《智能工程的概念人工智能智能工程》由会员分享，可在线阅读，更多相关《智能工程的概念人工智能智能工程（42页珍藏版）》请在金锄头文库上搜索。
1、智能工程及其 在水利工程中的应用,第六组： 王宽 宋小艳 李淑君 王飞 樊贵超,主要内容,一、智能工程的概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,主要内容,一、智能工程的概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,智能工程是一门关于知识的自动化处理和应用技术的计算机应用学科。,一、智能工程的概念,智能工程的定义,理论知识,数值模型,经验知识,符号模型,知识,自动化处理与应用,计算机对知识进行获取、表达、集成、管理、协调及使用，即利用具有一定智能的计算机来代替人脑的部分功能，以达到决策自动化的目的。,开放性 透明性 继承性 集成性,易于与
2、其他智能系统交换信息和集成 系统内部的知识易于扩展（知识库的修改和完善等）,使用户对复杂系统的总体结构及其功能有所了解 用户能获取进程执行的有关信息（进度、中间结果等） 对出错信息的跟踪与解释,便于继承以往的软件成果 能为现在或今后在不同环境和背景下开发的软件提供继承,知识内容和形式的集成 智能软件系统与环境的集成 复杂软件系统集成的结构,一、智能工程的概念,智能工程的原则,知识的获取 知识的表达 知识的集成 知识的协调与管理 智能化人机界面,智能工程的研究内容,一、智能工程的概念,多任务和多功能的集成,多领域多学科知识的集成,知识的集成,数值计算与推理方法的集成,多介质信息处理的集成,知识的
3、协调和管理,不同型号的计算机及其它硬设备 不同语言环境支持的软件系统之间,通讯问题,子系统间的决策冲突 不同领域专家的决策冲突,冲突决策问题,根据系统目标将各种任务分给不同的子系统 对任务执行情况进行检测和控制,任务分配问题,一、智能工程的概念,智能化的人机界面,一、智能工程的概念,面向复杂问题的集成化智能软件系统，在它的建立、发展、完善和使用的过程中，都需要有人类专家的参与。因此，一种非常便于使用、灵活友好、具有一定智能（如对手迹和语音的识别功能、解释功能、咨询功能）的人机界面是必须的，它将起到桥梁的作用，把人和机器沟通联系起来，使人真正成为自动化决策过程中的一个重要部分，作为最具有创造性的
4、知识源，在智能化人-机系统中起到关键决策的作用。,1、方便灵活、多种介质信息的输入输出方式,2、设立用户密级,3、独立的专家系统,数值、符号、图形、图像,无经验用户 专家用户,咨询、帮助、解释、跟踪,智能化的人机界面,一、智能工程的概念,人工智能,智能工程,重要基础,贡献理论成果,利用计算机模拟人的智能,利用具有智能的计算机（硬件和软件）解决实际问题,理论研究为导向,工程实际应用导向,注重研究智能活动过程的机理，具有严格的逻辑性和推理，注重普遍适用性,注重研究智能活动过程的机理，具有严格的逻辑性和推理，注重普遍适用性,一、智能工程的概念,智能工程与人工智能的区别和联系,主要内容,一、智能工程的
5、概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,知识的获取,知识的概念：,知识是人们在社会实践和生产实践中对各种信息经过去粗取精、去伪存真、由表及里、由此及彼而形成的各种对于客观事物规律性的认识。,知识的分类：,描述性知识 判断性知识 过程性知识,对象级知识 元级知识,按作用分：,按作用分：,二、知识的获取与表达,知识的获取,知识的来源：,知识获取方法：,人工知识获取 机器学习,二、知识的获取与表达,人工知识的获取,人工知识获取的基本模式,二、知识的获取与表达,人工知识的获取,知识获取的步骤,二、知识的获取与表达,机器学习,机器学习的基本模型,二、知识的获取与表达,知识
6、源,学习机,推理机,知识库,专家系统,专家、书本、数据库,机器学习,二、知识的获取与表达,机械式学习 基于解释的学习 基于事例的学习 基于概念的学习 基于类比的学习 基于决策树的归纳学习 基于神经网络的学习 ,知识的表达,当知识从知识源经知识获取形成条理化的知识后，它必须输入计算机内部以某种方式被表达出来才能被利用，研究将知识用什么方式在系统中进行表达，并以什么结构存储可以在智能系统在运行过程中能被推理机利用的问题就是知识表达的研究内容。,二、知识的获取与表达,二、知识的获取与表达,知识的表达,知识表达的典型方法：,规则式（产生式）知识表达 基于框架的知识表达 语义网络知识表达 逻辑表达法 过
7、程表示 面向对象表示,规则式（产生式）知识表达,二、知识的获取与表达,知识的表达,基于框架的知识表达,二、知识的获取与表达,知识的表达,语义网络知识表达,二、知识的获取与表达,知识的表达,逻辑表达法,二、知识的获取与表达,知识的表达,基于数理逻辑（一阶谓词演算）的知识,过程表示,二、知识的获取与表达,知识的表达,面向对象表示,二、知识的获取与表达,知识的表达,面向对象是一种软件开发技术，由于具有良好的封装性、继承性和多态性，作为知识的一种描述方法，也被人工智能广泛地使用。 类是面向对象的一个基本概念，类是对象的抽象，它由一组变量和一组操作封装而成，描述了一组具有相同属性和操作的对象。,类：属性
