دانلود مقاله کسب معلومات برای سیستم خبره تصمیمگیری-علمی

در این مقاله، ساختار سیستم های خبره تصمیمگیری‐علمی در همکاری با حوزه خبره‌ها بحث شده است؛بویژه ،در راهنمایی پردازش دانش یابی نقش نمونه های حوزه خبره را مرور کرده است و همچنین تکنیک‌های مختلفی که ممکن است در طراحی یک سیستم خبره تصمیمگیری - علمی کمک کند را ارائه داده است.
برنامه‌ریزی عملیاتی بیماریها با یک بیماری قلبی مادرزادی توصیف شده برای مثال حوزه آن بیماری، توصیف شده است برای این محدوده یک پیشرفت سیستم خبره تصمیمگیری- علمی نمونه اجرایی را بدست میدهد
شبکه‌های ارتباطی تصمیمگیری-علمی یک مجموعه کامل به قانون ریاضی را عرضه میکنند و از این قوانین برای ساختن مبنا ی دانش سیستم‌ها (خبره) برای حوزه‌های نامعلوم که از اهمیت مرکزی برخوردارند، استفاده می‌کنند.
در این مقاله ،چنین سیستم‌هایی سیستم‌های خبره تصمیمگیری -علمی نامیده خواهند شد.

کاربرد اصلی در طبقه بندی (formalisms) این قوانین است.

برای مثال داریم: تشخیص ناخوشی(cf.[4]) با این عبارت بیان میشود و در تصمیمگیری با شرایط نامعنوس است و در مثال دیگری داریم: حد مطلوب مدیریت رفتار یک بیمار (cf.[1]) است.
قوانین شبکه تصمیم گیری -علمی از دو زمینه مختلف سر چشمه میگیرد:
1- سیستم های پایه دانش (11)
2- تئوری تصمیم آماری (16)
همچنین وقتی که سیستم های خبره تصمیمگیری -علمی بنا میشونددر پی آمد های مختلفی که منعکس شده اند رخ میدهند .هر سیستم خبره ،استخراج دانش از یک حوزه علمی از منابع مختلف مانند خبرها، متخصص ها،مطبوعات و پایگاه داده ها هستند که در طی مراحل ساخت چینین سیستم هایی نیاز هستتند، استفاده میشوند.
مراحل اگاهی یابی به وسیله حوزه مخصوص ،بسیار وسیع و نمونه ها راهنمایی میشوند بنابراین ،مراحل ساخت شبکه های مناسبتصمیمگیری -علمی تبدیل میشوند به پیشنهادی از علم اصول در سال جدید(cf.[10]).
دانش مهندسی:
این شیوه های دانش مهندسی با تکنیک های نمونه ای از تجزیه و تحلیل آماری الحاق شده است.از این رو ، طراحی چینین سیستم هایی، نیازمند طراحی روی تکنیک ها از روش های مختلف است.
اگر چه این روش ها مشخص نمیکند که چگونه این تکنیک ها باید ترکیب شوند .تشریح راهنمایی ها برای ساخت سیستم های خبره تصمیمگیری -علمی متداول نیستند .
در این مقاله ،مراحل ساخت شبکه های تصمیمگیری -علمی در همکاری با یک حوزه خبره آدرس دهی شده اند.تشریح نزدیک شدن به هدف مطرح شده است.به عنوان یک مثال انتخاب نوع عمل برای بیمار قلبی مادر زادی اتخاذ شده است .

نتایج بدست آمده از یک پروژه در خور شبکه های تصمیمگیری -علمی برای کد کردن زمان انتخاب روش عمل رسیدگی شده، مشتق میشود .
ساختار مقاله به شرح زیر است : چرا که دانش پزشکی برای فهم،به مثال ها در این مقاله نیاز دارد.در بخش بعدی ،به تشخیص مسئله پزشکی و رفتار بیماری قلبی ارثی که شرح داده شده است،می پردازیم.
در بخش 3 ،تئوری شبکه های تصمیمگیری -علمی برّرسی شده اند.
بخش 4،فرستادن آدرس نمونه های حوزه خلق شده که میتوانند به عنوان مبنا برای ساختن شبکه های تصمیمگیری -علمی استفاده شوند.یک روش برای طراحی شبکه های تصمیمگیری -علمی ،پیشنهاد کردن است.
در بخش 5،اندازه روش ها برای پالایش شبکه های تصمیمگیری -علمی است.
و سرانجام در بخش 6،بعضی محدودیت ها و مسیر بعدی برای دوباره جستجو کردن وشناسایی است.

