سیستم های خبره و مهندسی دانش

صفحه 1:
فرصت نزن سیستمهای فبره و مینرسی رانش 

صفحه 2:
کلیات درس * هدف: آشنایی با مفاهيم سیستم های خبره و روش های طراحی آن ها تسا ۱- مفاهیم اولیه و شناخت کلی ۲- ویژگیهای سیستم های خبره ۳ روض های ارانه داش ۶- تکنیک های استنتاج eats 1— استنتاج فازی ‎e‏ مرجع : ‎Expert Systems Design and Development, John Durkin‏ 

صفحه 3:
آشنایی با سیستم های خبره سیستم مجموعه ای هدف دار از عناصر و روابط بين آنها است که شامل ورودی؛ So فرایند. خروجی و بازخورد می باشد. ۱- ورودی: مواد اولیه هر سیستم اطلاعاتی به شمار می آیند. ۲- فرایند: مجموعه ای از اعمال منطقی برای تبدیل ورودى هر سيستم به خروجى آن. ۳- خروجی ها: (در اين درس اطلاعات) شامل مواد پردازش شده مورد نیاز سازمانی که سیستم در آن قرار دارد می باشد. 6- بازخورد: (روابط کنترلی) شامل مجموعه فرامینی است که با تاثیر بر روی سه جزء دیگر منجر به رفع نقص و بهبود خروجی می شود. 

صفحه 4:
آشنایی با سیستم های خبره سيستمى که برای کاربران سازمان داده یا اطلاعات فراهم مى کند که اگر در اين ‎SA sees aE ale‏ سير تكامل سيستمهاى اطلاعات ۱- پردازش داده (دوره ‎Data processing Systems 0186٠‏ ۷- سیستم اطلاعات مدیریت(۱۹3۰ -مسایل ساختار یافته) ‎Management Information Systems‏ ‎con 3‏ حمایت از تصمیم(۱۹۷۰ -مسایل نیمه ساختار یافته) 53506005 50۲0۲6 90و۳6 نتم خبره(۱۹۸۰ -مسایل ساختار نیافته) ‎Expert Systems‏ Executive Information Systems Group Decision Support Systems 0- سيستم اطلاعات مدیریت اجرایی(۱۹۸۰) ‎“T‏ سیستم تصمیم گروهی(1۹۹۰) Artificial Neural Network Systems 94+ ‏شبکه عصبی مصنوعی(‎ -۷ 

صفحه 5:
BT > ‏شنایی با سیست‎ 

صفحه 6:
آشنایی با سیستم های خبره خبرگی (6۲)196:) دانشی است تخصصی که برای رسیدن به آن نیاز به مطالعه مفاهیم تخصصی و یا دوره های ویژه وجود دارد. ۱- یک سیستم کامپیوتری است که شیوه تصمیم گیری یک شخص خبره را در یک زمینه خاص شبیه سازی می کند ۲- یک میستم کامپیوتری است که با استفاده از دانش. حقایق و روش های استدلالی. مسائلی را حل می کند که نیاز به توانایی افراد خبره دارند. نکته: سیستمهای خبره برای حل مسائلی بکار میرود که : ۱- الگوریتم خاصی برای آن وجود ندارد. ۲- دانش صریحی برای حل آن مساله وجود ندارد. 

صفحه 7:
آشنایی با سیستم های خبره (Knowledge Base) ‏پایگاه دانش‎ -۱ (Inference Engine) ‏موتور استنتاج‎ -۲ (User Interface) «5,15 Lui, -¥ Knowledge ۳ ‏ی نج ی‎ user Expert System ‏سس‎ ‎Query 0 ‏ها‎ ‎—p é \ : 1 {Inference Knowledge : = \ Engine ‘Advice = — 

صفحه 8:
آشنایی با سیستم های خبره 8 (Coton mee cele محلی است که دانش فرد خبره به صورت کد گذاری شده و قابل فهم برای سیستم یر می نود Pete etek mee nee بیان خبرگی در قالب دانش به نحوی که یک سیستم کامپیوتری بتواند از آن برای حل ان فاد كله به شخصى كه توانايى كد كذارى دانش خبره و وارد كردن آن به يايكاه دانش را دارد. مهندس دانش یا 021066۳ 0۷۱6026 گویند. به طور کلی دانش معمولا به صورت قواعد و عبارات شرطی در پایگاه دانش ذخیره می شوند. مثل اگر ... آنگاه ... 

صفحه 9:
آشنایی با سیستم های خبره (ica ‏ا‎ پردازنده ای است که حقایق موجود را با دانش موجود در پایگاه دانش تطبیق میدهد تا درمورد مساله به نتیجه برسد. ean cr een Cae ry بخشی از سیستم خبره که مستقیما با کاربر در ارتباط است ۱- جایگزینی برای فرد خبره * تداوم کار در صورت عدم دسترسی به فرد خبره »اس مره * احساساتی نبودن سیستم و خستگی اپذیری ۲- کمک و دستیاری 

