Znalosti a znalostní jednotky v podmínkách neurčitosti

Ing. Michal Peták

Disertační práce

Knowledge and Knowledge Units under Uncertainty

Anotace:

V současném světě narůstá potřeba rychlého řešení složitých rozhodovacích situací, které se neobejde bez hlubokých expertních znalostí. Stále větší důraz je kladen na rozvoj expertních systémů, které dokáží do určité míry zastoupit lidského experta a poskytovat podporu rozhodovateli. Využití expertních systémů je široké v různých vědních oborech i průmyslových aplikacích a jejich počet se stále zvyšuje. Znalosti doménových expertů lze v expertních systémech reprezentovat různě; přitom volba reprezentace může zásadně ovlivnit efektivnost nasazení expertního systému v praxi. Z těchto důvodů se práce zabývá znalostmi v expertních systémech. V literární rešerši jsou vymezeny znalosti a jejich reprezentace spolu s interoperabilitou. Z přehledu vyplývají také způsoby uchovávání znalostí používané v současné době, mezi které patří rozhodovací stromy, produkční pravidla, která jsou modifikována na pravděpodobnostní pravidla, a zejména na fuzzy produkční pravidla. Ve výzkumné části jsou řešeny modifikace metod dopředného a zpětného řetězení vybraných elementů znalostních jednotek. Problematika řešení neurčitosti vyústila v řešení a definici fuzzy znalostních jednotek, které umožňují s neurčitostí pracovat. Byly vytvořeny modelové situace v prostředí MATLAB, konkrétně v Simulink a Fuzzy Logic Toolbox a byl potvrzen předpoklad klasické inference, dopředné a zpětné řetězení se znalostní jednotkou. Celá simulace je koncipovaná jako základní model, na kterém byl vyvinut postup inference s fuzzy znalostními jednotkami. Tento postup byl aplikován na případovou studii, ve které byly simulovány scénáře a výsledek simulace byl porovnán s názory expertů.

Abstract:

In the real world there is an increasing need for rapid solutions to assist in complex decision-making during situations that cannot be dealt with without expert knowledge. More emphasis is placed on the development of expert systems, which can substitute a human expert and provide support to decision-makers. Their use has become widespread in multiple scientific disciplines and industrial fields and their number and capability are increasing. The knowledge of relevant experts can be represented differently in expert systems, but the choice of representation can have a fundamental influence on the effectiveness of the system in practice. Therefore, this thesis deals with knowledge in expert systems. In the literature review, expert knowledge is defined and its representation and interoperability are presented there. This is followed by delineating the current methods of knowledge preservation, such as decision trees, production rules modified to probability rules, and especially fuzzy production rules. Modifications of the classical inference, such as forward and backward chaining methods of knowledge unit elements, are dealt with in the research portion. Resolving the aforementioned uncertainty issues resulted in the fuzzy knowledge unit definition which allows work to proceed despite uncertainty. Model situations were created in the MATLAB, specifically in the Simulink and Fuzzy Logic Toolbox add-ins. The assumption of classical inference, the forward and backward chaining of the knowledge unit, was confirmed. The entire simulation is built as a basic model, where the inference procedure of fuzzy knowledge units is demonstrated. This procedure is applied in a case study, where different scenarios were simulated and the results were discussed with knowledge domain experts.

Klíčová slova

Znalostní jednotka, grafická reprezentace znalostní jednotky, model fuzzy znalostních jednotek, inferenční mechanismus, fuzzy znalostní jednotka, simulace

Keywords

inference mechanism, fuzzy knowledge unit, simulation, graphical representation of the knowledge unit, Knowledge unit, model of the fuzzy knowledge units

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 23. 12. 2020

Obhajoba závěrečné práce

• Vedoucí: doc. Ing. Milan Houška, Ph.D.
• Oponent: Eva Vaněčková, externi

Česká zemědělská univerzita v Praze

Provozně ekonomická fakulta

Doktorský studijní program / obor:
Kvantitativní metody v ekonomice / Systémové inženýrství