Disertasi sistem pendukung keputusan cerdas berbasis Integrasi sistem pakar dan mesin inferensi paket statistik

Abstrak

Makalah ini mengulas cara  menyelesaikan perpustakaan model System Intelligence Inference Engine Manager (DBMS). Apa itu sistem manajemen dan Bagaimana sistem pakar dibangun? 4.4 Gambaran Umum Perkembangan Sistem Pakar^ Sistem Pakar meniru proses berpikir para pakar dalam menyelesaikan permasalahan yang sulit^ Pendahulu sistem pakar adalah GPS (General Problem Solver). Studi pascasarjana. GPS dan teknologi serupa lainnya gagal karena mereka mencoba terlalu banyak hal dan mengabaikan pentingnya fungsi yang diperlukan. ^ Kinerja sistem pakar bergantung pada pengetahuan spesifik yang dimilikinya, bukan pada representasi pengetahuan spesifik dan skema penalaran yang diterapkannya. ^ Keahlian adalah pengetahuan khusus tugas yang diperoleh melalui pelatihan, membaca, dan pengalaman. ^ Para ahli dapat membuat keputusan yang cepat dan akurat dalam situasi yang kompleks. ^ Sebagian besar pengetahuan dalam suatu organisasi berada di tangan beberapa ahli. ^ Rekayasa sistem pakar bertujuan untuk mentransfer pengetahuan dari pakar dan sumber terdokumentasi ke komputer dan membuatnya dapat digunakan oleh pakar non-universitas.

Pendahuluan

Selama ini kemampuan penalaran (judgment ability) pada sistem pakar disediakan oleh mesin inferensi^ Pengetahuan dan penalaran (pemrosesan) pada sistem pakar dipisahkan^ Sistem pakar memberikan kemampuan penjelasan terbatas (explanation ability)^ Ya Gap antara pengembangan lingkungan yang berbeda (konstruksi sistem pakar) dan lingkungan konsultasi (penggunaan sistem pakar) ^ Komponen utama sistem pakar adalah subsistem perolehan pengetahuan, basis pengetahuan, mesin inferensi, papan tulis, antarmuka pengguna, dan subsistem interpretasi. ^ Insinyur pengetahuan mengambil pengetahuan dari para ahli dan memprogramnya ke dalam komputer tingkat pascasarjana.
^ Meskipun pengguna utama sistem pakar adalah non-ahli, pengguna lain (seperti pelajar, pembuat sistem pakar, dan mungkin pakar) juga menggunakan sistem pakar. ^ Pengetahuan dapat berupa pernyataan (fakta) atau proses. – Mahasiswa PhD di bidang Kecerdasan Mesin. Bagaimana Membangun Sistem Pakar 32 ^ Sistem pakar dapat ditingkatkan dengan menggunakan langkah-langkah berulang dari proses pembuatan prototipe cepat^ 10 kategori umum sistem pakar adalah: interpretasi, prediksi, diagnosis, desain, perencanaan, pemantauan, debugging, perbaikan, perintah dan kontrol. ^ Sistem pakar dapat memberikan banyak keuntungan. Studi pascasarjana.
Yang paling penting mencakup peningkatan produktivitas dan/atau kualitas, menangani keterampilan yang jarang tersedia, meningkatkan sistem lain, menangani informasi yang tidak lengkap, dan memberikan pelatihan. ^ Meskipun terdapat berbagai keterbatasan dalam penggunaan sistem pakar, namun keterbatasan tersebut lambat laun akan hilang seiring dengan berkembangnya teknologi. ^ Sistem pakar, seperti halnya pakar, membuat kesalahan. ^ Ada beberapa perbedaan antara sistem pakar (yang sebagian besar pengetahuannya berasal dari pakar) dan sistem pengetahuan (yang sebagian besar pengetahuannya berasal dari sumber yang terdokumentasi). ^ Berbagai sistem pakar tersedia sebagai sistem siap pakai; mereka mencakup dan memberikan saran/nasihat umum untuk situasi standar. ^ Sistem pakar juga dapat bekerja dalam mode penilaian waktu nyata.
