Luận văn Thạc sĩ Khoa học máy tính: Cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong chẩn đoán bệnh viêm gan B

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:66

Thêm vào BST

Báo xấu

22
lượt xem 3
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Đề tài “cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong chẩn đoán bệnh viêm gan B” nhằm góp phần phát triển phương pháp luận dựa trên đại số gia tử phục vụ việc thu thập các trí thức chuyên gia y tế trong môi trường thông tin mờ, không chắc chắn và xây dựng hệ hỗ trợ chẩn đoán bệnh Viêm gan B. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ Khoa học máy tính: Cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong chẩn đoán bệnh viêm gan B

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN VŨ HẬU CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH TRONG CHẨN ĐOÁN BỆNH VIÊM GAN B LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN - 2015 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG NGUYỄN VŨ HẬU CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH TRONG CHẨN ĐOÁN BỆNH VIÊM GAN B Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS. NGUYỄN DUY MINH THÁI NGUYÊN - 2015 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
i LỜI CAM ĐOAN Tôi xin cam đoan luận văn này do chính tôi thực hiện, dưới sự hướng dẫn khoa học của TS. Nguyễn Duy Minh, số liệu và kết quả nghiên cứu trong luận văn này hoàn toàn trung thực và chưa sử dụng để bảo vệ một công trình khoa học nào, các thông tin, tài liệu trích dẫn trong luận văn đã được chỉ rõ nguồn gốc. Mọi sự giúp đỡ cho việc hoàn thành luận văn đều đã được cảm ơn. Nếu sai tôi hoàn toàn chịu trách nhiệm. Thái Nguyên, tháng 8 năm 2015 Tác giả Nguyễn Vũ Hậu Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
ii LỜI CẢM ƠN Trước hết em xin trân trọng cảm ơn các thầy giáo, cô giáo trường đại học công nghệ thông tin đã giảng dạy em trong quá trình học tập chương trình sau đại học. Dù rằng, trong quá trình học tập trực tuyến có nhiều khó khăn trong việc tiếp thu kiến thức cũng như sưu tầm tài liệu học tập, nhưng với sự nhiệt tình và tâm huyết của thầy cô cộng với những nỗ lực của bản thân đã giúp em vượt qua được những trở ngại đó. Em xin bày tỏ lòng biết ơn sâu sắc tới thầy giáo TS. Nguyễn Duy Minh người hướng dẫn khoa học, đã tận tình hướng dẫn em trong suốt quá trình làm luận văn. Để có thể hoàn tất khoá học sau đại học tại Trường Đại học Công nghệ thông tin, em đã nhận được rất nhiều sự động viên giúp đỡ của gia đình, thầy cô, đồng nghiệp và bạn bè trong lớp cao học k12i. Một lần nữa em xin chân thành cảm ơn. Thái Nguyên, tháng 8 năm 2015 Tác giả Nguyễn Vũ Hậu Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
iii MỤC LỤC LỜI CAM ĐOAN ............................................................................................. i LỜI CẢM ƠN .................................................................................................. ii MỤC LỤC ....................................................................................................... iii DANH MỤC BẢNG ........................................................................................ v DANH MỤC HÌNH ........................................................................................ vi MỞ ĐẦU .......................................................................................................... 1 Chương 1. MỘT SỐ KIẾN THỨC CƠ BẢN ............................................... 3 1.1. Lý thuyết tập mờ .................................................................................... 