سیستم خبره

Expert systems (سیستم های خبره) :

سیستم خبره ، یک سیستم کامپیوتری است که از توانایی و قابلیت تصمیم گیری افراد خبره تقلید (Emulate) کند

برای حل یک مسئله ، ابتدا باید دامنه (حوزه ، محیط ، محدوده ، problem Area or Domain) آنرا تعریف و مشخص کنیم . (همانطور که در برنامه نویسی ، از قبل محدوده آنرا مشخص میکنیم) .

اگر دامنه مسئله محدود و مشخص باشد ، می توان به راه حل مناسبی دست یافت .

مثلا برای ایجاد یک سیستم زبان طبیعی سادهکه ورودی آن جملاتی با ساختار اسم ، فعل و مفعول باشد ،کار مشکلی نیست . در بانکهای اطلاعاتی رابطه ای ، DBMS به عنوان واسط بین کاربر و نرم افزار های بانک اطلاعاتی به خوبی عمل می کنند . جملاتی که در بازی های کامپیوتری بکار می روند نمونه هایی از توان کامپیوتر در فهم زبان طبیعی می باشند .

**زیر مجموعه های هوش مصنوعی (Artificial Intelligence   AI) و توضیح یک مورد دلخواه

توضیحات شکل : 1- شبکه های عصبی : شبیه سازی شبکه عصبی مغز انسان بر اساس ارتباط بین نورون ها برای حل مسائل

2- رباتیک : علم طراحی نرم افزار و سخت افزار ربات

علوم ، شاخه های مختلفی دارند :

-       پزشکی        - مهندسی         - ادبیات         - ریاضی و .......

هریک به نوبه خود ، دارای زیر مجموعه های دیگری می باشند . مثلا ، شاخه پزشکی :

پزشکی              **کدام مورد expert در سیستم خبره میباشد؟

               جراحی عمومی

                 چشم پزشکی

                         متخصص شبکیه    (*) چون متخصص تر است پس یک فرد خبره expert   است

               جراحی مغز و اعصاب

               دندان پزشکی

                     - متخصص لثه و جراحی لثه (*) چون متخصص تر است پس یک فرد خبره expert   است

             پزشکی اطفال

            بیماریهای عفونی

           -هریک از شاخه هارا می توان به حوزه (یا دامنه ای ) معین محدود کرد .

فردی که دانش لازم را در حوزه ای محدود ومعین داشته باشد ، آن فرد ، فرد خبره است .

مثلا ، فردی که در حوزه بیماریهای عفونی ، دانش لازم را داشته باشد ، به آن فرد ، یک فرد خبره گفته می شود

از موفق ترین زیر مجموعه های هوش مصنوعی ، زیر مجموعه سیستم های خبرهمی باشد.

**تعریف سیستم خبره :

سیستم خبره ، یک سیستم کامپیوتری است که از توانایی و قابلیت تصمیم گیری افراد خبره تقلید(Emulate) کند

تقلید ، به این معناست که سیستم خبره سعی دارد در تمام جنبه ها ، شبیه فرد خبره عمل کند .(تقلید، از شبیه سازی قوی تر است ، زیرا در شبیه سازی یا simulation ، فقط در بعضی موارد شبیه چیزهای واقعی عمل می شود .) یا به عبارتی ، سیستم خبره ، یک برنامه کامپیوتری هوشمند است ، که از دانش روشهای استنتاج (inference)استفاده می کند که به دلیل مشکل بودن ، نیاز به مهارت و تجربه انسان دارند .

سیستم های خبره در محدوده های خاص به خوبی عمل می کنند . نمونه های موفق سیستم های خبره را می توان در تجارت ، پزشکی ، مهندسی ، کتابها و مجلات مشاهده نمود .

سیستم های خبره ، با استفاده از دانش تخصصی به حل مسائل می پردازند . یک فرد خبره ( Expertise ) ، دارای دانش یا مهارت خاصی است . فرد خبره مسائلی را حل می کند ، که یا توسط دیگران قابل حل نیست و یا او موثرترین راه حل را ارائه می دهد .

یک سیستم خبره ، برنامه ای است که سعی می کند از فرد متخصص در روشهای استنتاج ، برای یک حوزه معین از دانش ، تقلید کند .

**فرق بین       داده ،    اطلاعات   و   دانش :

داده :عبارت است از یک دسته نشانه های الفبایی .12 ، b   ، 7 ، c ، 32- ، ......نشانه های فوق به تنهایی معنایی ندارند .

اطلاعات : این نشانه ها زمانی معنا پیدا می کنند که چیزی یا متنی به آنها اضافه شود. که در این صورت به آنها اطلاعات می گوییم .مثلا : اگر به c.-32 درجه سانتیگراد اضافه کنیم (c. -32 C) به دمای سرد 32- درجه اشاره می کند و ...

سیستم خبره به سیستمی گفته می شود که از تکنولوژی سیستم خبره استفاده می کند .

تکنولوژی سیستم خبره شامل :

زبانهای خاص ، برنامه ها و سخت افزارهایی که جهت اجرا و توسعه سیستمهای خبره طراحی شده اند .

**دانش :در سیستمهای خبره می تواند شامل دانشی باشد که از طریق افراد خبره ، کتابها و مجلات قابل دسترسی است .

اصطلاحات بکاررفته برای سیستم خبره :

سیستم خبره ، سیستم مبتنی بردانش (Knowledge – Based System) و سیتم خبره مبتنی بردانش (Knowledge – Based Expert System)

**دانش پیشین و پسین با مثال

کلمه دانش ، همانند کلمه عشق از آن کلماتی است که همه معنای آنرا می دانند ولی تعریف آن دشوار است .

علم مطالعه دانش ، معرفت شناسی (Epistemology)نامیده می شود. این علم با ماهیت ، ساختار و اصول دانش سر وکار دارد . علاوه بر دانش فلسفی ، دو نوع دانش خاص دیگر ، شامل دانش پیشین (A priori Knowledge ) و دانش پسینA posteriori Knowledge)) وجود دارد .

دانش پیشین ، از قبل وجود دارد و مستقل از دانشی است که از طریق حواس بدست می آید . مثال : هر چیزی علتی دارد . مجموع زوایای همه مثلثها 180 درجه است . دانش پیشین ، همیشه درست فرض می شود مگر اینکه با یک دانش درست دیگر در تناقض باشد ، و فقط در این صورت نفی می شود .

عبارات منطقی ، قواعد ریاضی و دانشی که کودکان دارند ، نمونه هایی از دانش پیشین هستند .