8、+方法,类：属性+方法,主要内容,一、智能工程的概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,三、知识的运用,知识的重要运用-推理,推理是人们求解问题的主要思维方法，而智能系统的推理行为则由推理机完成。推理机是智能系统必不可少的一个组件，其基本任务就是在一定控制策略指导下，搜索知识库中可用的知识，与事实库中的事实匹配，产生或论证新的事实，获得问题的解。,推理机设计的两个重要内容： 推理方法 推理控制策略,推理方法：研究前提与结论之间的种种逻辑关系及其信 息传递规律 推理控制策略：指导推理过程中进行搜索的策略,初始状态空间,目标状态空间,搜索求解,定义规则,问题的解,控
9、制策略（推理策略和搜索策略）,三、知识的运用,知识的重要运用-推理,三、知识的运用,推理方法,演绎推理和归纳推理 演绎推理是从已知的判断出发，通过演绎推出结论的一种推理方式，是一种由一般到个别的推理，相反，归纳推理是从个别到一般的推理。,形式逻辑推理 根据谓词逻辑进行推理，依赖于严密的逻辑学,联想型推理 在语义网络表达的知识中，利用结构关系及上层到下层概念的继承性进行推理,不精确推理 用于求解具有不精确知识的问题，主要理论基础是概率论,三、知识的运用,盲目搜索（无信息搜索） 启发式搜索 博弈树搜索 遗传算法 模拟退火算法 免疫算法,搜索技术,传统的搜索技术 （解决简单问题）,智能的搜索算法 （
10、解决复杂问题）,主要内容,一、智能工程的概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,专家系统是智能工程的一个重要分支，是人工智能理论的实际应用，是从一般思维方法探讨转入专门知识运用的重大突破。 专家系统可视为一类具有专门知识和经验的计算机智能程序系统，具有与专家同等解决问题能力的水平。 专家系统把知识和系统中其它部分分离开来，它强调的是知识而不是方法。这主要是由于： 一方面，很多有意义但是比较困难的问题没有易于实现的、基于算法的解决方案； 另一方面，专家系统知识相对比较缺乏，并且只有当人类专家拥有丰富的知识时，才可以解决大量的问题。知识在专家系统中具有非常重要的地位
11、。,四、专家系统,专家系统,专家系统也称为知识库专家系统，是基于知识库的知识利用系统，是人工智能的应用工程“知识工程”的典型代表。 一般说来，一个专家系统应具备以下三个要素： 具备某个应用领域的专家级知识； 能模拟专家的思维； 能达到专家级的解题水平。,四、专家系统,专家系统,用于存放系统求解问题所需要的领域专门知识。,用于存放原始数据和推理过程中得到的各种中间信息。,用来控制、协调整个专家系统工作的一组程序。,为知识库的建立、修改和扩充提供手段。,负责对推理出的结果作出必要的解释。,为用户提供直观方便的人机交互手段。,四、专家系统,专家系统的基本结构,专家系统是具有某个领域专家级知识的系统，
12、要研制 和开发一个专家系统是一件复杂、困难和费时的工作。人们已经研制出一些比较通用的工具，作为设计和开发专家系统的辅助手段和环境，以提高专家系统的开发效率、质量和自动化程度。这种开发工具或环境，就称为专家系统开发工具。（例如机器人仿真、matlab、simulink、组态软件、管理信息系统开发工具）。可以理解成开发专家系统用的组态软件。 现有的专家系统开发工具，主要分成以下四类：骨架系统（又称外壳）、语言型工具、辅助工具和支撑环境。,四、专家系统,专家系统的开发工具,主要内容,一、智能工程的概念 二、知识的获取及表达 三、知识的运用 四、专家系统 五、应用实例,数据挖掘技术,在大坝安全决策支持
13、系统中的应用 在大坝安全监控领域，一座大坝上布置的监测点个数以千记，各监测点年复一年的观测所采集和累计的数据是海量的。坝体、库水、坝基、气温、降雨、地震等等 针对水利行业海量的数据，我们应该如何利用现代的信息技术去进行采集、存贮、传输、处理呢？,五、应用实例,数据挖掘技术基于多方面的技术，如数据库技术、统计科学、模式识别、知识库、信息索引技术、高性能计算以及数据的可视化等， 高度自动化地分析原有的数据，并做出归纳性的推理，从中挖掘出潜在的模式，预测目标的行为，为决策提供强有力的技术支持。 确切的说，数据挖掘技术是利用人工智能技术为决策提供支持的过程，属于智能工程。,五、应用实例,数据挖掘技术,
14、数据挖掘技术的步骤,以一个具体的例子说明 分析大坝垂直位移测值序列在2001年产生突变的物理成因。,五、应用实例,数据挖掘技术的步骤,定义问题：了解相关领域的有关情况，熟悉背景知识，弄清需求。分析测点异常测值的物理成因。 集成数据：根据需求从数据库中提取相关数据。将有关大坝的数据（如监测量测值、日常巡查数据、大坝设计及竣工数据、大坝运行情况数据等）以及环境量测值（如库水位、气温、降雨、地震等）集成在数据库中。 预处理数据：对数据进行再加工，检查数据的完整性和一致性，对丢失的数据进行补充。 挖掘数据：运用数据挖掘的方法，从数据中提取用户所需的知识，这些知识可用一种特定的方式表示。 评价或解释：利用可视化工具将发现的知识以用户能理解和观察的方式呈现。可循环至满意。环境量测值在这个区间内变化平稳，在沉降值发生突变的2001年没有突变；大坝设计及竣工数据、大坝运行情况数据都很平稳等等；在日常巡查数据发现2001年该坝所在地曾发生过几次有感地震。数据挖掘的结果表明，此次突变的原因极有可能是发生区域性特殊荷载（地震）所致。,五、应用实例,数据挖掘技术,具有对水情信息采集，防汛抗旱信息自动接收、处理及汛情分析、山洪灾害预报、调度、灾情评估以及旱情预测等分析计算的功能。,五、应用实例,请批评指正！ 谢谢！,