3 1.1.1. Định nghĩa ....................................................................................... 3 1.1.2. Lập luận mờ .................................................................................... 3 1.2. Hệ chuyên gia ......................................................................................... 4 1.2.1. Giới thiệu về hệ chuyên gia ............................................................ 4 1.2.2. Phạm vi ứng dụng của hệ chuyên gia ............................................. 5 1.2.3. Biểu diễn tri thức trong hệ chuyên gia ............................................ 5 1.2.4. Suy diễn và lập luận ........................................................................ 7 1.2.5. Lập luận tiến và lập luận lùi .......................................................... 10 1.3. Tổng quan về bệnh viêm gan B ........................................................... 14 1.4. Kết luận chương 1 ................................................................................ 14 Chương 2. CÁCH TIẾP CẬN ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH .............................................................. 16 2.1. Đại số gia tử ......................................................................................... 16 2.1.1. Biến ngôn ngữ ............................................................................... 17 2.1.2. Đại số gia tử của biến ngôn ngữ ................................................... 19 2.1.3. Các tính chất cơ bản của ĐSGT tuyến tính................................... 21 2.1.4. Hàm đo trong đại số gia tử tuyến tính........................................... 22 2.2. Định lượng ngữ nghĩa giá trị ngôn ngữ ............................................... 22 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
iv 2.3. Tích hợp đại số gia tử........................................................................... 24 2.4. Bài toán lập luận K - điều kiện ............................................................ 24 2.5. Xây dựng hệ hỗ trợ ra quyết định ........................................................ 25 2.5.1. Xử lý dữ liệu vào........................................................................... 25 2.5.2. Xây dựng quá trình suy luận ......................................................... 26 2.5.3. Hệ hỗ trợ ra quyết định dựa theo phương pháp luận sử dụng đại số gia tử........................................................................................................ 28 2.6. Tổng kết chương 2 ............................................................................... 28 Chương 3. SỬ DỤNG ĐẠI SỐ GIA TỬ XÂY DỰNG HỆ HỖ TRỢ RA QUYẾT ĐỊNH CHẨN ĐOÁN BỆNH VIÊM GAN B ............... 29 3.1. Phân tích dữ liệu bệnh viêm gan B ...................................................... 29 3.1.1. Các triệu chứng của bệnh .............................................................. 29 3.1.2. Các kiểu chẩn đoán ....................................................................... 30 3.1.3. Các luật xây dựng chẩn đoán bệnh viêm gan B ............................ 33 3.2. Xây dựng hệ hỗ trợ ra quyết định chẩn đoán bệnh viêm gan B .......... 42 3.2.1. Xác định các biến ngôn ngữ.......................................................... 42 3.2.2. Xây dựng đại số gia tử cho các biến ngôn ngữ ............................. 47 3.3. Cài đặt chương trình ............................................................................. 54 3.3.1. Giao diện Cơ sở luật ..................................................................... 54 3.3.2. Giao diện Triệu chứng .................................................................. 55 3.3.3. Giao diện Chẩn đoán bệnh ............................................................ 55 KẾT LUẬN .................................................................................................... 56 TÀI LIỆU THAM KHẢO ............................................................................ 58 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
