Начало
Учебные материалыПодразделы
Дата и время
21/11/2024 19:09:17
Курсовые работы
Экспертные системы
Написать экспертную оболочку на языке Prolog, взяв за основу пример из лекций
Возможности:
- Объяснение (как?, почему?)
- Прямой и обратный вывод
- Нечеткая логика
Данные хранятся в виде объект-атрибут-значение.
[Пример](http://www.amzi.com/ExpertSystemsInProlog/xsipfrtop.htm)
[Пример 2](https://www.metalevel.at/prolog/expertsystems)
----
##### Экспертная оболочка для технической или медицинской диагностики
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
----
##### Экспертная система для магазина "COMPUTER WORLD"
Рекомендации при покупке компьютера.
Исходные данные:
- назначение
* домашний: игры, хобби (писатель, Internet, хакер)
* бизнес: торговля, банк, обработка заказов, бухгалтерия, реклама, издательская деятельность и т.д.
* гос.учреждение
* учебное или научно-исследовательское заведение
- классы программ (БД, ACAD, графика или предположение на основании назначения)
- загруженность (количество запросов и т.п.)
- финансы, выделенные на приобретение
- характеристики организации (несколько филиалов, уже имеющие и т.п.)
- предположения о расширении обьема работы
Возможные решения:
- типы компьютера (от Raspberry PI до суперкомпьютера IBM)
- сеть из компьютеров
- быстродейтвие/модель
- объем ОЗУ
- объем внешней памяти
- внешние устройства (принтеры, сканеры, модемы, сетевые платы, мультимедиа и т.д.)
- программное обеспечение (Linux, Windows, LibreOffice, 1C, 3D Studio и т.д.)
----
##### Экспертная система для магазина "1000 мелочей"
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.
----
##### Экспертная система по вопросам моды для магазина одежды
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.
----
##### Экспертная система для распознавания животных
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.
----
##### Экспертная система для распознавания пород собак (или кошек - на выбор)
ЭС должна распознавать не менее 25-30 пород,
основываясь на цвете, размере, приблизительном возрасте
и др. характеристиках внешнего вида.
----
##### Экспертная система для распознавания ядовитых и малосъедобных грибов
ЭС должна узнавать не менее 20-30 видов ядовитых и малосъедобных грибов,
основываясь на цвете, запахе и др. характеристиках внешнего вида.
----
##### Экспертная система для распознавания лекарственных трав
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.
