规则压缩扩大了产生式系统的求解能力。两种权匹配采用两种权确定知识元与规则之间的匹配程度。每项有两个权第一个权表达充分性第二个权表达必要性且两个权之间没有必然联系。推理算法正向推理使数据和产生式左部匹配对匹配成功的产生式执行其右部。反向推理把子目标和数据或产生式右部匹配与数据匹配成功则生成叶节点与产生式右部匹配成功则使该产生式左部成为新的子目标。动物识别专家系统ANIMAL:知识库15条规则解空间7个解或最高假设虎、豹、长颈鹿、斑马、驼鸟、企鹅和信天翁初始事实20个事实F1~F20数据、知识和推理均为精确的初始事实节点——蓝色中间结论节点——绿色最高假设节点——黑色绿色和黑色节点又被分为与节点、或节点和与或节点数据基启动之初数据基为空推理结束前ANIMAL中数据基存储的事实不断增加事实不能再增加时运行结束。匹配冲突消解匹配冲突产生式系统推理过程中在选择产生式和数据、子目标等方面产生二义性。解决策略具备某种选择功能。按事先排好的固定顺序按数据新鲜性排序按子目标的新鲜性排序按匹配程度排序。作业设计混合推理算法实现动物识别专家系统ANIMAL深度学习规则输入是图片确定性因子理论使用确定性因子处理不确定性的方法最初为专家系统MYCIN开发。证据趋向于积累贝叶斯定理表达增量证据随着证据积累数量增加所需概率值数量增加更多。信任和不信任的度量p(H)p(¬H)1即p(H)1−p(¬H)。对于依赖于证据E的后验假说H有p(H|E)1−p(¬H|E)。确定因子(Certain Factor,CF)在MYCIN中确认度最初被定义为确定因子是信任和不信任之间的差CF(H, E) MB(H, E)MD(H, E)CF是证据E存在前提下关于H的确定因子 MB是由于E存在引起的关于H的信任增长的度量MD是由于E存在引起的关于H的不信任增长的度量。MB与MD之间的关系同一个证据E不可能同时既增长了对假设H的信任又增长了对假设H的不信任。CF值的意义确定性因子指出了对某证据的一个假说的纯的信任。CF取正值意味着证据支持假说CF等于1意味着证据肯定地证明了假说CF等于0的情况为没有任何证据存在CF取负值意味着证据赞同否定假说另一种解释为不信任一个假说的理由多于信任它的理由。确定性因子的计算MYCIN中的规则 IF E THEN H CF(H, E)其中E是规则的前件H为结论CF(H,E)是规则强度当规则前件为真时H为真的程度。两条规则后件相同结论为不确定性值的综合。计算封闭性计算前后取值范围一致。作业计算H的不确定性。确定性因子的困难优点不确定性计算简单信任和不信任清晰地被分开能表达无知直观易于理解。主要困难有时得到的CF值和条件概率值相反规则强度的概率独立未进行要求。成功的原因比较短的推理链和比较简单的假设。主观贝叶斯方法概率常作为理想系统中可重复事件的度量。概率指的是可重复事件似然性指的是我们对非重复事件的信任度。 p(H|E)在某一证据E存在的条件下专家对某一假设H为真的信任度。几率函数odds与概率函数有如下关系当概率取值0到1时必有几率函数取值0到∞。PROSPECTOR是用于勘察固体矿的专家系统基于贝叶斯理论采用规则表达领域知识每条规则有两个规则强度LS和LN。方框表示节点E表示规则前提H表示结论LS是规则的充分性度量LN是规则的必要性度量。除初始节点每个节点有一个先验概率计为P(H)。概率传播从叶节点到假说节点的逐步不确定推理。实际应用情况规定LS 1且LN 1的情况并不是罕见的即证据的存在对假设H为真是重要的该证据缺席对假设H为真没有影响。贝叶斯似然理论仅仅是能处理LS 1且LN 1的情况的理论的一种近似。公式7公式8作业计算顶层节点 FRE的后验几率和概率值。