प्रोलॉग पर नैदानिक ​​चिकित्सा विशेषज्ञ प्रणाली

प्रविष्टि

किसी तरह मैं सॉफ्टवेयर इंजीनियरिंग में थीसिस के विषय का चयन करने के लिए भाग्यशाली था, और मैंने प्रोलॉग भाषा में एक विशेषज्ञ प्रणाली, इसके अलावा लिखने के लिए चुना। यद्यपि यह औद्योगिक प्रोग्रामिंग में लगभग कभी भी उपयोग नहीं किया जाता है, यह सैद्धांतिक रूप से दिलचस्प है और आपको सबसे तेज़ तरीके से बुद्धिमान सिस्टम (आईपी) को छूने की अनुमति देता है। साथ ही, खेल के मामले में भाषा अपने आप में दिलचस्प है, क्योंकि यह आपको एक असामान्य तरीके से सोचने का मौका देता है, प्रक्रियात्मक प्रोग्रामिंग और ओओपी के बारे में सोच से अलग है, जो मस्तिष्क के लिए एक अच्छा प्रशिक्षण है।

हमने Prolog - Visual Prolog के कार्यान्वयन का उपयोग किया, जिसमें अंतर्निहित GUI लाइब्रेरीज़ हैं। लेकिन अगर
यदि आप Qt / C ++ में GUI लिखना चाहते हैं, तो प्रलेखन में निर्देश है कि कैसे एक DLL में प्रोग्राम आयात करें और इसे C / C ++ प्रोजेक्ट के साथ संकलित करें। यह इस प्रकार है कि इसे अन्य भाषाओं के साथ जोड़ा जा सकता है।

सामान्य तौर पर, जब मैंने इस परियोजना पर काम किया, तो मुझे ऐसे उदाहरण नहीं मिले जो पर्याप्त रूप से आदिम नहीं थे, लेकिन साथ ही साथ इतने बड़े वैज्ञानिक उदाहरण भी नहीं थे। इसलिए, यह लेख शुरुआती लोगों के लिए बहुत अच्छी मदद कर सकता है, और जो लोग कम से कम आईपी के समान लिखना चाहते हैं।

प्रणाली के उद्देश्य का विवरण: ऐसे मापदंडों का एक समूह है जो एक कार्डियोसिग्नल (ईसीजी) के अनुरूप होना चाहिए, जिसके अनुसार आप बीमारी का निर्धारण कर सकते हैं। एक व्यक्ति प्रणाली (संवाद मोड में) के सवालों का जवाब देता है, और प्रणाली, हृदय रोगों के विशेषज्ञ के रूप में कार्य करते हुए, एक संभावित मानव रोग के बारे में निष्कर्ष निकालती है।

यानी इस कोड को अन्य क्षेत्रों से विशेषज्ञ प्रणाली बनाने के लिए एक रूपरेखा (प्रस्तावना-रूपरेखा) के रूप में माना जा सकता है, बस अपने नियमों, अपने डेटा को प्रतिस्थापित करके। जिस नियम से प्रविष्टि की जाती है, वह नीचे वर्णित किया जाएगा।

प्रथम-क्रम परिकलन और प्रोलॉग भाषा की भविष्यवाणी करें

प्रोलॉग भाषा तार्किक प्रोग्रामिंग प्रतिमान को लागू करती है, जिसका विचार विषय क्षेत्र के घोषित विवरण से तार्किक निष्कर्ष के लिए कंप्यूटर प्रौद्योगिकी का उपयोग है। यह इसे प्रक्रियात्मक प्रोग्रामिंग भाषाओं से अलग करता है जो अच्छी तरह से परिभाषित अनुक्रमिक क्रियाओं का वर्णन करते हैं। इसलिए, प्रक्रियात्मक भाषाएँ ES लिखने के लिए उपयुक्त नहीं हैं, और यदि उनका उपयोग किया जाता है, तो केवल सहायक मॉड्यूल के रूप में। प्रोलॉग भाषा की एक अन्य विशिष्ट विशेषता एक प्रोग्राम का वर्णन करने के लिए पहले-क्रम तर्क भाषा के सबसेट का उपयोग है, जो दूसरों की तुलना में सुविधाजनक और सरल है; यह एक प्राकृतिक भाषा से आदमी द्वारा दुनिया का वर्णन करने के लिए स्विच करता है। ES बनाते समय, यह महत्वपूर्ण समस्याओं में से एक है - किसी व्यक्ति द्वारा निवेश की गई सूचना सामग्री को संरक्षित करते हुए, डोमेन ज्ञान को सीमित औपचारिक भाषा में कैसे अनुवाद किया जाए। दूसरे क्रम के तर्क या अन्य गणितीय गणनाओं के साथ सहज ज्ञान और सहजता के कारण ज्ञान को औपचारिक से प्राकृतिक रूप में वापस स्थानांतरित करने का एक सरल अवसर भी है।

