‫جامعة الشمال الخاصة ‪S.P.

U -‬‬
‫كلية الهندسة المعلوماتية‬
‫النظم الخبية‬

‫"عنوان البحث"‬

‫عامل اليقي ‪Certainty Factor‬‬

‫ر‬
‫إشاف‬
‫أ‪.‬د‪ .‬أحمد هالل الكردي‬

‫مقدم البحث الطالب‬

‫عبدالفتاح رمضان‬

‫السنة الدراسية‬
‫‪2023-2022‬‬
 ‫‪Expert System‬‬

‫‪Certainty Factor‬‬

‫تمهيد‬
‫بعد دراسة استعمال المنطق لتمثيل المعرفة والمحاكمة نتساءل فيما إذا كان باإلمكان استخدامه في مسائل العالم‬
‫الحقيقي حولنا؟ ل يمكننا أن نختصر أدوات نمذجة مسائل العالم الواقعي على منطق حساب الفرضيات والمنطق‬
‫من الدرجة األولى‪ ،‬ألن معظم مسائل العالم الواقعي ل يوجد فيها حتمية كاملة في اتخاذ القرار‬

‫تقنيات معالجة الشك في النظم الخبيرة‬

‫• معامل الشك واليقين ‪certainty factor‬‬
‫• نظرية بايز في االحتماالت ‪Bayesian probability theory‬‬
‫• نظرية المنطق العائم ‪Fuzzy Logic Theory‬‬

‫سنركز في بحثنا هذا على معامل الشك واليقين ‪...........‬‬

‫مقدمة‬
‫عا لتمثيل ومعالجة المعرفة غير المؤكدة في أوائل (الثمانينيات)‬
‫كان نموذج عامل اليقين أحد أكثر النماذج شيو ً‬
‫األنظمة الخبيرة القائمة على القواعد‪ .‬تم أخذ مكانها من خالل المزيد من الشكليات التعبيرية لشبكات المعتقدات‬
‫البايزية لتمثيل المعرفة غير المؤكدة والتالعب بها‪ .‬تم توضيح التالعب بالمعرفة غير المؤكدة في األنظمة الخبيرة‬
‫القائمة على القواعد قبل النتقال إلى شبكات‪Bayesian.‬‬

‫إن معادلت بايز معقدة بدرجة كافية وهي بالتأكيد ليست مناسبة ألنشطة العقل البشري ‪.‬تعتبر نظرية عوامل اليقين‬
‫بديالً لالستدلل البايزي ‪ -‬عندما ل تتوفر معلومات إحصائية موثوقة أو ل يمكن افتراض استقاللية األدلة ‪ -‬وتقدم‬
‫حساب عوامل اليقين على أساس الستدلل البشري الخبير‪.‬‬
‫هذا المنهج أقرب إلى تفكير اإلنسان وطريقته في التعامل مع المسائل ومعطياتها‪ ،‬فبالنسبة للمثال التقليدي عن‬
‫األمراض دوما ً عندما نشاهد أعراض معينة نشك بمرض معين وليس العكس وعندما نشاهد األعراض األخرى‬
‫لنفس المرض تزيد نسبة قرارنا بأن الحالة التي نقوم بتشخيصها مصابة بهذا المرض‪ ،‬وهكذا‪..‬‬

‫تعريف‬
‫• عامل اليقين‬
‫هو رقم مخصص لحقيقة أو قاعدة لإلشارة إلى اليقين أو الثقة مع حقيقة أو قواعد القيمة هذه يتم التحقق من صحتها‪.‬‬
‫• عامل اليقين‬
‫هو جهاز يستخدم في األنظمة المستندة إلى القواعد لتعيين وزن للحقائق أو أجزاء من المعرفة ‪.‬تعبر األوزان عن‬
‫اليقين المدرك لحقيقة كونها صحيحة‪ :‬عادة ً ما يشير ‪ 1-‬إلى خطأ مؤكد‪ ،‬ويشير ‪ 1+‬بالتأكيد إلى صحة‪ ،‬وتمثل القيم‬
‫الوسيطة درجات متفاوتة من اليقين‪ ،‬مع ‪ 0‬يعني غير معروف‬
‫• عامل اليقين‬
‫هو عبارة عن رقم يعبر عن مدى صحة المعلومة ‪ 1‬تأكد تام ‪ 1-‬خطا أكيد ‪ 0‬غير معروف‬

