Пример работы с программой

Лабораторная работа 1

Тема: нечеткий вывод в системах автоматического управления

Цель: разработать программное обеспечение для расчета притока жидкости в системе управления уровнем жидкости, используя нечеткий логический вывод.

Задание

Имеется наливная емкость (бак) с непрерывным управляемым притоком жидкости и непрерывным неуправляемым расходом жидкости. База правил системы нечеткого вывода, соответствующая знаниям эксперта о том, какой необходимо выбрать приток жидкости чтобы уровень жидкости в баке оставался средним, будет выглядеть следующим образом

№ правила	антецедент	консеквент	весовой коэффициент
	уровень жидкости малый И расход жидкости малый	приток жидкости Z₁	F₁
	уровень жидкости малый И расход жидкости средний	приток жидкости Z₂	F₂
	уровень жидкости малый И расход жидкости большой	приток жидкости Z₃	F₃
	уровень жидкости средний И расход жидкости малый	приток жидкости Z₄	F₄
	уровень жидкости средний И расход жидкости средний	приток жидкости Z₅	F₅
	уровень жидкости средний И расход жидкости большой	приток жидкости Z₆	F₆
	уровень жидкости большой И расход жидкости малый	приток жидкости Z₇	F₇
	уровень жидкости большой И расход жидкости средний	приток жидкости Z₈	F₈
	уровень жидкости большой И расход жидкости большой	приток жидкости Z₉	F₉

Разработать ПО, выполняющее численный расчет притока жидкости.

Требования к ПО

Множеством значений лингвистической переменной Z_i является {малый, средний, большой}, весовой коэффициент F_i: 0.84< F_i<0.99. Параметры Z_i и F_i вводятся пользователем.

Формализация описания уровня жидкости в баке и расхода жидкости проводится при помощи лингвистических переменных, в кортеже которых содержится по три нечетких переменных, соответствующих понятиям малого, среднего и большого значения соответствующих физических величин, функции принадлежности которых задаются кусочно-линейными функциями следующим образом:

«малое значение» – с помощью Z-линейной функции; «среднее значение» – с помощью трапециевидной функции; «большое значение» - с помощью S-линейной функции. Параметры каждой функции вводятся пользователем. Область определения нечеткой переменной «текущий уровень жидкости» [1.5,9], область определения нечеткой переменной «текущий расход жидкости» [0.08,0.5]. Текущий уровень и текущий расход жидкости вводятся пользователем в численном виде. Функции принадлежностей кортежей лингвистических переменных, соответствующих нечетким понятиям малого, среднего, большого уровня и расхода жидкости, а также текущее значение должны отображаться на графиках.

На этапе активизации подзаключений пользователь должен иметь возможность выбора одного из методов, являющихся модификацией методов нечеткой композиции: min-активизации; prod-активизации; average-активизации.

На этапе аккумулирования заключений для объединения функций принадлежности всех подзаключений пользователь должен иметь возможность выбора одного из методов: классического объединения; алгебраического объединения; граничного объединения; драстического объединения.

На этапе дефаззификации пользователь должен иметь возможность выбора метода перехода от полученной в результате аккумуляции функции принадлежности выходной лингвистической переменной к ее численному значению: метод центра тяжести; метод центра площади; метод левого модального значения; метод правого модального значения.

ПО должно обладать возможностями визуализации результатов каждого этапа нечеткого вывода.

http://nrsu.bstu.ru/chap27.html

РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ НА ОСНОВЕ БАЙЕСОВСКОЙ СИСТЕМЫ ЛОГИЧЕСКОГО ВЫВОДА

Построение модели системы

Байесовская система логического вывода основана на построении моделей неточного вывода. Модель оперирования с неточными данными и знаниями включает две составляющие: язык представления неточности и механизм вывода на неточных знаниях.

Рассмотрим наиболее важные термины, которые необходимо знать при разработке ЭС на основе байесовской системы логического вывода.

Пусть Н – событие, заключающееся в том, что данная гипотеза верна. Пусть Е – событие, заключающееся в том, что наступило определенное доказательство (свидетельство), которое может или не может подтвердить правильность указанной гипотезы.

Р(Н) – априорная вероятность истинности гипотезы Н, т. е. вероятность наступления Н без учета факта существования Е.

Р(Е) – вероятность того, что событие Е произошло.

Вероятности являются числами в диапазоне от 0 до 1. Если вероятность равна 0, то данное событие не произойдет. Если вероятность равна 1, то данное событие происходит всегда.

Р(не Н) = 1 – Р(Н) – вероятность того, что событие Н ложно.