Apa yang dimaksud dengan sistem pakar berbasis pengetahuan? Bab 5 Sistem Pakar Berbasis Pengetahuan Dalam bab ini, kita membahas sistem pakar, yang berupaya melakukan operasi sistem berdasarkan pengetahuan yang diperoleh para pakar untuk membantu orang membuat keputusan. Perpustakaan yang digunakan adalah JP Ignizio [Ign91], GR Baur dan DV pascasarjana. “How It Is” merupakan hasil penelitian Igford [Baur90], PH Winston [Wins92], serta penelitian penulis sendiri dan bimbingan murid-muridnya [Sub03]. 5.1 Memahami bahwa sistem pakar berbasis pengetahuan mempunyai arti yang mirip dengan sistem pakar, yaitu program saran/saran berbantuan komputer yang dirancang untuk mensimulasikan atau menggantikan proses berpikir dan pengetahuan para pakar dalam memecahkan masalah. spesifik. Manfaat: ^ Kemampuan belajar dari pengalaman pascasarjana.
Bagaimana mentransfer pengetahuan dari satu domain ke domain lain menggunakan alat seperti heuristik (aturan praktis), model matematika, simulasi, dll. Mencapai berbagai tingkat proses penalaran. 5.2 Aturan dan Urutan Aturan Pada Gambar 5.1 di bawah ini terlihat gambar aturan yang terdiri dari 2 klausa (klausa = anteseden = IF_part) dan 1 kesimpulan (kesimpulan = hasil), dihubungkan dengan operator AND = THEN_part. – Mahasiswa PhD di bidang Kecerdasan Mesin.
Bagaimana kalau sistem pakar berbasis pengetahuan dengan 34 lulusan. Apa penyebab dan akibatnya? IF (Prasyarat) THEN Hasil Gambar 5.1 Gambar Aturan Akhir. Misalnya, robot pengenalan hewan dapat mengidentifikasi karakteristik dasar: warna, ukuran, bulu, dan produksi susu. Namun kemampuannya dalam mengidentifikasi objek berdasarkan ciri-ciri di atas terbatas. Ia dapat membedakan hewan dari benda lain, namun tidak dapat memanfaatkan fakta bahwa beberapa hewan berleher panjang disebut jerapah, sementara yang lain disebut unta atau burung unta. Aturan-aturan ini berasal dari basis aturan Zookeeper Winston [Wins92], seperti yang ditunjukkan pada Gambar 5.2.
Apa yang dimaksud dengan sistem pakar berbasis pengetahuan? Di bawah ini kami menjelaskan setiap sistem yang digunakan untuk sampai pada kesimpulan dan interpretasinya. 5.3 Pilihan rangkaian maju dan mundur Ketika mempertimbangkan sistem inferensi yang akan dibuat/dikembangkan, pertanyaan yang wajar muncul: apakah rangkaian maju atau rangkaian mundur harus dipilih? Berikut panduan untuk memilih di antara kedua sistem tersebut, mana yang lebih cocok untuk orang yang akan bekerja dengan kami: mahasiswa pascasarjana.
Bagaimana aturan berhubungan dengan fakta untuk sampai pada kesimpulan? ^ Jika masalah yang dihadapi lebih seperti fan-out (sekumpulan fakta yang dapat menarik banyak kesimpulan), pilihlah backlink. ^ Jika masalah yang dihadapi lebih merupakan masalah kipas (seperangkat asumsi yang dapat menyebabkan banyak masalah), pilihlah peralihan maju. ^ Cara menarik kesimpulan tertentu 4 Rangkaian maju ^ Berbagai cara menarik kesimpulan tertentu 4 Rangkaian mundur ^ Jika kita tidak memiliki banyak fakta dan hanya tertarik pada satu kemungkinan kesimpulan, gunakan tautan “Kesimpulan”.
Ya^ Gunakan forward chaining ketika kita diberikan berbagai fakta dan kita ingin menarik kesimpulan dari fakta tersebut. Jenis sistem yang dapat dicari dengan menggunakan forward linking: sistem kriteria tunggal atau sistem kriteria ganda. Untuk setiap kondisi, sistem mencari basis pengetahuan untuk aturan-aturan yang cocok dengan kondisi di bagian IF. Setiap aturan dapat menciptakan kondisi baru berdasarkan kesimpulan yang diperlukan oleh bagian THEN. Syarat dan ketentuan baru ini akan ditambah dengan syarat dan ketentuan yang sudah ada untuk lulusan lainnya. Tangani segala kondisi yang ditambahkan ke sistem. Ketika situasi ini terjadi, sistem kembali ke langkah 2 dan mencari aturan lagi di basis pengetahuan. Jika tidak ada kesimpulan baru, pertemuan berakhir. – Mahasiswa PhD di bidang Kecerdasan Mesin.