‫‪1‬‬ ‫‪ABDELFATTAH RAMADAN‬‬

 ‫‪Expert System‬‬

‫• أول من استخدمها مايسن في نظامه الخبير‬

‫يستخدم ‪ MYCIN‬التسلسل الخلفي‪ ،‬وبالتالي استخدام مصطلحات الدليل والفرضية‬
‫• هو عبارة عن رقم يعبر عن مدى صحة المعلومة‬
‫الحد األقصى لقيمة عامل اليقين هو ‪( 1.0+‬صحيح بالتأكيد)‪ ،‬والحد األدنى ‪( 1.0-‬خطأ بالتأكيد)‪.‬‬
‫• يستخدم لترتيب الفرضيات بحسب أهميتها‬
‫• نظرية عوامل اليقين تحظى بشعبية بديل للمنطق بايزي‪.‬‬
‫• عامل اليقين (‪)CF‬‬
‫وهو رقم للقياس إيمان الخبير‪ .‬الحد األقصى لقيمة عامل اليقين‪( 1.0+ ،‬بالتأكيد صحيح) والحد األدنى ‪1.0-‬‬
‫(خطأ بالتأكيد)‪.‬‬

‫تتكون قاعدة المعرفة من مجموعة من القواعد التي لها بناء الجملة التالي‪:‬‬
‫>‪IF <evidence‬‬ ‫إذا كان <الدليل>‬
‫}‪THEN <hypothesis> {CF‬‬ ‫ثم <الفرضية> {‪}CF‬‬
‫‪where CF represents belief in hypothesis H given that‬‬ ‫حيث يمثل ‪ CF‬اإليمان بفرضية ‪H‬‬
‫‪evidence E has occurred.‬‬ ‫بالنظر إلى أن الدليل ‪ E‬قد حدث‪.‬‬

‫نقوم باستنتاج الفرضيات وفقا للمشاهدات وليس العكس أي أن القواعد تأخذ الشكل‪:‬‬
‫]‪If (Evidences) then (H), with certainty factor of 𝑥; 𝑥 ∊ [−1,1‬‬
‫فيكون لدينا معامل التوكيد لكل قاعدة ومعامل توكيد لكل مشاهدة وفرضية‬
‫ينتمي معامل التوكيد للمجال [‪ ]-1، 1‬عندما يكون قريبا ً من الصفر فهذا يعني أن العبارة في حالة شك وتفتقد لألدلة‪.‬‬
‫وعندما تقترب قيمته من ‪ +1‬فهذا يعني ازدياد تأكيد الفرضية‪ ،‬وعندما تقترب من ال ‪ -1‬فهذا يعني ازدياد نفي‬
‫الفرضية‪.‬‬

‫‪2‬‬ ‫‪ABDELFATTAH RAMADAN‬‬

 ‫‪Expert System‬‬

‫قوانين تركيب معامالت التوكيد‬

‫قد نجد مجموعة قواعد تؤدي إلى نفس النتيجة بالتالي تزداد ثقتنا بهذه القواعد "يزداد عامل توكيد النتيجة"‪ ،‬وقد‬
‫نجد قواعد متناقضة "فال ننس أن من يضع هذه القواعد عدة خبراء فقد يضع أحدهم قاعدة ويأتي آخر يضع قاعدة‬
‫نقيضة" بالتالي تقل ثقتنا بنتيجة هاتين القاعدتين‪ .‬نريد أن نقوم بعملية تركيب لمعامالت التوكيد بين القواعد المختلفة‬
‫الحقائق والقواعد معا ً قد تكون غير مؤكدة قد تكون شروط القاعدة ليست معروفة على وجه اليقين حتى وإن كانت‬
‫‪ conditions‬صحيحة تبقى الستنتاجات غير مؤكدة‬
‫‪IF engine does not turn‬‬
‫‪AND lights do not come on‬‬
‫‪THEN problem is the battery with CF 0.5‬‬
‫يجب حساب ‪ CF‬لستنتاج ما إذا كانت الحقائق أو القواعد غير مؤكدة‬

‫}‪IF <evidence > THEN <hypothesis > {CF‬‬

‫في حالة وجود <دليل> ثم <فرضية }‪{CF‬‬
‫نظرا لحدوث الدليل‪E.‬‬
‫حيث يمثل ‪ CF‬العتقاد الصافي في الفرضية ‪ً H‬‬
‫تعتمد نظرية عوامل اليقين على وظيفتين‪ :‬قياس العتقاد)‪ ، MB (H, E‬وقياس عدم التصديق )‪MD (H, E‬‬

‫تم تعريفه أوالً‪ ،‬في‪ ، MYCIN‬كعامل اليقين وهو الفرق بين اإليمان والكفر‪:‬‬

‫)𝐸 ‪𝐶𝐹 (𝐻, 𝐸 ) = 𝑀𝐵(𝐻, 𝐸 ) − 𝑀𝐷(𝐻,‬‬

‫حيث ان‬
‫‪ - MB‬هو مقياس اإليمان المتزايد بـ ‪ H‬بسبب ‪.E‬‬
‫‪ - MD‬هو مقياس الكفر المتزايد في ‪ H‬بسبب ‪.E‬‬

‫)‪ :MB (H, E‬مقياس زيادة اإليمان بـ ‪ H‬بسبب ‪.E‬‬

‫‪1‬‬ ‫‪𝐼𝐹 𝑃(𝐻) = 1‬‬

‫)𝐻(𝑝 ‪𝑀𝐵(𝐻, 𝐸) = max[𝑝(𝐻|𝐸), 𝑝(𝐻)] −‬‬
‫𝑒𝑠𝑖𝑤𝑟𝑒‪𝑜𝑡ℎ‬‬
‫{‬ ‫)𝐻(𝑝 ‪max[0,1] −‬‬

‫)‪ p (H‬هو الحتمال السابق لصحة الفرضية ‪ H‬؛‬

‫)‪ p (H | E‬هو احتمال أن تكون الفرضية ‪ H‬صحيحة بالنظر إلى الدليل ‪.E‬‬

‫‪3‬‬ ‫‪ABDELFATTAH RAMADAN‬‬

 ‫‪Expert System‬‬

‫)‪ :MD (H, E‬مقياس زيادة الكفر في ‪ H‬بسبب ‪.E‬‬

‫‪1‬‬ ‫‪𝐼𝐹 𝑃(𝐻) = 1‬‬

‫= )𝐸 ‪𝑀𝐷(𝐻,‬‬ ‫)𝐻(𝑝 ‪min[𝑝(𝐻|𝐸), 𝑝(𝐻)] −‬‬
‫𝑒𝑠𝑖𝑤𝑟𝑒‪𝑜𝑡ℎ‬‬
‫{‬ ‫)𝐻(𝑝 ‪min[0,1] −‬‬

‫بين ‪ 0‬و‪.1‬‬ ‫قيم نطاق )‪ MB (H, E‬و )‪MD (H, E‬‬

‫تعتمد قوة اإليمان أو عدم اإليمان بالفرضية ‪ H‬على نوع الدليل الذي تمت مالحظته‪ .‬قد تزيد بعض الحقائق من‬
‫قوة اإليمان‪ ،‬ولكن بعضها يزيد من قوة الكفر‪.‬‬

‫نلخص ما سبق بما يلي وظائف اإليمان‬

‫‪1‬‬ ‫‪𝐼𝐹 𝑃(𝐻) = 1‬‬
‫)𝐻(𝑝 ‪𝑀𝐵(𝐻, 𝐸) = max[𝑝(𝐻|𝐸), 𝑝(𝐻)] −‬‬
‫𝑒𝑠𝑖𝑤𝑟𝑒‪𝑜𝑡ℎ‬‬
‫{‬ ‫)𝐻(𝑝 ‪max[0,1] −‬‬

‫‪1‬‬ ‫‪𝐼𝐹 𝑃(𝐻) = 1‬‬

‫= )𝐸 ‪𝑀𝐷(𝐻,‬‬ ‫)𝐻(𝑝 ‪min[𝑝(𝐻|𝐸), 𝑝(𝐻)] −‬‬
‫𝑒𝑠𝑖𝑤𝑟𝑒‪𝑜𝑡ℎ‬‬
‫{‬ ‫)𝐻(𝑝 ‪min[0,1] −‬‬

‫)𝐸 ‪𝐶𝐹 (𝐻, 𝐸 ) = 𝑀𝐵(𝐻, 𝐸 ) − 𝑀𝐷(𝐻,‬‬

‫‪4‬‬ ‫‪ABDELFATTAH RAMADAN‬‬

 ‫‪Expert System‬‬

‫تعريف جديد‬
‫في عام ‪ ،1977‬تغير تعريف ‪CF‬في موقع ‪ :MYCIN‬القوة الكلية لالعتقاد أو الكفر في الفرضية‪:‬‬
‫)𝐸 ‪𝑀𝐵(𝐻, 𝐸) − 𝑀𝐷(𝐻,‬‬
‫= 𝐹𝐶‬
‫])𝐸 ‪1 − min [𝑀𝐵(𝐻, 𝐸), 𝑀𝐷(𝐻,‬‬

‫لتخفيف آثار قطعة واحدة من األدلة غير المؤكدة على العديد من األدلة المؤكدة‪.‬‬
‫ضع في اعتبارك قاعدة بسيطة‪:‬‬
‫إذا كانت ‪ A‬تساوي ‪X‬‬
‫ثم ‪ B‬هو ‪Y‬‬
‫ضا أنه قد لوحظ أنه في بعض الحالت‪ ،‬حتى‬ ‫قد ل يكون الخبير متأكدًا تما ًما من صحة هذه القاعدة‪ .‬افترض أي ً‬
‫عندما يتم استيفاء جزء ‪ IF‬من القاعدة ويأخذ الكائن ‪ A‬القيمة ‪ ،X‬يمكن أن يكتسب الكائن ‪ B‬قيمة مختلفة ‪.Z‬‬
‫إذا كانت ‪ A‬تساوي ‪X‬‬
‫إذن ‪ B‬تساوي ‪{CF 0.7} Y‬؛‬
‫‪ B‬هو ‪{CF 0.2} Z‬‬

‫‪Calculating CF on the LHS‬‬

‫>‪IF<condition1‬‬ ‫‪how much do‬‬

‫>‪AND<condition2‬‬ ‫‪you believe in‬‬
‫…‪AND‬‬ ‫‪all these‬‬
‫‪THEN conclusion‬‬ ‫‪conditions‬‬
‫?‪being true‬‬
‫‪With certainty C‬‬

‫القتران (المنطقي ‪)AND‬‬

‫• خذ الحد األدنى من ‪CF‬‬
‫• إيمانك مقيد بأدنى حد يقين‬
‫الفصل (المنطقي ‪)OR‬‬
‫• خذ أقصى قدر من ‪CF‬‬
‫• إيمانك جيد مثل األكثر يقينًا‬
‫النفي (‪)NOT‬‬
‫• خذ "‪( "-CF‬سلبي)‬

‫‪5‬‬ ‫‪ABDELFATTAH RAMADAN‬‬

 Expert System

Calculating CF on the LHS

IF <condition…> THEN <conclusion> with CF n
CF(A) = 0.3 CF (A and B) = min (0.3,0.5) = 0.3
CF(B) = 0.5 CF (A or B) = max (0.3,0.5) = 0.5
CF(C) = 0.4 CF (note A) = -0.3
CF(D) = -0.7 CF (A and B or C and not(D))
= max (min (0.3,0.5), min (0.4,0.7))
= max)0.3,0.4(
= 0.4

Calculating the Certainty Factor of a Conclusion (RHS)

IF <condition…> THEN <conclusion> with CF n
CF (H, e) = CF (E, e) * CF (H, E)

CF (H, e)
e ‫) بنا ًء على أدلة غير مؤكدة‬RHS i.e.,( ‫ الفرضية‬/ ‫ لالستنتاج‬CF
CF (H, E)
)CF (E, e) =1) ‫) بالتأكيد صحيح (أي عندما‬LHS i.e.,( E ‫ الدليل‬/ ‫ الفرضية عندما تكون الحالة‬/ ‫ لالستنتاج‬CF
CF (E, e)
e ‫ بنا ًء على دليل غير مؤكد‬E ‫ الدليل‬/ ‫ من الحالة‬CF
For example
• IF sky is clear
• THEN the forecast is sunny {CF 0.8}
and the current certainty factor of sky is clear is 0.5, then:
CF (H, e) = 0.5 * 0.8 = 0.4
This result can be interpreted as “It may be sunny.”

6 ABDELFATTAH RAMADAN
 Expert System

Combining Evidence ‫الجمع بين األدلة‬

IF A and B or C and not D CF (E, e)
THEN X = CF (A and B or C and not D)
with CF 0.6 = max (min (0.3,0.5), min (0.4,0.7))
CF(A) = 0.3 = max )0.3,0.4(
CF(B) = 0.5 =0.4
CF(C) = 0.4 CF (H, E) =0.6
CF(D) = 0.7 CF(X)= CF (H, e)
= CF (E, e) * CF (H, E)
= 0.6 * 0.4
= 0.24

Conjunctive rules ‫قواعد الربط‬

IF sky is clear
AND the forecast is sunny
THEN the action is ‘wear sunglasses’ {CF 0.8}
&the certainty of sky is clear is 0.9
&the certainty of the forecast of sunny is 0.7,
then:
CF (H, E1 ∩E2) = min [0.9, 0.7] * 0.8 = 0.7 * 0.8 = 0.56

Disjunctive rules ‫قواعد الفصل‬

IF sky is overcast
OR the forecast is rain
THEN the action is ‘take an umbrella’ {CF 0.9}
& The certainty of sky is overcast is 0.6
& The certainty of the forecast of rain is 0.8,
Then:
CF (H, E1 ∪E2) = max [0.6, 0.8] .0.9 = 0.8 .0.9 = 0.72

7 ABDELFATTAH RAMADAN
 Expert System

Combining Evidence ‫الجمع بين األدلة‬

:‫افترض أن قاعدة المعرفة تتكون من القواعد التالية‬
Rule 1:
IF A is X
THEN C is Z {CF 0.8}
Rule 2:
IF B is Y
THEN C is Z
{CF 0.6}
:‫لحساب عامل اليقين المشترك نحن يمكن استخدام المعادلة التالية‬

‫؛‬1 ‫ التي أنشأتها القاعدة‬H ‫ هي الثقة في الفرضية‬:CF1

‫ ؛‬2 ‫ التي تحددها القاعدة‬H ‫ هي الثقة في الفرضية‬:CF2
.‫ على التوالي‬،cf2‫ و‬cf1 ‫ هي مقادير مطلقة لـ‬:| cf1 |and |cf2|

IF engine does not turn CF (battery flat, engine not turn)

THEN battery is flat 0.7 * 0.6=
with CF 0.6 0.42=
IF horn does not blow CF (battery flat, horn not blow)
THEN battery is flat 0.3 * 0.9=
with CF 0.9 0.27=
CF (engine not turning) =0.7 CF (battery flat)
CF (horn does not blow) =0.3 )0.42-1(*0.27+0.42=
0.5766=

8 ABDELFATTAH RAMADAN
 Expert System

Example 1
Rule 1 Note that the current certainty of
IF A A is 0.2,
OR B B is 0.5,
THEN C (certainty factor 0.3) C is 0.15,
Rule 2 D is 0.3,
IF C E is 0.6,
OR D F is 0.7
THEN H (certainty factor 0.8)
Rule 3
IF E
OR F Calculate the certainty that H is true
THEN H (certainty factor 0.2)

Rule 1 state
IF A OR B, so the max value of A and B:
max (0.2, 0.5) = 0.5
THEN C then the certainty of C
= 0.5 * certainty factor 0.3 = 0.15
Using Rule 2
IF C OR D, so the max value of C and D:
max (0.15, 0.3) = 0.3
THEN H then the certainty of H
= 0.3 * certainty factor 0.8 = 0.24.
Using Rule 3
IF E OR F, so the max value of E and F:
max (0.6, 0.7) = 0.7
THEN H then the certainty of H
= 0.7 * certainty factor 0.2 = 0.14
‫ لذلك يتم تطبيقها‬،‫ لها قيمتان مختلفتان من اليقين‬H :‫ملحوظة‬

The overall certainty of H =0.24 + 0.14 (1 - 0.24) = 0.3464

9 ABDELFATTAH RAMADAN
 Expert System

Code MATLAB
‫كود ماتالب للمثال أعاله‬
a=0.2;
b=0.5;
c=0.15;
d=0.3;
e=0.6;
f=0.7;
rule1=max(a,b)*0.3;
disp(rule1);
rule2=max(c,d)*0.8;
disp(rule2);
rule3=max(e,f)*0.2;
disp(rule3);
if (rule2>0&&rule3>0)
H=rule2+rule3*(1-rule2)
end
disp(H);

10 ABDELFATTAH RAMADAN