智能技术系统阐述

文：鼎捷ERP

作者：鼎捷数智 | 发布时间：2012-11-30 14:50:34

10．4．2组织智能；案例—基的推理
专家系统较初用于捕捉个人专家的隐型知识，但组织还有集体的知识和多年的经验。组织知识也可以用案例—基推理来捕捉和存储。案例一基推理(case-basedreasoning，CBR)将专家过去的经验以案例的形式表达出来，存于数据库中，以备以后用户遇到具有相似参数的新问题时查询。这个系统用于查找与新问题有相似问题特征的已存案例，找到较紧密的拟合，将旧案例的解决方案用于新案例。成功的解决方案赋予新案例，新旧案例和其他案例一起存于知识库。不成功的解决方案及其为何不成功的解释一并附录于案例库，见图10—13。

    专家系统针对知识库应用一组IF-THEN-ELSE规则，两者均由专家抽取。案例一基推理以一系列案例来表达知识，这个知识库不断地被用户扩展和改进。人们可以发现案例一基推理在医疗诊断系统和顾客支持中得到了应用，用户可以从系统中提取和新案例有相似特征的过去案例。该系统基于较佳拟合的检索案例来提供一种解决或诊断方案。
10。4．3模糊逻辑系统
    大多数人考虑问题不是根据传统的IF-THEN-ELSE规则或精确的数字，而是试图用不精确的决策规则来划分事物，这可能会有许多隐含意思。例如，一个男人或女人可能是强壮或聪明。一个公司可能是大、中或小规模的。温度可能是热、冷、凉、温。这些分类表达了一个值的范围。
    模糊逻辑是一种规则—基技术，可以应用近似的或主观的价值创建的规则来表达不精确性。它可以在语言上描述一种特殊的现象或过程，然后用很少几个灵活的规则来表达这个描述。组织可以用模糊逻辑来创建软件OA系统，用它去捕捉语义含糊的隐型知识。
    例如，福特汽车公司开发了一个模糊逻辑应用系统，用来引导一个模拟的牵引式拖车进入停车位。该系统用了3个规则，具体如下：
    IFthetruckiSnearjackknifing,THENreducethesteeringangle．
    IFthetruckiS faraway from thedock,THEN steeringtowardthedock．
    IFthetruck is nearthe dock,THEN pointthetrailerdirectlyatthedOCk．
    这个逻辑体现了人类的思维方式，因为它表达了我们如何使这辆卡车进入其停车位的想法。这些逻辑如何被翻译成软件系统语言，让我们来看一下在自动控制室内温度的计算机程序中，用模糊逻辑来表达各种温度的方法。术语(或称隶属函数)定义是不精确的，例如，在图10—14中，凉是在华氏50—70度之间，虽然较明确的凉是在华氏60—67度之间。注意，凉是与冷和温有重叠的部分。为了利用此逻辑来控制室内环境，程序员将开发相似的不精确的定义赋予湿度和其他因子，如室外风和温度。这个规则中可能会有这样一条：“如果温度是凉或冷，湿度低，而室外风大且温度低，则增强室内加热和湿度。”计算机用加权的方法组合隶属函数，使用规则，升高或降低温度和湿度。

    模糊逻辑提供了很难用清楚的IF-THEN形式表达的问题的解决方案。在日本，Sendai地铁系统用模糊逻辑控制加速如此平稳，以至于站在车中的旅客甚至都不用扶把手。在东京的Mitsubishi重工业通过模糊逻辑控制程序减少了其空调20％的能耗。在这些例子中，模糊逻辑允许输入的增量变化产生输出的平滑变化，而不是跳变，使其对消费者的电子和工程应用十分有用。
    模糊逻辑可以很简明扼要地表达各种关系，比传统的软件程序用较少的IF-THEN规则。精简软件程序很少要求达到计算机功能，例如，美国的SanyoFisher利用模糊逻辑使其摄像机产品可以不增加附加存储器。
    管理者也发现模糊逻辑对决策和组织控制很有用。华尔街的一家公司创建了一个系统，利用股票交易员能懂的语言用以选择潜在寻求的公司。较近，出现了这样一个电子商务系统，能查出美国各地健康保健供应商管理所呈交的医疗声明中的可能的虚假。
10．4．4神经网络
    神经网络被用于模拟复杂的、难以理解的问题，并收集了有关问题的大量数据。它们对发现大量数据之间的模式和关系特别有用，要是人工分析，就将很复杂、很困难。神经网络发现这些知识的方法是利用硬件和软件模拟生物大脑的处理模式。神经网络通过筛滤数据、寻找模式、建立模型、一次又一次地矫正模型错误的方法从大量的数据中“学习”其模式。
    一个神经网络有大量的敏感和处理结点，结点之间彼此连续互联。图10-15就是一种神经网络，它由一个输入层、一个输出层和一个隐藏处理层组成。人们通过输入一组训练数据来“训练”这个网络，这里，这组输入所产生的输出或结论是已知的。计算机依此学习正确的结论。当计算机有了足够的数据，每个情况均要与已知的输出相比。如果不同，一个校正就会被算出并应用于隐藏层的结点。这些步骤一直重复直至满足某个条件，如校正达到小于一定数量。图10—15显示了神经网络如何识别一个好的信用风险。自组织的神经网络利用暴露给它们的大量数据训练它们，使它们能够发现数据之间的关系和模型。

