Помощничек
Главная | Обратная связь


Археология
Архитектура
Астрономия
Аудит
Биология
Ботаника
Бухгалтерский учёт
Войное дело
Генетика
География
Геология
Дизайн
Искусство
История
Кино
Кулинария
Культура
Литература
Математика
Медицина
Металлургия
Мифология
Музыка
Психология
Религия
Спорт
Строительство
Техника
Транспорт
Туризм
Усадьба
Физика
Фотография
Химия
Экология
Электричество
Электроника
Энергетика

НАВЧАННЯ ФОРМУВАННЯ ГІПОТЕЗ НА ОСНОВІ ЗРОСТАЮЧИХ ПІРАМІДАЛЬНИХ МЕРЕЖ



 

Ця методика навчання відноситься до класу індуктивних. При цьому формуванню понять передує складання описів ситуацій.

Методи і алгоритми формування гіпотез істотно залежать від специфіки ситуацій, у яких приймається рішення. Часто відсутні статистично достовірні спостереження про рішення, прийняті операторами на основі гіпотез у різних конфліктних ситуаціях. Рішення не очевидні, і їх можна описати тільки складними сполученнями ознак. Як наслідок, для формування гіпотез про можливі рішення можна використовувати, як вихідну інформацію, непрямі описи поточних ситуацій, у яких воно було прийнято. Необхідна для формування гіпотез інформація може бути отримана шляхом логічного аналізу. Тому задача навчання формування гіпотез відноситься до класу задач узагальнення і класифікації поточних ситуацій. Узагальнення поточних ситуацій полягає у формуванні їхніх понять. При цьому визначаються прагматично важливі, та не інформативні ознаки. Для поняття, як множини, елементом (об’єктом) є приклади конфліктних ситуацій, у яких приймалося рішення. Залежно від того, входить чи ні об’єкт в обсяг поняття, його називають негативним чи позитивним об’єктом цього поняття.

Визначимо задачу формування понять гіпотез для заданої множини поточних ситуацій Sij, для якоъ при наявності і-ої конфліктної ситуації прийняте j-те рішення. Нехай S множина ситуацій така, що Ø і . Кожна конфліктна ситуація Sβ така, що Sβ S, відноситься до позитивного об’єкта, тоді Sβ Sij, чи негативного об’єкта, тоді Sβ Sij. Необхідно за допомогою аналізу множини S побудувати поняття, що розділяє множину на позитивні і негативні об’єкти.

Визначимо процес складання описів і формування понять. Для кожної і-ої конфліктної ситуації Sпрі складаються описи з множини ознак рβ поточних ситуацій, у кожній з яких прийняте j-е рішення, рβ М
(М – кількість експертів, що беруть участь в експерименті), Sпрі Sβ. Кожне таке рішення береться як гіпотеза при формуванні понять.

рβ Sпрі Sβ Sпрі.

Якщо позначити j-ту гіпотезу про можливе значення в i-тій ситуації як Gij, а терми-значення лінгвістичної перемінної, котра використовується експертом для оцінювання частоти прийняття j-тогорішення в і-тій ситуації, як Tβ, то можемо продовжити опис об’єктів

Sβ Sпрі Sβ Gij Tβ.

Процес формування понять пояснюється співвідношенням:

Sβ Gij Tβ СGij,

де СGij – поняття (концепт) гіпотези Gij.

Метод зростаючих пірамідальних мереж (ЗПМ) забезпечує:

- одночасне формування кількох понять;

- формування нечітких понять;

- дозволяє зменшити «довжину» поняття і кількість перетинань за рахунок виділення сполучення істотних ознак.

ЗПМ називається циклічний орієнтований граф, що визначає процеси формування понять і зв’язків. Підграф ЗПМ, що включає вершину а і всі можливі вершини, від яких є шляхи до вершини а називається пірамідою вершини а. Множина вершин ЗПМ, що входять у піраміду вершини а, називається субмножиною вершини а. Множина вершин ЗПМ, до яких на графі є шляхи від вершини а, називається супермножиною вершини а. Вершини із субмножини вершини а, зв’язані з нею безпосередньо, утворюють 0-субмножину вершини а. Вершини із супермножини вершини а, зв’язані з нею безпосередньо, утворюють 0-супермножину для вершини а. Через рецептори надходять сигнали, що відповідають значенням ознак. Всі інші вершини називаються асоціативними. Кожна асоціативна вершина відповідає сполученню значень ознак, що надходять на рецептори, які замикаються на дану вершину безпосередньо чи через інші асоціативні вершини. Об’єкти навчальної вибірки представлені кінцевими наборами значень ознак, яким відповідають рецептори ЗПМ.

Процес формування понять включає два послідовні етапи: введення чергового об’єкта навчальної вибірки (корегування мережі) і виділення контрольних вершин мережі. Контрольними називаються вершини, за допомогою яких проводиться розпізнавання об’єктів з обсягу понять.

Вихідними даними для формування понять гіпотез є об’єкти навчальної вибірки, представлені кінцевими наборами значень ознак рβ з відповідними якісними оцінками Tβ.

Алгоритм уведення чергового об’єкта навчальної вибірки використовує два правила корегування мережі.

Правило 1. Якщо при сприйнятті об’єкта збуджується підмножина Z 0-субмножини асоціативної вершини а, що містить не менше двох вершин, зв’язки вершини а з вершинами множини Z ліквідується і до мережі приєднується нова асоціативна вершина, входи якої з’єднуються з входом вершини а. Нова вершина відразу ж після введення в мережу знаходиться в збудженому стані.

