您现在所在的位置:首页 > 论文中心 > 计算机类 >

    定性仿真理论及其应用(下)

        2.3 医药和医疗诊断

        人工智能中的专家系统,尤其是医疗专家系统,为人工智能的振兴起了推波助澜的作用。而定性仿真在医疗专家系统的应用方面也很活跃。

        Bratko.I将定性推理应用在心电图的识别上[8], 目的在于根据心电图辨识心律,判断病症。定性模型用来产生心脏工作状况,规则归纳系统用于产生诊断规则库。他给出了心电图诠释系统-KARDIO,澳大利亚的Telectronics公司已将此系统的部分成果应用于他们的心脏病诊治系统Intelligent Pacemaker中。

        Kuipers和Kassier给出了QSIM理论的定性推理和模型简化方法[9],并给出了在医学专家系统中的具体应用过程。该系统可以对肾脏的水份、盐份平衡过程进行仿真,作为肾炎综合诊治系统的辅助分析工具。

        2.4社会经济领域

        定性推理由于其处理不完全知识及模糊数据的突出能力,一直在社会科学、人文科学、商业流通等领域的研究上占有重要位置。

        Daniels.HAM,Feelders.AJ给出了一个商业行为分析定性仿真模型[10]。作为例子,他们对某个公司的销售量、商品价格、资金状况进行建模,分析其商业行为的变化,如为什么广告量的减少会带来销售量的下降,什么原因导致公司资产减少,是否存在经营危机等。对于银行贷款之前的商业调查,该模型具有广阔的应用前景,荷兰的AMRO银行正在此基础上进行深入的研究工作。

        美国的Farley.A,Lin.KB使用QSIM算法,研究市场预测的定性仿真模型,即当市场需求、供给、价格等诸因素变动时,预测可能引起的市场变化[11]。

        3 定性仿真的发展方向

        定性仿真目前仍然是新兴的研究领域,很多基础性的理论工作尚待完善和突破,因此该领域的发展前景十分广阔。对于定性仿真理论,概括来说,有以下几个发展方向:

        (1)采用定量与定性结合的仿真方法

        由于定性模型中包含系统的不完全知识,定性仿真会产生一些虚假和二义的多余行为,当实际系统很复杂时,定性仿真产生相当数量的多余行为,如何有效地减少定性仿真产生的行为数,成为当今定性推理研究的主题。很多研究者纷纷采用定量与定性结合的仿真方法。在定性仿真中加入相当的定量知识,将定量与定性有机地结合起来,将大大减少系统的预测行为数,增强定性仿真的生命力。

        (2)采用模型分解方法

        定性仿真走向应用时,往往涉及到规模较大的系统,即使省略某些细节,模型仍是非常复杂的。所以,定性理论中,必须有处理这种复杂性的手段。

        模型分解方法将系统模型分为若干部分,称为部件(component),系统的联系紧密的变量将集中在一个部件中,并为部件建立状态,系统的描述将以这种状态为单位,若需要不同部分的变量的事件对应性,可以通过不同部分之间的连接来产生。并且,仿真算法上也作了相应的变动,以局部的部件描述为基础的仿真取代了以全局状态为基础的定性仿真算法。大大提高了模型建立工作的效率和准确性,并降低了仿真的时间和空间运行代价。

        (3)采用并行定性仿真方法

        当前定性仿真在减少冗余或虚假行为的研究上取得了很大进展,但同时也带来了一些始料未及的副作用:定性与定量知识的结合,使知识的表示和推理机制复杂化,数据量明显增加;由于信息不完备,系统的搜索空间增大,使得定性仿真在一定的情况下比定量仿真的速度更慢;再者随着定性仿真逐渐走向应用,参数数量的增长使问题的规模成指数增长,仿真的速度也明显下降。并行定性仿真能较大幅度地提高定性仿真的效率,因此成为一个新兴的发展方向。

        鉴于定性仿真技术的诸多优点及巨大的实用价值,许多学者纷纷投入到该领域的研究中,各国政府部门及研究机构在研究经费等方面大力扶助,我们有理由相信在不远的将来定性仿真研究会取得更大的进展。

        参 考 文 献

        de Kleer J,Brown J S.A Qualitative Physics Based On Confluence.Artif Intell ,1983,59:7-15.

        Forbus K D.Qualitative Process Theory.Artilf Intell,1984,24:85-168.

        Kuipers B J.Qualitative Simulation.Artilf Intel,1986,29:289-338.

        Shen,Q.and Leitch,R.Fuzzy Qualitative Simulation.IEEE Trans. on Systems,Man,and Cybernetics 23(4),1993,

        pp.1038-1061.

        5 Leitch R,Freitag H,Struss P,Tornielle G.ARTIST: A Methodological Approach to Specifying Model

        Based Diagnostic Systems.Intellegent Automation Laboratory,Heriot-Watt University,Edin-burgh & Advanced

        Reasoning Methods. Siemens AG,Munich,Germany & Artificial Intelligence Section.

        CISE S.p.a.,Segrat,Milano,Italy (Milan Applications Conference, October,1991).

        Milne R.On-Line Diagnostic Expert System For Gas Turbines.Intelligent Applications Ltd,Scotland,4th

        International Profitbal Condition Monitoring Conference Stratford-upon-Avon,UK,1992.

        Dague Ph,Raiman O,Deves Ph.Trouble-shooting: When Modeling is the Trouble.IBM Scientific Center ,Paris ,

        France & Electronique Serge Dassault,France,1987.

        8 Bratko I,Mozetic I,Lavrac N.KARDIO:A Study in Deep and Qualitative Knowledge for Expert Systems.MIT

        Press,1989.

        9 Kuiper B J.Qualitative Reasoning--Modeling & Simulation with Incomplete Knowledge.MIT Press,1994.

        10 Daniels HAM,Feelders AJ.Model-Based Diagnosis of Business Peformance.Tilburg University,Institute for

        Language Technology and AI,Netherlands,1990.

        11 Farley A,Lin KP.Qualitative Reasoning in Microeconomics: An Example.Computer Science Dept, University of

        Oregon,USA.& Economics Department, Protland State University,Oregon,USA,1991. 

      史老师