صفحه 10:
آشنایی با سیستم های خبره ۱- مسائل کنترلی ([0:00۲0)) : مثلا کنترل وضعیت بیمار یا کنترل اتوماتیک هواپیما ۲- طراحی (1(691810) مثل نرم افزار اتوکد ۳- تشخیص (19188520515) : مثل تشخيص بيمارى و يا عيب خودرو ۶- آموزش ‎(Education)‏ : مثل نرم افزارهاى آموزش رياضى ‎Cones ti Mee : (Interpretation) a -o‏ هوا از روی اطلاعات هواشناسی ‏*- پایش ‎(Monitoring)‏ مثل سیستم هوشمند پایش راهنمایی و رانندگی ‏۷شبیه سازی ‎Me: (Simulation)‏ شبیه سازی وضعیت زلزله برای تست میزان آمادگی افراد برای مقابله با آن ‏۸- پیش 25( ‎Cte he Me : (Prediction)‏ آب و هوا ‎(Prescription) 5.3 -4‏ : مثلا سیستم تجویز پزشکی بر اساس وضعیت بیمار ‎ ‎ ‎ ‎ 

صفحه 11:
پیاده سازی سیستم های خبره برای پیاده سازی یک سیستم < Ee ‏ابزار: محیط برنامه نویسی است که علاوه بر امکان پرنامه نویسی وظایف دیگری مانند‎ ‏مدیریت فایل هاء نمایش گرافیکی و تبدیل کدها به زبانهای دیگر را فراهم می کند.‎ زبان: امکانات لازم برای کد نویسی را فراهم می کند. مثل ‎Lisp, Prolog, C‏ پوسته: معمولا په سیستم خبره فاقد دانش اشاره دارد و کاربر برای ایجاد سیستم خبره باید پایگاه دانش ‎OF‏ را پر کند. مثل سیستم تشخیص ‎MYCIN (S25,‏ 

صفحه 12:
پیاده سازی سیستم های خبره الگوهای برنامه نویسی: لكك در اين زبانها بايد روند و جكونكى انجام كار براى سيستم بيان شود. مثل زبانهاى © ‎Pascal‏ ‎٠‏ ۲- زبانهای غیر رویه ای 0 در این زبانها. را كه مثل زبانهای 5 ne ۳ ۳ ۹ ey Are(B,C) ۱ | Are(C,B) j Path(X,Y) if Are(X,Y) ۱ eS | 0 Path(X,Y) if Are(X,Z) && ‏مامه‎ Ni 

صفحه 13:
ساختار سیستم خبره روش استدلال در یک فرد خبره حقایق مسئله 0256 ‎Facts‏ ‏نتايج ‎Conclusions‏ 

صفحه 14:


صفحه 15:
RULE ۱ IF The car will not start THEN The problem may be in the electrical system RULE * IF The Problem may be in the electrical system AND The Battery voltage is below \+ volts THEN The fault is a bad battery 

صفحه 16:


صفحه 17:
پیاده سازی سیستم های خبره استدلال مشخصه بارز سیستمهای خبره توانایی شان در توضیح استدلال شان است. با بکارگیری این ماژول. سیستم می تواند برای کاربر توضیح دهد که چرا (۷۷1) چنین سوالی از کاربر میکند و چگونه (۲101) به نتیجه نهایی رسیده است. 

صفحه 18:
پیاده سازی س های خبره ابتکاری دانش از کنترل مجزاست اعمال تغییرات آسان است اطلاعات نا دقیق است شامل گفتگو با کاربر به همراه توضیحات توصیه و توضیحات لازمه ارائه می‌شود ‎oly‏ حل قایل قبول ارائه می‌شود. برنامه‌های متعارف عددی الكوريتم اطلاعات و کنترل مجتمع است اعمال تغييرات مشكل است اطلاعات ذقيق است رابط کاربری بصورت دستور است نتیجه نهایی داده می‌شود راه حل بهینه ارائه می‌شود 

صفحه 19:
پیاده سازی سستم های خبره فرد -_دانش کارشناسی دارد خيره - توانایی کافی در حل مسائل را دارد ‎ -‏ توانايى ارائه ذائش را ذا ‏- می‌تواند زمان بگذارد ‎ ‏- _ خصومتی با انجام پروزه ‎ ‏مهندس | - _ توانایی مهندسی دانش را ‎ ‎ ‎sls‏ - تونایی برقراری ارتباط قوق را ‏- توانایی‌تطبیق مسئله را به ‎ ‏افزار ‏توانیی برنامهنویسی سیستم خبرهای دارد ‎ -‏ می‌تواند در تعریف محیط کاربری موثر باشد ‎ ‎ -‏ می‌تواند در کسب دانش کمک باشد ‏-_می‌تواند در توسعه سیستم کمک باشد. ‎ ‎ ‎ ‎ 

صفحه 20:
مهندسی دانش ۱ الا ل دان فرایند ساخت یک سیستم خبره را مهندسی دانش گویند. ۱- ارزیابی (900600عووش) ۲- اکتساب دانش ‎(Knowledge Acquisition)‏ ۳- طراحی (65187) (Test) ‏آزمون‎ -۶ ۵- مستند سازی ‎(Documentation)‏ (Maintenance) ‏نگهداری‎ -7 