نقطه مقابل دانش پیشین ، دانش پسین است ، که از طریق حواس بدست می آید . درستی یا نادرستی دانش پسین را می توانیم با استفاده از آزمایشهای حسیبررسی کرد . مثال : چراغ راهنمایی سبز است.

آزمایشهای حسی همیشه قابل اطمینان نیستند . ممکن است یک دانش پسین که براساس دانش جدیدیبدست آمده است ، بدون نیاز به هیچ تناقضی خود به خود رد شود .مثال: اگر رنگ چشمان کسی قهوه ای باشد ، ممکن است باور کنید که واقعا رنگ چشمان او واقعی است ، ولی اگر آن فرد لنزخود را بر دارد و معلوم شود که رنگ چشمان او سیاه یا آبی است ، در این صورت دانشی که از قبل داشتید ، اصلاح خواهد شد .

علاوه بر طبقه بندی فوق ، می توان دانش را بصورت دانش رویه ای (Procedural Knowledge) ، دانش اظهاری (Declarative Knowledge) و دانش ضمنی (Tacit Knowledge) یا دانش ناخودآگاه تقسیم بندی کرد .

**تعاریف :دانش رویه ای ، اظهاری و ضمنی با مثال

دانش رویه ای ، اغلب دانستن چگونگی انجام یک کار است . مثال : می خواهیم بدانیم یک ظرف آب چگونه به جوش می آید .

دانش اظهاری ،به آگاهی از درستی یا نادرستی بعضی چیزها اشاره می کند . مثال : انگشتان خود را در آب جوش فرو نبرید .

دانش ضمنی ، (Tacit Knowledge) یا دانش ناخودآگاه(Unconscious Knowledge ) که به راحتی نمی توان با زبان بیان نمود . مثال : دانستن نحوه حرکت دست . در حالت کلی می گوییم اینکار با انقباض و انبساط ماهیچه ها و تاندونها انجام می شود ، اما دوباره سوال می شود چگونه ماهیچه ها منقبض و منبسط می شوند و...

**معماری سیستم خبره با شکل از دو بخش اصلی تشکیل شده است :

-       پایگاه دانش ( Knowledge-Base )(پایگاه اطلاعات یا دانشی که توسط افراد خبره پر می شود . یک بانک اطلاعات مثل oracle- sql server – access ,..)

-       موتور استنتاج ( Inference Engine ) (یک موتور که اطلاعات را می خواند و خروجی می دهد . الگوریتم )

                                                                می تواند هم کاربرباشد و هم فرد خبره ( بیمار یا متخصص )

عملکرد سیستم خبره :

کاربر وقایع و اطلاعات را به سیستم خبره داده و در پاسخ ، تجربه ، تخصص و توصیه و یا بعبارت دیگر خبرگی دریافت می کند .

**تعریف استنتاج و انواع آن با مثال

استنتاجنتیجه گرفتن از شرایط و مراتبی است که از پیش تعیین وبیان شده است . استنتاج همان چیزی است که سیستم خبره را هوشمند می کند . هنر واقعی یک سیستم خبره ، استفاده از ظرفیتش جهت استنتاج است . برای استنتاج باید شرایطی وجود داشته باشد ونتیجه آن نیز موجود باشد .

مهمترین استنتاج ها عبارتند از :استنتاج قیاسی          استنتاج استقرایی          استنتاج انتزایی

مثال 1) استنتاج قیاسی :

1- علی یک بازیگر سینما است2- تمام بازیگران هنرمند هستند 3- پس علی یک هنرمند است .

مثال 2) استنتاج قیاسی :

1- ماشینها موتور دارند             2- فیات یک ماشین است      3- پس فیات موتور دارد

مثال 3) استنتاج قیاسی :

1- انسان فانی است           2- حسن یک انسان است    3- پس حسن فانی است

مثال 4) استنتاج قیاسی :

1- گل ها پرچم دارند .     2- مینا یک گل است        3- پس گل مینا پرچم دارد .

**استنتاج قیاسی   :(از عام به خاص است و همیشه درست است .)

بند های 1 ، 2 و3 نشان دهنده یک مثال استنتاجی می باشند .

بند 3 یک نتیجه منطقی است و می تواند قیاسی از دو شرط 1 و2 باشد .این استنتاج ، یک نتیجه گیری از فرضیات 1 و2 است که به یک نوع از استدلال ( Reason )منجر می شود ، که عینا به شکل قوانین ریاضی است. اگر مقدمات یا شرایط درست باشند ، می توان گفت که نتیجه نیز درست است .

**استنتاج استقرایی :

مثال 1) استنتاج استقرایی:(از خاص به عام است و همیشه این احتمال وجود دارد که نتایج درست نباشند.)

1- همه حیوانات غذا می خورند                         2 - پس همه شتر ها غذا می خورند

به نظر می آید که به صورت قیاسی از فرضیه یا شرط 1 بدست آمده باشد . این تصور نادرست است چون شرط اینکه آیا شتر حیوان است یا نه ، چیزی نمی گوید . ولی انسان به دلیل دانشی که از جهان واقعی دارد ، استنتاج می کند که شتر یک حیوان است.

مثال 2) استنتاج استقرایی:

1- لایکا یک سگ است .                                            2- پس لایکا یک چهار پا است .

این نتیجه گیری غلط است زیرا جمله " لایکا یک سگ است " چیزی در مورد اینکه سگ چها رپا دارد نمی گوید . انسان با دانشی که از جهان واقعی دارد وبر اساس تجربه خود می داند که سگ چهار پا دارد ، لذا استنتاج می کند که لایکا چهار پا دارد .

بنابراین استنتاج 2 به اندازه استنتاج 3 مثال قبل دقت ریاضی ندارد . برای اینکه استنتاج 2 صحیح باشد باید اینگونه فکر کنیم که شتر یک حیوان است . این نوع استنتاج را استنتاج استقرایی می نامند .

استنتاج استقرایی ، دقت ریاضی قیاس را ندارد . استنتاج استقرایی در سیستمهای خبره بطور متداول استفاده می شود .

مثال 3) استنتاج استقرایی:

1) ماشینها حرکت می کنند    . 2- پس ماشینها چرخ دارند .

مثال 4) استنتاج استقرایی:

    1) همه پرنده ها پرواز می کنند .     2- پس پرستو پرواز می کند .

