تعاریف مختلف از سیستم خبره

در اینجا چند تعریف از سیستم خبره مطرح می­گردد:

• یک سیستم خبره، سیستم اطلاعاتی مبتنی بر دانشی است که دانش خود را دربارۀ حوزۀ کاربری خاص و پیچیده­ای به کار می­گیرد تا به عنوان مشاوری خبره برای کاربران نهایی عمل کند. سیستم­های خبره از طریق ایجاد استنباط­های انسان مانند، دربارۀ دانش موجود در یک پایگاه دانش خاص به پرسش­های حوزه­ای بسیار خاص از مسائل پاسخ می­دهند. همچنین آن­ها باید قادر باشند استدلال و نتیجه­گیری خود را برای کاربر توضیح دهند (اُبراین، ۱۳۸۶، ۳۱۶).
• سیستم خبره یک سیستم رایانه­ای است که با استفاده از دانش، حقایق و روش­های استدلالی، مسائلی را حل می­کند که نیاز به توانایی افراد خبره دارند (Martin, Oxman,1988,43).
• سیستم خبره یک نرم افزار رایانه­ای برای تصمیم­گیری است که حتی فراتر از مهارت انسان در حوزه­های خاص و ظریف به یک سطح عملکردی و مقایسه­ای دسترسی می­یابد (Trippi, Turban, xii)

سیستم خبره به سیستم یا برنامه رایانه­ای گفته می­شود که با به کارگیری یک یا چند تکنیک هوش مصنوعی قادر به انجام فعالیت­هایی است که به طور سنتی توسط دانش و مهارت انسان خبره انجام می گیرند (الهی، رجب زاده، ۱۳۸۲،۱۲)

۲-۲-۲ مزایای سیستم­های خبره

مزایای سیستم­های خبره می­تواند هم برای سازمان و هم برای کارکنانی که داخل سازمان کار می­کنند، مطرح شوند. این مزیت­ها به شرح زیر هستند:

۲-۲-۲-۱ مزایای سازمانی

• حفظ دانش: دانش این سیستم­ها دائمی است، برخلاف انسان که ممکن است استخدام یا بازنشسته شود و یا مسائل دیگری برای وی اتفاق بیفتد.
• توزیع دانش: دانش می­تواند از طریق سیستم­های طراحی شده به سایت­های دیگر در هر جای دنیا با استفاده از شبکه یا کپی برداری سیستم خبره روی یک سخت افزار مجزا، انتقال یابند.
• آموزش: سیستم­های خبره توانایی شرح و تبیین یک مسأله را دارند. استفاده­کنندگان سیستم می توانند زنجیره استدلال تصمیمات اتخاذ شده را بفهمند و درک بهتری از حوزۀ مسأله داشته باشند.
• تأثیر رقابتی: سیستم­های خبره به یک سازمان اغلب توانایی رقابت می­دهند. به طوریکه بتواند سرعت عکس العمل و پاسخ خود را افزایش دهد و دقت تصمیمات خود را بالاتر برد.
• کاهش هزینه: به اشتراک گذاشتن رایانه­ها هزینه زیادی ندارد و منابع مهمی مصرف نمی­کند (بجز هزینه­های انرژی و نگهداری) و نیز هزینه ایجاد تخصص برای استفاده کننده رایانه پایین است.
• افزایش بهره­وری و میزان تولید: سیستم­های خبره از انسان سریع­تر عمل می­کنند. برای مثال سیستم خبره XCON به شرکت DEC کمک نمود تا تولیدات رایانه­های کوچک خود را بر طبق سفارش مشتریان به چهار برابر افزایش دهد. با کمک این نرم افزار، DEC تولید سفارشی انبوه را در برنامه­ریزی تولید خود به کار برده است.
• افزایش کیفیت محصولات: سیستم­های خبره قادر به افزایش کیفیت سازمان­های تولیدی هستند. برای مثال سیستم خبره XCON میزان محصولات معیوب سفارشی را از ۳۵ به ۲ درصد کاهش داده است.
• حل مشکل کمیابی تخصص: در بسیاری موارد متخصصان یا در حال بازنشسته شدن و یا ترک شغل خود هستند و یا اصلاً حوزۀ جغرافیایی کار این متخصصان آنقدر زیاد است که امکان در دسترس بودن و یا استفادۀ مناسب از آن­ها وجود ندارد.
• انجام کار و فعالیت­ها در محیط­های کاری خطرناک: در بسیاری از کارها ضرورت وجود دارد که نیروی انسانی در محیط­های خطرناک کار کند. سیستم­های خبره با استفاده از اطلاعاتی از حس گرهای قرار داده شده در این محیط­ها، تصمیم­گیری­ها و کارها را انجام می­دهد و ضرورتی برای ورود انسان به این محیط­ها که ممکن است عوامل خاص جوی مثل گرما، رطوبت و غبارهای سمی در آن­ها باشد وجود ندارد.
• قابلیت اعتماد: سیستم­های خبره قابلیت اعتماد بالایی دارند. این سیستم­ها معمولاً خسته یا بیمار نمی­شوند، اعتصاب نمی­کنند، مشاجره و بحث نمی­کنند و معمولاً در حل یک مسئله به جزئیات می­پردازند.
• افزایش توانایی سیستم­های رایانه­ای: ترکیب سیستم­های خبره با دیگر سیستم­های هوش مصنوعی موجب افزایش کارایی این سیستم­ها، کار سریع­تر و تولید نتایج با کیفیت بالاتر می­شود.
• توانایی تصمیم­گیری و کار با اطلاعات ناقص و نا­­معین: سیستم­های خبره مانند انسان توانایی پرورش پردازش داده­های نامعین را دارند. کاربر می­تواند به بعضی سؤالات پاسخ ” نمی­­دانم” یا مطمئن نیستم” را بدهد.
• حذف نیاز برای بعضی تجهیزات گران قیمت: در بسیاری موارد، نیروی انسانی برای کنترل و نظارت متکی به وسائل و ابزار گران است. استفاده از سیستم­های خبره موجب می شود که این وظایف سریع­تر و بهتر انجام شوند.
• انعطاف پذیری: سیستم­های خبره توانایی انعطاف­پذیری در سازمان­های تولیدی و خدماتی را دارند. برای مثال در DEC دیده شد که سفارشات می­توانند با توجه به نیاز مشتریان صورت گیرند. بدون وجود نرم افزار سیستم خبره، DEC نمی­توانست درخواست های مشتریان را پاسخ گوید.