Metode 38. Memperkenalkan sistem pakar berbasis pengetahuan pertama yang dapat dicari melalui backlink: Lulusan.
Bagaimana suatu sistem memenuhi satu atau lebih kondisi? Untuk setiap kesimpulan, sistem mencari basis pengetahuan untuk aturan-aturan yang cocok dengan kesimpulan di bagian MAKA. Segala kesimpulan akan diambil dari ketentuan Bagian “JIKA”. Kondisi-kondisi tersebut kemudian menjadi kesimpulan-kesimpulan baru, ditambah dengan kesimpulan-kesimpulan yang sudah ada. Setiap kesimpulan yang ditambahkan ke sistem diproses. Jika kesimpulan ditemukan, sistem kembali ke langkah 2 dan mencari aturan lagi di basis pengetahuan. Studi pascasarjana. Jika tidak ada kesimpulan baru yang dicapai, pertemuan akan berakhir. 5.4 Forward Chaining Pada Gambar 5.3 di bawah ini, Anda dapat melihat contoh proses inferensi dari rule base Zookeeper dengan menggunakan metode forward chaining, menyimpulkan bahwa mesin inferensi kami telah mengidentifikasi objek tertentu sebagai jerapah. Z1 adalah mamalia berbulu.
Bagaimana Anda sampai pada kesimpulan bahwa orang kedua yang dibebaskan adalah seorang mahasiswa yang sedang mengunyah hewan berkuku?
Jadi carilah anjing yang berkaki panjang, berleher panjang, dan berbintik kuning kecoklatan serta hitam. Gambar 5.3 Contoh diagram alur inferensi menggunakan multi-stage feedforward. Algoritma forward chaining sendiri ditunjukkan pada Gambar 5.4 di bawah ini: Pemenang ketiga konferensi Z11 adalah Giraffe , seorang mahasiswa PhD di bidang kecerdasan mesin.
Apa yang akan terjadi sampai tidak ada lagi peraturan atau sampai mahasiswa pascasarjana tidak lagi mengenal binatang?
Prosedur 4 Untuk setiap aturan: – Cobalah untuk mendukung setiap aturan yang ada dengan membandingkannya dengan fakta yang diketahui. – Jika semua aturan lookahead memang didukung, deklarasikan pernyataan yang sama pada aturan berikutnya. – Laporkan semua alternatif implementasi dan instantiasi (ditugaskan kepada senior). Gambar 5.4 Hierarki algoritma forward switching. 5.5 Peralihan terbalik. Gambar 5.5 dibawah ini menunjukkan contoh proses inferensi menggunakan metode reverse chaining dari rule base Zookeeper, dimana kesimpulan yang akan diuji oleh mesin inferensi kita adalah Cheetah. Aturan keempat yang digunakan adalah mata, cakar dan taring Carnivore Z6 menghadap ke depan.
Apa perbedaan aturan pertama untuk mamalia Z9 dengan aturan ketiga untuk cheetah Z1?
Aturan Z5 yang kedua tentang diperbolehkan atau tidaknya makan daging adalah hewan karnivora berwarna kuning kecokelatan dengan bintik-bintik hitam. Gambar 5.5 Contoh flowchart parameter dengan backlink hierarki. – Bagaimana dengan kecerdasan mesin? – Mahasiswa PhD di bidang Kecerdasan Mesin.
Apa yang dimaksud dengan sistem pakar berbasis pengetahuan? 40 Algoritme rangkaian mundur itu sendiri ditunjukkan pada Gambar 5.6: 4 Operasi di atas diulang sampai semua hipotesis telah dicoba dan tidak ada yang didukung, atau sampai seekor hewan teridentifikasi. 4 Untuk setiap hipotesis, 4 Untuk setiap aturan hipotesis, hasilnya sesuai dengan hipotesis yang ada saat itu, Ph.D.
Yang harus dilakukan: Berusaha mendukung aturan sebelumnya dengan mencocokkan (mengkonfirmasi) aturan sebelumnya dengan fakta pada aturan sebelumnya. – Jika semua aturan sebelumnya didukung, nyatakan berhasil dan simpulkan bahwa hipotesis benar. Catatan: Jika tautan gagal dalam situasi berikut, masukkan konten yang diminta oleh orang sebelumnya. Rupanya sang mantan tidak didukung. Gambar 5.6 Algoritma rantai mundur 5.6 Implementasi struktur Struktur yang digunakan oleh mesin inferensi desain ditunjukkan pada Gambar 5.7-5.11. Apa arti daftar variabel dasar? Struktur ini mencatat semua variabel, operator, dan nilai dalam basis aturan. Gambar 5.7 Daftar variabel dasar 41 Daftar variabel sistem pakar berbasis pengetahuan. Studi pascasarjana.