**استنتاج انتزایی : (معلول اول بیان می شود وبعد به علت می رسیم . مثال : چمن خیسه ، پس باران باریده .)

برخلاف استنتاج استقرایی که از علت به معلول می رسید ، استنتاج انتزایی از معلول به علت می رسد .

معمولا ، درستی مقدمه ، درستی نتیجه را به همراه دارد .

مثال :اگر باد بوزد ، آنگاه برگ درختان تکان می خورند . در استنتاج انتزایی ، قانون درستی به صورت معکوس در نظر گرفته می شود .بدین معنا که ، اگر برگهای درختان تکان می خورند ، پس باد وزیده است . گرچه تضمینی برای درستی این قانون وجود نداشته باشد ، اما این قانون بصورت کلی پذیرفته شده است . ممکن است ، تکان خوردن برگهای درختان به دلیل وزیدن باد نباشد ، شاید این تکانها در اثر چیز دیگری باشد . لذا استدلال انتزایی به اندازه استدلال استقرایی ، از نظر ریاضی ، صحت و دقت ندارد .

مثال :

1)      دستم داره خون میاد ، پس دستم بریده شده .

2)      سیل راه افتاد ، پس رودخانه طغیان کرد .

3)      آب می خورم ، پس تشنمه .

4)      من غذا می خورم ، پس من سالمم .

5)      کلاس تشکیل شد ، پس استاد آمد.

**استدلال موردی : (براساس تجربیات گذشته صورت می گیرد . لزوما جواب درست و دقیق نیست .)

در استدلال موردی (Reasoning Cases Base)، با استفاده از ارتباط بین فرضیات مسئله و نتایج آن ، قادر است ، دانش مخصوص به تجربیات قبلی را به جای وضعیت ها و حالات مسئله اصلی بکار برده و مسائل را به هم پیوند دهد . (مسائل ، در اینجا موارد یا cases نامیده می شوند .)

مثال :یک پزشک برای تعیین مقدار داروی خاصی جهت یک بیمار ، که درد خاصی دارد ، ممکن است ، یاد آور بیماری مشابه باشد ، که مدتی پیش تجربه چنین دردی را داشته است . اگر مقدار داروی داده شده به بیمار قبلی قابل قبول بوده و باعث بهبودی بیمار شده ، آنگاه به نظر می رسد ، تصمیم اتخاذ شده توسط پزشک ، مشابه تصمیم قبلی وی باشد .

**روشهای استنتاج را نام ببرید

*نکته :کدامیک از استنتاج های بالا امکان نتیجه نادرست دارد ؟ استنتاج انتزایی و استنتاج استقرایی

سیستم های مبتنی بردانش کارا ، به شکلی طراحی شده اند که بتوانند به عنوان یک دستیار هوشمند (Intelligent Assistant) برای افراد خبره عمل کنند . این دستیاران هوشمند به وسیله تکنولوژی سیستمهای خبره طراحی شده اند وامکان بسط دانش آنها در آینده وجود دارد . هر قدر دانش بشری به یک سیستم دستیار هوشمند اضافه شود ، بیشتر شبیه به یک فرد خبره عمل می کند .

**نکته : دامنه چیست؟ مجموعه مقادیر ممکن برای یک متغییر . مثال:نمره (عددی است اعشاری بین صفر تا بیست )

دانش یک فرد خبره درباره یک مسئله خاص ، حوزه دانش یا دامنه دانش فرد خبره نامیده می شود .

مثال :یک سیستم خبره پزشکی که برای تشخیص بیماری مسری طراحی شده ، باید دانش زیادی درباره علائم بیماری مسری داشته باشد .

این حالت مربوط به پزشکی است . در شکل زیر رابطه بین دامنه مسئله ( پزشکی ) و دامنه دانش (بیماریهای مسری)را نشان می دهد. سیستم خبره مورد نظر ، معمولا دانش مربوط به سایر شاخه های پزشکی مانند جراحی ، چشم پزشکی ، امراض کودکان و .... را در خود ندارد. با اینکه دانش سیستم خبره مورد بحث ، در حد دانش یک فرد خبره است ، ولی این سیستم خبره نمی تواند درباره سایر حوزه های دانش پزشکی ، اطلاعاتی داشته باشد مگر اینکه سایر حوزه های دانش پزشکی برای این سیستم برنامه نویسی شده و وارد این سیستم شده باشند .

**نکته : تفاوت مسئله ودانش چیست؟ دانش اطلاعاتی است برای حل مسئله . (یا مجموعه حقایقی است برای حل مسئله )

چشم پزشک
متخصص
چشم پزشک با تخصص شبکیه

وقتی دانش برای یک سیستم خبره مشخص شد ، سیستم به همان روشی که افراد خبره راه حل مسئله را

می یابند ، به استدلال یا استنتاج می پردازد.

**فواید استفاده از سیستمهای خبره :

-       1-افزایش قابلیت دسترسی   2- کاهش هزینه    3- کاهش خطر    4- دوام و بقا

5- تخصص چندگانه                6-    افزایش قابلیت اطمینان       - توضیح : سیستم خبره می تواند جزئیات استدلال خود را در مورد نتیجه ای که بدست آمده به صراحت توضیح دهد .

- پاسخ سریع         -   پاسخ کامل        - معلم هوشمند

نمایش دانش در سیستمهای خبره :

یکی از روشهای نمایش دانش در سیستمهای خبره از طریق قواعد (Rules) می باشد .

شکل قواعد :          اگر .... آنگاه ....   (اگر شرط برقرار بود   آنگاه این عمل یا اقدام صورت گیرد .)

یک سیستم خبره کلاسیک حاوی دانشی است که در جایی نوشته نشده است و باید از طریق مذاکرات طولانی بین یک فرد خبره و یک مهندس دانش (Knowledge Engineer) استخراج شود . فرایند ساخت یک سیستم خبره ، مهندسی دانش نامیده می شود ، که توسط یک مهندس دانش صورت می گیرد.

** تعریف مهندسی دانش :

کسب دانش از فرد خبره وتبدیل آن به زبان قابل فهم برای ماشین را مهندسی دانش می نامند .

یکی از محدودیتهای سیستمهای خبره ، کمبود دانش علت و معلولی(causal Knowledge) است .

برنامه نویسی سیستمهای خبره ، بردانش (Shallow Knowledge) که مبتنی بر دانش تجربی و ابتکاری است (HeuristicKnowledge )، استوار است . دانش سطحی ، بسیار ساده تر از دانش عمیق

(Deep Knowledge) می باشد . دانش عمیق ، برساختار ، عملکرد و رفتار بنیانی اشیاء ، استوار است .