Правило 2. Якщо N – множина збуджених вершин ЗПМ, що не мають інших збуджених вершин у своїх 0-супермножинах, і N містить не більше двох вершин, до мережі приєднується нова асоціативна вершина, входи якої з’єднуються з виходами усіх вершин з множини N. Нова вершина після введення в мережу знаходиться у збудженому стані.

Збуджений стан вершини ЗПМ – це стан, при якому вона видає вихідний сигнал. Асоціативна вершина збуджується при наявності сигналів на всіх її входах. Рецептор збуджується при надходженні на вхід мережі відповідного значення ознаки.

При формуванні понять гіпотез зайві контрольні вершини може виключити людина на етапі формуванні опису поняття і програма, що реалізує метод формування понять гіпотез. При виборі контрольних вершин використані характеристики Tβ, К – кількість рецепторів у субмножині вершини а,
- кількість збуджень l-тої вершини при сприйнятті всіх об’єктів даного поняття, при яких F*=F*l*.

F* - це частота виникнення подій, яка дорівнює F*=m/n (m – кількість появ події, яка підтверджує приналежність Sβ обсягу поняття, n – кількість повторень ситуації Sβ).

Алгоритм формування понять гіпотез працює у відповідності з такими правилами.

Правило 3. Якщо в піраміді об’єкта а з обсягу поняття Gij немає контрольних вершин, то вершина l, що має найбільше K з усіх вершин з найбільшим , відзначається як найбільша вершина поняття Gij.

Правило 4. Якщо в піраміді об’єкта а з обсягу поняття Gij є контрольні вершини інших понять чи контрольні вершини поняття Gij при F*≠F*а не мають у своїх супермножинах інших збуджених контрольних вершин поняття Gij при F*=F*а, у кожній з цих супермножин вершина , що має найбільше К із усіх вершин з найбільшим , відзначається як найбільша вершина поняття Gij.

Правило 5. Якщо в супермножині контрольної вершини а поняття Gij є контрольна вершина цього ж поняття при F*=F*а, то ця вершина виключається з множини контрольних вершин.

Якщо після введення всіх об’єктів навчальної вибірки виділена хоча б одна контрольна вершина, то процеси введення об’єктів навчальної вибірки і виведення контрольних вершин повторюються. Нечітке поняття, що формується в результаті виконання алгоритму формування понять гіпотез, відбивається в структурі ЗПМ.

При формуванні гіпотез складаються первинні (РС), вторинні та об’єднані кон’юктивні члени (СОN) і для останніх проводиться впорядкування. Первинні кон’юктивні члени будуються для кожної контрольної вершини на змінних, що визначають рецептори її субмножини. При побудові вторинних членів розглядаються піраміди всіх контрольних вершин інших понять, які входять до супермножини контрольних вершин виділеного поняття. Виділяються з контрольних вершин поняття, що не мають шляхів до вершини піраміди через такі самі решини. Вторинний кон’юктивний член включає, крім первинного, інверсію кон’юнкцій (ІС) всіх змінних, що визначають останні рецептори вершини, що розглядається.

Для формування об’єднаних кон’юктивних членів до кожного первинного кон’юктивного члена, який входить у декілька вторинних членів, приєднуються інверсії кон’юнкцій, що належать цим вторинним членам. Після коригування понять одна вершина може стати контрольною для декількох понять і кожному з них відповідатиме об’єднаний кон’юктивний член контрольної вершини СОN F*. До об’єднаних кон’юктивних членів належать також первинні кон’юктивні члени, які не входять до вторинних. Об’єднані кон’юктивні члени впорядковуються за зростанням відповідних контрольних вершин. Отриманий опис є описом поняття.

 

 

ПРИКЛАДИ:

Первинний кон’юктивний член РС(19)=7 8 9

Вторинний кон’юктивний член

РС(19) ~IC(19,17)=(7 8 9) ~(6 10)

Об’єднаний кон’юктивний член

СОN19=РС(19) ~IC(19,17) ~IC(19,20)

 

Контрольні запитання.

 

1. Що називається машинним навчанням?

2. Як ви розумієте поняття без учителя?

3. Які методи машинного навчання ви знаєте?

2.1. Що розуміється під індуктивне навчання?

2.2. Що розуміється під навчанням формування гіпотез на основі зростаючих пірамідальних мереж.

 

 

Література.

1. Глибовець М.М., Олецький О.В. Штучний інтелект. –К.: КМ Академія, 2002. –с. 322-333.

2. Ходаков В.Є., Пилипенко М.В., Соколова Н.А. Вступ до комп’ютерних наук. –К.: Центр навчальної літератури, 2005. – 496с.

3. Стефанюк В.Л. Некоторые аспекты теории экспертных систем// Известия АН СССР. Техническая кибернетика, 1987. №2. С. 85-91.

4. Поспелов Д.А. Ситуационное управление: Теория и практика. М.: Наука, 1986.

5. Искусственный интеллект: Справочник. В 3-х томах. М.: Радио и связь, 1990.


Тема: Тенденції розвитку систем штучного інтелекту.

Мета:ознайомлення з тенденціями розвитку систем штучного інтелекту.

 

 




Поиск по сайту:

©2015-2020 studopedya.ru Все права принадлежат авторам размещенных материалов.