2-گزینش رفتار در بیماری قلبی ارثی:
از هر 1000 نوزادی که متولد می شوند ،هشت نوزاد ضربان قلبی منظمی ندارند که در این افراد،تنگی آئورت به صورت منظم بارها اتفاق می افتاد و اغلب در ترکیب با دیگر بی نظمی های دستگاه قلبی-عروقی است.
از هر 1000 نوزادی که متولد می شوند ،هشت نوزاد ضربان قلبی منظمی ندارند که در این افراد،تنگی آئورت به صورت منظم بارها اتفاق می افتاد و اغلب در ترکیب با دیگر بی نظمی های دستگاه قلبی-عروقی است.

در شکل 1 ساختار تنگی آئورت نمایش داده شده است .در تنگی آئورت یک انقباض در آئورت وجود دارد،در نزدیکیه لوله شریان .

لوله شریان قسمتی از جنینی است ،که به طور عادی بعد از تولد سریع بسته میشود.

در باز شدنلوله شریان متوالیا برخورد در اتصال با بی نظمی های قلبی-عروقی رخ میدهد.فشار و جریان خون به وسیله بطن چپ حمایت میشود ،که بلافصله منقبض میشود ،و خون را از آئورت خارج میکند.

آئورت در هر دفعه اکسیژن فراوانی را در خون می فرستد.به علت تنگی آئورت ،بطن چپ دارای بار اضافی شده است ،که آن توانایی یافتن نیازمندی های هر شخص را برای تغذیه خون ندارد.

این حالات در نارسایی قلبی مشخص است .

مشکلات ناشی از نارسایی قلبی بلافاصله بعد از تولددر بیمارها با تنگی آئورت رخ میدهد.امتحان یک نوزاد از لحاظ جسمانی با تنگی آئورت و وابسته شدن به نارسایی قلبی را به صورت نشانه هاو اثرات زیر آشکار می سازد : بزرگ شدن قلب (cardiomegaly) .

بزرگ شدن کبد(hepatomegalty).

گوش کردن به ضربان قلب غیر عادی (صدای ریوی).

نشانه های مختلف تنگی نفس (نفس تنگی).

افزایش سرعت تنفس(tachgpnoea).

تپش قلب (افزایش ضربان قلب ).

تنگی آئورت (که باعث میشود فشار خون در نیمه بالایی بدن افزایش یابد و فشار نیمه پایینی بدن کاهش می یابد).

عمل جراحی هدفی است که تنگی و فشار را تصحیح میکند.

انتخاب کردن بین انواع عمل های جراحی در موارد زیر ذکر شده است: 1- عمل جراحی اصلاحی تنگی آئورت.

2- علاوه بر مداوا به وسیله عمل جراحی ،مکانی برای مدیریت پزشکی و فرو نشاندن متوالی علائم با بیماری وجود دارد.

در میان انواع دیگر ،ماده پروستاگلاندنE توزیع شده است .

این ماده در دریچه لوله شریان ، یک تابع مهم در عبور از تنگ شدگی است.

اگر یک بیماری به شدت مریض باشد و تحت عمل جراحی قرار گیرد فقط مدیریت پزشکی برای مداوای او مفید خواهد بود .

انتخاب یک راه درمان مناسب به وضعیت بیمار و پیچیدگی رفتاری آن شخص بستگی دارد.

علاقه زیاد در این رابطه زمانی را به این عملکرد اختصاص میدهد(رجوع شود به 12 از مرجع).

وقتی که یک بیمار که به تازگی متولد شده (اوایل عمرش است )مورد عمل جراحی قرار میگیرد ،خطر عمل بسیار زیاد است.هر چند صبر کردن برای مدت طولانی نیز خطرناک است ، زیرا یک بیمار بعد از مدتی با افزایش فشار خون مواجه میشود ،و این عوارضی که اخیرا برای او پیش آمده باعث کاهش عمر بیمار میشود.

3- شبکه های تصمیمگیری - علمی: ما به طور خلاصه نظریه شبکه های تصمیمگیری-علمی را تا آنجایی که برای مطالعه مقاله لازم باشد ،مرورمی کنیم.

از نگاهی دیگر به موضوع ،به مطالب ذکر شده در بند(2 مرجع )و (7 مرجع ).