**نکته : هیوریستیک چیست؟ مدلی است ریاضی که بوسیله آن یک مقدار عددی نتیجه می شود .

مثل بازی xox( sos )

هیوریستیک 1 : تعداد خانه هایی که X می تواند بگیرد ( - منهای ) تعداد خانه هایی که O می تواند بگیرد .

O

O
X
X
X
X

O

**تکنیکهای جستجو :

1-روش هیوریستیک :روش هیوریستیک ، یک روش اکتشافی و یا روش کشفیات ذهنی است.

حل مسائل در روش هیوریستیک ، از طریق آزمون و خطا و با اتکاء به تعدادی منبع ، برای یک هدف از پیش تعیین شده ، صورت می گیرد .

مثال :- تشخیص نقص کامپیوتر- جستجوی جای پارک در یک پارکینگ چند طبقه

2-روش جستجوی فضای حالت ممکن :

حل مسئله در این روش ، جستجو در بین حالات ممکن می باشد.

مثال : بازی شطرنج . شامل ، حالت اولیه ( ترکیب اولیه صفحه بازی ) و حالت نهایی ( مات کردن )

مثال دوم : فروشنده دوره گرد

فروشنده می خواهد از نقطه A( شهر مبداء ) به نقطه F( شهر مقصد ) برسد . راه را باید از میان شبکه راهها پیدا کند .

3-جستجوی کورکورانه : بصورت ترتیبی تارسیدن به هدف (از روش اول عمق و اول پهنا استفاده می شود)

-       در روش اول عمق، جستجو از گره ریشه (A) شروع می شود ، ودر سطح پایینتر ، هرگره موجود را بررسی می کند ، تا جستجو به اتمام رسد (F) . هر بار که با شکست مواجه می شود ، تا گره بعد از ریشه به عقب برگردد . کار مجددا در مسیر دیگر ادامه پیدا می کند ، تا به هدف برسد .

-

-       در روش اول پهنا ، سطوح تعیین می شوند . سطح به سطح امتحان می شوند .

**پیمایش عمقی DFS :

-       در این پیمایش از Stack )پشته (استفاده می شود

-       ترتیب کوچکترین اول : در این پیمایش از نقطه شروع ، آغازمی کنیم و از بین فرزندان فقط کوچکترین فرزند را می نوسیم و آنقدر ادامه می دهیم تا به هدف برسیم.

-      **پیمایش سطحی BFS :

دراین پیمایش از Queue )صف( استفاده می کنیم

و از گره شروع اغاز می کنیم و تمام فرزندان آن را می نوسیم حالا وقتی تمام فرزندان پدر را نوشتیم پدر خط می خورد و به ترتیب فرندان اولین فرزند بعد از پدر که خط خورده را می نوسیم و خودش را خط می زنیم و ادامه می دهیم تا به هدف برسیم . مثال :

      **زبانهای ساخت سیستم های خبره چیست؟ :

زبانهای عمومی هوش مصنوعی ، زبانهایی مانند LISP وPROLOG و CLIPS می باشند ، وبرای زبانهای سیستم های خبره ، می توان به IPL-II، SMALL TALK، KRL ، CONNIVERو SAIL اشاره کرد ، که اکثرا کاربرد تحقیقاتی دارند . سطح زبانهای تخصصی سیستمهای خبره ، نسبت به سطح زبانهای LISPو PROLOGبالاست و محدوده کوچکتری از مسائل را می توان با آنها حل کرد.

**زبانهای رویه ای ، سعی دارند روشهای قوی و قابل انعطافی برای نمایش داده هاارائه دهند . این زبانها، در ساختارهای داده ای مانند آرایه ها ، رکورد ها ، دسته ها ، صف ها ، درختها و .... بکار می روند .

زبانهای سیستم خبره سعی دارند روشهای قوی و قابل انعطافی برای نمایش دانش ارائه دهند .

اصطلاحات :

زبان : مترجم دستورات نوشته شده با یک زبان خاص

ابزار : زبان بعلاوه برنامه های مفید دیگر ، که کار ایجاد ، غلط گیری و تحویل برنامه های کاربردی را آسانتر می کند .

پوسته : ابزار یا محیط خاصی که برای مقاصد معینی طراحی شده اند و کاربر باید پایگاه دانش را در آن پیاده کند.

اجزای یک سیستم خبره :

-       بخش ارتباط با کاربر

-       امکانات توضیح راه حل :نحوه استدلال را برای کاربر توضیح می دهد.

-       حافظه کاری :پایگاه داده

-       موتور استنتاج :تعیین کننده قواعد که با واقعیات فعال و ارضاء می شوند .

-       دستور کار :لیست اولویت بندی شده قواعد

-       تسهیلات کسب دانش :کاربر از طریق آن می تواند دانش خود را وارد سیستم کند .

**روش های استنتاج : با مثال

-       روش استنتاج پیشرو (FORWARD CHAINING)

-       روش استنتاج پسرو (BACKWARD CHAINING)

روش استنتاج پیشرو : در این روش ، از حقایق و واقعیات شروع به استدلال می کند تا به نتایج برسد.

مثال : امروز بارانی است ، اگر از منزل می خواهید خارج شوید ، پس چتر بردارید .

روش استنتاج پسرو : دراین روش ، از نتیجه استفاده می کند تا به حقایق برسد (که پشتیبان فرضیه است)

مثال :فردی با چتر و کفش خیس وارد خانه می شود . پس فرضیه این است که هوا بارانی است .

دو روش فوق به عنوان استراتژیهای حل مسئلهدر سیستم خبره بکار می روند .

سیستمهای تولیدی ( PRODUCT SYSTEM )

**سیستم مبتنی بر قاعده ( یا تولیدی)

**سیستم ریاضی

**تفاوت سیستم مبتنی بر قاعده با سیستم ریاضی

یکی از انواع سیستمهای خبره ، سیستم مبتنی برقاعده است ، که به دلیل مدولار بودن (که قابل توسعه هستند)

داشتن امکانات توضیح ، و مشابهت با فرایند ادراک انسان ، کاربرد بالایی دارد .

درسیستمهای مبتنی برقاعده ، هر قاعده ، با گرفتن واقعیات ، نوعی عمل را تولید می کند، به همین دلیل ، این سیستمها ، سیستمهای تولیدینیز نامیده می شوند .