v DANH MỤC BẢNG Bảng 1.1: Thể hiện các nét điển hình của đối tượng tương tự .......................... 9 Bảng 2.1. Các giá trị ngôn ngữ của các biến Health và Age .......................... 18 Bảng 3.1: Bảng các giá trị không chắc chắn của CF ...................................... 33 Bảng 3.2: Các triệu chứng của bệnh Viêm Gan B .......................................... 42 Bảng 3.3: Bảng giá trị định lượng ngữ nghĩa của biến ngôn ngữ ................... 48 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
vi DANH MỤC HÌNH Hình 1.1: Lược đồ hệ chuyên gia ...................................................................... 5 Hình 2.1. Sơ đồ hệ chuyên gia ........................................................................ 28 Hình 3.1: Mô hình mô tả các triệu chứng của bệnh Viêm Gan B .................. 30 Hình 3.2: Quy trình chẩn đoán bệnh viêm gan B ........................................... 32 Hình 3.3: Giao diện cơ sở luật ........................................................................ 55 Hình 3.4: Giao diện triệu chứng...................................................................... 55 Hình 3.5: Giao diện chẩn đoán bệnh ............................................................... 56 Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
1 MỞ ĐẦU Hệ chuyên gia là một chương trình thông minh nhằm dạy cho máy tính biết các hoạt động của một chuyên gia thực thụ. Hệ chuyên gia đầu tiên là DENDRAL, xuất hiện giữa thập niên 70, sau đó vào năm 1975 hệ chuyên gia MYCIN ra đời đã thành công trong việc áp dụng khoa học trí tuệ nhân tạo trong lĩnh vực Y học, cụ thể là lĩnh vực chẩn đoán bệnh trong y học. Vào cuối năm 80, tại Viện Công nghệ thông tin đã bước đầu xây dựng hệ trợ giúp khám chữa bệnh nội khoa, châm cứu và chẩn trị đông y [4], đã có tiếp cận ra quyết định trong việc chẩn đoán lâm sàng [6]. Lý thuyết tập mờ và logic mờ được L.A. Zadeh đề xuất vào giữa thập niên 60 của thế kỷ trước. Kể từ khi ra đời, lý thuyết tập mờ và ứng dụng của tập mờ đã được phát triển liên tục với mục đích xây dựng các phương pháp lập luận để mô hình hóa quá trình suy luận của con người. Cho đến nay phương pháp lập luận xấp xỉ dựa trên lý thuyết tập mờ đã được quan tâm nghiên cứu trên cả phương diện lý thuyết và ứng dụng trong nhiều lĩnh vực rất khác nhau, đã đạt được nhiều thành tựu ứng dụng, đặc biệt là các ứng dụng trong các hệ chuyên gia mờ, điều khiển mờ [10]. Tuy nhiên, phương pháp lập luận của con người là vấn đề phức tạp và không có cấu trúc. Vì vậy kể từ khi lý thuyết tập mờ ra đời cho đến nay, vẫn chưa có một cơ sở lý thuyết hình thức chặt chẽ theo nghĩa tiên đề hoá cho logic mờ và lập luận mờ. Để đáp ứng phần nào đối với nhu cầu xây dựng cơ sở toán học cho việc lập luận ngôn ngữ, N.Cat Ho và Wechler đã đề xuất cách tiếp cận dựa trên cấu trúc tự nhiên của miền giá trị của các biến ngôn ngữ, những giá trị của biến ngôn ngữ trong thực tế đều có thứ tự nhất định về mặt ngữ nghĩa, ví dụ ta hoàn toàn có thể cảm nhận được rằng, „trẻ‟ là nhỏ hơn „già‟, hoặc „nhanh‟ Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
2 luôn lớn hơn „chậm‟. Xuất phát từ quan hệ ngữ nghĩa đó các tác giả đã phát triển lý thuyết đại số gia tử (ĐSGT). Với việc định lượng các từ ngôn ngữ được xác định trong đoạn [0, 1]. Trên cơ sở đại số gia tử, ta nghiên cứu cơ chế lập luận suy diễn mờ dựa trên biến ngôn ngữ thông qua dạng tập mờ để xây dựng cơ chế chuyển đổi từ tập mờ thành các giá trị định lượng trong khoảng [0, 1] , [5]. Trong mô hình hỗ trợ ra quyết định theo tiếp cận đại só gia tử sẽ xây dựng hai phần chính là xây dựng hệ cơ sở tri thức và xây dựng cơ chế lập luận tương ứng với cơ sở tri thức. Đối với cơ sở tri thức ta xây dựng dựa trên các qui tắc luật IF …. THEN …., còn đối với cơ chế lập luận suy diễn ta sẽ xây dựa trên việc lập luận ngôn ngữ tự nhiên của miền giá trị của biến ngôn ngữ đã được xây dựng trên cơ sở đại số gia tử. Xuất phát từ những phân tích và quan sát trên, nhiệm vụ nghiên cứu của đề tài “cách tiếp cận đại số gia tử xây dựng hệ hỗ trợ ra quyết định trong chẩn đoán bệnh viêm gan B”, nhằm góp phần phát triển phương pháp luận dựa trên đại số gia tử phục vụ việc thu thập các trí thức chuyên gia y tế trong môi trường thông tin mờ, không chắc chắn và xây dựng hệ hỗ trợ chẩn đoán bệnh Viêm gan B. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
3 Chương 1 MỘT SỐ KIẾN THỨC CƠ BẢN 1.1. Lý thuyết tập mờ 1.1.1. Định nghĩa Các tập mờ hay tập hợp mờ là một mở rộng của lý thuyết tập hợp cổ điển và được dùng trong lôgic mờ. Trong lý thuyết tập hợp cổ điển, quan hệ thành viên của các phần tử trong một tập hợp được đánh giá theo kiểu nhị phân theo một điều kiện rõ ràng - một phần tử hoặc thuộc hoặc không thuộc về tập hợp. Ngược lại, lý thuyết tập mờ cho phép đánh giá từ từ về quan hệ thành viên giữa một phần tử và một tập hợp; quan hệ này được mô tả bằng một hàm liên thuộc (membership function) . Các tập mờ được coi là một mở rộng của lý thuyết tập hợp cổ điển là vì, với một universe nhất định, một hàm liên thuộc có thể giữ vai trò của một hàm đặc trưng (indicator function) ánh xạ mỗi phần tử tới một giá trị 0 hoặc 1 như trong khái niệm cổ điển. 1.1.2. Lập luận mờ Lập luận mờ nhằm hướng đến việc mô phỏng lập luận suy nghĩ của con người. Lập luận mờ được ứng dụng trong các hệ chuyên gia, hệ hỗ trợ ra quyết định,… Quá trình thực hiện lập luận mờ được xem là sự khái quát hoá của luật Modus Ponens, từ đó sử dụng hàm biến đổi giá trị chân lý để ước lượng tập mờ tương ứng. Trong trường hợp việc lập luận mờ có nhiều giả thiết, bài toán lập luận mờ được phát biểu như sau: IF (X1 = x11) AND (X2 = x12) AND .... AND (Xn = x1n) THEN Y = y1 ............ Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
4 IF (X1 = xk1) AND (X2 = xk2) AND.....AND ( Xn = xkn) THEN Y = yk (X1 = x01) AND (X2 = x02) AND ..... AND (Xn = x0n)  Y = y0 Với (X1, X2, ..., Xn) là các tập mờ các yếu tố đầu vào và tập mờ giá trị kết luận Y. Ứng với giá trị yếu tố đầu vào (x01, x02,.., x0n) tương ứng với các tập mờ (X1, X2,...., Xn), ta ứng dụng phương pháp lập luận mờ để nội suy giá trị kết quả y0 thuộc tập mờ Y. Với các giá trị yếu tố đầu vào (x01, x02, ..., x0n), ta cần nội suy kết quả đầu ra y0. Việc giải bài toán trên dựa trên các lý thuyết tập mờ bằng cách hợp thành luật Max-Min qua các bước như sau: Bước 1. Tính độ thỏa mãn (mức độ tương hợp) của dữ liệu đối với luật thứ i: Ti = 1min{  xij(xij)}  j n Bước 2. Giá trị mờ kết quả ở đầu ra đối với luật thứ i, µyi(yi) được tính như sau: µyi(yi) = min {Ti, µyi(yi)} Bước 3. Giá trị mờ kết quả đầu ra hệ thống µy0(y0) là: µy0(y0)= max{ µyi(yi)} 1i  k 1.2. Hệ chuyên gia 1.2.1. Giới thiệu về hệ chuyên gia Hệ chuyên gia là một chương trình thông minh nhằm dạy cho máy tính biết các hoạt động của một chuyên gia thực thụ. Hệ chuyên gia đầu tiên là DENDRAL, xuất hiện vào giữa thập niên 70, sau đó vào năm 1975 hệ chuyên gia MYCIN ra đời đã thành công trong việc áp dụng khoa học trí tuệ nhân tạo vào lĩnh vực Y học, cụ thể là lĩnh vực chẩn đoán và điều trị bệnh nhiễm trùng máu. Đây là hệ chuyên gia tương đối lớn, thực hiện ở Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
5 mức chuyên gia con người, bên cạnh đó còn cung cấp cơ chế giải thích các bước suy luận. Chuyên gia con người có hai phần cơ bản: tri thức của chuyên gia và lập luận. Từ đó hệ chuyên gia cũng có hai phần chính: một cơ sở tri thức và một mô tơ suy diễn. Cơ sở tri thức chứa các tri thức chuyên dụng mức cao về một vấn đề được cung cấp bởi chuyên gia con người. Nó bao gồm các sự kiện, luật, khái niệm và các mối quan hệ. Chẳng hạn nó có thể chứa tri thức của một bác sĩ chẩn đoán bệnh về thần kinh. Mô tơ suy diễn là bộ xử lý tri thức, nó làm việc với các thông tin có sẵn từ một vấn đề cho trước, kết hợp với các tri thức có trong cơ sở tri thức để đưa ra một kết luận hay gợi ý. Cơ sở tri thức Mô tơ suy diễn Hệ chuyên gia Hình 1.1: Lược đồ hệ chuyên gia 1.2.2. Phạm vi ứng dụng của hệ chuyên gia Hệ chuyên gia được sử dụng trong rất nhiều lĩnh vực: nông nghiệp, thương mại, giáo dục, khoa học, y tế, kinh tế… Hệ chuyên gia cũng được chia thành nhiều loại: mô phỏng, điều khiển, thiết kế, lập kế hoạch, giải thích, dự đoán, lựa chọn… 1.2.3. Biểu diễn tri thức trong hệ chuyên gia Biểu diễn tri thức bằng các luật IF - THEN: Ngôn ngữ bao gồm các luật IF - THEN là ngôn ngữ phổ biến nhất để biểu diễn tri thức. Các luật IF - THEN có ưu điểm sau: Mỗi luật IF - THEN mô tả một phần nhỏ tương đối độc lập của tri thức. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
6 Có thể thêm vào cơ sở tri thức các luật mới, hoặc loại bỏ một số luật cũ mà không ảnh hưởng nhiều tới các luật khác. Các hệ tri thức với cơ sở tri thức gồm các luật IF - THEN có khả năng đưa ra lời giải thích cho các quyết định của hệ. Các luật IF - THEN là dạng biểu diễn tự nhiên của tri thức. Bằng cách sử dụng các luật IF - THEN chúng ta có thể biểu diễn được một số lượng lớn tri thức của con người về tự nhiên, xã hội, kinh nghiệm của con người trong lao động sản xuất, tri thức của các thầy thuốc, tri thức của các kỹ sư, tri thức trong các ngành khoa học: Kinh tế, sinh học, hóa học, vật lý, toán học,… Biểu diễn tri thức không chắc chắn: Trong đời sống thực tế có rất nhiều điều mà ngay cả các chuyên gia cũng không hoàn toàn tin tưởng chúng là đúng hay sai. Đặc biệt là các kết luận trong chẩn đoán y học, trong dự báo thời tiết,trong phỏng đoán sự hỏng hóc của máy móc,chúng ta không thể tin tưởng 100% các kết luận đưa ra là đúng. Chẳng hạn nếu xe máy đang chạy bị chết máy và kiểm tra xăng vẫn còn thì có thể tin rằng 90% là do có vấn đề ở bugi.Tuy nhiên vẫn còn 10% phỏng đoán đó là sai, xe bị chết máy do các nguyên nhân khác. Do đó trong các hệ dựa trên luật, chúng ta phải đưa vào mức độ chắc chắn của các luật & sự kiện trong cơ sở tri thức. Chúng ta sẽ gán cho mỗi luật hoặc sự kiện một mức độ chắc chắn nào đó, mức độ chắc chắn là một số nằm giữa 0 & 1. Cách viết : A1^…^An=>B : C có nghĩa là luật A1^…^An=>B có độ chắc chắn là C (0≤ C ≤1) Cách xác định mức độ chắc chắn C : Nếu luật có 1 điều kiện : Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
7 A=>B : C Theo lý thuyết xác suất ta có : P(B) = P(B|A)*P(A) Trong đó: P(A), P(B) là xác suất của sự kiện A, B tương ứng (cũng chính là mức độ chắc chắn của A, B tương ứng). P(B|A) là xác suất có điều kiện của B khi A đã xảy ra, ở đây P(B|A) là mức độ chắc chắn của luật, tức là bằng C. Nếu luận có n > 1 điều kiện : A1^…^An=>B : C Trong trường hợp này, mức độ chắc chắn của A, P(A) được tính bằng các phương pháp khác nhau, tùy thuộc vào các sự kiện Aᵢ là độc lập hay phụ thuộc. Nếu các sự kiện Ai là độc lập, khi đó : P(A) = P(A1)…P(An) Nếu các sự kiện Ai là phụ thuộc : P(A) = min { P(A1),…,P(An) } 1.2.4. Suy diễn và lập luận Suy diễn và lập luận là hai khái niệm được dùng chung để chỉ một tiến trình đưa đến kết luận từ các giả thiết cho ở dạng cơ sở tri thức (sự kiện,quy luật). Định nghĩa lập luận: Lập luận là quá trình làm việc với tri thức sự kiện và các chiến lược giải bài toán nhằm rút ra kết luận Lập luận theo cách suy diễn: Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
8 Lập luận theo suy diễn là phương pháp dùng các sự kiện của bài toán(là các luật trong cơ sở tri thức) và các tiên đề sau đó sử dụng các phương pháp suy diễn để rút ra thông tin mới từ các thông tin đã biết Ví dụ 1.1: IF có thân nhiệt lớn hơn 38độ THEN bị sốt Tiên đề: thân nhiệt lớn hơn 38 độ Kết luận: bị sốt Lập luận suy diễn là 1 trong các kĩ thuật phổ biến nhất. Suy diễn đã dùng modus ponens là loại cơ bản của lập luận suy diễn. Khi có A ==> B và A đúng thì rút ra được B đúng. Lập luận quy nạp Con người dùng lập luận quy nạp để rút ra kết luận tổng quát từ 1 tập các sự kiện theo cách tổng quát hoá Ví dụ 1.2: Giả thiết: Chị Mơ hát hay Giả thiết: Chị Nụ hát hay Kết luận: Nói chung các chị hát hay Qua lập luận này, người ta cho rằng kết luận sẽ đúng cho tất cả các trường hợp cùng loại, thực chất của lập luận quy nạp là đem cái thiểu số áp đặt cho đa số. Ví dụ 1.3: cho tập các đối tượng X= {a,b,c,….}, nếu tính chất P đúng đối với a, và nếu tính chất P cũng đúng đối với b, và nếu tính chất P cũng đúng đối với c,…. Thì tính chất này đúng với tất cả X. Lập luận phỏng đoán Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
9 Suy diễn là lập luận chính xác từ các sự kiện và thông tin đã biết. Lập luận phỏng đoán, giả định là một loại suy diễn có vẻ hợp lí. Điều này có nghĩa câu kết luận có thể đúng nhưng cũng có thể không đúng Ví dụ 1.4: Kéo theo: Đất ướt trời mưa Tiên đề: Đất ướt Kéo theo: Trời mưa Kết luận trời mưa cho rằng trời có thể mưa cũng có thể không phải trời mưa mà đất ướt xảy ra vì lí do khác. Lập luận tương tự loại suy Người ta tạo một mô hình của một vài khái niệm thông qua kinh nghiệm của họ. Họ dùng mô hình này để hiểu một vài hoàn cảnh và đối tượng tương tự. Họ vạch ra điểm tương đồng giữa hai vật đem so sánh, rút ra sự giống nhau và khác nhau nhằm hướng dẫn việc lập luận của họ Một khung cho biết thông tin đa dạng về đối tượng. Người ta có thể dùng khung để thể hiện các nét điển hình của đối tượng tương tự: Bảng 1.1: Thể hiện các nét điển hình của đối tượng tương tự Khung Con hổ Chủng loại Thú vật Số chân 4 Ăn Thịt Sống tại Ấn Độ và Đông Nam Á Màu Vàng có vạch Lập luận theo lẽ thường Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
10 Nhờ kinh nghiệm con người có thể giải vấn đề một cách hiệu quả. Họ sử dụng lẽ thông thường để nhanh chóng rút ra kết luận. Lập luận theo lẽ thường có xu hướng thiên về phán xét sự đúng đắn hơn là lập luận chính xác về logic. Ví dụ 1.5: Vấn đề chẩn đoán hỏng hóc xe máy: Bugi hỏng thì máy không nổ được. Kết luận này có được do kinh nghiệm sử dụng các loại xe máy. Người ta đoán “thứ nhất tại bugi” khi thấy xe máy không khởi động được. Loại tri thức này được coi như may rủi, cầu may. Lập luận không đơn điệu Đối với nhiều trường hợp người ta lập luận trên các thông tin tĩnh. Các thông tin này không thay đổi trạng thái trong quá trình giải