Bagaimana struktur ini hanya mencatat variabel, operator, dan nilai bagian IF (IF_PART) dari aturan di basis aturan? Gambar 5.8 Daftar variabel antrian variabel inferensi. Struktur ini mencatat variabel-variabel yang sedang diproses pada titik tersebut dalam rantai maju. Gambar 5.9 Tumpukan inferensi untuk antrian variabel inferensi. Studi pascasarjana.
Bagaimana struktur ini mencatat nomor aturan dan nomor klausa yang diproses selama proses backlink? Gambar 5.10 Stack Kesimpulan – Pascasarjana Machine Intelligence. Apa hasil dari 42 sistem pakar berbasis pengetahuan? Struktur ini mencatat semua kesimpulan (terdiri dari nilai operator variabel) dari aturan yang berhasil dieksekusi (dipicu) selama urutan maju dan mundur. Gambar 5.11 Hasil studi pascasarjana.
5.7 Bagaimana implementasi rantai maju dirancang? Algoritma penerapan sistem inferensi menggunakan rantai maju ditunjukkan pada Gambar 5.12 di bawah ini. Tentukan kondisinya. Variabel kondisi terdapat pada kesimpulan Var. Antrian dan nilainya dicatat dalam daftar variabel. Cari istilah yang berbeda. Studi pascasarjana.
Apa daftar variabel yang namanya sama dengan variabel di awal antrian? Jika ditemukan, masukkan nomor aturan dan 1 pada variasi klausa. penunjuk. Jika tidak ditemukan, variabel apa pun yang tidak terisi dalam klausa IF aturan langkah akan dibuka dan diisi. Variabel ditempatkan di klausa Var. Studi pascasarjana. Apa itu daftar periksa? Jika semua kondisi klausa benar, maka bagian THEN akan dieksekusi. Isikan bagian THEN pada variabel setelah variabel kesimpulan. antre. If-Conclusion Var Tidak ada lagi pernyataan IF dengan variabel di awal. Untuk kelompok, variabel “Mahasiswa Pascasarjana” dihilangkan.
Bagaimana jika kesimpulannya Var sudah tidak memiliki variabel lagi? Antrian dan cari; jika ada lebih banyak variabel, kembali ke langkah ini. Gambar 5.12 Algoritma implementasi rantai maju –
mahasiswa PhD di bidang kecerdasan mesin. 43 Apa yang dimaksud dengan sistem pakar berbasis pengetahuan? 5.8 Desain implementasi reverse link Algoritma implementasi sistem inferensi menggunakan reverse link ditunjukkan pada Gambar 5.13 berikut.
Gambar 5.13 Bagaimana algoritma penerapan backlink? 5.9 Diagram alur sambungan maju. Diagram alir program forward chaining dari algoritma ini ditunjukkan pada Gambar 5.12 di bawah ini: Untuk mengidentifikasi suatu kesimpulan, terlebih dahulu mencari daftar kesimpulan dan memasukkan nama kesimpulan. Jika suatu aturan ditemukan, maka aturan tersebut dimasukkan ke dalam tumpukan terakhir berdasarkan nomor aturan dan 1 (yang mewakili suatu klausa). Studi pascasarjana.