هر سیستم ریاضی، مجموعه ای از قواعد است ، که مشخص می کنند، چگونه یک رشته از نماد ها به مجموعه دیگری از نمادها تبدیل می شود . اگر یک رشته ورودی(Input String)داشته باشیم ، قاعده تولیدی، می تواند یک رشته خروجی(output String ) ایجاد کند.

مثال :رشته ورودی                                             رشته خروجی

                              بیمار تب دارد                                           به او آسپرین بدهید

**الگوریتم مارکوف :

الگوریتم مارکوف ، مجموعه مرتب شده ای از قواعد تولید است، که هر یک براساس میزان اولویت خود، روی یک رشته ورودی اعمال می شوند . اگر قاعده ای که بالاترین اولویت را دارد، کاربرد نداشته باشد، قاعده بعدی اعمال می شود، الی آخر .

الگوریتم مارکوف مانند نظریه آتاماتاها دارای تعدادی حالت (وضعیت) و تعدادی حالات گذار (انتقال) و تعدادی حروف الفبا می باشد.

کاربرد : هر سیستمی که بتوان آن را بر اساس الگوی رشته ای بیان نمود. 1- تشخیص صدا 2- تشخیص رشته 3- تشخیص دست نوشته

الگوریتم مارکوف ، در دو حالت متوقف می شود :

1- آخرین قاعده تولیدی برروی یک رشته قابل بکارگیری نباشد .

2- قاعده ای اعمال شود که پس از یک مدت زمان خاص به کار پایان دهد .

قاعده مارکوف را می توان برروی زیر رشته های یک رشته بکار برد

مثال :یک سیستم تولید داریم ، که قاعده زیر بر آن حاکم است :

AB                              HIJ

قاعده فوق را روی رشته GABKAB اجرا می کنیم :

ابتدا ، از سمت چپ به راست، روی اولین AB(GABKAB)عمل کرده ، رشته جدید ، GHIJKAB، ایجاد می شود . اجرای این قاعده برای بار دوم ، رته جدید GHIJKHIJرا تولید می کند .

ویژگیهای یک سیستم خبره

**پردازشگر ادراکی (Cognitive Processor) :پردازشگر ادراکی، قواعدی را که باید با یک محرک ورودی فعال شوند پیدا می کند.نها قاعده ای که با محرک تطبیق دارد، فعال واجرا می شود . پردازشگر ادراکی، قاعده ای را که بالاترین ارجعیت را دارد، اجرا می کند.

کاربرد سیستمهای خبره :

**تفاوت اصلی بین زبانهای سیستمهای خبره و زبانهای رویه ای : نحوه تمرکز برروی نمایش یا نمود است .زبانهای رویه ای ، سعی دارند روشهای قوی و قابل انعطافی برای نمایش داده هاارائه دهند . این زبانها ، در ساختارهای داده ای مانند آرایه ها ، رکوردها ، دسته ها ، صف ها ، درختها و.... بکار می روند .

زبانهای سیستم خبرهسعی دارند روشهای قوی و قابل انعطافی برای نمایش دانش ارائه دهند .

**اجزای یک سیستم خبره :با رسم شکل

-       قسمت ارتباط با کاربر        -   امکانات توضیح راه حل             -   حافظه کاری

-       موتور استنتاج : تعیین کننده ، قواعدی که با واقعیات تطبیق دارند و اولویت بندی آنها .

-       برنامه عملیات : لیست اولویت بندی شده قواعد

-       تسهیلات کسب دانش : از طریق آن کاربر می تواند دانش خود را وارد سیستم کند .

هر قاعده ، یک نام معین دارد . پس از نام ، کلمه " اگر " نوشته می شود . آنچه که بین " اگر" و " آنگاه " قرار دارد ،جمله مقدم یا قسمت شرطی ، یا الگو ویا قسمت سمت چپ (Left Hand Side : LHS ) نامیده می شود

.**بخش های مختلف قواعد را نام ببرید ؟

1-جمله مقدم : ( Antecedent )

2-قسمت شرطی( Conditional Part )

3-الگو( Pattern Part )

4-قسمت سمت چپ (Left Hand Side : LHS )

**تعریف شبکه های معانی با رسم شکل

شبکه معانی ، یک شبکه گزاره ای است . یک گزاره ، عبارتی است که یا درست است یا نادرست .

مثال : همه سگها پستاندارند. یک مثلث سه ضلع دارد.

گزاره ها شکل خاصی از دانش اظهاری هستند ، زیرا واقعیتها را بیان می کنند ، زیرا واقعیتها را بیان می کنند.

شبکه معانی ، یک گراف برچسب دار و جهت دار است . گزاره، یک عبارت ذرهای یا اتمی نیز گفته می شود، زیرا نمی توان ارزش صحت آنرا تجزیه نمود و موجودیت آن غیر قابل تقسیم است. از نظر گرافیکی ، ساختار شبکه های معانی را بصورت گره ها و کمانها نشان میدهند. گره ها اغلب، موجودیتها و کمانها (کناره ها) ، ارتباطات را نشان می دهند.

روابط درشبکه های معانی (شبکه های همبسته یا شرکت پذیر) ، ساختار اساسی را برای سازماندهی دانش ایجاد می کنند .

استخراج توابع : 1- (سیمین , محمد ) شوهر    2-(سارا, سیمین ) خواهر   3- (احمد ,رضا,زهرا) والدین

شبکه های معانی

برای نمایش حجم وسیعی از دانش ، از انواع معینی از ارتباطات استفاده می شود . دو نوع از این ارتباطات که در زبان پرولوگ از آنها استفاده می شود عبارتند از :

1- IS-A ، که گاه به صورت ISA نیز نوشته می شود، به معنای " مصداقی است از " و به یکعضو خاص از یک کلاس اشاره می کند.

2- A-KIND-OF ، که گاه به صورت AKO نیز نوشته می شود ، برای ایجاد ارتباط بین یک کلاس با کلاسهای دیگر بکار می رود.

IS-A برای تعریف رابطه یک عنصر خاص ، استفاده می شود.

شبکه معانی با ارتباطات IS-A و A- Kind-Of

ارتباط AKO گره های عمومی را به گره های عمومی دیگر متصل می کند. جهت ارتباط از یک زیر کلاس ،

به یک کلاس است .     ارتباط ISA ، یک عنصر خاص را به کلاس عمومی متصل می کند.

کلاسهای عمومی تری که نوک پیکان AKO به طرف آنهاست ، سوپر کلاس نامیده می شوند .

