Hva er ekspertsystemskjell?

I ekspertsystemer er ekspert systemskaller programvaren som inneholder et grensesnitt, en inferensmotor og det formaterte skjelettet til en kunnskapsbase. I hovedsak er et ekspert systemskall en tom skål som skal fylles med ekspertkunnskapselementene som inferensmotoren kan behandle for brukere. Ekspertsystemer er dataprogrammer som gir hjelp til problemløsing for spesifikke problemer som en bruker kan trenge for å få tilgang til for å løse, for eksempel et problem med hjelpeprogramvaren i drift. En kunnskapsingeniør vil bruke dette skallet for å utvikle kunnskapsbasen og tilpasse den til å imøtekomme behovene til den spesielle kundebasen av brukerne. Det vil bli tilpasset å ta brukerens innspill og tolke denne informasjonen til dataregisteret, og til sammenligning finne samsvarende informasjon som kan hjelpe brukeren til en løsning.

Sammen med kontrollinformasjonen som settes inn i et kunnskapsgrunnlag, er regler og attributter definisjoner som styrer utgivelsen av informasjon til brukere. Kunnskapsbasen er konstruert av kunnskapserklæringer som etterligner analyseprosessen til en menneskelig ekspert i jakten på nok kunnskap til å oppnå en løsning. Ekspert-systemskall må gi muligheter for å styrke kunnskapsingeniørens jobb i utviklingen av et kunnskapsgrunnlag som kan fungere som et sanntidsekspert-system. I et slikt ekspertsystem kan basen være i konstant dataendring ved sletting eller tillegg av data fordi industrielle systemer, nettverk, maskinvare og programvaresystemer endres over tid. Denne konstante endringen av datainnsats fra andre styringssystemer må ikke snakke basens evne til å resonnere på samme ekspertnivå, uavhengig av endringer.

Ekspert-systemskall gir bare bein for å etterligne menneskelig ekspert resonnement i regelmetoder kjent som fremoverkjetting og bakoverkjetting. Fremover-kjetting i disse skjellene gjør det mulig å ta data fra en bruker og bruke inferensmotorregler for å finne mer data i forhold til den informasjonen til det er nok informasjon til å danne en konklusjon. Fordi de innledende dataene som mottas er det som driver den som søker, kalles denne metoden en datadrevet metode. En applikasjon som illustrerer denne fremadrettede metoden, kan undersøke mulighetene for å plassere komponenter i en datamaskin for å komme til best mulig plassering av komponentene.

Bakoverkjetting samler bare data slik de trenger det når et kunnskapsgrunnlag spørres på en konsultasjon. Det har som mål å finne en verdi for C og grunner bakover for å oppdage verdien av A og B som konkluderer målverdien til C. Denne metoden for å resonnere fra nåværende data til tidligere data som var grunnlaget for nåværende data kalles mål- drevet metode. En applikasjon som illustrerer ekspertsystem, beskjeder om inferensregler, kan omfatte en lege som legger inn et gjeldende sett med symptomer for bakgrunnsinformasjon om de samme eller lignende symptomer i bakgrunnsinformasjon fra et bestemt ekspertsystem for medisinsk diagnose.

Utledet kunnskap oppnås ved å undersøke eksisterende fakta for å komme frem til sannsynlig ny informasjon. Dette er resonnementprosessen som beboer inferensmotoren i skjellsystemer fra ekspert. Denne prosessen er det som initierer frem- eller bakoverkjetting i regelbaserte ekspertsystemer. Inferensregler som bygger inferensmotorene i skjellsystemer fra eksperter består av betingede “if” -klausuler og “da” -klausuler i kjennende uttalelser som letter veiledning av trinn. Disse trinnene kan være innen finansielle tjenester, menneskelige ressurser og håndtering av boliglån, blant annet for å prøve å finne tommelfingerregler som sannsynlige anbefalinger når et definitivt svar ikke er mulig.