Р(Н:Е) или Р(Н:неЕ) – апостериорная вероятность гипотезы Н, т.е. вероятность Н при условии, что известен факт существования Е.

Два события независимы, если вероятность их совместного наступления равна произведению вероятностей наступления каждого события в отдельности. Р(Е₁&Е₂) – совместная вероятность наступления как события Е₁ так и события Е₂. Т. е. события Е₁ и Е₂ независимы тогда и только тогда, когда

Р(Е₁&Е₂)= Р(Е₁) × Р(Е₂).

Р(Н:Е) – условная вероятность наступления события Н, определяемая с учетом того, что событие Е уже наступило. Если события Н и Е независимы, то Р(Н:Е)=Р(Н). В общем случае:

Р(Н:Е)=Р(Н&Е)/ Р(Е).

Аналогично,

Р(Е:Н)=Р(Е&Н)/Р(Н).

Поэтому:

Р(Н:Е)=Р(Е:Н)× Р(Н) / Р(Е).

Тогда теорему Байеса можно записать:

Р(Н:Е)=Р(Е:Н) × Р(Н) / (Р(Е:Н) × Р(Н)+Р(Е:неН) × Р(неН)).

Для двух или более событий Е₁ и Е₂ при условии их независимости:

Р(Е₁&Е₂:Н)= Р(Е₁:Н) × Р(Е₂:Н)

Примем, что для некоторого события Н существует большое число отдельных свидетельств, подтверждающих или не подтверждающих его, которые последовательно выявляются в процессе функционирования ЭС – Е₁, Е₂,…, Е_n. Если бы все они были выявлены одновременно и не зависели друг от друга, то можно было бы вычислить:

Р(Е:Н)= Р(Е₁:Н) × Р(Е₂:Н) × …× Р(Е_n:Н),

а затем вычислить Р(Н:Е), где Е - событие, заключающееся в том, что «все Е_i наступили». Аналогично можно было бы определить Р(неЕ:Н) как произведение всех Р(неЕ_i:Н).

Но можно действовать поэтапно, суммируя отдельные свидетельства и их влияние на условную вероятность по мере наступления отдельных Е_i. Это можно сделать, используя априорные и апостериорные вероятности следующим образом:

1) Р(Н) – априорная вероятность события Н.

2) Для данного свидетельства Е_i запишем Р(Е_i:Н). и Р(Е_i:неН).

3) Используя теорему Байеса, подсчитаем Р(Н:Е_i) или Р(Н:неЕ_i) в зависимости от исхода Е_i, т. е. вычислим апостериорную вероятность события Н.

4) Переобозначим текущую апостериорную вероятность события Н как новую априорную вероятность Н.

5) Выберем новое свидетельство Е_i для рассмотрения и перейдем к шагу 1.

С учетом байесовской системы логического вывода примем, что большая часть информации (гипотезы и свидетельства) не является абсолютно точной, а носит вероятностный характер, и в соответствии с этим определим способ её представления и хранения.

Формат хранения свидетельств представлен в табл. 1.

Таблица 1

Номер	Свидетельства
	Свидетельство _1
	Свидетельство _2
….	…..
N	Свидетельство _N

Этот формат данных будет использоваться для хранения свидетельств. Компьютер задает множество вопросов, содержащихся в виде символьных строк <Свидетельство_1>, <Свидетельство_2> и т. д. Например, Свидетельство_1 может означать строку "Много ли вы кашляете?" или "Установлен ли драйвер?" в зависимости от предметной области, для которой разрабатывается ЭС. Способ хранения информации о гипотезах представлен в табл. 2.

Таблица 2

Номер	Гипотеза	Р(Н)	[j, Р(Е:Н), (Е:неН)]
	Гипотеза_1	Р(Н1)	[j, Р(Е:Н₁), (Е:неН₁)]
	Гипотеза_2	Р(Н2)	[j, Р(Е:Н₂), (Е:неН₂)]
…	…..	….	…..
N	Гипотеза_N	Р(Нn)	[j, Р(Е:Н_n), (Е:неН_n)]

Этот формат данных будет использоваться для хранения гипотез. Поле "Гипотеза" характеризует название возможного исхода. Следующее поле — Р(Н) — априорная вероятность такого исхода, т. е. вероятность исхода в случае отсутствия дополнительной информации. После этого идет ряд повторяющихся полей из трех элементов. Первый элемент j — номер соответствующего свидетельства. Следующие два элемента — P(E:H) и P(E:не H) — соответственно вероятности получения ответа "Да" на этот вопрос, если возможный исход верен и неверен.

В качестве примера рассмотрим фрагмент базы знаний ЭС в области медицины. Информация о гипотезе грипп может храниться в следующем виде (табл. 3).