ویژگی ، ارزش و خصوصیت

اشیاء یک کلاس، دارای یک یا چند ویژگی می باشند. (بالن دارای ویژگیهای ، اندازه ، وزن ، رنگ ، شکل و .....می باشد . ویژگی شکل بالن ، بیضوی بودن آن است ) هر ویژگی دارای ارزشیاست .

ترکیب یک ویژگی و یک ارزش ، یک خصوصیت است . تکثیر ویژگیهای یک گره (بوسیله یک نسل) توارث نامیده می شود . اعضای یک کلاس ، خصوصیات سوپر کلاس خود را به ارث می برند .

توارث ، ابزاری است مفید و باعث حذف ضرورت تکرار مشخصات مشترکمی شود.

ارتباط HAS-A ،یک کلاس را به یک زیر کلاس مربوط می کند. ارتباط شئ با بخشی از شئ . ارتباط شئ به یک ویژگی                                          Car HAS-A A engine

Car HAS-A tire

ارتباط IS-Aیک ارزش را به یک ویژگی مربوط می کند . یک عضو خاص از یک کلاس

**تعریف OAV مثلث ، شئ ، ویژگی ، ارزش (Object , Attribute, Value)

از مثلث OAV ، یا سه گانه یا سه تائی OAVمی توان ، برای مشخص کردن دانش در شبکه معانی استفاده کرد. در سیستم MYCIN برای تشخیص بیماریهای عفونیاز سه گانه OAVاستفاده می شود.

**نمونه ای از جدول سه گانه OAV

شئ                        ویژگی                         ارزش

اتومبیل                       رنگ                                   آبی

اتومبیل                        نوع                                   بنز

اتومبیل                       مقدار                                100

یخچال                        رنگ                                 سفید

یخچال                         نوع                               آزمایش

یخچال                        مقدار                                   50

           دانشجو    کد دانشجویی         9110212

                              دانشجو        سال ورود 1391

                               دانشجو               معدل 5/18

از نمایش سه تائی برای لیست کردن دانش در جداول استفاده می شود و سپس با روش القاء قاعده می توان جداول را به کدهای کامپیوتری تبدیل نمود .

**مثال : درخت تصمیم گیری برای طبقه بندی حیوانات یا گیاهان یا خودروها و ...

اگر تصمیمات بصورت دوتائی باشند ، استفاده از درخت تصمیم بسیار آسان و موثر است .

در این نوع درختها ، برای هر سئوال ، دو پاسخ وجود دارد که یکی باید انتخاب شود .

رای سه سئوال ، هشت پاسخ وجود دارد ، که یکی از آنها باید انتخاب شود

یک درخت تصمیم با N گره حداکثر چه تعداد پاسخ می تواند داشته باشد ؟                         تعداد سئوالها

.

در این نوع درختها ، گره ها ، حاوی سئوالات و برگها ، حاوی پاسخها می باشند .برای N سئوال باید 2^N پاسخ بررسی شود، و یکی انتخاب شود.                                                               حالت پاسخها (یا Tیا F)

مثال :برای10 سئوال ، باید یکی از 1024پاسخ ها انتخاب شود .

درختهای " و – یا " واهداف

**تعریف استنتاج پسرو با مثال :

بسیاری از سیستمهای خبره ، برای حل مسائل ، از استنتاج پسرواستفاده می کنند .

PROLOG سعی می کند ، با استفاده از استنتاج پسرو ، هر مسئله را به مسائل کوچکتری تقسیم کرده، و با حل این مسائل فرعی، مسئله اصلی را حل کند .

درخت " و – یا " ، در نمایش مسائل پسرو بکار می رود.

مثال :برای گرفتن یک مدرک دانشگاهی ، مقدماتی لازم است . این مقدمات عبارتند از :

-       درخواست ورود به دانشگاه

-       اخذ دروس و

-       درخواست مدرک از دانشگاه

اهداف فاقد کمان ، گره های OR

اهداف دارای کمان ، گره های AND

**قواعد حاصل از نمودار را بنوسید ؟

If     ( گرفتن مدرک    Then (پست)    or   (اینترینت) or   (مراجعه شخصی )

If     ( احراز شرایط )    Then (اقدام برای پذیرش)    and   (اقدام برای فارغ التحصیلی)

If     (گرفتن دروس)    Then (ثبت نام دروس)    and   (گذراندن دروس)

**گلوگاه دانش چیست؟ :

تبدیل دانش انسان به دانش یک سیستم خبره آنقدر سخت و دشوار است که به آن گلوگاه دانش (Knowledge Acquisition Bottleneck ) می گویند .

ملاحظاتی که برای پروژه های سیستمهای خبره می توان در نظر گرفت عبارتند از :

-       انتخاب الگوی مناسب

- قبل از ساخت یک سیستم خبره ، باید تعریف واضحی از مسئله ، فرد خبره و کاربران داشت .

- عواید سیستم                        -   ابزار ها                          - هزینه ها

مراحل ایجاد یک سیستم خبره :

ایجاد یک سیستم خبره ، از یک سو ، نیاز به تامین منابع دارد ، و ازسوی دیگر بستگی به چگونگی سازماندهی و مدیریت پروژه دارد .

مدیریت پروژه شامل ، مدیریتهای زیر می شود :

-       مدیریت فعالیتها              - مدیریت پیکربندی                  - مدیریت منابع

مدیریت فعالیتها :

1-برنامه ریزی

   تعریف فعالیتها

   تعیین اولویت فعالیتها

   احتیاجات منابع

   اهداف شاخص میانی

   مدت فعالیتها

   مسئولیتها

2-زمانبندی

   تعیین زمانهای شروع و پایان

   رفع مشکل زمانبندی فعالیتهائیکه اولویت یکسان دارند

3-ثبت سوابق

نظارت برعملکرد پروژه

4-تحلیل

برنامه های تحلیل ، زمانبندیها و فعالیتهای ثبت شده

مدیریت پیکربندی :

1-مدیریت محصول

   مدیریت کلیه نسخه ها یا ورژنهای محصول

2-مدیریت تغییرات

مدیریت تغییرات پیشنهادی و انجام ارزشیابی

   تخصیص پرسنل برای انجام تغییرات

   نصب ورژنهای جدید محصول

مدیریت منابع :

تخمین منابع مورد نیاز

      منابع در دسترس

      تعیین مسئولیتها برای استفاده بهینه از منابع

      تهیه و تدارک منابع بحرانی برای به حد اقل رساندن گلوگاهها

مسئله تحویل

ممکن است تعدادی سیستم خبره در صف تحویل قرار داشته باشند ، بنابراین ، مسئله تحویل باید در مرحله ایجاد سیستم ، مورد نظر قرار گیرد .