Jika konten tidak menemukan jawaban, pengguna akan diberitahu bahwa jawabannya tidak ada. Isikan klausa IF dari pernyataan tersebut (yaitu setiap variabel kondisi). Jika variabel dalam klausa IF tidak diisi, maka variabel tersebut diwakili oleh Var. Daftar ini bukan variabel inferensi, yaitu tidak ada dalam daftar inferensi dan memerlukan input nilai dari pengguna. Jika salah satu klausa adalah variabel inferensi, tambahkan nomor aturan variabel inferensi ke bagian atas tumpukan dan kembali ke langkah ini. Jika pernyataan di bagian atas tumpukan tidak dapat digunakan dengan pernyataan IF-THEN yang sudah ada, pernyataan tersebut akan dihapus dari bagian atas tumpukan dan nama variabel inferensi tambahan akan ditemukan terisi dalam daftar inferensi. Tindakan Jika de tesis/disertasi ditemukan, kembali ke langkah ini. Jika tidak ada lagi kesimpulan di tumpukan kesimpulan, aturan kesimpulan sebelumnya salah. Jika tidak ada kesimpulan, pengguna diberitahu bahwa tidak ada jawaban yang ditemukan. Jika sebelumnya sudah ada kesimpulan, kembali ke langkah ini. Jika aturan dapat dipakai di bagian atas tumpukan, aturan tersebut akan dihapus dari tumpukan. Jika ada lebih banyak variabel inferensi di bagian bawah (di tumpukan), tambahkan nomor klausa dan kembalikan langkah-langkah untuk klausa yang tersisa. Jika tidak ada variabel lain yang diekspor di bawah ini, Anda akan menerima jawaban lulusan.
Apakah ini sistem pakar berbasis pengetahuan? Manfaat Aturan Membaca Forward Link Variabel ini dicatat dalam daftar variabel di bagian Daftar Variabel Dasar pada Graduate IF. Bagaimana pintu masuk ini dibuat? Y Penanganan Kesalahan T Temukan variabel dalam daftar variabel dasar dan catat nomor aturan dan jumlah item hierarki.
Apa antrian variabel inferensi awal? Gambar 5.14 Diagram alir T-Forward link Setelah memeriksa variabel klausa, tuliskan nomor aturan dan nomor klausa pada daftar variabel.
Bagaimana ini digunakan? Berdasarkan jumlah klausa yang dicatat, apakah bagian IF memenuhi seluruh klausa pada daftar variabel dasar? Apakah nilai variabel pada klausa variabel cocok dengan variabel pada daftar variabel? Istilah indikator variabel yang diperbarui “Lulusan YY”. Apakah Anda berfokus pada variabel dalam kumpulan data akhir dan variabel dalam daftar variabel (jika ada)? YT menghapus variabel pertama dalam antrean variabel inferensi. Apakah sekolah pascasarjana lain memiliki variabel ini dalam peraturannya?
Apa daftar variabel dasar di bagian IF? YT memperbarui antrean eksekusi variabel inferensi, lalu memperbarui bagian inferensi.
Bagaimana variabel dalam daftar variabel digunakan? Q Kesimpulan: Apakah variabel yang ada di antrian variabel termasuk dalam daftar variabel? YT menunjukkan hasil penggabungan ke depan dari kumpulan data yang diselesaikan oleh seorang mahasiswa pascasarjana. Bagaimana kembali – lulusan kecerdasan mesin.
apa itu? 45 Sistem pakar berbasis pengetahuan 5.10 Diagram alir reverse link Diagram alir (flow chart) proses reverse link dari algoritma sebelumnya ditunjukkan pada Gambar 5.13 dapat dilihat pada Gambar 5.15 berikut ini: Gambar 5.15 Diagram proses reverse link proses transmisi.
Bagaimana proses kesalahan saat membaca aturan backlink? Apakah masih ada yang tersisa di tumpukan Y terakhir? Jika variabel ada dan bagian THEN adalah PhD, perbarui daftar variabel dan jalankan bagian THEN.
Bagaimana kinerja bergantung pada jumlah klausa yang dicatat? Menampilkan hasil rantai mundur, yaitu hasil eksekusi THEN terakhir.
Bagaimana Y mengembalikan daftar variabel YTT jika variabel tersebut digunakan dalam klausa di bagian atas tumpukan atau dalam klausa > nomor PhD. Apa kata ini? Apakah variabel tersebut ada dalam daftar variabel dasar di bagian THEN? Apakah itu termasuk dalam daftar variabel penting di sekolah pascasarjana?
Jadi bagaimana bagian inputnya ada? Perbarui tumpukan kesimpulan dan catat jumlah aturan dan klausa. Perbarui tumpukan kesimpulan dan catat nomor aturan dan jumlah klausa kesimpulan.
Mengapa variabel di klausa teratas sudah digunakan dalam daftar variabel, atau klausa lebih besar dari jumlah klausa? YYTY telah lulus. T Bagaimana cara membuat instance variabel dalam daftar variabel? Apakah variabel tersebut sesuai dengan variabel dalam daftar variabel dasar di nomor aturan yang diambil? Lulusan YT.