Таблица 3

Грипп

0.01

(1, 0.9, 0.01); (2, 1, 0.01); (3, 0, 0.01)

В этой таблице содержится следующая информация: существует априорная вероятность P(H)=0.01, что любой наугад взятый человек болеет гриппом.

Допустим, программа задает вопрос 1 (симптом 1). Тогда имеем: P(E:H)=0.9 и P(E:не H)=0.01. Это означает, что если у пациента грипп, он с вероятностью 0.9 ответит "да" на этот вопрос, а если у него нет гриппа, он ответит "да" с вероятностью 0.1. Ответ "да" подтверждает гипотезу о том, что у него грипп. Ответ "нет" позволяет предположить, что человек гриппом не болеет.

Так же и во второй группе симптомов (2, 1, 0.01). В этом случае P(E:H)=0.9, т.е. если у человека грипп, этот симптом должен присутствовать. Симптом может иметь место и при отсутствии гриппа P(E:не Н)=0.01, но это маловероятно.

Свидетельство 3 исключает грипп при ответе "да", потому что P(E:H)=0. Это может быть, например, вопрос: "Наблюдаете ли вы такой симптом на протяжении большей части жизни?"

Описывая алгоритм, можно разделить программу на несколько частей:

1) Ввод данных (свидетельства и гипотезы);

2) Просмотр данных на предмет нахождения априорной вероятности P(H). Это делается для того, чтобы определить, какие вопросы (свидетельства) являются самыми важными, и выяснить, о чем спрашивать в первую очередь.

3) Программа находит самый важный вопрос и задает его. Систему можно организовать таким образом, что ответы будут вводится либо в форме "да" или "нет", либо"да", "нет", "не знаю", либо с использованием шкалы (например, от -5 до +5), чтобы выразить степень уверенности в ответе.

4) Априорные вероятности заменяются новыми значениями при получении новых подтверждающих свидетельств;

5) Подсчитываются новые значения правил. Определяются также минимальное и максимальное значения для каждой болезни, основанные на существующих в данный момент априорных вероятностях и предположениях, что оставшиеся свидетельства будут говорить в пользу гипотезы или противоречить ей. Это делается для того, чтобы определить, стоит ли продолжать рассматривать данную гипотезу или нет. Гипотезы, которые не имеют смысла, отбрасываются. Те же из них, чьи минимальные значения выше определенного уровня, могут считаться возможными исходами. После этого - возврат к части 3.

Итак, в экспертных системах вероятности, требуемые для решения некоторой проблемы, обеспечивается экспертами и запоминается в базе знаний. Эти вероятности включают:

- априорные вероятности всех возможных гипотез Р(Н);

- условные вероятности возникновения свидетельств при условии существования каждой из гипотез Р(Е:Н).

Для того чтобы установить обоснованные значения для этих вероятностей, необходимо привлечение специалистов-экспертов в соответствующей проблемной области. Несмотря на то, что при разработке баз знаний ЭС, основанных на субъективной вероятности, предполагают условную независимость свидетельств для уменьшения числа требуемых вероятностных оценок, все же число оценок, требуемых для них, остаётся достаточно большим. Например, если некоторая область медицинских диагнозов имеет 100 диагнозов и 700 симптомов, то, по крайне мере, 70100 значений вероятностей (70000 условных + 100 априорных) должны быть получены. Поэтому разработка базы знаний - это очень трудоемкая и кропотливая работа и от её результата зависит адекватность работы ЭС.

Построение экспертной системы с помощью оболочки «МАЛАЯ ЭС»

Для создания новой или редактирования существующей базы знаний используется Редактор базы знаний, рабочее окно которого представлено на рис. 1.

Рис. 1. Рабочее окно Редактора базы знаний

База знаний представляет собой текстовый файл, содержащий три секции. В первой секции может содержаться описание базы знаний, имя автора, комментарии и др. (не более 10000 символов). Во второй секции содержатся свидетельства (каждое из которых заканчивается переносом строки). В третьей секции содержится информация о гипотезах в форме, описанной в табл. 2.

После создания базы знаний можно приступать к работе с ЭС в режиме консультаций. Для этого необходимо запустить программу «Малая ЭС», загрузить из файла базу знаний (рис. 2), после чего нажать кнопку «Начало консультации».

Рис. 2. Рабочее окно оболочки «Малая ЭС»

В правой части окна появляется первый запрос системы. Существует два варианта ответа пользователя:

- можно задать коэффициент уверенности по шкале от -5 (точно нет) до +5 (точно да);

- можно ввести вероятность истинности свидетельства (от 0 до 1).

Переключение между двумя вариантами осуществляется кнопкой «Переключить способ ввода ответа». В окне «Настройка предпочтений» можно выбрать желаемый диапазон изменения коэффициента уверенности.

Целью консультации является определение вероятностей всех возможных исходов. Список исходов с указанием текущих вероятностей отображается в левой части верхней половины окна программы. Для более удобного представления результатов их можно упорядочить либо по названию исходов (в алфавитном порядке), либо по значениям текущих вероятностей. Вероятности исходов могут быть выражены в процентах. Переключение формата вывода результатов осуществляется в окне «Настройка предпочтений». Здесь же можно сделать выбор относительно классификации результатов на достоверные и недостоверные (это влияет на показ результатов в окне: достоверные выделяются темно-красным цветом, недостоверные – серым, остальные – черным).

После того, как будет обработано последнее свидетельство, система подведет итог (выдаст количество обработанных свидетельств), а вероятности исходов в списке результатов примут окончательное значение. Теперь можно сделать вывод о возможности наступления интересующего исхода, или определить наиболее вероятный исход.

Пример работы с программой

Задания

Задание 1. В рамках данной работы предлагается реализовать ЭС диагностики заболеваний с помощью оболочки «Малая ЭС». Ниже приведены свидетельства и гипотезы, на основании которых необходимо создать базу знаний в «Редакторе базы знаний». После этого требуется протестировать полученную ЭС в режиме консультации.

Свидетельства (симптомы, вопросы):

1) Много ли вы чихаете?

2) Болят ли или слезятся ваши глаза?

3) Болит ли у вас горло?

4) Охрип ли ваш голос?

5) Много ли вы кашляете?

6) Есть ли у вас насморк?

7) Болит ли у вас голова или вы вообще страдаете от головных болей?

8) Есть ли у вас повышенная температура (более 37 ºС)?

9) Приходится ли вам подолгу находиться в запыленной атмосфере?

10) Испытываете ли вы кожный зуд?

11) Пересохло ли у вас в горле?

12) Слышны ли у вас хрипы при дыхании?

13) "3абит" ли у вас нос?

14) Была ли у вас в последнее время простуда или другая подобная инфекция?

15) Ощущаете ли вы общее болезненное состояние?

16) Ощущаете ли вы трудности при глотании?

17) Болят ли у вас мышцы?

18) Ощущаете ли вы боли в груди?

19) Удалены ли у вас гланды?

20) Есть ли у вас симптомы, проявляющиеся в виде "приступов"?

21) Выделяется ли у вас мокрота при кашле?

22) Есть ли у вас одышка?

23) Много ли вы потеете не только при физической нагрузке, но и в состоянии покоя?

24) Учащен ли ваш пульс? Нормальный пульс - 60-80 ударов в минуту для лиц старше 70 и моложе 20 лет.

27) Случаются ли у вас сильные приступы одышки, которые вызывают серьёзную озабоченность?

27) Наблюдается ли у вас посинение кожи?

28) Есть ли кровь в мокроте, когда вы кашляете?

29) Не ощущаете ли вы себя сконфуженным происходящим вокруг?

30) Не наблюдаете ли вы у себя (или у пациента) проявлений бессвязной речи и плохой координации движений?

31) Бывает ли у вас сухой кашель?

32) Ощущаете ли вы боль при дыхании или кашле?

33) Бывают ли у вас очень сильные боли в груди?

34) Ощущаете ли вы периодически озноб или лихорадку?

35) Наблюдаются ли у вас длительно (шесть и более недель) симптомы какой-то болезни?

36) Опухли ли конечные фаланги ваших пальцев (с ногтей при этом сходит защитная пленка и они загибаются)?

37) Наблюдали ли вы симптомы, возникающие обычно при большой физической нагрузке?

38) Вы много курите?

39) Бывают ли у вас ощущения головокружения?

40) Бывают ли у вас ощущения "сердцебиения" (сердце бьётся быстрее или не так ровно, как следует)?

40) Не распухли ли ваши лодыжки?

42) Была ли у вас рвота или сильная тошнота?

43) Есть ли у вас боль в животе?

44) Был ли у вас понос?

45) Удален ли у вас аппендикс?

46) Есть ли у вас признаки желтухи (например, пожелтение белков глаз)?

47) Чувствуете ли вы какую-то напряжённость и тревогу?

48) Трудно ли вы засыпаете? Часто ли вы просыпаетесь по ночам?

49) Наблюдаете ли вы у себя непроизвольные подергивания или дрожь?

50) Страдаете ли вы от запоров, когда стул бывает редко или затруднен?