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

روش کلی تحلیل سیستم­های خبره (روش ابتکاری)

سیستم­های خبره، به منزله شاخه­ای از هوش مصنوعی در نظر گرفته می­شوند. زیرا روش حل مسائل در آن ها بر اساس ابتکار (سعی و خطا) است. این روش رسیدن به جواب، با روش الگوریتمی متفاوت است. الگوریتم، روش مرحله به مرحله برای رسیدن به جواب است؛ برای مثال، فرایند کاری حقوق و دستمزد کارکنان در یک شرکت، که از یک روش الگوریتمی استفاده می­کند، شامل وارد کردن ورودی­ها، مانند ساعات کاری کارکنان، نرخ اضافه کاری و غیره است که خروجی آن فهرست پرداخت حقوق کارکنان است. گام­های این روش شامل پردازش داده­های بررسی شده برای تولید اطلاعات است. در بیش تر مسائل و فرآیند ها از روش الگوریتمی استفاده می­شود. روش جستجوی ابتکاری، از طرف دیگر، یک مسأله را با سعی و با توجه به هدف از قبل تعیین شده حل می­کند. مثال خرابی رایانه که بیان گردید، مثالی از روش جستجوی ابتکاری است. مثال­های بی­شمار دیگری وجود دارند که بسیاری از آن­ها در زندگی روزمره اتفاق می­افتند؛ برای مثال رانندۀ یک وسیله نقلیه که به دنبال جایی برای پارک وسیلۀ خود می­گردد از روش الگوریتمی استفاده نمی­کند.

۲-۲-۶ مدل کلی سیستم­های خبره

سیستم خبره شامل دو عنصر مهم می­باشد:

الف) موتور استنتاج: برنامه­ای است که با تجزیه و تحلیل قواعد و دانش ذخیره شده در مخزن دانش نتایج منطقی را ارائه می­نماید. هوش سیستم خبره (یعنی مکانیزمی که به ترکیب این دانش با اطلاعاتی که بدست می­آورد می­پردازد) موتور استنتاج نامیده می­شود. دو روش استنتاج در سیستم­های خبره وجود دارد: زنجیرۀ روبه جلو و زنجیرۀ رو به عقب. زنجیرۀ رو به عقب استنتاجی است که از واقعیت ها به سمت نتایج پیش می رود درحالیکه استنتاجی که از سمت فرضیه ها به عقب، یعنی واقعیت ها حرکت می کند زنجیرۀ رو به عقب نامیده می شود.

