آموزش سیستم های خبره

آموزش سیستم های خبره

سیستم های خبره (Expert systems) برنامه های کامپیوتری هستند و به نحوی طراحی شده اند که توانایی یک فرد خبره را در زمینه خاص و در حل یک مسئله مدل می کند. این برنامه ها، الگوهای منطقی که یک فرد خبره بر اساس آن ها تصمیم گیری می کند را شناسایی کرده و سپس بر اساس آنها مانند انسان های تصمیم گیری می کنند.

سیستم های خبره دارای پایگاه دانشی هستند که دارای اطلاعات و دانشی است که انسان ها هنگام تصمیم گیری درباره یک موضوع خاص بر اساس آن ها تصمیم می گیرند.

 

هدف از طراحی سیستم های خبره

هدف از طراحی سیستم های خبره ایجاد سیستم های با قدرت استدلال، با هر تعریفی، برای رسیدن به مجموعه ای از تصمیمات منطقی با استفاده از مفروضات یا به طور دقیق تر دانشی است که در اختیار آن ها قرار می گیرد.

در واقع این سیستم ها با الگوبرداری از نظام منطق و استدلال انسان و با یکسان بودن دانش مورد استفاده، نتیجه کار یک سیستم خبره می تواند تصمیماتی باشد که در حوزه ها و شرایط مختلف مورد اطمینان، قابل استفاده و تاثیر گذار هستند. بسیاری از افراد معتقدند که سیستم های خبره بیشترین پیشرفت را در هوش مصنوعی به وجود آورده اند.

سیستم های خبره امروزه بخشی از برنامه درسی دانشجویان کامپیوتر است. طرح درس در این آموزش به نحوی در نظر گرفته شده است که برای دانشجویان مقطع کارشناسی و عموم علاقه مندان مفید باشد و بتوانند از این فیلم آموزشی، برای منظور خود استفاده نمایند.

 

آموزش سیستم های خبره — کلیک کنید

 

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:

  • درس یکم: آشنایی با سیستم های خبره
    • مقدمه
      • تعریف سیستم های خبره
      • جایگزینی افراد خبره
      • اجزای اصلی سیستم های خبره
      • کاربردهای سیستم های خبره
      • انواع مسائل قابل حل با سیستم خبره
      • پیاده سازی سیستم های خبره
    • درس دوم: ویژگی های سیستم های خبره
      • ساختار سیستم های خبره
      • مزایای سیستم های خبره
      • پایگاه دانش (Knowledge Base)
      • حافظه کاری (Working Memory)
      • موتور استنتاج (Inference Engine)
      • سهولت توضیح (Explanation Facility)
      • توضیح چگونگی
      • توضیح چرا
      • رابط کاربری (Interface)
      • ویژگی های یک سیستم خبره
      • مراحل ایجاد سیستم خبره
    • درس سوم: ارائه دانش (Knowledge Representation)
      • ویژگی های دانش
      • گونه های مختلف دانش
        • سه گانه OAV (Object-Attribute-Value)
        • قوانین (Rules)
        • شبکه های معنایی (Semantic Networks) و یا شبکه گزاره ایی (Propositinal Net)
        • قاب ها (Frames)
        • منطق (Logic)
        • نمایش ترکیبی
      • سلسله مراتب دانش
    • درس چهارم: تکنیک های استنتاج
      • استدلال (Reasoning)
        • استدلال استنباطی (Deductive Reasoning)
        • استدلال استقرایی (Inductive Reasoning)
        • استدلال انتزاعی (Abductive Reasoning)
        • استدلال قیاسی (Analogical Reasoning)
        • استدلال عقل سلیم (Common-Sense Reasoning)
        • استدلال غیر یکنواخت (Non-Monotonic Reasoning)
      • استنتاج (Inference)
        • حذف استنتاج (Modus Ponens)
        • حل یا رفع (Resolution)
      • زنجیره پیش رو (Forward-Chaining)
      • زنجیره پس رو (Backward-Chaining)
    • درس پنجم: روش های اخذ و اکتساب دانش
      • اکتساب دانش
      • انواع دانش
      • منابع دانش
      • مراحل استخراج دانش
        • جمع آوری
        • تفسیر
        • تحلیل
        • طراحی
      • مشکلات اکتساب دانش
      • مصاحبه
      • بررسی موردی
      • تحلیل دانش
      • نقشه دانش (Cognitive Map)
      • شبکه های استنتاجی (Inference Networks)
      • فلوچارت (Flowchart)
      • درخت تصمیم گیری (Decision Tree)
    • درس ششم: استنتاج فازی (Fuzzy Inference)
      • منطق فازی
      • مشی فازی
      • مجموعه های فازی
      • تابع عضویت (Membership function)
      • عملیات منطقی
      • قوانین اگر – آنگاه
      • فرآیند استخراج فازی
0 پاسخ

ارسال یک پاسخ

در گفتگو ها شرکت کنید.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *