1 / 51

Raciocínio Baseado em Casos

Raciocínio Baseado em Casos. Teresa Ludermir Centro de Informática - UFPE. Aprendizado Baseado em Instâncias. K-vizinhos mais próximos ( Nearest Neighbours ) Raciocínio Baseado em Casos. Aprendizado Baseado em Instâncias.

rafiki
Download Presentation

Raciocínio Baseado em Casos

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Raciocínio Baseado em Casos Teresa Ludermir Centro de Informática - UFPE

  2. AprendizadoBaseadoemInstâncias • K-vizinhos mais próximos (Nearest Neighbours) • RaciocínioBaseadoemCasos

  3. AprendizadoBaseadoemInstâncias • A aprendizagem consiste somente em armazenar os exemplos de treinamento <x1,c1>, <x2,c2> . . . <xn,cn>. • Após a aprendizagem, para encontrar o valor do conceito alvo associado a uma instância de testes <xt, ? >, um conjunto de instâncias similares são buscadas na memória e utilizadas para classificar a nova instância. • A generalização é feita somente quando uma nova instância deve ser classificada.

  4. AprendizadoBaseadoemInstâncias • Muitos métodos de aprendizagem constroem uma descrição geral e explicita da função alvo a partir de exemplos de treinamento. • Os métodos de aprendizagem baseados em instâncias simplesmente armazenam os exemplos de treinamento.

  5. AprendizadoBaseadoemInstâncias • Constroem uma aproximações para a função alvo para cada instância de teste diferente. • Constrói uma aproximação local da função alvo. • Podem utilizar representações mais complexas e simbólicas para as instâncias

  6. AprendizadoBaseadoemInstâncias • Uma desvantagem é o alto custo para classificação. • Toda a computação ocorre no momento da classificação !!! • Aumenta com a quantidade de exemplo de treinamento.

  7. Raciocínio baseado em regras - RBR Um sistema que usa RBR resolve problemas tomando uma especificação de entrada (ou desenvolvendo um conjunto de perguntas-e-respostas com o usuário) e então “encadeia” um conjunto de regras apropriadas obtidas a partir de uma base de regras para chegar a uma solução.

  8. Raciocínio baseado em regras • A capacidade de aprendizagem não é algo inerente aos sistemas baseados em regras; • Dificuldade de adaptação às mudanças, surgimento de novos problemas dentro do domínio corrente; • A construção e a manutenção são tarefas que demandam muito tempo • A extração de regras junto a especialistas também é uma tarefa árdua; • As regras são inerentemente dependentes de outras regras; • É muito complexa a tarefa de eliminação erros.

  9. “Pessoas: Experiência vivida” • Classificação: “Os problemas de ouvido deste paciente são casos típicos de otite média” • Soluções compiladas: “Os sintomas de coração do paciente X podem ser explicados da mesma maneira que aquele paciente Y” • Avaliando medidas: Minha casa é como aquela que foi vendida mais em baixo nesta rua por R$25.000,00 mas ela tem uma vista melhor”

  10. “Pessoas: Experiência vivida” • Concepção (design): para projetar este hospital, vou me basear naquele que já fiz com um número de leitos parecido, embora tenha de adaptá-lo pois este é de esquina • Avaliando opções: se nós atacássemos as intalações dos mísseis cubanos/russos, seria como no caso de Pearl Harbor

  11. Regras Experiência Engenheiro de conhecimento Algoritmo de aprendizagem Regras Experiência Experiência: o que o especialista tem de mais valioso • Sistemas Especialistas convencionais: • (alguns) Sistemas Especialistas de segunda geração:

  12. Experiência: o que o especialista tem de mais valioso • Case-based reasoning system • Um método de resolução de problemas onde novos problemas são resolvidos adaptando-se soluções de antigos problemas similares • aprendizado incremental on-line • suavisa necessidade de aquisição de conhecimento • tem plausibilidade cognitiva Experiência Experiência

  13. O que é Raciocínio Baseado em Casos (RBC) ? • Case-basedreasoning system is ... reasoningbyremembering. Leake, 1996 • A case-basedreasoner solves newproblemsbyadaptingsolutionsthatwereused to solve oldproblems. Riesbeck & Schank, 1989 • Case-basedreasoning is a recent approach to problemsolvingandlearning ... Aamodt & Plaza, 1994 • Case-basedreasoning is both ... Thewayspeople use cases to solve problemsandthewayswecanmake machines use them. Kolodner, 1993

  14. Definição de RBC • Raciocínio Baseado em Casos (RBC) é um paradigma de IA que utiliza experiências passadas para solucionar problemas correntes • Abordagem muito utilizada por seres humanos para resolver problemas práticos • Um caso • é um episódio vivido • contém a descrição de : problema + solução • exemplos: um paciente, um projeto arquitetônico, uma situação, uma causa jurídica, uma melodia, etc.

