1 / 13

ANALITIČKO UČENJE

ANALITIČKO UČENJE. Metoda analitičkog učenja temeljenog na objašnjenju (engl. Explanation-based learning). Darko Fuduric, 0036368631. Uvod. Metode induktivnog učenja - određeni skup primjera za učenje

fia
Download Presentation

ANALITIČKO UČENJE

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. ANALITIČKO UČENJE Metoda analitičkog učenja temeljenog na objašnjenju (engl. Explanation-based learning) Darko Fuduric, 0036368631

  2. Uvod. • Metode induktivnog učenja - određeni skup primjera za učenje • analitičko učenje - apriorno znanje + deduktivno zaključivanje - poboljšanje informacija iz skupa za učenje • EBL - apr. znanje za analizu (objašnjenje) kako je zadovoljen ciljni koncept • Odvajanje bitnih od nebitnih značajki

  3. Uvod. • Primjeri generalizirani više na logičkoj razini (manje na statističkoj) • Obzirom na apriorno znanje, EBL može biti: • EBL sa ispravnim i potpunim apr. znanjem • EBL sa aproksimativno ispravnim apr. znanjem

  4. Zašto EBL ? • induktivne metode - loše performanse za mali skup primjera za učenje • teoretska razmatranja - temeljna granica točnosti koju možemo postići • ona je funkcija broja primjera za učenje • Trebamo metodu koja ne ovisi o broju primjera za učenje • To je EBL

  5. EBL • za svaki primjer za učenje određuje važne značajke za ciljni koncept • Rezultat: bolje performanse • Apriorno znanje - za smanjenje kompleksnosti prostora hipoteza • traži manje složene primjere za učenje • bolje performanse • PRIMJER

  6. EBL • iz primjera - dovoljno imati samo apriorno znanje • međutim, čovjek ne može optimalno igrati cijelu igru • ipak, čovjek poboljšava performanse kroz igru

  7. Induktivno i analitičko učenje • def. induktivnog učenja • def. analitičkog učenja • moramo odrediti hipotezu konzistentnu i sa primjerima za učenje, i sa apriornim znanjem • def. konzistentnosti hipoteze sa apriornim znanjem B • PRIMJER

  8. Učenje sa idealnim apriornim znanjem • idealno Ξ ispravno + potpuno • ispravno - svaka tvrdnja u skladu sa okolnim svijetom • potpuno - obuhvaća svaki pozitivni primjer • alternativa: za svaki pozitivni primjer možemo dokazati da je pozitivan • ne uzimamo u obzir negativne primjere

  9. EBL algoritam PROLOG-EBG • slijedno-obuhvaćajući algoritam • garancija: uz idealno apriorno znanje naći će konzistentnu hipotezu (i sa primj. za učenje i sa apr. znanjem) • ta hipoteza sadrži logički dovoljne uvjete koji obuhv. dotični skup • Algoritam i objašnjenje algoritma

  10. 1) gradnja Horn pravila • za dani pozitivni primjer za učenje, u skladu sa apr. znanjem gradi se Horn pravilo • ono zadovoljava ciljni koncept • Ako je apriorno znanje: • a) idealno: pravilo je dokaz da je zadovoljen ciljni koncept • b) neidealno: pravilo se mora proširiti • PRIMJER objašnjenja

  11. 2) Generalizacija Horn pravila • dobiveno horn pravilo je specifično • želimo ga generalizirati kako bi nam služilo i za neke druge primjere • konkretne vrijednosti mijenjamo sa varijablama • dobijemo općenitiji oblik, ALI... • najopćenitiji oblik - PRIMJER • kako naći najopćenitiji oblik?

  12. REGRESIJA • pomoću metode REGRESIJE • PRIMJER • za svaku relaciju - obzirom na apriorno znanje i prethodne relacije, ona se zamjenjuje općenitim oblikom • postupak traje dok se ne dođe do listova stabla

  13. 3) nadogradnja trenutne hipoteze • određeni općeniti oblik pravila dodaje se skupu pravila koja čine hipotezu • negativni primjeri se preskaču • značajke EBL-a

More Related