نگهداری و تکامل : ارتقاء و غنی سازی یک سیستم خبره ، پس از تحویل ، از اهمیت زیادی برخوردار است.

**تست الفا و بتا و تفاوت آنها ؟

**انواع خطاها در سیستم خبره را با علل آن نام ببرید ؟

روشهای مهندسی نرم افزار ، برای ساخت نرم افزار کیفی

چهار سوال از شکل زیر :

**چالشهای یک سیستم قبل از مهندسی نرم افزار را نام ببرید؟

**مواردی که بعد از مهندسی نرم افزار بدست می آید را نام ببرید؟

**مشخصات یک محصول نرم افزاری مناسب چیست ؟

**مستند سازی چیست ؟ نوشتن مراحل انجام یک پروژه در تمام مراحل بصورت متن ، صوت یا تصویر

**قابلیت استفاده مجدد یعنی چه ؟

یعنی استفاده از ماژول های نرم افزاری برای ایجاد یک سیستم مشابه در پروژه ای دیگر

** 6مورد از شاخص های راهنمای کیفیت نرم افزار برای سیستمهای خبره

-       خروجی صحیح با داشتن ورودی صحیح

-       خروجی کامل با داشتن ورودی صحیح

-       خروجی سازگار به ازاء ورودی های مشابه

-       کاربر پسند

-       قابل نگهداری

-       قابل بهبود ، قابل توسعه

-       اعتبار سنجی شده

-       تست شده برای اثبات کامل بودن و صحیح بودن

-       مقرون به صرفه   -کدهای قابل فهم - صحت -    دقت -

**چرخه حیات سیستم خبره

چرخه حیات نرم افزار ، مدت زمانی است که که از لحظه ای که نرم افزار مفهوم خود را پیدا می کند ، شروع و پس از اینکه سیستم از رده خارج شد پایان می یابد. اصطلاح دیگری برای چرخه حیات مدل پردازش است ، که ترتیب و مدت زمان لازم جهت اجرای روشهای نرم افزاری را مشخص می کند .

**مراحل طراحی پروژه نرم افزار شامل چیست ؟

تحلیل ، طراحی، پیاده سازی و پشتیبانی

متدولوژی ها و یا روشهای ایجاد نرم افزار

-       روشهای خاص برای انجام یک مرحله

-       برنامه ریزی

-       احتیاجات

-       کسب دانش ) توسط مهندس دانش جمع آوری شده و وارد پایگاه دانش میگردد.)

-       آزمونها

-       نمایش محصول هر مرحله

-       مستند سازی

-       کد نویسی ( clips . prolog . lisp)

-       نمودار ها

**مدلهای چرخه حیات

-       مدل آبشاری

-       مدل کد نویسی و اصلاح

-       مدل افزایشی

-       مدل مارپیچی

-       مدل چرخه حیات تفصیلی

مدل آبشاری:

-       در مدل آبشاری ، هر مرحله ، با یک فعالیت تصدیق و اعتبار سنجیverification and validation خاتمه می یابد تا مشکلات آن مرحله به حداقل برسد . در یان مدل هر مرحله می تواند فقط یک مرحله به جلو یا عقب برود.

-       ویژگیها : 1-برگشت به چند مرحله قبل میسر نمی باشد یعنی اگر در هنگام پیاده سازی متوجه ایرادی شویم مجبوریم پروزه را ازابتدا شروع کنیم یعنی مرحله تحلیل.2- مدلی مناسب برای کار گروهی 3- قابلیت استفاده مجدد در هرمرحله

مدل کد نویسی و اصلاح :

-        در این مدل ؛ ابتدا کد نویسی صورت میگیرد و سپس در صورتی که درست عمل نکند اصلاح می شود (code and fix model)

مدل افزایشی :

-        در این مدل ؛ با افزایش قابلیتهای عملکردی ، نرم افزار بهبود می یابد(incremental model)

-       ویژگیها : 1- زمان زیاد 2- ارائه محصول به مشتری طی بازه زمانی مشخص 3- ریسک پایین

مدل مارپیچی :(حلزونی یا چرخشی = spirol )

-       در هر حلقه مارپیچ ، توانایی عملکردی جدیدی به سیستم اضافه می شود. اخرین نقطه که (( سیستم تحویل شده )) نام دارد ، عملا پایان مارپیچ نیست ، بلکه با مرحله نگهداری و ارتقاء سیستم ، یک مرحله جدید شروع می شود .

ویژگیها : 1-مشتری عضوی از تیم تولید می باشد 2- هر دو هفته یک محصول برای ارائه موجود است 3- قابلیت تغییرات و تطبیق با خواسته های مشتری

**مدل چرخه حیات تفصیلی :

-       این مدل که مدل خطی (linear model) نیز نامیده می شود ، هرمرحله آن ، از چند وظیفه (task) تشکیل شده است . برای هرمرحله ممکن است کلیه وظایف ضروری باشند ، بویژه زمانیکه سیستم بطرف مراحل نگهداری و تکمیل پیش می رود .

-       در این روش ، مدل چرخه حیات به تفصیل مورد بحث قرار می گیرد تا عوامل متعدد و موثر در طراحی یک سیستم خبره را نشان دهد.

هزینه های نگهداری :

برای نرم افزارهای معمولی ، معمولا 60 تا 80 درصد کل هزینه نرم افزار ، مربوط به هزینه نگهداری است ، که حدود 2 تا 4 برابر هزینه ایجاد سیستم است .

برای سیستم های خبره ، این هزینه ها بیشتر می باشند .

**طرح تفضیلی چست ؟

جمع آوری مستندات برای مراحل چهار گانه یک پروژه(تحلیل – طراحی – پیاده سازی - پشتیبانی ) که شامل تعدادی نمودار و توضیحات است

**انواع نمودارهای طرح تفضیلی:

1- نمودار مورد کاربر (usecase diagram) 2- نمودار کلاس 3- نمودار جریان فعالیت (گردشکار) 4- نمودار وضعیت 5- نمودار اجزای نرم افزار 6- نمودار استقرار

**برنامه آزمون تفصیلی جعبه سفید و جعبه سیاه چیست ؟

1- جعبه سیاه:دادن ورودی و گرفتن خروجی از سیستم( مثل عابربانک یا مثل ویندوز)

2- جعبه سفید : دادن ورودی ، بررسی جریان کد منبع( source code ) و گرفتن خروجی . مثل نوشتن یک برنامه c++ و اجری آن که در صورت خطا کد اصلاح می شود با تغییرات ایجاد میگردد.