  15. Exemplos • Aulas de Aldo vonWangeheim • Transparências 8 - 24

  16. Fases do RBC • Em geral, sistemas de RBC estão relacionados aos processos: • Representação de Casos • Indexação de Casos • Armazenamento e Recuperação de Casos • Adaptação de Casos • Avaliação e Reparo de Casos

  17. Fases do RBC

  18. RBR vs. RBC – Obtenção de conhecimento • RBR • Articulação de soluções é realizada por inferências sobre um conjunto potencialmente grande de regras; • É preciso reestruturar o código para acomodar expansões e tratamento de casos particulares. • RBC • O aprendizado é uma tarefa natural, através da retenção de novos casos; • O conhecimento do domínio não precisa ser completamente definido no desenvolvimento do sistema.

  19. RBR vs. RBC - Memória • RBR • Não possuem memória, o que obriga a construção de soluções sempre a partir do zero. • Erros anteriores tendem a acontecer novamente. • RBC • Possuem uma memória de casos anteriores, continuamente incrementada. • Permite construir soluções a partir de outras, minimizando o tempo gasto e evitando cometer novamente os mesmos erros;

  20. RBR vs. RBC - Robustez • RBR • Quando um problema não se encaixa em nenhuma regra, o sistema simplesmente não pode resolvê-lo. • RBC • Podem adaptar casos com características similares que podem ser úteis para resolver o problema atual.

  21. Sistemas baseados em regras: críticas • aquisição de conhecimento muito difícil • regras nem sempre são intuitivas • desenvolvimento é muito longo • não aprende • não é robusto • tratamento de incerteza complicado • manutenação e refinamento são delicados • é lento

  22. Desenvolvimento de um sistema RBC • Qual a natureza e conteúdo dos casos? • Como representá-los? • Como indexá-los de maneira a poder encontrá-los adequadamente e rapidamente mais tarde? • Qual são os critérios para a escolha do melhor caso e como recuperá-lo? • Como estruturar (organizar) os casos da base? • Como adaptar o caso recuperado?

  23. Natureza e conteúdo dos casos • Pergunta chave • O que é um caso no domínio abordado? • Conteúdo • Mínima: descrição do problema e da solução • Extensões: avaliação da solução (falhas, sucesso, etc.) , contexto (justificação, links com outros casos, etc.), • Quantidade de casos • distribuir bem no espaço de problema n-dimensional (n atributos)

  24. Representação dos Casos • Definição do conteúdo que será armazenado. • Determinação das características mais relevantes de cada caso. • Busca de uma estrutura apropriada para descrever estas características.

  25. Representação dos Casos • Várias linguagens • de vetores de características • Atributo-valor (frames, redes semânticas, objetos, ...) • lógica de primeira ordem

  26. Indexação • Objetivo: dar ao sistema conhecimento sobre como estocar e comparar (match) casos • Vocabulário de indexação • índice = atributo, característica, predicado, ... • Pode ser feita manual ou automaticamente

  27. preço ano modelo marca opcionais kilometragem motor cor .... Indexação • Interpretação de situação • os índices realmente relevantes para um problema/situação em particular

  28. Indexação • Indexação pelo vizinho mais próximo • Baseada na distância euclidiana entre o novo caso e os casos armazenados; • Indexação indutiva • Determina indutivamente quais as características mais importantes para os vários casos; • Indexação baseada em conhecimento • Utiliza o conhecimento existente na literatura para cada caso e determina quais características são importantes para recuperá-los;

  29. Similaridade e recuperação • O casamento é parcial !!!! =>Mais robustez • Etapas da recuperação • Matching: encontrar os N casos mais similares ao caso alvo • Ranking: Escolher o melhor caso MC em relação o alvo

  30. Adaptação dos casos • Objetivo: compensar as diferenças entre o problema-alvo e problema-fonte escolhido • Adaptação: 3 tipos • Cópia: usada normalmente em classificação • Adap. Estrutural: a partir da própria solução recuperada • Adap. Derivacional: a partir da maneira com que a solução recuperada foi gerada

  31. Adaptação dos casos • Para as duas últimas formas de adaptação as operações são: • ajuste de parâmetros, abstração e especialização, substituição,... • Problema: • depende do domínio,coordenação do conjunto de operadores de transformação

  32. Exemplo de Adaptação • JULIA precisa criar uma refeição italiana (e que não contenha carne) composta de entrada, massas, refeição principal e sobremesa; • Baseando-se em casos anteriores, JULIA escolhe lasanha como prato principal. Porém: • a refeição original inclui um prato de massas. Para simplificar, JULIA elimina o prato de massas; • lasanha inclui carne. Devido à restrição do problema, uma lasanha vegetariana é proposta;

  33. Avaliação e reparo dos casos • Revisão 1) Avaliar a solução (automaticamente ou não) 2) Consertar o caso • Retenção: Se algo ensina alguma lição para o futuro, chame-o de caso 1) Extração da informação a reter 2) indexação 3) inserção/integração do caso na base • exemplo: ajuste dos pesos de determinados atributos de um caso;

  34. Aprendizado em RBC • No aprendizado de máquina tradicional, existe a fase do aprendizado e a fase de utilização: indução e dedução; • Em RBC, o aprendizado é parte do processo de resolução de problemas; • O princípio: é mais fácil aprender retendo um exemplo concreto de solução do que tentar generalizar tais experiências;