Bagaimana mungkin ada variabel lain di bagian THEN lain yang memiliki input yang sama dengan daftar variabel dasar Y? Hapus pernyataan mahasiswa doktoral tersebut.
Juara pertama diraih oleh TT , mahasiswa PhD bidang kecerdasan mesin. Bagaimana hal ini dicapai? Ini adalah kasus forward link dari Sistem Pakar 5.11, yang berisi 46 unit pengetahuan.
Metode: Sebagai contoh proses forward chaining, gunakan rule base dengan aturan sebagai berikut: Rule 10 Jika suku bunga = turun, maka saham naik. Aturan 20: Ketika suku bunga naik, saham naik. Aturan 30: Ketika nilai dolar turun, suku bunga naik. Aturan 40 Jika USD = Kenaikan suku bunga = Aturan 50 Dr.
Jika Fedint = Case dan Fedmon = Add, apa yang terjadi jika Interest = Case? Langkah pertama penginisialisasi adalah membaca aturan di atas, kemudian membuat daftar variabel dasar dan menginisialisasi daftar variabel. Dalam daftar variabel dasar, aturannya disusun sebagai berikut: 10 20 30 40 50 50 Bunga Dolar Bunga Dolar Fedint Fedmon Ph.D. Langkah = = = = = =fallrisefallrisefall Tambahkan inventaris = =risefallrisefallfallfallfallfall 1 1 1 1 1 1 1 2 Inisialisasi daftar variabel. Bagian NI dari nilai operator simbolik variabel IF (kondisi) dicatat di sini.
Dollar NI Fedint NI Fedmon NI Karakter NI = tidak terpakai, I = terpakai, operator dan nilainya masih kosong, apa yang harus saya lakukan? – Mahasiswa PhD di bidang Kecerdasan Mesin.
47 Apa yang dimaksud dengan sistem pakar berbasis pengetahuan? Program kemudian menanyakan pengguna untuk langkah pertama dalam rantai maju menggunakan sintaks berikut: <variabel> <operator> <nilai>. Studi pascasarjana. Misalnya, jika pengguna mengetik: “fedmon = add”, apakah input ini merupakan bagian dari daftar variabel dasar IF? Ya (dalam aturan #50), tambahkan variabel ini ke nilai operator simbolik dari daftar variabel lulusan yang diminati NI.
$NI fedint NI fedmon I = add Temukan variabel dalam daftar variabel dasar dan catat nomor aturan dan jumlah klausa. Jumlah peraturan = 50 Jumlah peraturan = 2 orang lulusan.
Apa kesimpulan awalnya? Variable Queue Fedmon Update Clause Variable Pointer Rule Number = 50 Clause Number = 1 Hal ini menunjukkan bahwa fedint yang dievaluasi telah diperiksa. Bagaimana cara menggunakan klausa variabel dalam daftar variabel? Fedint belum dipakai (variabel: Fedint, simbol: NI) Buat instance variabel ini dalam daftar variabel dan tanyakan kepada pengguna di sini. Contoh: Input pengguna: fedint=fall. Daftar variabel kemudian diperbarui sebagai berikut: lulusan.
Apa yang dimaksud dengan operator simbolik: Variabel, Nilai, Bunga, NI Dolar, NI, Fedint, I=Kasus, Fedmon, I=Tambah, Klausul Pembaruan, Penunjuk Variabel, Lulus.
RuleNumber = 50 ClauseNumber = 2 Bagaimana cara menunjukkan bahwa orang yang ditinjau adalah Fedmon – mahasiswa PhD di bidang Machine Intelligence? 48 Bagaimana cara menggunakan klausa variabel dalam daftar variabel sistem pakar pengetahuan? Instansiasi Fedmon (variabel: Fedmon, simbol: I) lulusan.
Berdasarkan jumlah klausa yang ditangkap, apakah semua klausa dalam daftar variabel dasar bagian IF terpenuhi? Ya, (jumlah klausa = 2, jumlah klausa = 2) 1 Apakah nilai variabel pada klausa variabel cocok dengan variabel pada daftar variabel? Ya, (fedint=fall dan fedmon=add, karena klausa variabel memiliki nilai yang sama dengan daftar variabel: fedint=fall dan fedmon=add) 1 Jalankan bagian THENinterest=fallgraduate.

