Ismeretalapú rendszerek alaptechnikái II.

1. Ismeretalapú rendszerek alaptechnikái II.

2. Ismeretalapú rendszerek alaptechnikái tudásreprezentációs módszerek és következtetési/ keresési stratégiák számítógéppel megvalósított változatai Alapvető következtetési technikák: • szabályalapú technikák • induktív technikák (gépi tanulás) • hibrid technikák • szimbólum-manipulációs technikák • modell-alapú következtetési technikák • kvalitatív technikák • eset-alapú technikák • temporális következtetési technikák • neurális hálók

3. Induktív rendszerek • induktív következtetés: egyedi esetekből általános érvényű következtetés • gépi tanulás, példák alapján történő tanulás • legismertebb módszer: ID3 algoritmus • attribútumaikkal megadott példák osztályozása • optimális döntési fa generálása • példák osztályozásának egyszerű reprezentációja • belső csomópontok: attribútumra vonatkozó tesztek • levelek: osztályok • élek: attribútum értékek

4. Nyomtató-kiválasztás mátrixa

7. Döntési fa készítése (ID3 algoritmus) • „legjobb” attribútum kiválasztása • az attribútum minden lehetséges értéke szerint a fa bővítése (részosztályokra bontás) • az értékek szerint a példák csoportosítása a levelekhez (példák részosztályokba sorolása) • minden levélre külön-külön: • azonos osztályozású példa(k) esetén: leállás • egyébként: 1..4 lépések

9. Döntési fa használata: • tudásszerzés/ gyors prototípus-készítés támogatása (szabályalapú/ hibrid rendszerek induktív szolgáltatással) • példákkal/ ellenpéldákkal történő magyarázatadás természetes használata

10. Szabályok készítése: minden márix-sor egy szabály  gyors prototípus szab-1: if sebesség=kicsi and képnyomtatás=nem and minőség=levél and karakterkészlet=fix and ár=alacsony then nyomtató=daisy-wheel-type-1.

11. Szabályok készítése: minden gyökér-levél út egy szabály  gyors prototípus szab-1: if ár=alacsony and minőség=levél then nyomtató=daisy-wheel-type-1.

12. Induktív rendszerek fő komponensei:

13. Induktív rendszerek fő lépései: • probléma megadása (tudásreprezentáció): • attribútumok (mátrix fejléce, oszlopok előállítása, objektum osztály definiálása) • tanulási példák (mátrix sorainak feltöltése, objektum példányok definiálása) • következtetés (hipotézis generálás) • példák ellentmondásmentességének ellenőrzése • optimális döntési fa (DF) készítése  TB • vezérlés (rendszer futtatása) • felhasználói példák osztályozása (DF bejárásával) • felhasználói példák elemzése (DF segítségével)

14. Hibrid rendszerek • többféle programozási mintát támogatnak: • keret-struktúrákat (frame-eket) • szabályokat • célvezérelt • adatvezérelt • megvalósításuk: • objektum-orientált eszközökkel

15. Keret (frame) • ismeretelméleti alapokon kidolgozott tudásreprezentálási alapegység • szerkezettel rendelkező fogalom leírására szolgáló formális eszköz • keretek jellemzői: • egy keret tartalmazza: • fogalom nevét (egyedi azonosító) • legfontosabb tulajdonságait (attribútumok)  rekeszekben, résekben (slot) tárolva (keret is lehet) • osztályok, alosztályok, példányok • hierarchikus struktúra (is_a, instance_of relációk) • öröklődés (osztály - alosztály, osztály - példány) • eseményvezérelt eljárások: démonok

16. Keretalapú formalizálás módszerei • irányított gráf

17. Keretalapú formalizálás módszerei • keret-nyelvű leírás frame személy frame hallgató frame tantárgy is_a class is_a személy is_a class v.név: h.ttárgy: collection_of tantárgy név: k.név: end előfelt: collection_of end tantárgy end frame Péter frame SZR instance_of hallgató isnstance_of tantárgy v.név: Kis név: Szakértői rendszerek k.név: Péter előfelt: MI h.ttárgy: SZR end end

18. Keretalapú formalizálás módszerei • objektum-attribútum-érték hármasok <Péter, v.név, Kis> <Péter, k.név, Péter> <Péter, h.ttárgy, [SZR]> <SZR, név, Szakértői rendszerek> <SZR, előfelt, [MI]>

19. Démonok (daemons) • procedurális elemek, eljárások • osztályok, példányok attribútumaihoz rendeltek • aktivizálás: • when-needed démon • when-changed démon • when-added démon • when deleted démon • eseményvezérelt végrehajtás, továbbgyűrűzés • jól használhatók konzisztenciavizsgálatra • korlátozott adatvezérelt következtetés

21. A keret-alapú reprezentáció előnyei: • hétköznapi gondolkodáshoz illő reprezentáció • fogalmi tisztaság, jól kezelhetőség • hatékony következtetés az osztályok és az objektum-példányok tulajdonságairól • implementáció: objektum-orientált programozás