قالب اوقات ،یک فرقی بین دو نوع شبکه تصمیم گیری -علمی به وجود می آید: شبکه های عقیده ،که شبکه های احتمالی نیز نامیده میشوند.

برتری نمودار ها و نمادها.

یک شبکه عقیده ای یا احتمالی یک گراف غیر مدور جهت دار G=(N,A) است.

با قرار دادن گره های N به عنوان متغیر های تصادفیV € N و قرار دادن کمان های A به عنوان بیان کننده علت یا رابطه های با نفوذ بین متغیر های تصادفی .

وجود یک قوس یا کمان میان دو متغیر ،موجودیت یک رابط با نفوذ را مشخص میکند.فقدان یک کمان به این معنی است که متغیر ها تاثیر مستقیمی به یک دیگر ندارند.

ملحق شدن با یک شبکه عقیده ای مثلG یک روابط عمومی توزیع احتمال توأم ،که بر حسب احتمال مشروط مطابق فهرست های مکان شناسی گراف تعیین شده است .

به وسیله الگوریتم های مخصوص برای نتیجه احتمالی(cf.[13.9]) ، یک بار دیگرایجاد شدن یک شبکه احتمالی میتوند برای پردازش مدارک ،بازدهی و برای مثال تشخیص نا خوشی ،بکار گرفته شود.

شبکه احتمالی فورمالیته فقط شرایط را برای نتیجه احتمالی مهیا میسازد.

شبکه احتمالی فورمالیته برای شناختن تصمیم ها و برخی تعمیم ها نیاز می شوند و در میان دیگر شبکه ها به علت بر تری نموداری فورمالیته پیشنهاد می شوند .

تشابه یک شبکه -احتمالی ،یک توانایی نموداری است و یک گراف غیر مدور جهتدار G=(N,A) است، به جز گره های احتمالی O زیر مجموعه N،دو نوع گره دیگر متمایز نشده اند .

1- تصمیم گره ها: 2- ارزش گره: در شکل 2 قابلیت نموداری ساده شده برای رفتار تنگی آئورت نشان داده شده است.

گره های احتمالی با نماد بیضی در نمودار ها نشان داده شده اند .برای نگهداری شبکه های احتمالی، کمان ها بین گره های احتمالی هستند که علت جهتدار بودن یا ارتباطات نفوذی را مشخص میکنند.

به عنوان مثال از روابط متغیر علی در شکل 2 داریم خط بین 'سکته قلبی' و 'تنگی نفس' .

گره ها ی تصمیمD زیر مجموعه ای ازNهستند، به عنوان متغیر های تصمیم مشخص میشوند ؛ یک گره تصمیم با یک مربع(box) مشخص شده است.

گره تصمیم با نام 'معالجه ' در شکل 2 نشان داده شده است ، که عمل جراحی یا درمان پزشکی نامیده شده است.

وارد کردن خطوط و کمان ها به گره های تصمیم ،اطلاعاتی را که به منظور ساختن گره تصمیم نیاز است ،مشخص میکند.

طبقه گره های تصمیم یک قابلیت نموداری را که تصمیم ها میتوانند در آن محدوده ها ساخته شوند ،بیان میکنند .در نمودار کنونی، فقط یک گره تصمیم وجود دارد.

برای انتخاب بهینه ترین تصمیم ها ،اطلاعات مفید این تصمیم ها نسبت به یکدیگر و جانبداری مشکوک ،اطلاعات باید در دسترس قرار گیرند .

اطلاعات به نمایندگی V زیر مجموعهN قرار میگیرند، که ارزش گره نامیده میشوند .ارزش یک گره در نمودار با علامت لوزی مشخص میشود .گره های خطوط وارد شده گره های ارزش ،متغیر هایی را که باید ارزیابی شوند مشخص میکند.

برای مثال در شکل 2 ارزش بیان شده است که تصمیم بهترین معالجه برای یک بیمار به ارزیابی ترکیب شده بستگی خواهد داشت ازجمله این موارد: معالجه تناوبی نتایج فوری (مرده یا زنده) عوارض یک معالجه انتخاب شده هیچ خطی از گره های ارزش خارج نمیشود .گره ارزش N=OUDUV را نگاهداری میکند.

تاآنجایی که O ,V,D را به طور گسسته در دو طرف قرار دهد .نمایش گراف فقط رابطه کیفی بین متغیر ها را مشخص میکند.