صفحه 21:
مشابه فاز امكانسنجى در مهندسى نرمافزار است در ابن فاز مطالعات و برسی‌هایی اجام می‌شود تا ۱ عملى بودن مساله مور نظرتیید شود یل توجه کنده رای ایجاد مور پا شود لايل توجيه براى ايجاد سيستم خبره مورد نظر بيا 1 ومس ممع فاد کاب ‎AL‏ و مطالعه دائش: اتساب دانش كفت مى شود .ابن رايد شامل مصاحبه» كتدكر و تكميل فرم هاو به طور كلى اكتساب ...ويج فزه فرهم کته دنش مورد نیز در حل سالهاست , خروجی ان فاز :160۷/۵0 است و دنش استخراج می‌شود وب علالطدومة وما «صتة سید ۱ ام سا — أخيركن از فد است: مرحله بعد م رود knowledge 1 I 2 ‏هر ی این مرح ساغتر و سازمادهی کلی دتش سیستم؛ نی ووش‌های پراش داش زره شمه بای تیش تلا انش‎ | Dean Yee sista ‏تتريتم و شود ايزلؤها و روش هاى مضب تخاب می‌شود و دانش استخراج شده در مرحله اکساب داتش در واحدهایمناسب ذخیره‎ ‏در فا طراحی يكك نمونه لها 05 جهت نیم بر سل اجاد گرد‎ ‏مره نت ی بای اد ی لپ نی ات کیت زور ای تراسا پ روز مر تال اد ۱ و‎ ‏سيستم اعمال من شود : مد فا تست برسی نت وتا مات لی یسم دش تفج شله ات :در اين مرحله ا تساي ها ررد عير .و مسح‎ a ‏ساختار یافته مور آزمون قرار می گیرد.‎ بعد از كذر از از ست و اعمال :ها ۳2 می شود و بعد از آن به صورت یک مری مستند با 0/000 می‌شود سس هم استفده خواهدشد . خروجی طراحی به تست. 9000 میباشد عنی در این مرحله انش (mae s ‏سب‎ 3 0 ۱ 5 ‏در اين مرحله اطلاعائى در مورد بروزه در قالب متن و نموداره فراهممى شود‎ Prat اين قا به معن ارت هبرد سيستم و رفع اشكالات اححمالى دو ‎SS‏ تا سيمتم در جهت رد وأفزايش دانش و هش نواقص اسسالی 0002 |[ 71000011 مداه دهج علوي اناو زر تکمین سينم برد وله یک ملق کر هی 

صفحه 22:
(Knowledge) ‏فهم و درک از یک بستر موضوعی مشخص را دانش گویند.‎ (Knowledge Representation) _+!> 41,! روشی است برای کد کردن دانشی که در پایگاه دانش یک سیستم خبره بكار كرفته می شود. 

صفحه 23:
ارائه دانش ‎-١‏ دائش رويه اى 16801016086 06601181): دانشى است كه جكونكى حل يك مساله را توضیح می دهد. قوائین. استراتژی ها. دستور کارها و رویه ها انواع رایج دانش رویه ای ‎ ‏۲- دانش توصیفی (100۱۷۱6086 6012۲21176(): دانشی است که بخش ‎cle‏ شناخته شده مساله را تشریح می کند. اين دانش شامل عبارتهایی است که ارزش درست یا نادرست دارند. ۳- فرا دانش (1۷]602-100۱۷16086): دانشی است که چگونگی استفاده از دانش را مشخص مى کند. اين نوع دانش برای انتخاب دانش مناسب برای حل یک مساله استفاده می شود. ‏۶- دانش ابتكارى ‎oy! (Heuristic Knowledge)‏ نوع دانش تجربه ای است و فرد خبره ‎ ‏از طریق تجربه در حل مسائل گذشته آن را بدست می آورد. گاهی دانش سطحی ‎oli 55 (Shallow Knowledge)‏ 4 شود. ‏۵- دانش ساختاری ‎(Structural Knowledge)‏ ساختار های دانش را تشریح می کند. این دانش معمولا مدل ذهنی یک فرد خبره را برای یک مساله توصیف می کند. ‎ ‎ 

صفحه 24:
ارائه دانش ۱- سه گانه شیء صفت. مقدار (0-۸-۷) ؟'- قوانين ‎(Rules)‏ “ا-شبكه هاى معنايى ‎(Semantic Networks)‏ قاب ها ‎(Frames)‏ همنطق (0نعما) هر کدام از اين تکنیک ها بر روی بخشی از اطلاعات مساله تاکید دارند و اطلاعات دیگر را نادیده می گيرند. هر تکنیک, نقاط قوت و ضعف خاص خودش را ارائه انواع دانش دارد. 

صفحه 25:
در بیان یک واقعیت می توان از رابطه یک شیء با یک صفت و یک مقدار بهره گرفت. یک واقعیت فرمی از دانش توصیفی است و در هوش مصنوعی به آن مهم گفته می شود. Preposition: The chair’s coloris brown. Object Attribute Value Object Attribute Value 

صفحه 26:
ارائه دانش انواع صفت از نظر تعداد مقادير: ۱- تک مقداری مثل وزن توپ ۲- چند مقداری مثل مقاطع تحصیلی گذرانده شده یک دانشجو ( دیپلم. کارشناسی) ۱- حقایق قطعی ‎Se (Certain facts)‏ وزن توب ۲- حقایق غیر قطعی ‎Sy pe 4 SS lé> (Uncertain facts)‏ نا دقیق ارائه می شوند و معمولا با کلماتی مثل «احتمالا» و یا «شاید» همراه است. یک روش متداول برای مدیریت اطلاعات نا دقیق استفاده از ضریب قطعیت ‎factor)‏ 6۲)۵1۳06۲)) می باشد. در این روش به هر حقیقت یک ضریب قطعیت انتصاب داده می شود که میزان قطعیت آن را مشخص میکند. 