Pembahasan

Proses 1 Perbarui antrian variabel inferensi Fedmoninterest Jika hasilnya berisi variabel, catatlah ke catatan inferensi dan daftar variabel. Catatan: Tidak, karena RuleNumber = 50 adalah aturan final untuk mahasiswa PhD. Eksekusi 1 Cara menghapus variabel pertama “fedmon (delete) Interest” pada antrian variabel inferensi sehingga antrian variabel inferensi terlihat seperti ini: Minat 1 Apakah variabel dalam antrian variabel inferensi termasuk dalam daftar variabel? Studi pascasarjana.
Ya, antrian variabel inferensi yang menarik ada di daftar variabel Perhatikan nomor aturan dan jumlah klausa. Nomor peraturan = Jumlah item = interest = dimasukkan dalam daftar variabel karena ada variabel yang diminati. Kemudian tulis di bawah ini: Mahasiswa PhD.
Berapa nilai operator simbolis untuk variabel suku bunga I=falldollarNIfedintI=fallfedmonI=add1? Apakah variabel ini merupakan salah satu aturan yang tersisa dalam daftar variabel dasar di bagian IF? Studi pascasarjana. Bagaimana dengan – mahasiswa PhD di bidang Machine Intelligence 49.
Bagaimana sistem pakar didasarkan pada pengetahuan? 20. Perbarui klausa aturan penunjuk variabel nomor = 10 nomor klausa = 1 2 Apakah klausa variabel digunakan dalam daftar variabel? Studi pascasarjana.
Cara membuat instance Interest (variabel: Interest, simbol: I) 2 Berdasarkan jumlah klausa yang terekam, apakah seluruh klausa pada daftar variabel dasar bagian IF terpenuhi? Ya, (jumlah klausa = 1, jumlah klausa = 1) 2 Apakah nilai variabel pada klausa variabel cocok dengan variabel pada daftar variabel? Ya, (minat=penurunan, karena klausa variabel sesuai dengan nilai dalam daftar variabel: minat=penurunan) Ya, ini adalah aturan evaluasi dalam Aturan 20 (yaitu: minat=peningkatan). Bagaimana kalau 2? Catat nomor aturan dan jumlah klausa. RuleNumber = 20 Total = 1 2 Perbarui penunjuk variabel klausa. Nomor Peraturan = 20 Nomor Pasal = 1 Lulusan.
2 Bagaimana cara menggunakan klausa variabel dalam daftar variabel? Instansiasi minat (variabel: minat, simbol: I) 2 Berdasarkan jumlah klausa yang ditangkap, apakah semua klausa dalam daftar variabel dasar bagian IF terpenuhi? Ya, (Jumlah Semester=1, Jumlah Semester=1)2 dijalankan, maka Stok=Lulus.
Proses 2 Perbarui daftar minat antrian variabel akhir semester 30. Jika hasil pencatatan berisi variabel “PhD”, catat variabel tersebut di komentar dan daftar variabel akhir semester. Mengapa “stock=up” muncul di daftar variabel? Tidak ada data yang dikumpulkan karena variabel “stok” tidak ada? 3 Apakah variabel tersebut termasuk dalam aturan lain yang ada dalam daftar variabel dasar di bagian IF? – Mahasiswa PhD di bidang Kecerdasan Mesin.
50Sistem Pakar Basis Pengetahuan 3 Apakah nilai variabel pada klausa variabel sesuai dengan variabel pada daftar variabel? Tidak, (minat=peningkatan sebagai klausa variabel adalah kebalikan dari nilai dalam daftar variabel: minat=penurunan) Dr.

Kesimpulan

Bagaimana variabel 3 menjadi salah satu aturan tersisa dalam daftar variabel dasar di bagian IF? #3 Hapus (delete) variabel saham minat pertama pada antrian variabel inferensi, sehingga menjadikan antrian variabel inferensi “Saham Terperingkat”. Bagaimana cara menentukan apakah ada tiga variabel dalam antrian variabel dalam daftar variabel? Inventaris yang menutup antrian variabel tidak ada dalam daftar variabel. 3 Lihat hasil rangkaian maju untuk kumpulan data akhir: Minat = Penurunan Pasokan = Peningkatan 3 Kembali ke – Kecerdasan Mesin Pascasarjana.
Bagaimana dengan sistem pakar basis pengetahuan mahasiswa pascasarjana ke-51? Apa itu profil backlink? Kasus untuk proses backlinking adalah rule base dengan aturan sebagai berikut: Rule 10 Jika Close = No, maka Position = No. Pasal 20 Mahasiswa program doktoral.