Написать экспертную оболочку на языке Prolog, взяв за основу пример из лекций
Возможности:
Данные хранятся в виде объект-атрибут-значение.
Написать экспертную оболочку на языке Kotlin или Scheme
Правила (байесовские) берутся из текстового файла и описываются в виде:
ДИАГНОЗ
заключение [0.001] - априорная вероятность
ЕСЛИ
признак1 [1;0.1] - по умолчанию [1;0], если не указано
признак2 [0.9;0.01]
...
ОБЪЯСНЕНИЕ (может отсутствовать, тогда выводится правило)
текст
РЕКОМЕНДАЦИИ (может отсутствовать)
текст
Заключение правила может выступать как признак для другого правила
Рекомендации при покупке компьютера.
Исходные данные:
Возможные решения:
Рекомендации для выбора подарка (из имеющихся в наличии товаров).
Учитываются характеристики делающего подарок и принимающего его, (пол, возраст, характер, привычки, хобби), тип отношений между ними, тип торжества, финансы выделенные на подарок. Должен выдаваться список товаров в порядке уменьшения предпочтения и оценка уверенности.
Товары: цветы, духи 4 наим., книги 3 наим., телевизор, пылесос, конфеты "Самара", шоколад "Fazer", статуя "Укротитель лошади" (9,4 кг), картина Иванова И.С. "Сосновый бор в Помпеях" (50x80 см, подлинник) и т.д. и т.п.
Итого: 30-50 наименований.
Рекомендации по реализации:
Информация о товарах содержит цену, класс (парфюмерия/одежда/сувенир/…), а также свойства товара (например, художественная ценность (для сувенира), вызывающий запах (для парфюмерии)) и степень соответствия этому свойству.
Сначала определяются класс и свойства подарка, а затем подбирается товар из имеющихся.
Учитывать род занятий, пол, возраст, внешние данные (цвет волос, полноту и т.д.), назначение покупаемой одежды (деловой, вечерний, обычный и т.п. костюм) и т.д.
Рекомендуется: цвета или сочетание цветов одежды, тип одежды (например, смокинг, шорты, вечернее платье, юбка и т.д.) длина и дополнительные элементы одежды (кружева, разрезы, карманы и т.д.) из товаров, имеющихся в наличии в магазине (должно анализирироваться ~10 типов, ~10 цветов, ~10 дополнительных элементов)
Возможно использование ЭС, чтобы спросить: Подойдет ли этот товар мне? Выводится оценка данного товара от 0 до 1.
ЭС должна распознать животное из списка: лошадь, верблюд, медведь, собака, кошка, лиса, волк, тигр, рысь, лось, олень, мышь, черепаха, хомяк, обезьяна, голубь, сорока, ворона, кукушка, синица, снегирь, канарейка, попугай, воробей, курица - основываясь на цвете, размере и др. характеристиках внешнего вида (без вопросов типа: это млекопитающее? или умеет летать?) в предположении, что имеется только фотография животного.
ЭС должна распознавать не менее 25-30 пород, основываясь на цвете, размере, приблизительном возрасте и др. характеристиках внешнего вида.
ЭС должна узнавать не менее 20-30 видов ядовитых и малосъедобных грибов, основываясь на цвете, запахе и др. характеристиках внешнего вида.
ЭС должна узнавать не менее 20-30 видов трав, основываясь на цвете, запахе и др. характеристиках внешнего вида.
Экспертные системы могут реализованы на Prolog, CLIPS, Scheme, Kotlin.