صفحه 27:
كاملا درست کاملا ‎yb‏ Preposition: it probably will rain today Attribute 

صفحه 28:
ارائه دانش 0 بخش دیگری که عدم قطعیت می تواند به دنبای سیستم های خبره ورود کند نیاز به ارائه واژه های مبهم ‎Ob5 52 «5 <I (Ambiguous terms)‏ طبیعی زیاد استفاده می شود. مثلا عبارت زیر را در نظر بگیرید: «اين شخص _بلند قد است.؛ ‏استفاده از واژه بلند قد مبهم است و تفسیر آن پوسیله کامپیوتر مشکل است. ۱ ن مشکل با استفاده از منطق فازی ‏(0ع0] ۲022۷) قابل حل است. منطق فازی روشهایی برای اراه و استتتاج با واژه های مبهم را معرفی می کند. ‎ ‎ ‎ ‎ ‎see ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 29:
ارائه دانش سب )29 ساختاری از دانش است که اطلاعات شناخته شده ای را به اطلاعات شناخته شده دیگر مرتبط می سازد که می تواند مورد استنتاج قرار گیرد. Knowledge Base Rule 1: IF the balls color is red THEN I like the ball Step 3] Ball's color is red ‎er Ilike the ball‏ الس ‎Iwill buy the ball Q: Ball’s Color? ‎ ‎۸: 0 Working memory ‎ ‎ ‎ ‎ 

صفحه 30:
‎(Relationship) <\ 1 ; ¢,1,3 -\‏ در اين نوع قوانین رابطه بین علت و معلول وجود دارد ‎If the battery is dead THEN the car will not start‏ ‏۲- قوانین ‎eg gsl> (Recommendation) «| a2‏ یا پيشنهاد هستند ‎IF the car will not start THEN you can take the cab‏ ‏۳- قوانین دستوری(1015601۷6): اين قوانین به یک جمله امری ختم می شوند ‎IF the car will not start THEN check out the electrical system‏ ‏£- قوانین راهبردی(5111680): معمولا مراحل انجام کار را بیان می کنند. ‎IF the car will not start THEN check out the fuel system THEN check out the electrical system ‏۵- فرا قوانین (1۷1618-100169): اين قوانین بیان می کنند که از چه قانونی باید استفاده شود ‎ ‎IF the car will not start AND the electrical system is operating normally THEN use rules concerning the fuel system ‎ ‎ ‎ 

صفحه 31:
بکه های معنایی روشی برای بازنمایی دانش با استفاده از گراف هستند که از گره ها و یالها تشکیل شده اند. معمولا گره ها بيانگر اشیاء و یالها نشانگر ارتباط بین اشیاء می باشند. در اين كراف. هم گره ها و هم یالها دارای همست معمولا برای بیان واقعیت ها از شبکه های معتایی استفاده می شود. مثلاا قتاری یک پرنده است. پرنده بال دارد. یال هایی با برچسب ۸ 19 و 1125 جزو یالهای پر کاربرد در شبکه های معنایی است. 

صفحه 32:
ot pew گسترش شبکه معنایی با استفاده از سه روش صورت می گیرد: ۱- خاص تر شدن ؟- عام تر شدن *- مفاهيم مشابه Travel یک ویژگی مهم در شبکه های معنایی ورائت است. معمولا ویژگی ها و خواص می توانند به ارث برده شوند.(معمولا از طریق یال ۸ 18) 

صفحه 33:
اگر به شبکه های معنایی مفهوم رویه را اضافه کنیم. تشکیل قاب می دهد. ‎Semantic Network + Procedure = Frame‏ مفهوم فریم مشابه مفهوم شیء در شیء گرایی است. ‎Data(Properties)+Procedures = Object‏ Frame Name: Class: Object 2 Properties: 

صفحه 34:
ارائه دانش 34 اگر به شبکه های معنایی مفهوم رویه را اضافه کنیم. تشکیل قاب می دهد. ‎Semantic Network + Procedure = Frame‏ مفهوم فریم مشابه مفهوم شیء در شیء گرایی است. ‎Data(Properties)+Procedures = Object‏ Class: Properties: 

صفحه 35:
“de gh ‏ارائه دانش‎ 35, (Logic) jh. -0 ‏قدیمی ترین روش اراثه دانش در کامپیوتر منطق است. تمام زبانهای ارائه دانش در پائین ترین‎ ‏سطح به منطق می رسند. بنابراین منطق. پایه ساخت تقریبا همه سیستم های خبره است.‎ ۱- منطق گزاره ای (۱0816 اهصمنانه۳۳۵0) ‎(Predicate Logic) 51.» jh -¥‏ در منطق گزاره ای هر گزاره با یک نماد یا سمیل نمایش داده می شود. ‎A= the car will start‏ ‎B = it is too far to walk to the work‏ ‎C=I will miss my work‏ AAB>C | 

صفحه 36:


صفحه 37:
ارائه دانش حساب مسندی که گسترش بافته منطق گزاره ای است. بازنمایی دقیقتری از دانش را امکانپذیر می کند. اين روش با استفاده از متغیبرها و توابع. پردازش دانش را بهبود می بخشد. * در حساب مسندی معمولا متغیرها با حروف بزرگ نمایش داده می شوند و ابت ها با حروف کوچک مثالی از یک مسند؛ ‎Like (john, mary)‏ در اینجا مسند رابطه بين مفاهيم است. در اين مثال 13166 مسند است ‎mary 4 john y‏ پارامترها هستند. ‎Like(X,Y)‏ خروجی یک ‎Cw 2 a0» (predicate) w‏ (1۳6) و یا نادرست (۳۵۱96) است. ‎After(X.Y) A After(Y,Z) > After(X,Z)‏ مثال: 

