Hvad er ekspertsystemskaller?

I ekspertsystemer er ekspertsystemskaller softwaren, der indeholder en grænseflade, en inferensmotor og det formaterede skelet i en videnbase. I det væsentlige er en ekspert-systemskal en tom skål, der skal fyldes med ekspertvidenelementerne, som inferensmotoren muligvis kan behandle for brugerne. Ekspert-systemer er computerapplikationer, der leverer hjælp til problemløsning til specifikke problemer, som en bruger muligvis har brug for at få adgang til for at løse, f.eks. En videningeniør vil bruge denne skal til at udvikle vidensbasen og tilpasse den til at imødekomme behovene i dets særlige kundebase. Det vil blive tilpasset at tage en brugers input og fortolke denne information til dataregisteret og til sammenligning finde matchende oplysninger, der kan hjælpe brugeren til en løsning.

Sammen med kontrolinformationen, der deponeres i en vidensbase, er regler og attributter definitioner, der styrer frigivelsen af ​​information til brugerne. Videnbasen er konstrueret af ekspertiseerklæringer, der efterligner analyseprocessen for en menneskelig ekspert i jagt efter tilstrækkelig viden til at opnå en løsning. Ekspert-systemskaller skal give muligheder for at styrke videningeniørens job i udviklingen af ​​en videnbase, der kan fungere som et realtidsekspert-system. I et sådant ekspertsystem kan basen være i konstant dataforandring ved sletning eller tilføjelse af data, fordi industrielle systemer, netværk, hardware og softwaresystemer ændrer sig over tid. Denne konstante ændring af datainput fra andre styringssystemer må ikke vække basens evne til at resonnere på samme ekspertniveau, uanset ændringer.

Ekspert-systemskaller giver bare knogler til efterligning af menneskelig ekspertberettigelse i regelmetoder kendt som fremadkædning og bagudkædning. Fremadkædning i disse skaller gør det muligt at tage data fra en bruger og bruge inferensmotorregler til at lokalisere flere data i forhold til denne information, indtil der er nok information til at danne en konklusion. Fordi de modtagne indledende data er det, der driver søgningen, kaldes denne metode en datadrevet metode. En applikation, der illustrerer denne fremadkædede metode, kan undersøge mulighederne for at arrangere komponenter inden for en computer for at nå frem til den bedste placering af komponenterne.

Bagudkædning samler data kun, som det har brug for dem, når der er stillet spørgsmål til en videnbase om en konsultation. Det har som mål at finde en værdi for C og grunde bagud for at opdage værdien af ​​A og B, der konkluderer målværdien af ​​C. Denne metode til at resonnere fra nuværende data til forudgående data, der var understøttelsen af ​​nuværende data kaldes mål- drevet metode. En applikation, der illustrerer ekspertsystem, beskriver inferensregler, kan omfatte en medicinsk læge, der indtaster et aktuelt sæt symptomer for baggrundsinformation om de samme eller lignende symptomer i baggrundsoplysninger fra et bestemt ekspertsystem til medicinsk diagnose.

Udledt viden opnås ved undersøgelse af eksisterende fakta for at nå frem til sandsynligvis nye oplysninger. Dette er ræsonnementet, der beboer inferensmotoren i ekspertsystemskaller. Denne proces er det, der initierer fremadrettet eller bagudkædning i regelbaserede ekspertsystemer. Inferensregler, der bygger inferensmotorerne i ekspertsystemskaller, består af betingede “hvis” -klausuler og “derefter” -bestemmelser i afgørende udsagn, der letter vejledning i trin. Disse trin kan være inden for områder af finansielle tjenester, menneskelige ressourcer og håndtering af realkreditlån, blandt andet for at forsøge at opdage tommelfingerregler som sandsynlige henstillinger, når et definitivt svar ikke er muligt.