प्रोलॉग के भाषा निर्माणों को फार्म के निहितार्थ के रूप में दर्शाया जा सकता है:

A1, A2, …, An <= B1, B2, …,Bm (n>=0, m>=0) (1)

जहाँ ऐ और बी परमाणु फार्मूले हैं Fi (t1, t2, ..., tk) या निगेटिव Fi (t1, t2, ..., tk), जहाँ tk शब्द हैं (फ़ंक्शन को लागू करने के लिए व्यक्तिगत स्थिर, परिवर्तनशील या परिणाम)

प्रोलॉग में, सभी संबंधों को तथ्यों और नियमों के रूप में लिखा जाता है, जहां n = 1 सूत्र में (1), तार्किक अनुमान की दक्षता बढ़ाने के लिए। नियम एक सूत्र के अनुरूप हैं जिसे हॉर्न सूत्र कहा जाता है:

A<=B1, B2, …, Bm , m>0 (2)

तथ्य एम = 0 के साथ सूत्र (2) के अनुरूप हैं:

A<= (3)

अनुमान तंत्र की प्रक्रिया में जिस सूत्र को सिद्ध करने की आवश्यकता है, वह सूत्र है (1) n = 0, m> 0 के लिए, जिसे लक्ष्य या अनुरोध कहा जाता है:

<= B1, B2, …Bm (4)

इन भाषा निर्माणों में संपूर्ण प्रोलॉग कार्यक्रम शामिल हैं।
उदाहरण के लिए, निम्न ज्ञान, प्राकृतिक भाषा में एक वाक्य के रूप में - "सोन एनी माशा से प्यार करता है" को एक तथ्य के रूप में लिखा जा सकता है:

 ((), ) 

और वाक्य "एन्या हर किसी से प्यार करता है जिसे ओल्गा प्यार करता है"

 ((,X)<=(,X)) 

या तर्क "हर व्यक्ति नश्वर है। कन्फ्यूशियस एक आदमी है ”:

 (()& ((X)<=(X)) <= () 

प्रोलॉग भी पुनरावर्ती डेटा संरचनाओं को परिभाषित करने के लिए उपकरण प्रदान करता है, जैसे कि पेड़ और सूचियां, जो प्रासंगिक ज्ञान के सुविधाजनक विवरण के लिए अतिरिक्त क्षमताएं लाता है।

इस प्रकार, यह देखा जा सकता है कि प्रोलोग ज्ञान का वर्णन करने के लिए एक लचीली, सरल और सहज भाषा प्रदान करता है।

लेकिन फिर इस भाषा के कार्यान्वयन को चुनने पर सवाल उठता है, और ईएस को प्रोलॉग भाषा - विज़ुअल क्लॉग के विस्तार पर विकसित करने का निर्णय लिया गया।

