oplossingsmethoden implementatie
Download
Skip this Video
Download Presentation
Oplossingsmethoden: implementatie

Loading in 2 Seconds...

play fullscreen
1 / 21

Oplossingsmethoden: implementatie - PowerPoint PPT Presentation


  • 159 Views
  • Uploaded on

Oplossingsmethoden: implementatie. relatie kennisniveau  symboolniveau taken: wat? modellen: welke kennis? (elke taak: 1 of meer modellen) methoden: hoe kennis gebruiken? implementatie procedureel  declaratief casusmodellen, domeinmodellen

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Oplossingsmethoden: implementatie' - giza


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
oplossingsmethoden implementatie
Oplossingsmethoden: implementatie
  • relatie kennisniveau  symboolniveau
    • taken: wat?
    • modellen: welke kennis? (elke taak: 1 of meer modellen)
    • methoden: hoe kennis gebruiken?
  • implementatie
    • procedureel declaratief
    • casusmodellen, domeinmodellen
    • afbeeldingsmethoden, uitbreidingsmethoden, zoekmethoden
oplossingsmethoden implementatie 2
Oplossingsmethoden: implementatie (2)
  • Declaratieve representatie
    • expliciete representatie van de modellen
    • flexibel
    • (minder efficiënt)
    • vb. Prolog
  • Procedurele representatie
    • domeinmodellen + methodendomeinafhankelijke methode (verzameling regels)
    • efficient
    • verfijning regels m.b.v. heuristische kennis
    • vb. KAN
afbeeldingsmethoden
Afbeeldingsmethoden
  • lineaire afbeelding
  • differentiatie
  • neerwaartse verfijning
  • weighted evidence combination
  • gelijkenis
lineaire afbeelding
Lineaire afbeelding
  • klassen:
    • roodooramandine= {bek=rood,oor=rood,staart=bruin,keel=nb}
    • prachtvink = {bek=rood,oor=zwart,staart=bruin,keel=nb}
    • diamantvink = {bek=rood,oor=wit,staart=zwart,keel=wit}
  • werking:
    • neem één voor één alle klassen, en test de attributen
    • onbekende attributen opzoeken/vragen
  • codering:

(define (rule vink-regels) roodooramandine (if (bek rood) (oor rood) (staart bruin) (keel nb)) (then (conclude (soort roodooramandine))))

  • Uitbreidingen: probabiliteit v/d conclusie, kost v/h testen v/d condities,...
differentiatie

staart

bruin

zwart

oor

diamantvink

rood

zwart

roodoor-

amandine

prachtvink

Differentiatie
  • werking
    • bepaal het meest distinctieve attribuut(attribuut met grootst aantal verschillende waarden) # nog te doorzoeken klassen wordt het kleinst
    • beslissingsboom
  • Codering:
    • regel voor elk eindpunt van de tree

(define (rule vink-regels) diamantvink

(if (staart zwart))

(then (conclude (soort diamantvink))))

  • efficiënter dan zuivere lineaire afbeelding
neerwaartse verfijning

vink

bek = rood

ondersoort1

staart = bruin

keel = nb

diamantvink

staart = zwart

keel = wit

oor = wit

roodooramandine

oor = rood

prachtvink

oor = zwart

Neerwaartse verfijning
  • Gemeenschappelijke kenmerken isoleren klassehiërarchie
  • werking:
    • zoek opvolger m.b.v. differentiatie of lineaire afbeelding
  • codering:
    • aparte regelverzameling voor de subnodes van een node
weighted evidence combination

0.8

0.6

0.5

0

0

0

0

rood zwart wit

oor

bruin zwart

staart

wit nb

keel

Weighted Evidence Combination
  • Vorige methoden: afbeelding bron  doel duidelijk
    • kenmerken zijn noodzakelijk en voldoende
  • dikwijls: onzekerheid
    • zwakke domeintheorie
    • onzekere waarneming
  • werking:
    • waarde(c,T) = w(T,i) x(i)
  • implementatie:
    • niet in KAN
    • neurale netwerken
gelijkenis

staart

zwart

diamantvink

bruin

oor

roodooramandine

rood

zwart

wit

prachtvink

Gelijkenis
  • Bereken afstand tussen casus en doelelement
  • afstand berekend m.b.v. metriek
    • Hamming-distance: # kenmerken dat verschillend is
    • Euclidische afstand

?