این نمایش گراف باید با یک نمایش مقداری کامل شود و یک قابلیت نموداری را فراهم کند .نمایش کمیpr(oI3.14(o))در فرم جدول های احتمال مشروط موضعی برای هر متغیر احتمالی مشخص شده است.

در جایی که&(o) باشد، محل قرار گرفتن گره پدر O را مشخص میکند.

یک گره تصمیم D با این تابع مرتبط است: d:&(D)--->{d1........dn} برای هر مجموعه ارزش ها برای متغیر ها در&(D) ، تصمیم بهینه di بعد از ارزیابی نمودارها ذخیره شده است.

یک گره ارزش V عضوی هست ازv وبا تابع زیر مرتبط میشود: U:&(V)--->R به این معنی که با نمونه سازی همه متغیر ها در&(V) ، یک عدد حقیقی تولید میشود .

این تابع یک تابع کاربردی نامیده میشود .یک قابلیت نموداری میتواند به وسیله الگوریتم های مختلفی ارزیابی شود.

مثلا الگوریتم پیشنهاد به وسیلهR.shachter[15] تهیه شده است ؛نتیجه ارزیابی ،یک ترتیب بهینه ای از تصمیم هاست (یک استراتژی تصمیم)،که این ها به وسیله محاسبه سود بهینه فراهم شده اند.

برای اطلاعات بیشتر از قابلیت نمودار معالجه، خواننده به بخش (15)از مرجع مراجعه کند.

4- طرح ریزی: از شبکه های تصمیم گیری علمی که اخیرا به طور مطلوبی مورد استفاده قرار میگیرند ،در زمینه سیستم های پایه دانش استفاده میشود ،که روش پیشرفته ای برای ساختن چنین سیستم هایی در دسترس نیست.اگر چه که ،یک مجموعه بزرگ با تجربه بسیار در زمینه آنالیز تصمیم در بخش (16) مرجع وجود دارد .

بیشترین تجربه مربوط به ساختمان و ارزیابی نمونه های درخت تصمیم است .یکی از مشخصات رویکرد آنالیزی تصمیم،سطح پایین جزئیات است که کانون فعالیت طراحی از ابتدا تا به حال است.

در مقایسه با روش دانش مهندسی رایج ،انتخاب سطوح مناسب جزئیات در پردازش طراحی (از ابتدا تا انتها) اهمیت دارد.

4.1- یک روش برای طراحی سیستم های خبره تصمیم گیری- علمی: ساختمان یک سیستم خبره تصمیم گیری- علمی از لحاظ فرآیند تکراری راه اندازی با ناهمواری ها و مدل سازی کیفی ،که بعد از پالایش این مراحل ،میتواند نتایج یک تصمیم گیری- علمی را معین کند.در ترتیب زیر تعدادی از پروژه هایی که مراحل آن آزمایش شده و مفید بوده ذکر شده است: طراحی یک نمونه علی در هم .

پیشرفت یک نمونه تصمیم گیری کیفی.

پیشرفت یک نمونه تصمیم گیری احتمالی.

پیشرفت تجلی نمودار.

دو مرحله آخر مربوط به نمایش کمی تجلی نمودار است.

شکل 3 فرایند های مختلف پیشرفت در مراحل را نشان می دهد .

طراحی یک سیستم خبره تصمیم گیری - علمی نیاز به همکاری نزدیکتری با یک سیستم دیگر یا افزایش محدوده سیستم خبره ها دارد.

محدوده خبره نقش مهمی دارد برای: ترتیب مکان شناسی شبکه در مراحل مختلف توسعه نمایش دادن آگاهی برای ارزیابی احتمالی ارزیابی معقول از اطلاعات احتمالی و سودمند تست گزینه انتخاب شده در طی مراحل تصحیح یک سیستم خبره تصمیم گیری- علمی.

در بخش های زیر ،موضوعات مختلفی را که نقش در طراحی یک سیستم خبره تصمیم گیری- علمی در همکاری با محدوده یک سیستم خبره بازی میکند ،بحث شده است.

ساختمان (چیدمان) مدل های نمونه در همکاری نزدیکی با درمان بیماری قلبی اجرا شده است.

4.1.1- نمونه علی درهم: شناسایی مکان ساختمان یک شبکه تصمیم گیری- علمی به طور تقریبی مهمترین مرحله در پیشرفت سیستم خبره تصمیم گیری- علمی است .