विजुअल प्रोलॉग

विजुअल प्रोलॉग एक एकीकृत विकास परिवेश के साथ वस्तु-उन्मुख विस्तार के साथ प्रोलॉग भाषा की एक बोली है। यह वातावरण ग्राफिकल इंटरफेस और कई अन्य लाइब्रेरी बनाने के लिए सहायता प्रदान करता है। प्रोलॉग भाषा ईएस बनाने के लिए काफी लोकप्रिय है, एक सरल वाक्यविन्यास के साथ जो डोमेन संबंधों और तथ्यों के अर्थ में समान है। सामान्य तौर पर, प्रोलॉग भाषा दुभाषिया को पहले-क्रम की भविष्यवाणी के तर्क के रूप में ईएस के रूप में माना जा सकता है, जिसमें उपयोगकर्ता एक लक्ष्य के रूप में एक प्रश्न पूछता है, जिसका सत्य साबित होना चाहिए। यह एक घोषणात्मक भाषा है, यह वर्णन करता है कि अनुक्रमिक एल्गोरिथ्म के बजाय, एक छोटे ईएस के ज्ञान का वर्णन करने के लिए क्या प्राप्त करने की आवश्यकता है। वैकल्पिक वातावरण की तुलना में, एएमजेडआई प्रोलॉग और एसडब्ल्यूआई-प्रोलॉग अन्य भाषाओं के साथ बातचीत के लिए एक बहुत प्रभावी इंटरफ़ेस प्रदान करते हैं, या तो ऑब्जेक्ट फ़ाइलों को जोड़कर या अन्य भाषाओं के गतिशील रूप से DLL लोड करके या स्टैंडअलोन DLL मॉड्यूल के रूप में। विजुअल प्रोलॉग भी अच्छी तरह से प्रलेखित है और इसके कई उदाहरण हैं। एक राय यह भी है कि एक कार्यान्वयन भाषा का चयन, ज्ञान को प्रस्तुत करने का एक तरीका और तर्क बनाने का एक तरीका एक विशेषज्ञ के ज्ञान की तुलना में माध्यमिक है, और उनके सफल उपयोग के लिए केवल तंत्र को प्रभावित करते हैं। फिर भी, ES बनाने के साधन के रूप में प्रस्तावना का उपयोग करते हुए साहित्य की उपस्थिति कम से कम छोटे प्रणालियों में इसके उपयोग की उपयुक्तता को इंगित करती है।

ES डिजाइन

साहित्य में, ईएस को कई बुनियादी घटकों में विभाजित करने की प्रथा है जो एक दूसरे पर बहुत कम निर्भर हैं: ज्ञान का आधार, आउटपुट तंत्र और उपयोगकर्ता इंटरफ़ेस।

विशेषज्ञ प्रणालियों के संगठन के 2 प्रकार हैं: नियमों पर और तथ्यों पर।

नियमों पर ईएस का ज्ञान उत्पादन नियमों के रूप में दर्ज किया जाता है। प्रत्येक नियम के बाएं हिस्से में समस्या को हल करने के लिए कुछ विकल्प होते हैं, और सही भागों (परिसर) को अन्य नियमों द्वारा निर्दिष्ट किया जाता है। एकमात्र अपवाद तब होता है जब कोई नियम डेटाबेस में जानकारी के लिए जाँच करता है, जैसे किसी प्रश्न का उत्तर। आउटपुट तंत्र के एल्गोरिथ्म को तुलना करने के लिए कम किया जाता है, फिर कई विकल्पों के साथ, जिस की आवश्यकता होती है वह संघर्ष समाधान के सिद्धांत के अनुसार चुना जाता है और अंत में चयनित नियम लागू होता है और सब कुछ फिर से शुरू होता है। इस तरह के एक संगठन के फायदे यह है कि अन्य नियमों को प्रभावित किए बिना सिस्टम में नियमों को जोड़ना बहुत आसान है, और यह पूरक और संशोधित करना आसान है, क्योंकि प्रोग्रामर को बस उचित नियम ब्लॉक में वांछित नियम सम्मिलित करने की आवश्यकता है। इस तरह के एक संगठन की सीमाएं भी हैं, अर्थात्, ट्रेस को बचाने के लिए अप्राकृतिक एल्गोरिदम को व्यवस्थित करना या नियमों में इसके लिए एक चर का उपयोग करना आवश्यक होगा, लेकिन यह नियमों को संशोधित करने की सुविधा का उल्लंघन करेगा, क्योंकि प्रत्येक नियम के लिए ट्रेस बचत को व्यवस्थित करने के लिए आवश्यक है। इसके अलावा, यह कार्यक्रम की पठनीयता और सामान्य रूप से आउटपुट तंत्र को संशोधित करने की संभावना का उल्लंघन करेगा, क्योंकि नियमों के बारे में जानकारी के साथ-साथ आउटपुट तंत्र की कार्रवाई द्वारा ट्रैवर्सल को रखा जाएगा। इसके अतिरिक्त, Prolog आपको डेटाबेस फ़ाइल में नियमों को सहेजने और डेटाबेस से नियमों को पढ़ने की अनुमति नहीं देता है, जो प्रोग्राम के चलने के दौरान ज्ञान आधार को अपडेट करने की अनुमति नहीं देगा। सूची 1 ऐसे ज्ञान आधार संगठन का एक उदाहरण देता है।