صفحه 38:
ارائه دانش ‎(Universal Quantifier) 55 5.‏ وقتی که بخواهیم موردی را برای تمامی حالات ذکر کنیم از سور عمومی استفاده می شود. VX, Like(X mary) (Creu eee وقتی بخواهیم وجود حداقل یک مورد را برای یک گزاره ذکر کنیم از سور وجودی استفاده في رةه ‎BY, Like(X mary)‏ (Modus Pone: errs ‏یک شکل ساده استتتاج است که مشخص می کند اگر گزاره ۸ درست باشد و ۸ نت‎ ‏آنگاه گزاره 13 هم درست است. این روش ساده برای استنتاج اطلاعات‎ جدید از اطلاعات موجود. اساس استنتاج بدهد 9 را IF A is true AND A>B در سیستم های هوشمند است. ‎THEN B is true‏ 

صفحه 39:
ارائه دانش ی ربات ‎Cube(a) cube(b) cube(d) pyramid(c) sphere(e) hand(hand) table(table)‏ )1 ‎On(a,table) on(b,table) on(d,a) on(e,b) on(e,table)‏ )2 ‎Holding(hand.nothing)‏ )3 هدف: قرار دادن مکعب 13 بر روی ۸ ‎put_on(b,a)‏ برای اين منظور باید بر روی مکعب ۸ چیزی قرار ریات هم مکعب 8 را نگه داشته باشد. این می توان نشان داد شده نباشد و بازو با 1 به صورت کلی می توان گفت؛ YX AY (Holding(hand,X) Clear(Y) > put_on(X.¥)) ‏یکی از اولین کارهایی که ریات بید انجام دهد بررسی خالی بودن روی یک‎ (Clear) ‏بلاى است‎ 60 تمه 317 ۲۲ با گزاره های اولیه می توان حقایق زیر را استتا ‎Clear(e) Clear(d) Clear(e)‏ با تطبيق این گز تمرین: بای 330198 كزاره هاى لازم را بتويسيد. 

صفحه 40:
60۳ a yop ren) ‏فرایند کار با دانش. حقایق و استراتژی های حل مساله به منظور رسیدن به یک نتیجه را استدلال‎ گویند. (Deductive Reasoning) bux! JYs1-\ (Inductive Reasoning) ‏؟- استدلال استقرايى‎ (Abductive Reasoning) ‏استدلال انتزاعی‎ -۳ (Analogical Reasoning) _3 JY! -£ (Common Sense Reasoning) ‏استدلال عقل سلیم‎ -۵ 

صفحه 41:
روش استدلال استنباطی روش از کل به جزء است. اين یق مساله. اصول و دانش عمومی مرتبط با آنها را به صورت قوان استفاده می کند. فرایند استدلال با مقایسه اصول با مجموعه از مى شود تا اصول جدیدی نتیجه گیری شود. ‎Rule : I will get wet if I stand in the rain‏ ‎Axiom : Lam standing in the rain‏ Conclusion : I will get wet قانون ‎JSS cel ol, (Modus Ponens)¢ te! Gi>‏ پایه ای استدلال استنباطی است. ‎If A is true and AB is true Then B is true‏ 

صفحه 42:
روش استدلال استقرایی روش از جزء به کل است. انسانها استدلال استقرایی را برای رسیدن به نتایج کلی. با استفاده از مجموعه ای محدود از حقایق و با کمک فرایند تعمیم بكار مى برند. مثال: Premise: X uses medicine K then get better Premise: Y uses medicine K then get better Conclusion: Every body use medicine K will get better. این روش استدلال هميشه درست نیست. از این روش می توان برای ایجاد قوانین جدید استفاده کرد. 

صفحه 43:
روشهای استنتاج 0 بر خلاف استدلال استنباطى كه از علت به معلول مى رسد. در اين نوع استدلال از معلول به علت مى رسيم. مثال: Rule : Ground is wet if it is raining Axiom: Ground is wet Conclusion: It is raning ‏این روش هم ممکن است نتایج درستی نداشته باشد.‎ 0 00 استدلال قیاسی از مقایسه دو مفهوم یا شیء با یکدیگر بدست می آید. مثلا متخصصی که اطلاعات مربوط به خودرو 6 را دارد می تواند با مقایسه از بعضی از اين اطلاعات برای خودرو هم استفاده کند. 

صفحه 44:
انسان از گونه‌ای استدلال برای افزایش سرعت استدلال بهره می‌گیرد. استدلال عقل سلیم بیشتر روی قضاوت صحیح استوار است تا منطق. مثال: شل بودن تسمه فن رادیاتور معمولا موجب ایجاد صدای عجیب می‌شود. یک مکانیک به اینگوته از استدلالها شاید براساس تجربیات سالهای زیاد برسد. و به محض شنیدن صدای ناهنجار تشخیص بدهد که تسمه شل است. این گونه قوانین با گونه اکتشافی مسئله را حل می‌کند متفاوت است. که به روش از وجوه تمایز موش مصنوعی و هوش طییعی عقل سلیم است که مدل‌سازی آن بسیار سخت و دضوار است. به عبار لال عقل سلیم معمولا ترکیبی از چندین استدلال است. 