مکان شناسی میتواند از طریق حذف کردن طراحی شود ،و با لیست موجودی متغیر های مربوط` با دامنه هایشان شروع شود ،و رابطه بین آنها به وسیله فرد خبره تامین شود ،اگر چه حوزه های بسیار ی وجود دارند که می توانند توسط نمونه هایی که از قبل در دسترس بودند ،ما را در طراحی راهنمایی کنند.

سیستم با چنین نمونه هایی آشنا خواهد بود ،که باعث آسانی فرایند و ترقی طراحی میشود .همانا مقدار عمل مورد نیاز چینین نمودارهایی را یک شبکه تصمیم گیری- علمی تغییر می دهد (به بخش 18 مرجع رجوع شود).

پزشکی یک رشته ای است که ادبیات آن در دسترس است و دارای دامنه چنین مدل هایی است که اغلب به شکل گرافیکی به کار میروند.

سر انجام ،ما باید به روی دامنه مدل های طبی متمرکز شویم،اما مطابق به کار بستن قوانین مانند دیگر رشته ها در پزشکی ،عامل های پیچیده مختلف رشد بی نظمی که اغلب به حسب ساختار عادی یا غیر عادیشان و رفتار سیستم های کنترل زیست شناختی تشریح شده اند،نقش دارند.

این رفتارها به حسب تاثیر روی عامل های فیزیکی و شیمیایی توضیح داده شده اند .برای مثال : فشار خون یا میزان قند در خون.

چنین نمونه هایی میتوانند در کتاب های فیزیولوژی پزشکی استاندرد قالب ریزی شوند (بخش 3 مرجع درباره جزئیات چنین مدل هایی بحث کرده است).

مدل های مشابه برای آسیب شناسی رفتاری که در کتاب های طب داخلی آستاندارد آمده اند ،تشریح شده است (برای استفاده از مثال های بیشتر به بخش 6 مرجع رجوع شود).

همچنین تک پروژه روی بی نظمی های مخصوص .این نمونه ها به عنوان گراف های جهتدار مکرّرا تشریح شده اند که خطوط مشخص کننده دلایل و اثرات روابط هستند.

در شکل 4 ،نمونه علی درهم که برای تنگی آئورت نشان داده شده ، نتیجه میشود.

این مدل شامل 3 بخش زیر است: یک نمونه شناسایی تغییرات بر اثر بروز بیماری ،فرآیندی است که اثرات و نشانه های تنگی آئورت است (قسمت چپ گراف) خطوط بین این گره ها مشخص کننده مکانیزم های علی اساسی بیماری است.

یک نمونه تصمیم گیری ،شامل رفتار های تناوبی؛خطوط وارد شونده نشانه فیزیکی تاثیر یک سیستم ،و خطوط خارج شونده به تاثیر رفتار ها اشاره میکند.

اثرات یک مدل ،اثرات رفتاری مختلف را نشان می دهد.

سر انجام، متغیر ها به گروه های بیمار ،آزمایش ،معالجه و نتیجه اطلاعات ، طبقه بندی می شوند.

4.1.2- مدل تصمیم گیری کیفی: یک مدل علی درهم به وسیله کانون تصمیم گیری به مدل تصمیم گیری علی تغییر شکل میدهد.

فقط متغیر ها هستند که از لحاظ نگهداری مدل و نمایش دادن تصمیم گیری ها مناسبند.به علاوه ،متغیرهای وابسته دوتایی دو به دو ناسازگار می توانند به یک متغیر n ارزشی (n>2) ترکیب شوند،که این محصول چکیده ای از نمایش است.

برای مدل تصمیم گیری کیفی تنگی آئورت ،این فرایند باعث میشود که یک تک متغیر (که همان متغیر معالجه است) با گره های جراحی (surgery) و معالجه پزشکی(medical treatment) از مدل علی درهم ترکیب شود .

کاهش مجدد پیچیدگی گراف ،متغیر هایی که خیلی به یکدیگر وابسته را نیز ترکیب می کند.

متغیر هایی که در تصمیم گیری نقش دارند به طور کامل پاک نمیشوند.زمان معالجه یک مشکل اساسی است .

از آن جایی که علم قلب شناسی کودکان توانایی گزینش معالجه و زمان عمل را به طور جداگانه نداشت ،زمان و کیفیت معالجه در محدوده متغیر 'درمان' ترکیب شدند .

4.1.3- مدل تصمیم گیری احتمالی: در مرحله بعدی توسعه ،مدل کیفی به وسیله اطلاعات احتمالی تکمیل میشود ارزیابی تابع کاربردی تا اجرای مرحله زیر به تعویق می افتد.

اطلاعات احتمالی می تواند از مطبوعات پایگاه داده و یا افکر ذهنی گرداوری شود .

علم پزشکی شامل اطلاعات احتمالی بسیار زیادی است ،اما این اطلاعات معمولا ناقص است یا مشروط به متغیر های مختلفی از آنهاست ،که مورد نیاز است.

اگر چه که،به وسیله نقش های محاسباتی ویژه از نظر یه احتمال،از قبیل برهان بیز ،که اینها بعضی وقت ها به اطلاعات احتمالی علمی که مورد نیاز آنهاست تغییر شکل دهند.

در این میان یک پایگاه داده بزرگ به وسیله علم قلب شناسی کودکان برای تحقیق روی علم امراض مسری در کار اجرایی به وجود می آید،این پایگاه داده شامل یک سری داده است که برای یاد گیری اطلاعات احتمالی کافی نیست.

بنابراین ،احتمالات بسیاری باید توسط فرد خبره تعیین شوند .سپس تشخیص احتمال را ممکن میسازد ،و متغیر‌های اطلاعات احتمالی در این علم سودمند میشوند و مدل ساده میشود.

با توجه به تشخیص احتمالات چگونگی تاثیر روی دلایل؛ به عنوان مثال داریم: Pr(dyspnoca=yes | heartfailore=yes)=0.9 که “dyspnoea” یک اثر،و”heart failure” مشخص‌کننده علت است.

این واضح است که این نمونه از اطلاعات احتمالی تشخیص ذهنی است(به بخش 13 مرجع زجوع شود).‌ تشخیص ذهنی احتمالات می‌تواند افزایش یابد به وسیله: ترتیب تاثیر‌ها از بیشترین به کم‌ترین رخداد ترکیب تخمین‌های ذهنی با اطلاعات ناقص احتمالی از یک علم.

در تغییر شکل مدل تصمیم گیری کیفی به مدل تصمیم گیری احتمالی ،تعداد گره ها از 30 به 20 کاهش پیدا کرده است.

4-1-4 تجلی نمودار: افزایش یک گره مقدار به مدل تصمیم گیری احتمالی یک تجلی نمودار را بوجود می‌آورد.

خدمات به ویژه تشخیص نتایج مختلف از دیدگاه های متفاوت تعیین می‌شوند.

به عنوان مثال از دیدگاه درونی و برونی (بیمار).

دور روش متفاوت برای ارزیابی خدمات وجود دارد: روش کلی ،یعنی همه نتایج و دیدگاه های متفاوت به عنوان یک اصل با هم تعیین میشوند و نه متمایز.

روش تجزیه ،نتایج و دیدگاه های مختلف ، به طور جداگانه تعیین و بعدا ترکیب میشوند .

برای مثال ،متوسط عمر یک بیمار ممکن است که به طور جداگانه‌ای تعیین شود و بعدا با از بین رفتن عوارض جراحی ترکیب شود.

روش شرطی مرجع استاندارد می‌‌تواند برای تعیین خدمات بر حسب بهترین و بد‌ترین نتایج استفاده شود.

یک روش آسان این است که به اندازه خدمات ارائه میشود، به این معناست که نتایج مختلف ممکن به وسیله یک فرد خبره روی مقیاس عدّدی قرار داده شود.

میزان فایده برای تنگی آئورت تحت رهبری یک فرد خبره طراحی میشود که در شکل 5 نشان داده شده است.

تابع کاربردی به گره ارزش متصل شده است ،یک تابع از متغیر‌های پدر معرفی شده گره ارزش است.

در اینجا ،تابع کاربردی یک تابع افزاینده فرض میشود یعنی تابعی از ترکیب متغیر‌های معرفی‌شده که برابر مجموع توابعی هستند که وابسته ارزش متغیر های منفرد است؛ اگر چه که وقتی یک مقدار یا ارزشی از بین رفت ،آن تابع ارزش 1000 را به خود میگیرد.

نتیجه تجلی نمودار در شکل 6 نشان داده شده است سیستمی‌که پیاده میشود به عنوان یک سیستم مطلوب استفاده میشود ،یک بسته سیستم خبره برای مذاکره و ساختمان یک سیستم خبره تصمیم گیری-علمی ‌است (رجوع شود به مرجع 18).

5 - پالایش یک سیستم خبره تصمیمگیری علمی‌: بعد از اتمام طراحی اولیه یک شبکه تصمیم گیری - علمی‌لازم است که صحت رسیدگی اساسی فرضیات در ساختار آن شبکه مورد برّرسی قرار گیرد .نتایج چنین تحقیقی به عنوان یک اصل برای مناظره با حوزه یک فرد خبره عمل میکند و ممکن است که برای پالایش شبکه استفاده شود .

(cf[10] برای تشریح بحث مربوطه برای پالایش نقش اساسی سیستم های خبره).

مقایسه یک سیستم خبره با دیگر سیستم ها (کامپیوتر یا انسان های خبره) میتواند نتیجه یک بینش گرانبها به محدودیت ها و امکانات سیستم خبره باشد.

سیستمی‌که به عنوان مرجع استفاده میشود در اصطلاح واحد طلا(gold standard)نامیده میشود.

حساسیت تجزیه و تحلیل یک بینشی را نسبت به حساسیت تغییرات یک مدل در اطلاعات احتمالی و کاربردی فراهم می‌کند(به بخش 16 در مرجع مراجعه شود).یک مدل خوب نباید به تغییرات کوچک در این اطلاعات خیلی حساس باشد.

پیش بینی تجزیه و تحلیل درخواست مخصوصی برای ارزیابی یک شبکه معتقد است.

معمولا یک شبکه معتقد برای تشخیص عیب یک اختلال معین بکار برده می‌شود.

با استفاده از یک شبکه معتقد در روش معکوس به این معنی که وارد کردن عیب شناسی و لحاظ کردن مدارک از قبیل پیش بینی شده ،اطلاعات ارزش مندی برای مقایسه با داده در دسترس، از یک علم به دست می‌آید.

به طور نمونه ،دانش پزشکی شامل اطلاعات درباره بسامد نسبی وقوع ،علائم و نشانه ها در بر خورد با بروز بی نظمی‌ها است.

به عکس ؛سیستم خبره برای تنگی آئورت در دسترس نیست به طوری که ما باید مکرّرا برای سنجش ضربان قلب مان به بیمارستان برویم.

برای این منظور ،اطلاعات هفت بیماری به سیستم وارد شده است .نتایج سیستم در ارتباط با بیماری قلبی کودکان بود.مدت زمان اخبار مطرح شده نیز زیاد بود.( به طور مثال عامل بین 4 هفته تا یک سال )،و مسائل مطرح شده‌که به پالایش بیشتری نیاز دارند.

به طوریکه تحلیل حساسیت در برنامه ریزی خطی را به وسیله ابزاری که ما در اختیار داشتیم ممکن می‌ساخت.

تجلی نمودار به وسیله خلاصه کردن حالات درمان بیماری با گره 'سکته قلبی' ساده شده بود(heart failure).همین طور، عوارض معالجه نیز به وسیله گره'late complication' خلاصه شده اند.این به نظر میرسد که اطلاعات احتمالی درحد قابل توجهی متنوع باشند.

به منظور پیش بینی تحلیل ها ،بخش احتمالی تجلی نمودار انتخاب شده است.

نتایج شبکه اعتقادی در شکل 7 نشان داده شده است.

بعد از وارد شدن 'سکته قلبی' به عنوان مدرک ،سیستم محاسبه می‌کند در 86% از بیماران تپش قلب رعایت شده است و در 88% از بیمارانی که تا به حال به شکست می‌انجامیده،به موفقیت رسیده است.

این احتمالت بالاتر از آن اتفاقاتی است که در علم پزشکی می‌افتاد این مطلب نشان می‌دهد که پالایش بیشتر اطلاعات احتمالی در نمودار می‌تواند مورد نیاز باشد،اگر نمودار اصلاح شده دارای اخبار با جزئیات بیشتری باشد.

6-نتیجه: در این مقاله ،ما درباره فرآیند توسعه سیستم های خبره تصمیم‌گیری- علمی ‌با حوزه خبره بحث کردیم.

بخصوص،درباره مدل های کاربردی یک مسئله محدود در طراحی یک سیستم خبره تصمیم گیری- علمی‌بحث شد.ما متمرکز شدن برای استفاده از شبکه های تصمیم گیری - علمی‌برای ایجاد تصمیم گیری‌ها به عنوان یک مثال نمونه ،معالجه بیمارن تنگی آئورت ،یک مرض قلبی ارثی ، است بحث کردیم.