22. Hibrid technika • szabályok: heurisztikák leírására • keretek: adott objektumokról/ eseményekről/ fogalmakról szóló leíró és procedurális információk (egy helyen!  jól olvashatók, könnyen módosíthatók, módosítások hatása jobban kézben tartható) • hibrid eszközök következtető gépe rendelkezhet: • öröklődést, démonokat biztosító mechanizmusokkal • üzenetváltást biztosító mechanizmusok (objektum-orientált) • célvezérelt/ adatvezérelt szabályvégrehajtással • támogathatja a szabályok/ keretek hierarchikus modulokba szervezését • támogathatja a meta-szabályok készítését/ használatát

23. Szimbólum-manipulációs technikák

24. Modell-alapú következtetési technikák • modell-alapú következtetés: • következtetés valós fizikai rsz. explicit modelljének segítségével (elméleti jellegű, mélyszintű tudás) • fizikai rendszereket saját szerkezetükben és funkcionalitásukban ragadja meg • modell lehet: • funkcionális (mat. eszközökkel szimulálja a működést, beavatkozás: paraméterváltoztatással) • sztochasztikus (statisztikai eszközökkel dolgozik) • oksági (részegységek ok-okozati kapcsolatain dolgozik, megvalósítás: szabály alapú technikák)

25. Modell-alapú következtetési technikák • alkalmazásának előnyei: • kiiktatható a tudásszerzés • nem kell az összes hiba továbbterjedésének hatását explicit módon megadni • hátrányok: • esetleges heurisztikus tudás beépítése nehéz • bizonytalanság kezelése nehéz • legtöbb rendszer egy hibára egyetlen okot feltételez • alkalmazása: • fizikai rendszerek tervezése, analízise, szimulációja • diagnosztikai, predikciós feladatok megoldása

26. Kvalitatív technikák • kvalitatív modellek • MI technikákon alapuló modellek • nem teljesen ismert fizikai/ kémiai rendszereket írnak le (irányítási v. diagnosztikai célra) • ismeretlen paraméterek • nincs általános megoldó képlet • csak a viselkedés jellegét ismerjük • modell ismeretlen részeinek kezelése heurisztikus formában: • intervallum/ előjel értékek • szimbolikus tudáselemek • rendszerosztályt definiálnak

27. Kvalitatív szimuláció • kvalitatív modell (QDE) • kvalitatív DE • változók, paraméterek: intervallum értékekkel megadott nagyságúak, iránnyal jellemzettek • függvények: monoton függvényhalmazt leíró kvalitatív függvények • kvalitatív idő: kitűntetett időpontok • a rendszer kvalitatív viselkedése • kvalitatív kezdeti állapot • kvalitatív állapot egy kitűntetett időpontban • kvalitatív állapot két kitűntetett időpont között

28. példa: kvalitatív modell • QDE: dx1/dt = p1*u1 – p2*u2 • kvalitatív változók: Lx1= {0, x1l, x1h, x1max}, Lu1,u2= {0, 1} • kvalitatív paraméterek: p1, p2 (konstansok) • kvalitatív idő: kvalitatív időpontok, amelyeknél egy kvalitatív változó megváltozik • kvalitatív kezdeti állapot: S(t0)={<0,inc>, <1,std>, <0,std>} • kvalitatív állapot egy kitűntetett (ti) időpontban: S(ti)={x1(ti), u1(ti), u2(ti)} • kvalitatív állapot két kitűntetett időpont (tj, tj+1) között: S(tj,tj+1)={x1(tj,tj+1), u1(tj,tj+1), u2(tj,tj+1.)} • a rendszer kvalitatív viselkedése: D(t0,tk)={S(t0), S(t0,t1), …, S(tk-1,tk), S(tk)}

29. QDE megoldása: QSIM algoritmus rendszer viselkedési fájának előállítása viselkedési fa: a kezdeti állapotból elérhető összes lehetséges állapotot tartalmazza • állapotok előállítása kvalitatív következtetéssel, átmeneti táblázatok segítségével (elágazás) • új állapotok közül a QDE-nek ellentmondó állapotok kiszűrése (korlátozás) (a modell egyenleteket megszorításnak használjuk)

30. Kvalitatív szimuláció • használata: • modell-alapú diagnosztika • beavatkozás-tervezés • előnye: • nem teljesen ismert rendszer leírására alkalmas • segít a hétköznapi gondolkodás megfogásában • hátránya: • nagyobb feladatok esetén a teljes viselkedési fa előállítása nehéz/reménytelen • intervallum-algebra használata miatt egyre növekvő intervallumok (bizonytalanság nő)