صفحه 45:
روشهای استنتاج استنتاج ‎(inference)‏ ‏فرایند بکار گرفته شده در سیستم خبره است که اطلاعات جدید را از اطلاعات قبلی بدست می آورد. حل 0۹ یک استراتزی استنتاجی است که صحت یک ادعا را اثبات می کند. اين روش تلاش مى كند تلوری یا هدفی مانند را با استفاده از مجموعه ای از اصول مرتبط با مساله اثبات کند. در واقع سعی می کند ثابت کند که نقیض ‏ نمی تواند درست باشد (برهان خلف). در روند ‎lil‏ عبارتهای جدیدی ایجاد می شود که به آنها 1365017614 گویند. مثال: Cv=B > CvA BvA هجیتن ‏یعنی اگر 18 یا ۸ درست باشد و © يا نقیض 18 هم درست باشد می توان‎ كرفت كه © يا هم درست است. روند توليد 18650156184 ها تا زمانی که به یک تناقض برسيم ادامه مى يايد. 

صفحه 46:
روشهای استنتاج 05-5-5559 گزاره های زیر را در نظر بگیرید: E,: Temperature > 37 E,: Patient has high temperature E,: Advise 2 aspirins 1. 4E, VE, : IF temperature>37 THEN patient has high temperature 2. sE, v E3 : IF patient has high temperature THEN advise 2 aspirins 3. E, : temperature > 37 

صفحه 47:
در روند استتتاج استفاده کرد ادامه می یاید. بررسی قانون بعدى وارد كردن اطلاعات در حافظه کاری لش بررسی اولین قانون داده می شوند تولید می شود. این روند تا زمانی که دیگر نتوان از اضافه کردن تبجه قانون به حافظه کاری جدیدی پا | 

صفحه 48:
فرض کنید بیماری به پزشکی مراجعه می‌کند. مجموعه قوائین پزشک شامل موارد زیر است: ‎Rule 1‏ بیمار گلو درد دارد ."تا مضنون به عفونت باکتریایی است ‎AND‏ مطمتتاً بیمار گلودرد میکروبی دارد ۰ 17150 

صفحه 49:


صفحه 50:
روشهای استنتاج © 9 5 ۱ ۱ = = — در مثال قبل دیدیم که قوانین به بررسی شده و اولین قانونی که مقدمهایش محقق شدند. نتیجه گیری شده و به مجموعه حقایق اضافه کرده و سيكل بعدی مجدد شروع می‌شود. در حل برخی مسائل ممکن است به تداخل برسیم. بدین معنا که دو قانون مختلف محقق شده و هدف با دو پاسخ متفاوت بدست آید. برای حل این تداخل. دو استراتژزی وجود دارد: قوانين به ترتیب اجرا شده و اولین قانونی که 1156 می‌شود. بعدی دیگر در نظر گرفته نمی‌شود. به قوانین درجه اهمیت می‌دهیم (با عددی که به قانون نسبت می‌دهیم وزن دارشان می‌کنیم). لذا در مجموعه قوانینی که می‌توانند محقق شوند قانونی 8:6 می‌شود که وزن قانونش بیشتر 

صفحه 51:
ard Chaining) آن را با جمع‌آوری اطلاعات کافی ثابت کنیم.بطور مثال دکتر بهنوع بخصوصی از بیماری مشکوک می‌شود در برخی از مسائل برای حل, از یک تثوری شروع می‌کنيم و سعی می‌کنيم می‌کند علائم آن بیماری را در ییمار جستجو کند. یه اين جستجوی هدف‌پایه (هدف محور) زنجیر پس‌رو می‌گویيم. تعریف: زنجیره پس‌رو استراتژی استنتاجی است که سعی دارد با جمع‌آوری اطلاعات مرتبط, تتورى را اثبات كند. سیستم زنجیره پس‌رو از یک هدف شروع کرده و سعی دارد آن را ثابت کند. برای اين منظور از حافظه کاری شروع می‌کند و نگاه می‌کند که ‎LI‏ می‌تواند هدف را ثایت کند. اگر ثایت نشده بوده جستجو را آغاز می‌کند. تمام قوانینی که هدف در قست آنگاه آنها قرار دارد- 6001-16 - ‎AS‏ بررسی می‌کند که آیا مقدم آن قوانین در حافظه کاری وجود دارد یا خیر. اگر مقدمی باشد که در حافظه کاری نباشد. آنوقت خود به عنوان یک هدف جدید یا به تعبیر دیگر ‏زیر هدف در نظر گرفته می‌شود. که خود ممکن است توسط قوانین دیگر اثیات شود: ‎ADS Sul‏ ‏آنقدر ادامه پیدا می‌کند تا مقدمی پیدا شود که توسط قانونی اثبات نمی‌شود که یه آن اطلاعات ‎ ‏ابتدایی فاد گفته می‌شود. ‎ ‎ ‎ 

صفحه 52:
فرض کنید بیماری به پزشکی مراجعه می‌کند. مجموعه قوائین پزشک شامل موارد زیر است: ‎Rule 1‏ بیمار گلو درد دارد ."تا مضنون به عفونت باکتریایی است ‎AND‏ مطمتتاً بیمار گلودرد میکروبی دارد ۰ 17150 

صفحه 53:


صفحه 54:
دیگری نب زمانیکه ۳003۲6 بدست آمد. سیستم از کاربر برای گرقتن مقدار آن سوال می‌کند. از اطلاعات گرفته شده و عکس رویه که تاکنون طی شده برای اثبات زیر هدف‌ها و هدف اصلی بهره گرفته می‌شود. 