51) Жалуетесь ли вы на память (существует трудность в запоминании отдельных фактов)?

52) Потеряли ли вы (полностью или частично) способность говорить?

53) Бывает ли у вас кровотечение из области заднего прохода?

54) Вы мужского пола?

55) Есть ли у вас ощущение онемения или боли в области шеи?

56) Не повреждали ли вы голову за последние несколько недель (важным может оказаться даже небольшое повреждение)?

57) Был ли у вас за последнее время ненормальный стул?

58) Бывает ли у вас сильная отрыжка или выход газов?

59) Часто ли у вас наблюдается слабость или обмороки?

60) Есть ли у вас зуд в какой-то части тела (независимо от наличия или отсутствия сыпи)?

61) Есть ли у вас на коже какая-то сыпь?

62) Чувствуете ли вы онемелость какой-то части тела или ощущение покалывания?

63) Есть ли у вас излишний вес?

64) Есть ли у вас боли в области лица или лба?

65) Есть ли у вас какие-то припухлости под кожей?

66) Изменился ли цвет вашей мочи?

67) Нет ли у вас слишком частого мочеиспускания?

68) Наблюдаете ли вы боли при мочеиспускании?

69) Есть ли у вас нарушение зрения - всё расплывается, двоится, вы видите вспышки (дефекты зрения, которые могут быть исправлены очками, не играют роли)?

Гипотезы (предполагаемые болезни):

Простуда, 0.02, 1,0.9,0.05, 2,0.8,0.02, 3,0.8,0.02, 5,0.6,0.01, 6,1,0.01, 7,0.2,0.01, 8,0.5,0.01, 15,0.8,0.01, 34,0,0.01

Аллергический ринит, 0.01, 1,1,0.01, 2,1,0.01, 6,0.9,0.01, 10,0.7,0.1, 11,0.7,0.01, 12,0.6,0.01, 20,0.9,0.01

Синусит, 0.01, 14,0.08,0.01, 13,0.9,0.01, 15,0.8,0.01, 7,0.6,0.01, 22,0.5,0.01, 2,0.5,0.001, 6,0.5,0.01, 63,0.9,0.01

Фарингит, 0.02, 3,1,0.01, 16,0.9,0.01, 8,0.5,0.01, 11,0.9,0.01, 37,0.8,0.3, 64,0.4,0.01

Тонзиллит, 0.001, 3,1,0.01, 7,0.9,0.01, 15,1,0.01, 16,0.7,0.01, 19,0,0.5, 8,0.8,0.01, 34,0,0.01, 64,0.8,0.01

Грипп, 0.01, 3,0.9,0.01, 1,0.9,0.01, 6,0.5,0.01, 7,0.7,0.01, 8,1,0.01, 15,1,0.01, 17,0.8,0.01, 18,0.6,0.01, 34,0,0.01

Ларингит, 0.01, 4,1,0.01, 8,0.6,0.01, 15,0.05,0.01, 16,0.17,0.01, 37,0.8,0.3

Опухоль гортани, 0.00004, 4,1,0.01, 34,0.99,0.01, 37,0.8,0.3

Острый бронхит, 0.006, 5,1,0.01, 8,1,0.01, 12,1,0.01, 15,1,0.01, 18,0.5,0.01, 21,1,0.01, 31,0.9,0.01, 34,0,0.01, 22,0.9,0.01

Хронический бронхит, 0.005, 5,1,0.01, 12,0.9,0.01, 14,0.5,0.01, 21,1,0.01, 22,0.8,0.01, 34,1,0.01, 36,0.9,0.01, 37,0.8,0.3

Астма, 0.02, 12,0.8,0.01, 22,1,0.01, 23,0.5,0.01, 24,0.5,0.01, 25,0.5,0.01, 26,0.5,0.01, 31,0.8,0.01

Эмфизема, 0.01, 22,1,0.01, 5,0.001,0.01, 26,0.8,0.01, 12,0.001,0.01, 21,0.01,0.01, 37,0.8,0.3

Пневмония, 0.003, 8,1,0.01, 15,1,0.01, 18,0.8,0.01, 22,1,0.01, 23,0.5,0.01, 26,0.5,0.01, 28,1,0.01, 29,0.02,0.01, 27,0.2,0.01, 31,0.9,0.01, 36,1,0.9, 7,0.9,0.01, 17,0.9,0.01, 32,0.5,0.001

Плеврит, 0.001, 31,0.8,0.01, 32,0.8,0.01, 22,0.5,0.01, 5,0.8,0.01, 8,0.9,0.01, 15,1,0.01