ب) پایگاه دانش: پایگاه دانش سیستم خبره عبارت است از (۱) حقایقی دربارۀ یک حوزۀ خاص مورد نظر و (۲) فرآیندهای اکتشافی (قواعد سرانگشتی) که رویه­های استدلال یک فرد خبره را دربارۀ یک موضوع بیان می­کنند. روش­های بسیاری برای ارائۀ این دانش در سیستم­های خبره وجود دارد. مثال­های آن عبارتند از روش­های ارائۀ دانش مبتنی بر قاعده، مبتنی بر چارچوب، مبتنی بر شیء و مبتنی بر مورد (اُبراین، ۱۳۸۶، ۳۱۷). از تخصص و دانش افراد خبره جهت ساخت پایگاه دانش استفاده می شود. دانش می­تواند به صورت قواعد (Rules) و یا مورد­ها (Case) در پایگاه دانش ذخیره شود. یکی از مهم­ترین مسائلی که در ارتباط با طراحی سیستم­های خبره وجود دارد فرآیند ایجاد پایگاه دانش از طریق کسب دانش از افراد خبره می­باشد.

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

عناصر یک سیستم خبره عبارتند­ از:

• واسط کاربری: مکانیزمی که کاربر و خبره با هم ارتباط برقرار می­نمایند.
• امکان تبیین: استنتاج سیستم را به کاربر توضیح می­دهد.
• حافظه: پایگاه داده­ای از واقعیت­ها که توسط قواعد به کار می­رود.
• موتور استنتاج: استنتاج هایی با تصمیم­گیری در مورد اینکه چه قواعدی توسط واقعیت­ها ارضاء می­شوند را ایجاد می­کند ، قواعد ارضاء شده را اولویت­بندی می­کند و قواعد دارای بالاترین اولویت را اجرا می­کند.
• لیست کارها: لیست اولویت­بندی شده از قواعدی که توسط موتور استنتاج ایجاد شده و الگوهایش توسط واقعیت­های حافظه ارضاء شده­اند.

امکان اخذ دانش: راهی اتوماتیک برای کاربر برای وارد کردن دانش در سیستم به جای داشتن مهندس دانش که دانش را کد­گذاری می­نماید  (Giarratano, Riley, 1989, 32).

۲-۲-۸ کاربردهای سیستم خبره

در ابتدا کاربر نهایی از طریق تعامل با سیستم رایانه­ای مسئلۀ خود را جهت مشورت­گیری از سیستم خبره تشریح می­نماید. سیستم خبره سؤالاتی را از کاربر نهایی می­پرسد، پایگاه دانش خود را برای حقایق و قوانین و سایر دانش ها جستجو نموده، فرآیند استدلال خود را طبق درخواست توضیح می­دهد و دربارۀ موضوع مورد بررسی توصیۀ کارشناسی شده به کاربر می­دهد. سیستم­های خبره برای انواع بسیار متفاوتی از کاربردها استفاده می­شوند و انتظار می­رود تنوع کاربردها همچنان ادامه پیدا کند. شش دستۀ عمدۀ فعالیت­های سیستم خبره  با مثال­هایی خاص از کاربردهای حقیقی سیستم خبره در جدول زیر نشان داده شده است (اُبراین، ۱۳۸۶، ۳۲۰).

استفاده از قواعد برای بازنمایی دانش

تفاوت سیستم­های خبره با دیگر برنامه­های متداول این است که سیستم­های خبره، خلاف برنامه­های متداول که پردازش اطلاعات را انجام می­دهند، به پردازش دانش می­پردازند. دانش در یک برنامه رایانه ای به شکل قواعد مشخص شده است. آن­­ها نحوۀ جستجو را ذخیره کرده­اند که کارشناس خبره را هدایت می­کنند. به طور کلی قواعد در سیستم­­های خبره به صورت زیر بیان می­شوند.

• اگر شرایط
• آنگاه عملگرها (اقدامات)

فعالیت­ها اجرا می­شوند، اگر شرایط فراهم شده باشد. قواعد ایجاد شده در این موارد، به نام پایگاه دانش نامیده می­شوند. بیش­تر سیستم­های خبره با استفاده از قواعد توسعه پیدا می­کنند و به همین دلیل، سیستم های مبتنی بر قاعده^[۱] نامیده می­شوند. ولی همه سیستم­های خبره با توجه به این قواعد توسعه پیدا نمی کنند و لذا شیوه­های دیگر بازنمایی، نظیر چارچوب­های^[۲] شبکه­های معنی­شناسی^[۳] یا منطق ممکن است به کار روند.