selectie van methode
Selectie van methode
  • Beperkingen van elke methode
    • modellen: onvolledig? inconsistent?
    • waarnemingen: kost? onbetrouwbaar? inconsistent?
    • andere: beperkte tijd? beperkt geheugen? complexiteit?
  • vb. lineaire afbeelding
    • modellen: binair (kenmerken noodzakelijk en voldoende);klein aantal klassen; kleine verzameling kenmerken
    • kosten gelijk voor alle attributen
    • geen onzekerheid
uitbreidingsmethoden
Uitbreidingsmethoden
  • Verdere ontwikkeling van een casusmodel
  • voorbeeldmethode: constraint propagation
    • als constraints in regels geformuleerd zijn geen verdere vertaling nodig
zoekmethoden
Zoekmethoden
  • Classificatie: klassen + bijbehorende kenmerken gekend  directe methode mogelijk (la, diff,...)
  • Nodig wanneer kennis niet volledig isvb. diagnose van een motor:

motor start niet

haperende vonk-

overbrenging

haperende vonk-

voortbrenging

slechte

bougie

defect

contactpunt

defecte

bougiekap

zoekmethoden1

“Blinde”

zoekmethoden

heuristische

zoekmethoden

expliciete

sturing

Zoekmethoden
  • search space
  • blinde zoekmethoden:
    • breadth-first search
    • depth-first search
  • heuristische zoekmethoden
    • best-first search
    • beam search
    • hill-climbing (steepest descent)
  • expliciete sturing
    • object-niveau + meta-niveau
blinde zoekmethoden
Blinde zoekmethoden

n1

n2

n3

n4

  • depth-first: n1  n2  n5  n6  n7  n3  ...
  • breadth-first: n1  n2  n3  n4  n5  ...

n5

n6

n7

heuristische zoekmethoden
Heuristische zoekmethoden
  • blinde zoekmethoden: probeer alle mogelijke oplossingen uit tot goede gevonden
  • Efficiënter: bepaal telkens de beste vervolgstap
    • implementatie: evaluatiefunctie
  • Moeilijke problemen: beste vervolgstap bepalen niet mogelijk vuistregel
  • Varianten van blinde methoden:
    • best-first search: ontwikkel de beste oplossing tot nu toe
    • beam search: kijk telkens enkel naar de beste x mogelijkheden
    • hill climbing: kijk telkens enkel naar de beste mogelijkheid
expliciete sturing
Expliciete sturing
  • Meest algemene methode: selectie van volgende stap is een volledig redeneerproces op zich
  • Oplossing van het probleem zelf: objectniveau
  • Oplossing van selectie: metaniveau
kennisverwerving
Kennisverwerving
  • intelligentie: modellen gebruiken en ontwikkelen
    • aandacht richten op bepaalde aspecten
  • welke kennis is bruikbaar?ontdekken van structuur in de kennis van de expert
  • 2 aspecten:
    • kennisonttrekking
    • kennisinterpretatie
kennisonttrekking
Kennisonttrekking
  • bij voorkeur “harde” kennis:
    • vastliggend; rechtstreeks van de expert
    • gestructureerd:
      • tabellen, diagrammen: gemakkelijk te vinden/maken
      • beslissingsbomen: dikwijls voor onderhoud
      • regels: dikwijls niet beschikbaar; vatbaar voor interpretatie
      • woordenlijsten: uniforme terminologie; uitlegfaciliteit
    • ongestructureerd:
      • gespreksprotocollen: verslagen van redeneringen v/d expert
      • tekst: geen gestructureerd overzicht v/h domein
      • vraag-en- antwoordspelletjes tussen experts
  • geen eigen interpretaties!
kennisinterpretatie
Kennisinterpretatie
  • ontrafelen van de structuur van de verzamelde kennis( gericht over details vragen)
  • resultaat: kennisniveaubeschrijving (modellen, methoden, taakstructuur)
  • indien regels gekend: omgekeerde benadering om expert verder te kunnen ondervragen
leren
Leren
  • leervermogen:
    • zelfstandig in staat nieuwe taken af te handelen
    • aanpassen aan veranderingen in de taakomgeving
    • oude taken op een betere manier aanpakken
  • meeste kennissystemen leren niet
  • methoden?
    • inductieve methoden
    • theorie-afhankelijke methoden
    • connectionistisch (weighted evidence combination)
inductieve methode
Inductieve methode
  • generalisatie op basis van positieve en negatieve voorbeelden
  • Vereenvoudigde versie:
  • + {bek rood, oor rood, poten bruin}+ {bek rood, (not (oor rood)), poten bruin} {snavel rood, poten bruin}- {(not (bek rood)), oor rood, poten bruin} {snavel rood}
theorie afhankelijke methoden
Theorie-afhankelijke methoden
  • bijv. leren van een nieuw model op basis van bestaande modellen en extra waarnemingen
ad