Пневмоторакс, 0.0002, 18,0.8,0.01, 22,0.8,0.01, 32,0.8,0.01

Бронхоэктаз, 0.000011, 21,1,0.0, 27,0.5,0.01, 5,1,0.01, 14,0.5,0.01

Абсцесс легкого, 0.000011, 33,0.9,0.01, 18,0.5,0.01, 21,0.5,0.01, 27,0.5,0.01

Пневмокониоз, 0.001, 22,1,0.01, 36,1,0.01, 21,0.8,0.01, 9,1,0.001

Рак легкого, 0.001, 5,1,0.01, 21,0.8,0.01, 27,0.5,0.01, 22,0.5,0.01, 18,0.8,0.01, 12,0.5,0.01, 37,0.99,0.3

Интерстициальный фиброз, 0.000011, 22,0.8,0.01, 35,0.8,0.01, 21,0.6,0.01

Отек легкого, 0.001, 22,0.9,0.01, 25,0.9,0.01, 30,0.5,0.01, 27,0.5,0.01, 26,0.5,0.01, 12,0.8,0.01

Гастрит, 0.01, 41,0.8,0.01, 43,0.8,0.01, 42,0.5,0.01, 8,0.4,0.01, 37,0.9,0.5

Хиатальная грыжа, 0.001, 18,0.9,0.01, 32,0.5,0.001, 42,0.8,0.001, 57,0.9,0.01, 16,0.9,0.01, 41,0.8,0.01

Язва двенадцатиперстной кишки, 0.01, 37,0.8,0.2, 42,0.99,0.001, 41,0.8,0.01

Язва желудка, 0.01, 42,0.9,0.001, 18,0.5,0.01, 20,0.8,0.01, 41,0.7,0.01, 56,0.9,0.01, 62,0.0001,0.01

Дивертикулярная болезнь, 0.001, 42,0.6,0.001, 43,0.5,0.01, 41,0.5,0.01, 8,0.5,0.01, 49,0.5,0.01

Болезнь Крона, 0.0001, 42,0.9,0.001, 43,0.9,0.01, 15,0.9,0.01, 8,0.7,0.01, 62,0.00001,0.01

Расстройство кишечника, 0.000011, 42,0.9,0, 43,0.8,0.01, 41,0.5,0.01

Аппендицит, 0.001, 34,0.1,0.9, 42,0.9,0.001, 41,0.8,0.01, 8,0.8,0.01, 44,0,0.5

Пищевое отравление, 0.001, 42,0.5,0.001, 41,0.9,0.01, 43,0.9,0.01, 7,0.8,0.01

Гастроэнтерит, 0.01, 41,0.8,0.01, 42,0.7,0.001, 43,0.9,0.01, 8,0.5,0.01

Каменнопочечная болезнь, 0.001, 42,0.7,0.001

Острый пиелонефрит, 0.001, 42,0.9,0.001, 8,0.8,0.01, 41,0.7,0.01, 67,0.9,0.01

Желчный конкремент, 0.01, 42,0.5,0.001, 41,0.5,0.01, 57,0.9,0.01

Холецистит, 0.001, 42,0.8,0.001, 8,0.9,0.01, 41,0.8,0.01, 45,0.8,0.001

Герпес, 0.001, 42,0.5,0.001, 18,0.5,0.001, 60,0.9,0.01, 59,0.9,0.01, 2,0.6,0.01, 46,0.5,0.01

Глубокий тромбоз вен, 0.0005, 40,0.8,0.01

Ревматический артрит, 0.001, 15,0.8,0.01, 17,0.8,0.01, 40,0.5,0.001

Сердечная недостаточность, 0.001, 22,0.9,0.01, 36,0.5,0.01, 25,0.5,0.001, 12,0.6,0.01, 18,0.5,0.001, 32,0.3,0.001, 40,0.5,0.01, 42,0.5,0.01, 28,0.3,0.001, 47,0.9,0.01

Состояние тревоги, 0.01, 46,0.9,0.01, 28,0.3,0.01, 47,0.6,0.01, 39,0.8,0.01, 23,0.6,0.01, 48,0.6,0.01, 16,0.3,0.01, 43,0.2,0.01, 22,0.5,0.01, 50,0.5,0.01, 57,0.5,0.01, 58,0.5,0.01, 15,0.5,0.01, 7,0.5,0.01, 4,0.5,0.01

Депрессия, 0.01, 47,0.5,0.01, 7,0.5,0.01, 49,0.5,0.01, 50,0.5,0.01, 15,0.5,0.01, 62,0.8,0.01