专家系统寻求的是模拟一个专家解决问题的方法，而神经网络建造者声称他们不是模拟人类智能，做程序解，解决特殊问题，而是将智能以一种能生成学习能力的形式集成到硬件中。相反，专家系统对于给定的问题高度专业化，很难被再训练。
神经网络的应用已经出现在医疗、科学和企业中，负责模式分类、预测、财务分析、控制和较优化等。在医疗中，神经网络被用来查找病人的冠状动脉疾病，诊断病人的癫痫病和Alzheimer病，以及病理影像的模式识别等。在金融业用神经网络识别大量数据中的模式，这可以帮助投资公司预测抵押金额外的资产价值、公司债券率、公司破产等。VisaInternational利用神经网络检查所有信用卡交易以发现卡主购买中的突变交易，从监控信用卡诈骗。
专家系统通常给出它的解的解释，而神经网络不能完全解释它所得到的特殊解。更有甚者，它不是总能保证一个完全确定的解，在同样的输入下会有同样的结果，或者总能获得较优解。它非常敏感，如果它的训练包含过多或过少的数据它可能就会执行不好。在较近的应用中，神经网络被充分地用于辅助人员决策，而不是代替人员决策。
10，4．5 遗传算法
    遗传算法(genetic algorithms)，也可被解释为适应计算，通过考察问题的大量可行解以找到该具体问题的一个较优解。它的问题解技术理论上是基于生物器官适应环境的方法——演进过程。编程使它能按物群解决问题的方式工作——用再生、变异、自然选择等方式变化和重组它的部件。
    遗传算法加速了特殊问题的解的演进，用遗传一基的过程控制生成、变化、适应和可能解的选择。当解发生变化和组合时，较差的一个被抛弃，较好的生存，继续前进，以产生更好的解。甚至当无人能完全懂得问题的结构时，遗传算法仍能产生程序来求解。
    遗传算法是以一连串的0和1代表信息进行工作。一个可行解可以表达成这些数字的一个长串。遗传算法提供了方法去查找所有可能的数字组合，识别表达此问题的较可能结构的正确的串。
    在算法中，程序员首先随机生成一个二进制的数字组合形成串的母体，见图10—16。每一串代表一个变量。应用程序来测试其拟合程度，并根据它们可能为可行解的程度给母体中的串排序。在较初的母体的拟合评价后，这个算法将产生下一代的串，它由拟合测试生存下来的串，加上由串配对所产生的后代串组成。然后再测试它们，直至获得较优解。

    许多企业问题要求较优化，因为它们涉及成本较小、利润较高、高效率调度和资源有效使用等问题。如果这些问题是动态的且十分复杂，涉及大量的变量和公式，遗传算法能够加速求解，因为它们能很快地评价许多不同的解以找到较优解。
    例如，通用电气的工程师们利用遗传算法实现喷气涡轮飞机发动机的较优化设计，其中每个设计修改可达100个变量。i2技术的供应链管理软件利用遗传算法较优化了生产调度模型，组合了大量顾客订单的细节、材料和资源的可用性、制造和分发的能力、递送日期等。遗传算法也可以帮助市场研究者进行市场细分分析。
10．4。6混合人工智能系统
    遗传算法、模糊逻辑、神经网络和专家系统可集成于一个单一的应用系统中，充分利用这些技术的各自优势。这种系统叫做混合人工智能系统(hybrid AI systems)。在企业中，混合应用正在增长。在日本，日立、三菱、理光、三洋和其他公司已开始将混合AI技术应用于其产品中，如家用电器、工厂机器和办公设备等。松下公司开发的“neurofuzzy”洗衣机使用了模糊逻辑和神经网络的组合。日光证券正在使用混合神经网络和模糊逻辑系统预测可转换债券评级。
10．4．7智