लिस्टिंग 1

 diag("SIRS"):- diag2("SIRS"). diag("Sepsis"):- diag("SIRS"), have("Sepsis character"). diag("Hard sepsis"):- diag("Sepsis"), have("Hard sepsis character"). diag("Shock sepsis"):- diag("Hard sepsis"), have("Shock sepsis character"). diag("MOF"):- diag("Hard sepsis"), have("MOF sepsis character"). diag("MOF"):- diag("Shock sepsis"), have("MOF sepsis character"). 

जैसा कि लिस्टिंग 1 से देखा जा सकता है, आउटपुट मैकेनिज्म को बिल्ट-इन स्टैंडर्ड प्रोलॉग आउटपुट मैकेनिज्म द्वारा पूरी तरह से नियंत्रित किया जाना चाहिए।

ES तर्क पर (तथ्यों पर) अधिक लचीले होते हैं, क्योंकि, नियमों के प्रत्यक्ष कनेक्शन के विपरीत, वे नियमों के संबंध का वर्णन करने के लिए एक संदर्भ (अप्रत्यक्ष) विधि पर आयोजित किए जाते हैं। नियम के रूप में संबंध लिखे जाते हैं, जैसे नियम संख्या, और नीडित नियम नहीं। ऐसा रिकॉर्ड विधेय तर्क के वाक्यों के रूप में एक सख्त रिकॉर्ड के साथ अधिक सुसंगत है, जो इस तरह के नियमों को अधिक लचीला बनाने के लिए तंत्र बनाता है। नियमों के आधार पर संगठन के विपरीत, प्रोलॉग समाधान की खोज अगले नियम के तार्किक निष्कर्ष की प्रक्रिया पर कम निर्भर है, क्योंकि आउटपुट के अलावा कुछ अन्य क्रियाएं करना संभव हो जाता है, उदाहरण के लिए, एक वैकल्पिक निर्णय ट्री के माध्यम से जाना या आउटपुट प्रवाह को बदलना और रखरखाव करते समय प्रारंभिक स्थिति में वापस आना। इसके बारे में सभी डेटा।

जैसा कि संगठन में, एक चक्र यहां नियमों पर चलता है: मिलान - संघर्ष समाधान - अगले नियम में संक्रमण, लेकिन चूंकि आउटपुट तंत्र को अप्रत्यक्ष रूप से नियंत्रित किया जाता है, इसलिए प्रक्रिया में समाधान खोजने और ज्ञान के आधार को बदलने के बिना इस प्रारूप को बदलने के बारे में जानकारी प्रदर्शित करना सुविधाजनक है। तर्क पर एक संगठन का मुख्य लाभ यह है कि आउटपुट प्रक्रिया में स्वचालित रूप से उपलब्ध आउटपुट प्रक्रिया के दौरान मैप किए जाने वाले चर बनाना संभव है, और उन्हें अंतिम नियमों की एक श्रृंखला के साथ प्रदर्शित किया जा सकता है जो वर्तमान लक्ष्य के लिए आउटपुट हैं। लेकिन इसके लिए, विभिन्न प्रकार के नियमों के लिए भूत प्रकार के लिए अतिरिक्त रूप से एक तंत्र प्रदान करना आवश्यक है। इसके अलावा, ज्ञान का आधार तथ्यों के रूप में संग्रहीत होता है, इसलिए इसे माध्यम पर फ़ाइल से बचाया या पढ़ा जा सकता है। नियमों की तुलना में तथ्यों पर सिस्टम को संशोधित करना और डिबग करना अधिक कठिन है, क्योंकि आउटपुट तंत्र चर और शर्तों के मूल्यों द्वारा नियंत्रित किया जाता है, उदाहरण के लिए, एक नियम संख्या के रूप में, जो त्रुटियों के लिए अतिरिक्त संभावनाओं का परिचय देता है।