Коронарный тромбоз, 0.01, 18,0.5,0.01, 32,0.9,0.001, 20,0.6,0.01, 36,0,0.2, 38,0.5,0.01, 22,0.5,0.01, 23,0.5,0.01, 41,0.5,0.01, 15,0.9,0.01

Ангина, 0.01, 37,0.8,0.37, 18,0.9,0.01, 36,0.9,0.01, 22,0.5,0.01, 27,0.5,0.01, 38,0.5,0.01, 41,0.3,0.01

Легочная эмболия, 0.0001, 22,1,0.01, 18,0.7,0.01, 21,0.6,0.01, 27,0.5,0.001, 25,0.5,0.001, 26,0.4,0.0001

Припадок, 0.001, 28,0.8,0.01, 38,0.7,0.01, 51,0.8,0.001, 58,0.9,0.01, 61,0.9,0.01

Ишемическая болезнь сердца, 0.001, 28,0.8,0.01, 38,0.7,0.01, 51,0.8,0.001, 34,1,0.01, 20,0.5,0.01, 58,0.9,0.01, 61,0.9,0.01

Туберкулез, 0.0001, 7,0.5,0.01, 8,0.5,0.01, 12,0.5,0.01, 15,0.5,0.01, 18,0.5,0.01, 5,0.5,0.01, 30,0.5,0.01, 27,0.5,0.001, 22,0.5,0.01, 62,0.0001,0.01, 23,0.5,0.01

Геморрой, 0.01, 52,0.9,0.001, 49,0.8,0.01, 56,0.9,0.01, 59,0.5,0.01

Гипотиреоз, 0.001, 49,0.8,0.01, 17,0.5,0.01, 24,0,0.01, 23,0.001,0.01, 39,0.001,0.01, 4,0.5,0.01, 43,0,0.01, 46,0.001,0.01, 48,0.001,0.01, 62,0.9,0.05

Слизистый колит, 0.0007, 48,0.5,0.01, 49,0.5,0.01, 42,0.8,0.001, 41,0.3,0.01, 57,0.9,0.01

Рак толстой кишки, 0.001, 43,0.9,0.01, 49,0.9,0.01, 52,0.5,0.001, 42,0.5,0.001, 56,0.9,0.01, 62,0.001,0.01

Язвенный колит, 0.0004, 42,0.8,0.001, 43,0.8,0.01, 52,0.6,0.001, 23,0.5,0.01, 41,0.5,0.001, 8,0.5,0.01, 34,0.4,0.01, 56,0.9,0.01

Болезнь Меньера, 0.0005, 38,0.9,0.001, 41,0.8,0.01, 34,0.5,0.01, 20,0.9,0.01

Шейный спондилез, 0.006, 54,0.9,0.001, 7,0.5,0.01, 38,0.5,0.01, 58,0.9,0.01, 61,0.5,0.01

Субдуральное кровотечение, 0.000011, 55,0.99, 0.0001, 28,0.9,0.001, 7,0.9,0.01, 41,0.9,0.01, 38,0.9,0.01, 20,0.5,0.01, 34,0.5,0.01

Опухоль мозга, 0.000011, 7,0.9,0.01, 41,0.9,0.01, 38,0.8,0.01, 50,0.8,0.01,34,0.5,0.01

Менингит, 0.000011, 8,0.9,0.01, 7,0.9,0.01, 41,0.9,0.01, 28,0.7,0.01, 54,0.9,0.01, 2,0.9,0.01, 60,0.5,0.01

Субарахноидальное кровотечение, 0.000011, 7,0.99,0.01, 54,0.9,0.01, 38,0.7,0.01, 28,0.7,0.01, 41,0.8,0.01, 2,0.8,0.01

Острая глаукома, 0.01, 2,0.9,0.01, 7,0.9,0.01, 41,0.7,0.01, 20,0.8,0.01, 34,0.8,0.01, 63,0.8,0.01, 68,0.9,0.01

Височный артериит, 0.001, 7,0.9,0.01, 17,0.7,0.01, 2,0.8,0.01, 63,0.99,0.01

Диспепсия, 0.1, 18,0.7,0.01, 57,0.7,0.01, 42,0.7,0.01, 41,0.7,0.01, 46,0.5,0.01, 20,0.9,0.01

Блокада сердца, 0.0003, 22,0.5,0.01, 58,0.8,0.01, 39,0.6,0.01, 18,0.6,0.01

Пернициозная анемия, 0.0004, 22,0.9,0.01, 58,0.9,0.01, 39,0.9,0.01, 36,0.9,0.01, 45,0.5,0.01, 42,0.5,0.01, 50,0.5,0.01, 28,0.4,0.01