31. Kvalitatív fizika • konfluenciák (speciális QDE) • változók értékkészlete: előjel univerzum • paraméterek: előjel konstansok • műveletek: előjel műveletek • konfluenciák megoldása: igazságtáblák előállítása • minden sor a változók egy lehetséges értékhalmazával elvégzett kiértékelés • táblázat egy sora: egy szabály • teljes táblázat: teljes és ellentmondásmentes szabályhalmazt definiál • használata: • szenzorvalidációra • szabálybázis készítésére

32. Példa: kvalitatív fizika • QDE: dx1/dt = p1*u1 – p2*u2 • konfluenciák • változók: [x1]{+}, [u1]{0,+}, [u2]{0,+}, • paraméterek: [p1]{+}, [p2]{+}, • műveletek: ӨS • konfluenciák: x1 = [u1] ӨS [u2] • konfluenciák igazságtáblája: ha [u1]=0 és [u2]=0 akkor x1=0 ha [u1]=0 és [u2]=+ akkor x1=- ha [u1]=+ és [u2]=0 akkor x1=+ ha [u1]=+ és [u2]=+ akkor x1=?

33. Eset-alapú technikák • alapfeltevés: amilyen volt a múlt, olyan lesz a jövő is • az „igazi” tapasztalat nehezen ragadható meg szabályok segítségével • azt többé-kevésbé általánosított esetek szövevényes kapcsolata alkotja • módszer: újra-felhasználás • korábbi feladatok sikeres megoldásainak újra-felhasználása

34. Eset-alapú technikák • eset-alapú következtetés: problémamegoldási minta alapján történő következtetés • korábbi tapasztalatokban rejlő speciális tudás kihasználása egy konkrét problémamegoldás során • új probléma mo.: hasonló régi eset visszakeresése és új helyzetben való alkalmazása • új tapasztalat  rendszerbe épül (folyamatos tanulás)

35. Eset: problémahelyzet, amely tartalmazza: • probléma világállapot leírása, amelyben az eset érvényes • megoldás problémára adott megoldás kifejtése (megoldási út leírása) • következmény az eset bekövetkezése utáni világállapot leírása (a világra gyakorolt hatás, eredményesség leírása)

36. Eset-alapú rendszerek fő komponensei: • esetbázis (esetek könyvtára) • eszköz az aktuálisan megoldandó eset kulcs-elemeinek meghatározására, legjobban illeszkedő eset visszakeresésére • adatok visszakeresésének gyorsítására  indexelés • illeszkedő esetek megkeresésére  illesztés, hasonlóság-becslés • eszköz a megoldás adaptálására az új eset sajátosságainak megfelelően • eltérések megkeresése, javasolt megoldásban változtatások végrehajtása (pl. nulladaptáció, paraméterbeállítás) • ellenőrzés (adaptálás utáni megoldás megfelelő-e) • tanulás (hiba okának keresése vagy esetbázishoz csatolás)

37. Eset-alapú rendszerek működése:

38. Eset-alapú rendszerek • előnyei: • esetek könyvtára objektívebb, formálisabb, mint a szakértői értelmezés (szakértő tudása) • explicit módon ábrázolja az ismereteket • hiányos vagy rosszul definiált fogalmakhoz is megadhatók • alkalmazható akkor is, ha nincs algoritmikus módszer • tudásszerzés egyszerű (használat közben javul) • hátránya: • csak az esetek által lefedett problémákat oldja meg • megoldás időigényes (még megfelelő indexelés mellett is)

40. Temporális következtetési technikák • időbeni következtetésre képes rendszerek • események közötti időkapcsolatok ábrázolása • következtetés időkapcsolatok alapján pl. diagnózis, tevékenységtervezés, intelligens szimuláció • idő explicit kezelésének módszerei: • intervallum-alapú megközelítés primitív bináris relációk (átlapol, megelőz, találkozik, …) • diszkrét időpontok kezelése • időegységek kezelése digitális óra analógia

41. Temporális következtetési technikák • feladatok: • intelligens riasztás (adatelemzés dinamikus bonyolult környezetben) • intelligens monitorozás • figyelem fókuszálása • információk időrendi áttekintése, diagnózis • intelligens szabályozás • valós-idejű következtető rendszerek, pl. G2

42. Neurális hálózatok • mesterséges neuronokból felépülő, párhuzamos működésű architektúrák • egyszerű átmeneti függvénnyel jellemezhető processzorok • processzorok kommunikálása: változtatható súlytényezőkkel ellátott összeköttetéseken keresztül • neurális háló programozása: tanítással (tanító minták) • tanítási módszerek: • felügyelet mellett • felügyelet nélkül (önszerveződés) • tanítás célja: súlytényezők beállítása

43. Neurális hálózatok • előnyei: • nem kell heurisztikus ismereteket szerezni a tárgyköri szakértőtől (tanulási példák) • hibatűrő rendszerek (hibás/ ellentmondásos/ nemteljes adatok kezelése) • teljesítményük túlszárnyalhatja a tanító képességeit • hátránya: • nem tudnak magyarázatot, indoklást adni