**محصول مرحله طراحی تفصیلی ، مستندات پایه طراحی است که از طریق آن کدنویسی انجام می شود

ابزارهای نرم افزاری برای توسعه سیستمهای خبره :

زبان برنامه نویسی * پوسته های سیستم خبره    *   ابزارهای هوش مصنوعی

-      **زبانهای برنامه نویسی

زبانهای قراردادی : مانند c , cobol , pascal

زبانهای هوش مصنوعی : مانند lisp , prolog , clips

-      **زبان های هوش مصنوعی:

Lisp:

این زبان مهمترین عضو خانواده زبان هوش مصنوعی است این زیان که توسط مک کارتی در دهه 60میلادی طراحی شدابتدا بعنوان یک وسیله برای تعریف توابع ریاضی به کار رفت.اما خیلی سریع بعنوان زبان محبوب سیستم های هوش مصنوعی معروف گردید.

Prolog:

زبانی است که در آن برنامه ها بصورت قواعدینوشته می شوند که روابط بین عناصر را بیان می کند یک برنامه prolog عبارتست از یک مجموعه چنین روابط هایی هر رابطه در برنامه prolog حاوی یک مجموعه از فراکرده است

مفسر سعی می کند اثبات درستی برای هر رابطه را بیابد معمولا رابطه حاوی متغیرهایی است و قسمتی از فرایندها اثبات نمودن عبارتست ار یافتن قیدهایی ( مقادیری) برای متغیرها که باعث می شود رابطه درست شوند هرگونه عقبگردی توسط مفسر porolog انجام می شود...

Clips:

در این زبانها با تعریف صورت مسئله درسیستم، منجر به حل مسئله می گردد

از سر نام هاي عبارت C Language Implementation Production System گرفته شده است

براي اولين بار توسط ناسا در واحد فناوري نرم افزار (Software Technology Branch) توليد شده است

اين نرم افزار رايگان بوده و در حال حاضر نسخه ي 6.3 آن موجود ميباشد

اين نرم افزار بر روي سيستم عامل هاي متفاوت مانند مك ، ويندوز، لينوكس و ... قابليت نصب شدن دارد

اين نرم افزار با استفاده از زبان ‍ ‍C ميباشد

اين نرم افزار چند كاره ميباشد ويعني ميتوانيد بصورت مدل هاي زير با آن برنامه نويسي كنيد

        بر مبناي قواعد (Rule-base)

         بر مبناي شي گرايي (Object-oriented)

        بر مبناي روال ها (Procedural programming)

smalltalk:

یک زبان شی گرا ودارای تایپ پویا وزبان برنامه نویسی انعکاسی است یک برنامه اسمال تاک توصیف یک روند محاسباتی پویا را نشان می دهد.

اسمال تاک برای پشتیبانی از دنیایی جدید حاصل ازفهماندن محاسبات با مثال توسط (همزیستی میان انسان وکامپیوتر ) به وجود آمد اسمالتاک به منظور آموزش توسط زیراکس-پاک و ... تحت تاثیر لیپس و لوگو ساخته شده است.

زبان ADA:

در منابع فارسی آدا نوشته می شود یک زبان برنامه نویسی شی گرا سطح بالا که در سال 1983 میلادی توسط وزارت دفاع آمریکا ایجاد شد

ایدا گسترش یافته زبان بزنامه نویسی پاسکال است وهزینه بیشتری نسبت به دیگر زبان ها برایش مصرف شده.

زبان :C++

زبان C++ یک سطح میانی در نظر گرفته می شود این زبان دارای قابلیت های زبان سطح بالا وپایین بصورت همزمان است

این زبان توسط استراس تروب ریاضیدان دانمارکی در سال 1979 در ازمایشگاه بل برای بهبود زبان C و بر مبنای آن ساخته وآنرا با C باکلاس ( C WITH CLASSES)نامگذاری ودر سال 1983 به c++ تغییرنام داد.

-      **زبان های برنامه نویسی:

C:زبانی همه منظوره - ساخت یافته وروندگراست

که در سال 1972 توسط دنیس ریچی در ازمایشگاه بل ساخته شد...

Cobol

مترجم یا کامپایلر برنامه رایانه ای است که مبدا را که به یک زبان برنامه نویسی یا زبان کامپیوتر (زبان مبدا) نوشته شده است

به یک زبان کامپیوتری دیگری(زبان مقصد که اغلب به شکل دودویی است و آنرا به نام کد مقصد یا کدماشین می شناسند ) تبدیل میکند.

متدوال ترین دلیل برای تبدیل یک مبدا این است که می خواهیم یک برنامه قابل اجرا ایجاد کنیم.

Passcal:

از نام بلز پاسکال ریاضی دان فرانسوی الهام گرفته پاسکال در شکل اصلی خودش بطور خالص یک زبان رویه ای است و دارای آرایشی سنتی است که شبیه ساختارهای کنترل به همراه کلمات رزو شده همچون:if-then-else-whit-for و... می باشد.با این حال پاسکال بسیاری از امکانات ساخت یافته داده ای و انتزاعی را داراست.

-      **دودلیل برای عدم قطعیت وجود دارد :

1- کاربر پاسخ را بطور قطعی نمی داند

2- تضمین نمی شود که نتیجه یک قانون همواره درست بشد حتی اگر فرضیات آن قانونهمگی درست باشند.

**روشهای بررسی عدم قطعیت :

1- روش های عددی ( بر مبنای تئوری احتمالات)

2- رئشهای منطقی

3- سیستمهای فازی : یعنی بازه اعداد بین 0 تا 1

برای طراحی سیستم خبره ابتدا مراحل زیر را مدنظر قرار میدهیم:

A-انتخاب یک بخش از دامنه برای نمونه اولیه

B-تصمیم گیری برای انتخاب و ایجاد نمونه اولیه

C-ایجاد نمودار موکلر

D-ایجاد جداول تصمیم گیری

E-کد نمودن با استفاده از پوسته

سیستم خبره

مطالب مشابه :

سیستم های خبره و کاربرد آن در پزشکی

سیستم های خبره در پزشکی

کاربرد سیستم های خبره

کاربرد علم فیزیک در پزشکی

سیستم‌های خبره (Expert Systems)

سيستمهاي خبره و كاربرد آنها

سیستم خبره