Мигрень, 0.1, 7,1,0.01, 15,0.9,0.01, 41,0.9,0.01, 43,0.5,0.01, 20,0.9,0.01, 34,0.9,0.01, 63,0.99,0.01

Гипертония, 0.15, 7,0.5,0.01, 39,0.5,0.01, 15,0.5,0.01, 34,0.9,0.01

Экзема, ница, 0.03, 59,0.9,0.01, 60,1,0.01, 46,0.5,0.01

Чесотка, 0.001, 59,1,0.01, 60,1,0.01

Краснуха коревая, 0.01, 8,0.5,0.01, 60,0.9,0.01, 54,0.2,0.01, 34,0,0.01, 64,0.5,0.01

Ветряная оспа, 0.001, 60,1,0.01, 59,1,0.01, 8,0.8,0.01, 7,0.5,0.01, 15,0.5,0.01, 34,0,0.01

Псориаз, 0.02, 46,0.6,0.01, 3,0.5,0.01, 60,0.99,0.01, 59,0.5,0.01

Питириазная рожа, 0.01, 60,1,0.01, 59,0.9,0.01, 34,0.5,0.01

Розовые угри, 0.01, 60,0.9,0.01, 2,0.5,0.01, 34,0.8,0.01

Тиреотоксикоз, 0.0001, 46,0.9,0.01, 47,0.8,0.01, 48,0.9,0.01, 23,0.9,0.01, 39,0.9,0.01, 22,0.8,0.01, 43,0.8,0.01, 62,0.000011,0.01, 2,0.5,0.01, 24,0.9,0.01, 64,0.3,0.01, 68,0.3,0.01

Сахарный диабет, 0.01, 62,0.0001,0.01, 61,0.5,0.01, 2,0.5,0.01, 66,0.99,0.01, 68,0.1,0.01

Рак желудка, 0.0003, 41,0.5,0.01, 42,0.7,0.001, 62,0.0001,0.01, 52,0.6,0.001, 56,0.5,0.01

Фибрилляция предсердия, 0.001, 39,0.8,0.01, 38,0.5,0.01, 42,0.4,0.01, 58,0.5,0.01

Лимфогранулематоз, 0.0001, 23,0.5,0.01, 63,0.6,0.01, 54,0.8,0.01, 59,0.7,0.01, 64,0.99,0.01

Инфекционный мононуклеоз, 0.001, 8,0.9,0.01, 7,0.9,0.01, 3,0.9,0.01, 15,0.9,0.01, 64,0.8,0.001, 54,0.8,0.01, 45,0.5,0.001, 60,0.5,0.01

Лимфома, 0.0001, 64,0.9,0.01, 54,0.8,0.01, 15,0.8,0.01, 62,0.001,0.01, 8,0.8,0.01, 23,0.5,0.01, 59,0.8,0.01

Свинка, 0.01, 64,0.99,0.01, 8,0.8,0.01, 15,0.9,0.01, 16,0.7,0.01, 54,0.6,0.01, 3,0.8,0.01

Паралич Белла, 0.0003, 51,0.9,0.01, 63,0.5,0.01

Болезнь Паркинсона, 0.001, 48,0.9,0.01, 51,0.8,0.01, 42,0.3,0.01, 50,0.2,0.01, 28,0.1,0.01

Ревматическая лихорадка, 0.01, 3,0.8,0.01, 15,0.8,0.01, 8,0.8,0.01, 64,0.8,0.01, 60,0.5,0.01, 59,0.001,0.01, 48,0.1,0.01

Цистит,0.01, 66,0.9,0.01, 65,0.9,0.01, 67,0.9,0.01, 8,0.5,0.01

Опухоль почки, 0.001, 8,0.6,0.01, 62,0.0001,0.01, 41,0.5,0.01, 42,0.5,0.01, 65,0.7,0.01

Опухоль мочевого пузыря, 0.0004, 65,0.9,0.01, 42,0.5,0.01, 66,0.5,0.01, 67,0.5,0.01, 8,0.3,0.01

Ирит, 0.0005, 2,0.9,0.01, 68,0.9,0.01

Острый гепатит, 0.001, 8,0.8,0.01, 15,0.8,0.01, 17,0.5,0.01, 42,0.5,0.01, 45,0.5,0.01, 41,0.5,0.01

Задание 2. Определить предметную область, для которой Вы хотели бы разработать ЭС. Описать свидетельства и гипотезы в соответствии с предложенным в теоретическом введении подходом (в формате табл. 1 и табл. 2). С помощью «Редактора базы знаний» создать новую базу знаний, после чего протестировать полученную ЭС в режиме консультации.