आउटपुट तंत्र में भी अधिक चर होते हैं जो इस प्रक्रिया को प्रभावित करते हैं, कभी-कभी एक पुनरावर्ती प्रकार और बल्कि परस्पर जुड़े होते हैं, जो विकास को जटिल बनाता है और त्रुटियों को पकड़ता है, लेकिन यह लचीलेपन के लिए कीमत है। यह प्रणाली नियमों की तुलना में अधिक कुशलता से और तेजी से तथ्यों पर काम करती है, जो विशेष रूप से भारी वास्तविक समय ES के लिए, या यहां तक ​​कि वितरित वास्तविक समय ES के लिए भी महत्वपूर्ण है।

गंभीर स्थिति में रोगियों के प्रवेश के मामले में चिकित्सा निदान के लिए एक बड़ा ईएस, खासकर यदि कई डॉक्टरों द्वारा एक साथ उपयोग किया जाता है, तो उन्हें सख्त सुरक्षा फ्रेम में भी फिट होना चाहिए।

तथ्यों पर निर्भरता के कारण किसी सिस्टम पर परीक्षण करना और भी मुश्किल है, क्योंकि नियमों पर एक प्रणाली के परिणामस्वरूप सिर्फ एक त्रुटि आउटपुट तंत्र को प्रभावित करेगी, और यह तुरंत दिखाई देगा, लेकिन सबसे अधिक संभावना है कि यह तथ्यों पर काम करना जारी रखेगा।

परिणामस्वरूप, चूंकि विकसित प्रणाली को उपयोगकर्ता के लिए जानकारीपूर्ण होना चाहिए, अर्थात्, प्रश्न का एक उचित उत्तर तार्किक निष्कर्ष की प्रक्रिया में प्रदर्शित किया जाना चाहिए - सिस्टम को अनुरोधित जानकारी की आवश्यकता क्यों थी ताकि उपयोगकर्ता को पता चल सके कि वह उस समाधान खोज के किस चरण में है, जिसे ट्रेस सहेजे बिना प्राप्त नहीं किया जा सकता है। खोज करते हैं। इसके अलावा, अंत में, सवाल का जवाब देने के बाद, उपयोगकर्ता को पाए गए समाधानों के लिए सबूत के पेड़ को देखने में सक्षम होना चाहिए। सिस्टम के सभी मापदंडों को देखते हुए, सबसे तर्कसंगत प्रणाली मुझे नियम लग रही थी, क्योंकि इसे डिस्क में सहेजा जा सकता है और इसके आउटपुट तंत्र को व्यवस्थित करना आसान होगा। इसके अलावा, हृदय रोगों के निदान पर ज्ञान औपचारिक रूप से कठिन होने के कारण उनकी शब्दार्थ अंतर्संबंध के कारण, विशेष रूप से उन स्थानों पर जहाँ नियमों के निष्कर्ष का अर्थ अतिरिक्त जानकारी को ध्यान में रखते हुए, प्रत्येक के लिए है। इसलिए, जब विधेय के बीच विषम डेटा के आदान-प्रदान के लिए एक तंत्र चुनते हैं, तो आयोजन के तार्किक तरीके पर एक गणना की गई थी।

2 प्रकार के निष्कर्ष भी हैं: उलटा और प्रत्यक्ष इंजेक्शन। जटिल चिकित्सा परामर्श प्रणालियों में, इन प्रकारों के संयोजन का अभी भी उपयोग किया जाता है: एक निश्चित मात्रा में ज्ञान एक प्रकार से काटा जाता है, और दूसरे को पहले से ही इसके आधार पर उपयोग किया जाता है।

एक प्रत्यक्ष निष्कर्ष तथ्यों की एक भीड़ के आधार पर एक प्रभाव खोजने के लिए और फिर नए परिणामों से अन्य निष्कर्ष निकालना है। यह प्रभावी है जब विभिन्न स्तरों पर कई परिकल्पनाएं जुड़ी होती हैं जिन्हें साबित करने की आवश्यकता होती है, या जब कई और परिकल्पनाओं को प्राप्त करने के लिए कई स्वयंसिद्ध होते हैं।

रिवर्स निष्कर्ष विपरीत है, पहले एक परिकल्पना का चयन किया जाता है जिसे साबित करने की आवश्यकता होती है, और फिर इस परिकल्पना के आधार को साबित करने का प्रयास किया जाता है, जब तक कि अगला आधार एक स्वयंसिद्ध के रूप में नहीं मिलता है।

ईएस में, नियमों पर तर्क उलटा तार्किक निष्कर्ष की विधि द्वारा लागू किया जाता है, जो प्रोलॉग का उपयोग करता है। यह विकल्प चुना गया था, क्योंकि, प्रत्यक्ष अनुमान के विपरीत, यह इस ज्ञान के साथ अधिक कुशलता से काम करता है, क्योंकि लक्ष्य कोने की संख्या तथ्यों की तुलना में बहुत अधिक है और कोई प्रतिस्पर्धी परिकल्पना नहीं है (वे स्वतंत्र हैं)।

कार्यान्वयन

प्रोलॉग में, नियमों को एक नियम के रूप में लागू किया जाता है। प्रत्येक नियम की अपनी संख्या और नाम होता है, जो एक परिकल्पना (निष्कर्ष) है जिसे सिद्ध करने की आवश्यकता है। नियम की स्थिति एक निहित बयान से मेल खाती है, जो पूरी तरह से परिकल्पना की सच्चाई को निर्धारित करती है।

नियम शर्त:

 Colclusion(K)=C1(K) and (C2(K) or C3(K)) and C4(K) 

C1 (K) = Kth नियम के लिए पहली सूची में दर्ज संख्याओं के साथ नियमों के सभी निष्कर्ष सही हैं

C2 (K) = सत्य, Kth नियम के लिए दूसरी सूची से कम से कम एक नियम
C3 (K) = सही रूप से N (K) Kth नियम के लिए दूसरी सूची से नियमों का निष्कर्ष

C4 (K) = Kth नियम के लिए विधेय (विधेय डॉक्टर (K)), जो उपयोगकर्ता द्वारा वर्णित है।
यदि कोई सूची खाली है, तो संबंधित कथन सत्य है।

इसी समय, किसी भी अन्य विधेय को C4 के लिए विधेय में दर्ज किया जा सकता है, लेकिन साथ ही उन्हें निष्कर्ष के तार्किक अर्थ का उल्लंघन नहीं करना चाहिए। इनकार का समर्थन करने के लिए, ज्ञान आधार में कुछ मौजूदा निष्कर्ष यहां भी दर्ज किए जा सकते हैं।

आउटपुट तंत्र यह सुनिश्चित करता है कि नियम सही अनुक्रम में लागू किए गए हैं और ट्रेस को बचाता है।

निष्कर्ष का मुख्य सिद्धांत निष्कर्ष की सच्चाई को साबित करने के लिए है, पहली सूची में लगातार अपने सभी निष्कर्षों को साबित करने के लिए, फिर दूसरी सूची के निष्कर्ष को साबित करने के लिए और अंत में वर्तमान नियम की संख्या के अनुरूप विधेय के सत्य को सत्यापित करने के लिए। दूसरी सूची की जाँच करने के लिए, यदि कम से कम एक सच्चा नियम पाया जाता है, तो सूची के अंत तक आगे के सभी नियमों की जाँच की जाएगी।

विवरण समर्पित करें

सामान्य तौर पर, प्रोलॉग पर ज्ञान कोडिंग के सिद्धांत को निम्नलिखित रूप में दो विधेय का उपयोग करके लागू किया जाता है:

नियम (K, "निष्कर्ष पाठ नियम का नाम है", Id, List1, List2, N)
डॉक्टर (के)
K - नियम संख्या
आईडी - इस नियम के लिए डेटा आईडी
सूची 1 - नियम संख्याओं की पहली सूची
सूची 2 - नियम संख्याओं की दूसरी सूची
एन सही निष्कर्ष की संख्या है

इसके अलावा, नियम हमेशा एक तथ्य के रूप में, चर के बिना, और इसकी सच्चाई के रूप में लिखा जाता है, जैसा कि कहा गया था, सूचियों के अलावा, निर्धारित विधेय को निर्धारित करता है।

ज्ञान लिखने के कुछ उदाहरण इस प्रकार हैं:

नियम (93, "TASH - TASH- स्कोर 43%", tashSc10, [47], [], 0)
नियम (33, "टीएएसएच - मैदानों की अधिकता - अंकों का योग है", कोई नहीं, [], [29,30,31,32], 1)।

विधेय डॉक्टर में, किसी भी अन्य विधेय का उपयोग किया जा सकता है, जो नियम के कथन के पाठ को किसी भी परिस्थिति के सेट पर मैप करना संभव बनाता है जिसे प्रोलॉग का उपयोग करके वर्णित किया जा सकता है।

इस तरह, इन दो विधेयकों का उपयोग करके सभी ज्ञान दर्ज किए जाते हैं।

डॉक्टर में भविष्यवाणी की जाती है, उपयोगकर्ता इंटरफ़ेस फ़ंक्शन को मुख्य रूप से कहा जाता है, क्योंकि कुछ नियम उपयोगकर्ता की प्रतिक्रिया के साथ स्वाभाविक रूप से जुड़े होते हैं या वे वैध मानों के लिए जांच करते हैं।

उदाहरण के लिए, डॉक उन नियमों के लिए भविष्यवाणी करता है, जिनकी सच्चाई उस अंतराल पर निर्भर करती है जिसमें कुल स्कोर उपयुक्त जांच करता है।

सेप्सिस रोगों के निदान के लिए डॉक विधेय अतिरिक्त डॉक विधेय का उपयोग करता है, जो उपयोगकर्ता को अनावश्यक प्रश्न पूछने की अनुमति नहीं देता है। उदाहरण के लिए, यदि किसी चिन्ह के लिए कम से कम दो संकेतों की आवश्यकता होती है, यदि उत्तर दो संकेतों का नहीं है, तो सिस्टम को अधिक प्रश्न नहीं पूछने चाहिए, क्योंकि यह स्पष्ट है कि संकेत सत्य नहीं हो सकता है। ऐसा करने के लिए, डॉक प्रेडिकेट डेटाबेस में दो से अधिक नकारात्मक उत्तरों के लिए एक चेक प्रदान करता है। तीसरे प्रश्न को पूछने का भी कोई मतलब नहीं है यदि परिणामी विशेषता की सच्चाई को स्थापित करने के लिए पर्याप्त रूप से दो प्रश्नों का उत्तर पहले से ही है।

किसी विशेषता वाले समूह के लिए डेटाबेस में नकारात्मक उत्तरों की संख्या के लिए prolate kolNeg (मात्रा) खोजता है। ऐसा करने के लिए, वह पहले संकेतों के इस समूह के सभी प्रकार के संकेतों की खोज करता है ताकि उन्हें अन्य समूहों के साथ भ्रमित न करें, और फिर डेटाबेस में सेट से उन्हें इस समूह के संकेतों की सूची के साथ काम कर रहे kol_neg_list_in_db का उपयोग करके विचार करता है।

कोड उदाहरण

परियोजना बड़ी है, इसलिए मैं सबसे महत्वपूर्ण मार्ग दूंगा।

लिस्टिंग 2 - नियमों की सूची

 rule(11,"Sepsises - SIRS . 1: t>38C  t<36",sirsPr1,[],[],0). rule(12,"Sepsises -   >90",sirsPr2,[],[],0). rule(13,"Sepsises -  >20  PaCO2<32mmHg",sirsPr3,[],[],0). 

लिस्टिंग 3 - तथ्यों की सूची

 fact1(sirsPr1,"SIRS","SIRS . 1: t>38C  t<36"). fact1(sirsPr2,"SIRS","  >90"). fact1(sirsPr3,"SIRS"," >20  PaCO2<32mmHg"). fact1(sirsPr4,"SIRS","- >12.000/mm>3, <4.000/mm>3  >10% band"). 

- तार्किक परिणामों की सूची

 tash_score(1,tashSc1,0,8,"  <5%"). tash_score(2,tashSc2,9,9,"  6%"). tash_score(3,tashSc3,10,10,"  8%"). 

लिस्टिंग 4 - आउटपुट मशीन

 sizeList([],0):-!. sizeList([_|T],Size):- sizeList(T,SizeTail), Size=SizeTail+1. append_der_list([],List,List). append_der_list([H|L1],List2,[H|L3]):- append_der_list(L1,List2,L3). any2(NeedSize,NeedSize,_,[],[],_):-!. any2(_,_,[],[],[],_):-!. any2(NeedSize,Size,[H|T1],[H|T2],[FirstDer|OtherDer],Why):- Nomer=[H], go(Nomer,UnderFirstDer,Why), rule(H,Text,_,_,_,_), FirstDer=tree(Text,unmarked,UnderFirstDer,0),%der(H,UnderFirstDer), Size1=Size+1,!, any2(NeedSize,Size1,T1,T2,OtherDer,Why). any2(NeedSize,Size,[_|T1],List,OrDer,Why):- !,any2(NeedSize,Size,T1,List,OrDer,Why). go([],[],_):-!. go([H|T],[FirstDer|OtherDer],Why):- rule(H,Name,_,ListAnd,ListOr,KolOr), NewWhy=[Name|Why], go(ListAnd,UnderFirstDer,NewWhy), goOr(ListOr,KolOr,_,OrDer,NewWhy), append_der_list(UnderFirstDer,OrDer,TwoDers), FirstDer=tree(Name,unmarked,TwoDers,0), asserta(why_trace(NewWhy)), doc(H,NewWhy), go(T,OtherDer,Why). goOr([],_,[],[],_):-!. goOr(ListOr,KolOr,ListYes,OrDer,Why):- KolOr<>0, any2(KolOr,0,ListOr,ListYes,OrDer,Why), sizeList(ListYes,KolOr). goOr(ListOr,0,ListYes,OrDer,Why):- any2(100000,0,ListOr,ListYes,OrDer,Why), sizeList(ListYes,KolListYes), KolListYes>0. 

लिस्टिंग 5 - अंतिम परिणामों का निष्कर्ष

 tashQuestion(Id):- fact2(Id,_,Prisnak,_), pos(Prisnak),!. tashQuestion(Id):- fact2(Id,_,Prisnak,_), neg(Prisnak),fail,!. tashQuestion(Id):- fact2(Id,_,Prisnak,Ball), not(neg(Prisnak)), not(pos(Prisnak)), dialog_ynw(Prisnak,Ans), tash_in_data_base(Ans,Prisnak,Ball),!. tash_in_data_base("y",Prisnak,Ball):- asserta(pos(Prisnak)),sum_tash(Sum1),Sum2=Sum1+Ball,asserta(sum_tash(Sum2)),!. tash_in_data_base("n",Prisnak,_):- asserta(neg(Prisnak)),!,fail. tash_in_data_base(_,_,_):- write("\nTASH-not correct answer"),!,fail. oneQuestion(Id):- fact1(Id,_,Prisnak), pos(Prisnak),!. oneQuestion(Id):- fact1(Id,_,Prisnak), not(neg(Prisnak)), question_sepsis(Prisnak),!. 

निष्कर्ष

मुझे आशा है कि यह लेख शुरुआती लोगों को अपनी विशेषज्ञ प्रणाली बनाने में मदद करता है।