[۱] Rule- based system

[۲] Frames

[۳] Semantic concepts

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

استفاده از قواعد برای بازنمایی دانش

تفاوت سیستم­های خبره با دیگر برنامه­های متداول این است که سیستم­های خبره، خلاف برنامه­های متداول که پردازش اطلاعات را انجام می­دهند، به پردازش دانش می­پردازند. دانش در یک برنامه رایانه ای به شکل قواعد مشخص شده است. آن­­ها نحوۀ جستجو را ذخیره کرده­اند که کارشناس خبره را هدایت می­کنند. به طور کلی قواعد در سیستم­­های خبره به صورت زیر بیان می­شوند.

• اگر شرایط
• آنگاه عملگرها (اقدامات)

فعالیت­ها اجرا می­شوند، اگر شرایط فراهم شده باشد. قواعد ایجاد شده در این موارد، به نام پایگاه دانش نامیده می­شوند. بیش­تر سیستم­های خبره با استفاده از قواعد توسعه پیدا می­کنند و به همین دلیل، سیستم های مبتنی بر قاعده^[۱] نامیده می­شوند. ولی همه سیستم­های خبره با توجه به این قواعد توسعه پیدا نمی کنند و لذا شیوه­های دیگر بازنمایی، نظیر چارچوب­های^[۲] شبکه­های معنی­شناسی^[۳] یا منطق ممکن است به کار روند.

[۱] Rule- based system

[۲] Frames

[۳] Semantic concepts

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل

سیستم­های خبره فازی

به طور کلی یک سیستم فازی، هر سیستم مبتنی بر منطق فازی می­باشد که در آن منطق فازی می­تواند به عنوان مبنایی برای نمایش فرم­های مختلف دانش و یا در مدلسازی تاثیرات متقابل و روابط بین متغیرهای سیستم به کار رود. سیستم های فازی به عنوان ابزار مهمی برای مدلسازی سیستم­های پیچیده می­باشند که به خاطر پیچیدگی یا غیر دقیق بودن اینگونه سیستم­ها ابزارهای معمولی کارایی ندارند. برای گنجاندن عدم قطعیت و ماهیت طبیعی تجرید در روش تصمیم­گیری انسان در سیستم­­های هوشمند، سیستم­های خبره فازی روش کارا و دقیق­تری را پیشنهاد می­کنند. زیرا این روش سعی دارد که تقریب، عدم قطعیت و شرایط مرزی کیفی را از طریق مجموعه­های فازی با توابع عضویت مربوطه به نمایش گذارد. سیستمی با چنین قابلیت انعطاف پذیری، توابعی که به اصطلاحات انسان یعنی قوانین زبانشناختی اگر- آنگاه نزدیک می­باشند را پیاده سازی و ارزیابی می­کند. این عمل با استفاده از منطق فازی که از پشتوانۀ محکم و محرز ریاضی برخوردار است صورت می­گیرد. این موضوع ثابت شده است که سیستم­های خبرۀ فازی سیستم هایی قابل اعتماد و مقاوم و پیاده سازی آن­ها به راحتی انجام پذیر است (Rogers, Li, 1993).

ضرورت اصلی در طراحی یک سیستم خبرۀ فازی این است که نخست باید به جمع آوری دانش در مورد مسألۀ مورد نظر پرداخت و از طریق کد کردن دانش جمع آوری شده به صورت قانون اگر- آنگاه، پایگاه قانون ایجاد نمود. پایگاه دانش یک سیستم فازی مبتنی بر قانون از دو قسمت پایگاه داده و پایگاه قواعد تشکیل شده است. پایگاه داده شامل تعاریفی مانند           ضریب مقیاسی و پارامترهای توابع عضویت مجموعه های فازی می­باشد که این توابع معانی مربوط به اصطلاحات زبانشناختی را مشخص می­کنند. در پایگاه قواعد، قواعد فازی جمع آوری می­شوند. یک طرح کلی از یک سیستم خبرۀ فازی در شکل ۲-۳ نشان داده شده است.

 متن فوق تکه ای از این پایان نامه بود

برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل می توانید به لینک زیر مراجعه نمایید:

متن کامل