صفحه 55:
الف- مزایا: مهمترین مزیت این روش آن است که در مسائلی که بطور طبیعی مسئله از تعدادی اطلاعات جمع‌آوری شده آغاز شده و منتظر می‌مانیم ببینیم چه از آنها می‌توان نتیجه کرد. بسیار خوب عمل می‌کند. از مجموعه‌ای کوچک از حقایق مجموعه‌ای زیاد اطلاعات ایجاد می‌کند. برای برخی از مسائل مانند: برنامه‌ریزی» مونیتورینگ, کنترل و تفسیر بسیار مناسب است. مب-هعازب: مهمترین: عیب وتجیره پیشریرو آن است که آنمي توانق لقتائيس دهد که پرشی ااطلاعات مهمتر از برخی دیگر:هستنده سیستم: سوالات بسیاری: می‌گند: در حالیکه تعداد گمی از آن سوالات می‌تواند به راه حل منجر شود. 

صفحه 56:
الف- مزایا: یکی از مهمترین مزایای این روش آن است که در مسائلی که از یک فرضیه آغاز م ىكنؤند. و بسة بروسی مس کفتنا که آ یا قرسنتا .یا سنیره بسیاز جوب غدل مكف ذر این روش براساس هدق ذاده شده کار شروع می‌شود. سوالات مرتبط با هدق و اثبات آن است. در این روش تنها بخشی از پایگاه دانش جستجو می‌شود که مرتیط یا هدف و اثبات آن باشد. برای گینه‌ای مسائل ماننده تشخیضی پزشکی« مجویز پزشکی و رفح تقض بسیار مناسب اد ب‌دهتاییه پایبای ترینعیب این ديك آن ابت كدسييتم تواك سر استتا تام قد را پی می‌گیرد حتی اگر باید به مسیری دیگر سویج کند. اين کار را تا رسیدن یه انتهای آن خط انین می‌تواند به حل منسعله کمک شایانی بکنند. تمی‌کواند تقییر دهد ضویب اطمینان و قر 

صفحه 57:
آشنایی با سیستم های فازی ‎Go‏ در زندگی روزمره معمولا کلماتی را بکار می بریم که اغلب برای توصیف متغیرها استفاده می شود. مثلا وقتی می‌گوییم «هوا سرد» است یا «سرعت زیاد است». از واژه های «سرد» و «زیاد» برای توصیف «هواء و «سرعت» استفاده کرده‌ايم. در این عبارات. مثلا برای متفیر «سرعت»: واژه «زیاد؛ را به عنوان مقدار پیان کرده‌ايم. واضح است که متغیر «سرعت» می‌تواند مقادیری نظیر 16۳0/1 40 ‎Km/h‏ 80. و ... را اختیار کند. هنگامیکه یک متفیر اعداد را به عنوان مقدار بپذیرد. ما یک چارچوب ریاضی مشخص برای فرموله كردن آن داریم. اما هنگامیکه یک متفیر واژه ها را به عنوان مقدار پپذیرد در این صورت چارچوب مشخصی برای فرموله کردن آن در تلوری ریاضیات کلاسیک ندار: در واقع در سیستم های عملی: اطلاعات از دو منیع متفاوت سرچشمه می گیرند. یکی از اين منایع. افراد خبره هستند که دانش و آگاهی خود را در مورد سیستم با زبان طبیعی بیان می منبع دیگر ابزار های اندازه گیری دقیق هستند که مقادیر را با استفاده از قواعد فیزیکی و یا مدل های ریاضی محاسبه می 

صفحه 58:
آشنایی با سیستم های فازی (100<سرعت |سرعت) < سرعت زیاد سرعت |سر سر زیاد (سرعت>۱۰۰) 1.0 = )120( سرعت زياد 20 (۱)90 سرعت زیاد نیست Km/h es 

صفحه 59:
آشنایی با سیستم های فازی 0 59 0 5 (100>سرعت |سرعت) < سرعت کم سرعت زياد سرعت کم Km/h ce, 

صفحه 60:
آشنایی با سیستم های فازی 6 1 ركم (120> سرعت 800 80<سرعت |سرعت) = سرعت متوسط سرعت زیاد سرعت متوسط (120<سرعت |سرعت) > سرعت زیاد 

صفحه 61:
آشنایی با سیستم های فازی 61) ~~ 

صفحه 62:
آشنایی با سیستم های فازی 62 - 

صفحه 63:
it , ۰ ‏شنایی با‎ ۳ ‏لال 6 هاى فازی‎ ومعر دود ۲ Km/h cs, 39 40 

صفحه 64:
آشنایی با سیستم سوت ها های فازی سس (64 =|- tt Shes lement , Comp! LAX 1 L(x) A 

صفحه 65:
آشنایی با سیستم های فازی سس )65 ORL Union Sus Haye (%) = Max[ 11, (x), My] 

صفحه 66:
آشنایی با سیستم های فازی سب (66 عمل كرهاى فازى AND t Intersection SLs Hany (x) = Min[ i, (2). My] 

صفحه 67:
آشنا ایی با سیستم های فازی سس )67 

صفحه 68:
Rule base IF... THEN, 1 6 Inference System Data Base. Cold Warm Hot ‘Temperature 

صفحه 69:
آشنایی با سیستم های فازی )60( Motor speed is Very Slow Motor speed is Slow Motor speed is Medium Motor speed is Fast Motor speed is Very Fast then then then then then If Temperature is Very Cold If Temperature is Cold If Temperature is Average If Temperature is Hot If Temperature is Very Hot 