  35. Quando usar CBR? • Existe uma grande volume de dados históricos • Os especialistas falam sobre seus domínio dando exemplos • A experiência vale tanto quanto o conhecimento dos livros texto • Os problemas não são completamente formalizáveis • fraca compreensão do problema, dificuldade de verbalização

  36. Quando usar CBR? • Existem conhecimento para adaptação de casos • Existem muitas exceções às regras • É preciso aprender “on-line”

  37. Problemas • Aquisição & descrição dos casos • nem sempre é trivial além de demandar conhecimento do domínio! • O controle da medida de similaridade é fraco pois o matching é parcial • o acúmulo de semelhanças “irrelevantes” faz com que certos casos sejam escolhidos em detrimento dos outros • como ter certeza que as propriedades A e B serão determinantes na recuperação de um caso que contém 20 atributos? • A explicação • pode ser prejudicada quando a recuperação é baseada em uma medida de similaridade numérica

  38. Combinando RBC com RN • RBC e RN têm sido combinados em algumas pesquisas recentes • Integração pode ocorrer por: • Divisão de tarefas entre a RN e o RBC • Projeto de uma arquitetura inteligente combinando características de RN e RBC

  39. Combinando RBC com RN • Casamento e indexação de casos • Maioria das combinações • Procura padrões de similaridade entre os casos • Auxiliar processo de Raciocínio do sistema RBC • Definir arquitetura neural mais adequada para uma dada aplicação

  40. Aplicações de RBC - [Prudêncio 2002] RBC foi utilizado juntamente com Algoritmos Genéticos (AG) e Redes Neurais Artificiais (RNA) para a previsão de séries temporais por [Prudêncio 2002]; O sistema de RBC mantém uma base de casos em que cada caso armazena a descrição de um problema resolvido com redes neurais e a solução aplicada. Diante de um novo problema, uma consulta é feita à base de casos, recuperando as soluções usadas nos problemas mais similares.

  41. Aplicações de RBC - [Prudêncio 2002] Essas soluções são inseridas na população inicial dos AGs, que são responsáveis por adaptá-las; Após a execução dos AGs, a solução final poderá ser inserida na base de casos, para auxiliar a solução de problemas futuros. As redes geradas pelo modelo apresentaram maior poder de generalização, além de um número menor de conexões de rede.

  42. Aplicações de RBC - [Prudêncio 2002]

  43. Aplicações de RBC - [Prudêncio 2002]

  44. Aplicações de RBC - [Prudêncio 2002] • Módulo PROC • Transforma uma série temporal não estacionária em uma série estacionária, ou seja, que não apresentam tendência e sazonalidade; • Módulo GBC • Mede a similaridade do problema atual com todos os problemas armazenados na base e retorna os mais similares. • O número de casos retornados da base é igual ao número de cromossomos da população dos AGs; • Usa a distância euclidiana. • Módulos AG e TR • Operam cooperativamente na busca pela melhor solução.

  45. Um Novo Modelo de Automatização: RBC e AG • Projeto das redes é tratado de forma híbrida: • uso de conhecimento e busca. • Conhecimento é usado para iniciar o processo de busca. • Base de casos é usada para inicializar a primeira população dos AGs. • No modelo proposto, RBC manipula o conhecimento e AGs realizam a busca.

  46. Aplicações: estado da arte • Todas as classes de problemas dos SE´s • diagnóstico, planejamento, scheduling, interpretação, design, seleção, ensino,.... • Existem ferramentas (shells) • ReMind, CAsePOint,CASUEL, ART*, ReCall, CBR-Express,... • Exemplos • Machine Tool Fault Diagnosis • Computer Network Diagnosis • Credit Analysis • Geological Deposit Prediction • Battle Planning

  47. Mais aplicações... • Bank Telex Classification • Natural Language Understanding • Network Management • Legal Reasoning • Claims Settlement • Medical Diagnosis • Weather Prediction • Fraud Detection • Industrial Planning and Scheduling • Residential Domain • Aircraft Maintenance Domain • Helpdesk Systems for PC Network Diagnostics

  48. Algumas aplicações na WEB • FIND-ME AGENTS • sugere filmes e carros em locadoras • raciocino através de exemplos • BUTTLER AGENTS • sugere hotéis, restaurantes, oficinas, ... • CORRESPONDENT AGENTS • usa técnicas de recuperação de casos para encontrar textos: FAQ-finder

  49. Find Me: http://infolab.cs.uchicago.edu/entree

  50. Referências • Aamodt, A; Plaza, E. (1994). “Case-Based Reasoning: Foundational Issues, Methodological Variantions, and System Approaches”. Em AI Communications, Vol. 7, nr. 1; • Kolodner, J. (1993) Case Based Reasoning. Morgan Kaufmann. • Web • AI-CBR Home Page: http://www.ai-cbr.org/theindex.html • CBR archive: http://www.ai-cbr.org/cases.html • CBR in the Web: http://wwwagr.informatik.uni-kl.de/~lsa/CBR/CBR-Homepage.html • CBR Bibliography: http://www.surveying.salford.ac.uk/AI-CBR/biblio/search.html

More Related