1 / 9

Karakteristike EBL učenja

Karakteristike EBL učenja . generiranje logički opravdanih hipoteza objašnjenje ističe bitne karakteristike primjera generalizacija ostvarena analizom objašnjenja skup naučenih pravila pokriva primjere za učenje i sve primjere koji se na taj način mogu objasniti

salvador-gilmore
Download Presentation

Karakteristike EBL učenja

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. Karakteristike EBL učenja • generiranje logički opravdanih hipoteza • objašnjenje ističe bitne karakteristike primjera • generalizacija ostvarena analizom objašnjenja • skup naučenih pravila pokriva primjere za učenje i sve primjere koji se na taj način mogu objasniti • način formalizacije apriornog znanja i redoslijed odabira primjera za učenje utječu na hipotezu • Prolog EBG primjer je sustava koji odgovara pretpostavkama sa početka našeg razmatranja

  2. Otkrivanje novih svojstava • primjena kod “linearno nerazdvojivih” primjera za učenje • primjer: učenje koncepta Smijem_slagati(obj1, obj2)

  3. Induktivna pristranost u EBL-u • Dva oblika induktivne pristranosti: • apriorno znanje • sklonost malim skupovima općenitih pravila • upravljiva vs. fiksna pristranost

  4. Nadilaženje ograničenja • izlazak iz okvira apriornog znanja • primjeri: • ručak u menzi • nacionalnost i jezik

  5. EBL – pretraživanje velikih prostora stanja • bitna primjena EBL-a u rješavanju problema pretraživanja velikog prostora stanja • primjer: igranje šaha • praktični primjeri: problemi planiranja, rasporeda i sl. • primjeri sustava: Prodigy i SOAR

  6. Prodigy • “i najduže putovanje počinje s prvim korakom” • “koji slijed operatora će me odvesti od početnog stanja do traženog stanja?” • Način rada: • Dok ne dođeš do traženog stanja • Nađi sljedeći podcilj koji ćeš rješavati • Nađi operator koji vodi ostvarenju tog cilja

  7. SOAR • analogno sustavu Prodigy, traži niz međurješenja • kada je neodlučan, testira dostupne mogućnosti i varira razne strategije rješavanja problema • traži općenite uvjete pod kojima vrijede objašnjenja primjera • način rada dosta je sličan načinu razmišljanja ljudi (razlog uspješnosti?)

  8. Slabe strane EBL-a • Loša učinkovitost sa velikim brojem pravila apriornog znanja • Ponekad je teško objasniti ciljni koncept u terminima apriornog znanja • Točnost ciljne hipoteze ovisi o točnosti apriornog znanja

  9. Što je bitno? • EBL algoritam traži hipotezu uvjetovanu apriornim znanjem i primjerima • EBL algoritam objasni primjer, generalizira objašnjenje i proširuje hipotezu • razmatranja su se temeljila na pretpostavki savršenog apriornog znanja (Prolog EBG) • upotrebljivi međurezultati • izlaženje iz okvira apriornog znanja • jedna od važnijih primjena: pretraživanje velikog prostora stanja

More Related