bài toán. Loại lập luận này được gọi là lập luận đơn điệu Ví dụ 1.6: IF ngày rằm THEN trăng tròn 1.2.5. Lập luận tiến và lập luận lùi Các hệ tri thức mà cơ sở tri thức bao gồm các luật được gọi là các hệ dựa trên luật.Khi chúng ta đã lưu trữ cơ sở tri thức, ta cần có thủ tục lập luận để rút ra các kết luận từ cơ sở tri thức.Trong các hệ dựa trên luật,có hai phương pháp lập luận cơ bản : lập luận tiến & lập luận lùi. Lập luận tiến Là quá trình lập luận được bắt đầu bằng tập các sự kiện đã biết rút ra từ sự kiện mới nhờ dùng các luật mà phần giả thiết trùng với các sự kiện đã biết tiếp tục quá trình này cho đến khi gặp trạng thái đích (điều phải chứng minh) hoặc cho đến khi không còn các luật nào khớp với các sự kiện đã biết thì dừng. Ví dụ 1.7: Ví dụ của P.H.Winston: Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
11 Giả sử cơ sở luật gồm các luật sau: Luật 1: IF động vật có lông mao THEN động vật là loài có vú Luật 2: IF động vật có lông vũ THEN động vật là chim Luật 3: IF 1. động vật biết bay, AND2 động vật đẻ trứng THEN động vật là chim Luật 4: IF 1. động vật là loài có vú, AND 2. động vật ăn thịt THEN động vật là thú ăn thịt Luật 5: IF 1. động vật là loài có vú, AND 2. động vật có răng nhọn, AND 3. động vật có móng vuốt THEN động vật là thú ăn thịt Luật 6: IF 1. động vật là thú ăn thịt, AND 2. động vật có màu lông vàng hung, AND 3. động vật có đốm sẫm THEN động vật là báo châu phi Luật 7: IF 1. động vật là thú ăn thịt, AND 2. động vật có màu lông vàng hung, AND 3. động vật có vằn đen THEN động vật là hổ Luật 8: IF 1. động vật là chim, AND 2. động vật không biết bay, AND 3. động vật có chân dài, AND 4. động vật có cổ dài THEN động vật là đà điểu Luật 9: IF 1. động vật là chim, AND 2. động vật không biết bay, AND 3. động vật biết bơi, AND 4. động vật có lông đen và trắng THEN động vật là chim cánh cụt Giả sử một em bé quan sát một con vật tên là Ki trong sở thú, em thấy nó có những đặc điểm sau: Ki có lông mao Ki ăn thịt Ki có màu lông vàng hung Ki có đốm sẫm Lúc này cơ sở tri thức sẽ bao gồm các sự kiện trên. Thủ tục lập luận tiến xem xét luật 1. Khi biết động vật trong luật này được thay bởi Ki, điều kiện của luật trở thành “Ki có lông mao”, đây là một Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
12 sự kiện có trong bộ nhớ làm việc, do đó ta suy ra “Ki là loài có vú”. Đây là sự kiện mới do đó nó được thêm vào bộ nhớ làm việc. Xét luật 4, thế biến “động vật ” bởi Ki, thì hai điều kiện của luật trở thành Ki là loài có vú, AND Ki ăn thịt Cả hai sự kiện này đều có trong bộ nhớ làm việc, do đó từ luật 4 ta suy ra “Ki là thú ăn thịt”. Sự kiện mới này lại được thêm vào bộ nhớ làm việc. Ta xét tiếp luật 6 các điều kiện là: Ki là loài thú ăn thịt, AND Ki có màu lông vàng hung, AND Ki có đốm sẫm Tất cả các điều kiện này đều đúng, do đó từ luật 6 ta suy ra “Ki là báo châu phi” Như vậy từ các sự kiện đã biết về Ki, lập luận tiến đã suy ra các sự kiện mới: Ki là loài có vú Ki là thú ăn thịt Ki là báo châu phi. Lập luận lùi Là quá trình lập luận để chứng minh một giả thiết đấy là đích bằng cách thu thập những thông tin hỗ trợ (chính là các sự kiện). Hệ thống lập luận lùi được bắt đầu từ đích cần phải chứng minh. Đầu tiên nó kiểm tra trong bộ nhớ làm việc xem đích này đã đựơc bổ sung trước nó hay chưa. Nếu chưa thì đem so sánh với đích phần kết luận của luật, nếu trùng với luật nào thì loại luật này và gọi là luật đích, hệ thống sẽ xem phần giả thiết của các luật là đích mới cần phải chứng minh. Quá trình này tiếp tục đệ quy cho đến khi hệ thống tìm thấy Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn