Autonomous, Model-Based Diagnosis Agents

عوامل تشخیص مستقل و مبتنی بر مدل اجرای یک معماری را برای عوامل تشخیص مستقل و مبتنی بر مدل تعریف و توصیف می‌کند. این کار را با توسعه یک رویکرد برنامه‌ریزی منطقی برای تشخیص مبتنی بر مدل و معرفی استراتژی‌هایی برای مقابله با مشکلات تشخیص پیچیده‌تر و سپس تعبیه چارچوب تشخیص در معماری عامل عوامل زنده انجام می‌دهد.
عوامل تشخیص خودکار مبتنی بر مدل برنامه‌نویسی منطقی را بررسی می‌کند و نشان می‌دهد که چگونه از این زبان بیانی برای مدل‌سازی مشکلات تشخیص ناشی از برنامه‌هایی مانند مدارهای دیجیتال، کنترل ترافیک، بررسی یکپارچگی یک ماده شیمیایی استفاده می‌شود. پایگاه داده، زنگ هشدار در شبکه های تلفن همراه، تشخیص کوره آینه ای خودکار و تشخیص پروتکل های ارتباطی. این کتاب یک الگوریتم از پایین به بالا را برای حذف تناقض از برنامه‌های منطقی توسعه‌یافته مرور می‌کند و با ارزیابی از بالا به پایین برنامه‌های منطقی توسعه‌یافته، آن را به طور قابل‌توجهی بهبود می‌بخشد. هر دو الگوریتم در حوزه مدار شامل برخی از مدارهای معیار ISCAS85 ارزیابی می شوند.
این مطالعه عمیق جامع مفاهیم، ​​معماری‌ها و پیاده‌سازی عوامل تشخیصی مستقل و مبتنی بر مدل برای محققان، مهندسان و دانشجویان فارغ‌التحصیل با پیشینه هوش مصنوعی ارزش زیادی خواهد داشت. برای شاغلین، سه کمک اصلی ارائه می‌کند: اول، مثال‌های زیادی از حوزه‌های متنوعی مانند همبستگی هشدار در شبکه‌های تلفن تا بررسی ناسازگاری در پایگاه‌های داده ارائه می‌کند. دوم، معماری برای توسعه عوامل را توصیف می کند. و سوم، اجرای پیچیده و آشکار مفاهیم و معماری های معرفی شده را توصیف می کند.

Autonomous, Model-Based Diagnosis Agents defines and describes the implementation of an architecture for autonomous, model-based diagnosis agents. It does this by developing a logic programming approach for model-based diagnosis and introducing strategies to deal with more complex diagnosis problems, and then embedding the diagnosis framework into the agent architecture of vivid agents.
Autonomous, Model-Based Diagnosis Agents surveys extended logic programming and shows how this expressive language is used to model diagnosis problems stemming from applications such as digital circuits, traffic control, integrity checking of a chemical database, alarm-correlation in cellular phone networks, diagnosis of an automatic mirror furnace, and diagnosis of communication protocols. The book reviews a bottom-up algorithm to remove contradiction from extended logic programs and substantially improves it by top-down evaluation of extended logic programs. Both algorithms are evaluated in the circuit domain including some of the ISCAS85 benchmark circuits.
This comprehensive in-depth study of concepts, architectures, and implementation of autonomous, model-based diagnosis agents will be of great value for researchers, engineers, and graduate students with a background in artificial intelligence. For practitioners, it provides three main contributions: first, it provides many examples from diverse areas such as alarm correlation in phone networks to inconsistency checking in databases; second, it describes an architecture to develop agents; and third, it describes a sophisticated and declarative implementation of the concepts and architectures introduced.