این مسئله که طراحی یک شبکه تصمیم گیری - علمی‌نیازمند یکپارچه سازی فن آوری ها از دانش مهندسی و تحلیل سیستم ها است، بحث شد.

در ضمن توسعه یک شبکه تصمیم گیری - علمی‌مهم از طرح ریزی سطح بالا به اجرای فن آوری های تحلیل و تصمیم گیری، تغییر می‌کند.

در مسائل ذکر شده بالا ،ما فقط با ساختار تجلی نمودار سرو کار داریم و با جنبه های دیگری که در توسعه سیستم های خبره نقش داریم کاری نداریم .

یک سبک معماری ممکن است در محدوده خواص تعریف شود همچون متغیر های قابل مشاهده ،استفاده مختلف یک شبکه ،برای مثال در عیب شناسی ،طرح ریزی معالجه و ارزیابی مسائل مربوط به مریضی،این ها خوشایند است اما هنوز وجود ندارد.

تلاش اولیه این چنین معماری هایی در بخش [17] فهرست ها تشریح می‌شود .

با افزایش تحقیق در تکامل مدل های دانش مهندسی و تحلیل تصمیم‌گیری ها ،این معماری نیاز است که در آینده مورد توجه قرار بگیرد تقدیر : مدل های پزشکی در این مقاله با همکاری 'فرگوس مکارتنی' 'فری کروسینگا 'و نویسنده توسعه یافته اند.

این مقاله به 'لینوا وندرگاگ ' تقدیم شده است.

مرجع: [1] Andreassen, S, Benn, J, Hovorka, R, Olesen, KG, , ER, 1994.

A probabilistic approach to glucose prediction and insulin dose adjustment: description of metabolic model and pilot evaluation study, Computer Methods and Programs in Biomedicine 41, 153{165.

[2] Gaag, LC van der, 1996.

Bayesian belief networks: odds and ends, The Computer Journal 39, 74{113.

[3] Ganong, WF, 1995.

Review of Medical Physiology, Prentice-Hall, .

[4] , Horvitz, EJ, Nathwani, BN, 1992.

Towards normative expert systems: part I { The Path_nder project, Methods of Information in Medicine 31, 90{105.

[5] , Nathwani, BN, 1992.

Towards normative expert systems: part II { probability- based representations for e_cient knowledge acquisition and inference, Methods of Information in Medicine, 31, 106{116.

[6] Isselbacher, KJ, Harrison, TR, eds., 1994.

's Principles of Internal Medicine, McGraw- Hill, .

[7] Jensen, FV, 1996.

Bayesian networks basics, AISB Quaterly, this issue.

[8] Korver, M, Lucas, PJF, 1993.

Converting a rule-based expert system into a belief network, Medical Informatics, 18(3), 219{241.

[9] Lauritzen, SL, Spiegelhalter, DJ, 1987.

Local computations with probabilities on graphical struc- tures and their application to expert systems, Journal of the Royal Statistical Society (Series B), 50(2), 157{224.

[10] Lucas, PJF, 1994.

Re_nement of the HEPAR expert system: tools and techniques, Arti_cial Intelligence in Medicine, 6(2), 175{188.

[11] Lucas, PJF, Gaag, LC van der, 1991.

Principles of Expert Systems, Addison-Wesley, Wokingham.

[12] Macartney, FJ, Spiegelhalter, DJ, 1987.

Medical Management in: Anderson, RH, Macartney FJ, Shinebourne, EA, Tynan, M, eds., Paediatric Cardiology, Churchill Livingstone, Edinburgh, 1, 421{442.

[13] , J, 1988.

Probabilistic Reasoning in Intelligent Systems, Morgan Kaufmann, , .

[14] Schreiber, AT, Wielinga, B, Hoog, R de, Akkermans, H, Velde, W van der, 1994.

CommonKADS: a comprehensive methodology for KBS development.

IEEE Expert, 9(6), 28{37.

[15] Shachter, RD, 1986.

Evaluating inuence diagrams, Operations Research, 34(6), 871-882.

[16] Smith, JQ, 1988.

Decision Analysis, Chapman and Hall, .

[17] Sonneberg, FA, Hagerty, CG, , 1994.

An architecture for knowledge-based con- struction of decision models, Medical Decision Making, 14, 27{39.

[18] Srinivas, S, Breese, J, 1993.

IDEAL: Inuence Diagram Evaluation and Analysis in Lisp Docu- mentation and Users Guide, , .