صفحه 70:
آشنایی با سیستم های فازی جمنای‌ ۳۱221 مجموعه هاى فازى مرتبط با دماى محيط Very Cold Average ‘Temperature °C 

صفحه 71:
آشنایی با سیستم های فازی ‎G)‏ 

صفحه 72:
آشنایی با سیستم های فازی 62 1 Temperature = 39°C Very Cold Cold Average Hot Very Hot Slow Medium Fast ‘Temperate ‏هه 367 مه هر‎ If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow “Motor rspeedis Fast} #=075 0 ‏سب‎ is Very Hot then Motor speed is Very Fast 

صفحه 73:
‎lat‏ با ‎fea!‏ های فازی ‎Temperature = 39°C ‎Current (ma) ‎100 200 306 400 500 ‎If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow If Temperature is Average then Motor speed is Medium ‏دمر‎ ‎“Tf Temperature is Very Hot then Motor speed is Very Fast ‎ ‎ 

صفحه 74:
Temperature = 39°C Very Cold Cold Average Hot Very Hot Slow Medium Fast Temperature 48 360 مه هر If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow If Temperature is Average then Motor speed is Medium If Temperature is Hot then Motor speed is Fast ca pe 0 il ‏25م‎ 

صفحه 75:
آشنایی با سیستم های فازی ‎G)‏ Temperature = 39°C Very Cold Cold Average Hot Very Hot 48 360 مد هر If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow If ‘Temperature i is Average then Motor Papert is Medium if 

صفحه 76:
‎lat‏ با ‎fea!‏ های فازی ‎Temperature = 39°C ‎Very Cold Cold Average Hot Very Hot Very Fast ‎Temperatures M025 ‏مقر 306 200 ومد 48 360 مد هر‎ §00 Current (mA) ‎If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow ‎If ‘Temperature i is Average then Motor Papert is Medium if ‎ ‎ 

صفحه 77:
Very Fast ‎Current (ma)‏ ممق ‏آشنایی با سیستم های فازی 62 ‎Temperature = 39°C ‎Very Cold Cold Average Hot Very Hot Fast ‎‘Temperate ‏300400 200 100 48 367 مه هر ‎If Temperature is Very Cold then Motor speed is Very Slow ‎If Temperature is Cold then Motor speed is Slow ‎If Temperature is Average then Motor speed is Medium ‎}u=075 ‎۱۸-025 ‎ ‎(If ‘Temperature is Hot then Uf ‎ ‎ 

صفحه 78:
Current (ma) Very Fast 500 آشنایی با سیستم های فازی 69 Temperature = 39°C Very Cold Cold Average Hot Very Hot Fast ‘Temperate ,300400 200 100 48 367 مه هر If Temperature is Very Cold then Motor speed is Very Slow 0 3 ۱۸-025 If Temperature is Cold then Motor speed is Slow If Temperature is Average then Motor speed is Medium (If ‘Temperature is Hot then Motor speed is Fast Uf 

صفحه 79:
ولا 100 ‘200 300 400 500 Current (ma) 9 = 3000-4375 0.75 + 425% 0.75 +475 00.25 +.6000.25 = 453,125 0+075 075+ 25 0 

صفحه 80:
آشنایی با سیستم های فازی وه سیستم کنترل کننده فازی If Temperature is Very Cold then Motor speed is Very Slow If Temperature is Cold then Motor speed is Slow If Temperature is Average then Motor speed is Medium If Temperature is Hot then Motor speed is Fast If Temperature is Very Hot then Motor speed is Very Fast 

صفحه 81:
آشنایی با سیستم های فازی 7 = با دو ‎eer re‏ سيستم كنترل كننده فازى If Temperature is Cool AND Pressure is then Throttle is N3 If Temperature is Cold AND Pressure is Lo then Throttle is N2 If Temperature is Normal AND Pressure is Ok then Throttle is N1 If Temperature is Cool AND Pressure is then Throttle is 1 

صفحه 82:
آشنایی با سیستم های فازی مرتبط با ورودی ها و خروجی Cool Cold Normal Warm Hot “Temperature °C 48 36 24 12 هو Throtle Weak Low Ok Strong ‏نل‎ 1۵ 20 30 40 50 Pressure Bar © 100 120 140 160 180 

صفحه 83:
If Temperature is Cold AND Pressure is Low then Throttle is N2 Cool Cold Normal Warm Hot “Temperature °C 48 36 24 12 هو Low Ok Strong Hi 1۵ 20 30 40 50 Pressure Bar 100 120 140 160 180 6 

صفحه 84:
آشنایی با سیستم های فازی If Temperature is Normal AND Pressure is Ok then Throttle is Ni Cool Cold Normal Warm Hot ‘Temperature °C 5 o 12 24 36 48 Throtle Weak Low Ok Strong _ Hi 1۵ 20 30 40 50 0.5! Pressure Bar © 100 120 140 160 180 

صفحه 85:
آشنایی با سیستم های فازی ‎Nt‏ اعلا ‎Throttle ‎10 20 30 40 50 ‎ ‎ 

صفحه 86:
آشنایی با سیستم های فازی No ۲ Throttle 10 20 30 40 50 

صفحه 87:
آشنایی با سیستم های فازی No ۲ Throttle 10 20 30 40 50