vages wissen in diagnostischen agentensystemen
Download
Skip this Video
Download Presentation
Vages Wissen in diagnostischen Agentensystemen

Loading in 2 Seconds...

play fullscreen
1 / 24

Vages Wissen in diagnostischen Agentensystemen - PowerPoint PPT Presentation


  • 79 Views
  • Uploaded on

Vages Wissen in diagnostischen Agentensystemen. Mitchel Berberich Lehrstuhl Info VI - Uni Würzburg Theorietag 2000. Übersicht. Verteilte Diagnosesysteme Verschiedene Detaillierungsgrade Daten (Numerisch <-> Multiple Choice) Zuverlässigkeitsangaben (Wahrscheinlichkeiten <-> Punkteschema)

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 ' Vages Wissen in diagnostischen Agentensystemen' - opal


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
vages wissen in diagnostischen agentensystemen

Vages Wissen in diagnostischen Agentensystemen

Mitchel Berberich

Lehrstuhl Info VI - Uni Würzburg

Theorietag 2000

bersicht
Übersicht
  • Verteilte Diagnosesysteme
  • Verschiedene Detaillierungsgrade
    • Daten (Numerisch <-> Multiple Choice)
    • Zuverlässigkeitsangaben (Wahrscheinlichkeiten <-> Punkteschema)
  • Stellen von Diagnosen
    • Kombinierte Empfehlungen
    • Gegenseitige Kritik
coop d3 architektur
Coop-D3 Architektur
  • Diagnoseagenten
  • Kommunikation über Blackboard
  • Agenten besitzen Abbildungswissen
  • Überweisung
  • Abklärungen
  • Enwicklungshilfen

Glossar

agentenarchitektur
Agentenarchitektur
  • Indirekte Adressierung über Kompeten-zen und Teamstruktur
  • Einzelne Wissensbasen können sich auf verschiedenen Servern befinden
  • Brokerarchitektur vs. Useragents
broker enthalten
Broker enthalten ...
  • Kommunikationsmodul
  • Terminologie-Wissensbasis
  • Informationssystem
  • Wissen zum Auffinden von Spezialisten
  • Modul zum Auflösen bzw. Reduzieren von Mehrdeutigkeiten
  • Modul zum Kombinieren von Teillösungen
diagnosesysteme enthalten
Diagnosesysteme enthalten ...
  • Problemlöser
  • Wissen über die Existenz anderer Agenten
  • Abbildungswissen für Im- und Exporte in bzw. aus der Terminologiewissensbasis
  • Kritikwissen
  • ... und berücksichtigen Mehrdeutigkeiten
darstellung unsicherer daten
Darstellung unsicherer Daten
  • Wahrscheinlichkeiten (Bayes & ~sche Netze)
  • Punkteschemata
  • Bewertungsklassen
  • Ergebnisse eines Fallvergleichs
  • Dempster-Shafer-Theorie
  • Ausgaben Neuronaler Netze
  • Angaben zu Benutzereingaben
weitergabe von unsicherheiten
Weitergabe von Unsicherheiten
  • Übersetzung
    • Analytischer Ansatz (Beispiel HECODES)
    • Punkteschema / Bewertungsklassen
    • Ausfiltern konkurrierender Lösungen, keine globale Nützlichkeitsfunktion => Aufträge mit Zielvorgabe werden notwendig
  • Überlappende Kompetenzbereiche
    • Kombination / Bewertung von Ergebnissen
hecodes i iv
HECODES (I/IV)
  • Framework for heterogeneous cooperative distributed expert systems (C. Zhang 1992 - 1996)
  • Streng analytischer Ansatz, aufgezeigt an EMYCIN, PROSPECTOR und MYCIN
  • In den meisten Systemen existiert Beschreibung der Wahrscheinlichkeit v. Daten, Wissen und der Algorithmen (meist Semigroup), von denen eine homomorphe Transformation der Wahrscheinlich-keitsangaben abgeleitet werden kann
  • Normpunkte wahr und falsch, dazwischen monoton
hecodes ii iv
HECODES (II/IV)
  • Angaben in
    • EMYCIN : [-1;1] ist [sicher f; sicher t]
    • PROSPECTOR : [0;1] ist [sicher f; sicher t]
    • MYCIN: Tupel (0,1) ist sicher falsch
  • Transformation von MYCIN nach EMYCIN
  • Nachteile
    • Starke Abhängigkeit zwischen den Agenten
    • Zwar bestmöglichste Abbildung, aber ist dies notwendig?
detaillierungsgrade

Mitchel Berberich:

Noch bearbeiten

Detaillierungsgrade
  • Probleme
    • Quantitative Daten -> numerische Daten
    • Quantitative Daten -> quantitative Daten
    • Kombinierte Herleitung
  • Mögliche Lösung: Daten werden immer in höchster Auflösung erhoben.
  • Bei Bedarf Rückfragen an Benutzer
  • Multiple Welten
  • Unterstützung mehrere gleichzeitiger Formate durch die Terminologiewissensbasis als Hilfe für die Entwickler des Systems
verarbeitung in den pls
Verarbeitung in den PLS
  • Pessimistischer Ansatz
    • Schlußfolgerungen aus Teilwissen über Symptome (z.B. aus „Wert ist nicht blau“ oder „Wert ist blau oder rot“)
    • => Wert nicht mehr nur bekannt / unbekannt
    • => Markierung notwendiger / wichtiger Antwortalternativen
  • etwas optimistischer
    • Eine auf einem teilweise bekannten Symptom aufbauende Regel kann immer feuern. (Erzeugung von Ausnahmeregeln)
    • Hypothesize & Test
    • Notwendig: Heuristik f. Rückfragezeitpunkt, Bewertung d. Verdachtsdiagnosen
    • Verbesserung durch Angabe von Defaultwerten und Konsistenzprüfung der generierten Regeln u. Backtracking
verrechnung von l sungen hecodes iii iv
Verrechnung von Lösungen (HECODES III/IV)
  • Unterscheidung
    • Konflikt (Contradiction)
    • Knowing / Ignoring
    • Different Values for Attributes (Inconsitency)
  • Normierung der Wahrscheinlichkeitsangaben
  • Bei großen Abweichungen => Clusterbildung über die komplette Wahrscheinlichkeitsverteilung
  • Innerhalb eines Clusters zunächst Angleichung
    • Ist ein anderer Experte einer bestimmten Meinung, dann werden die eigenen Werte entsprechend angepasst
    • Die eigene Meinung wird aber stärker gewichtet als die aller anderen. Auch die Kompetenz einer Quelle fließt hier ein.
hecodes iv iv
HECODES IV/IV
  • Dann Ermittlung der Gesamtlösung eines Clusters über Mittelwert und "Uniformität"
  • Konfliktauflösung zwischen den Clustern
    • (Normale Synthesefunktion ist hier nicht definiert)
    • In Abhängigkeit der Authorität eines Clusters werden die Cluster nacheinander miteinander für die einzelnen Diagnosen kombiniert.
  • Vor- und Nachteile
    • + Basierend auf plausiblen Annahmen
    • + Einteilung in Cluster
    • - Keine Berücksichtigung von Therapie, Nützlichkeit u. Risiko
    • - Bei vielen Diagnosen ist in jedem Cluster nur ein Agent
gegenseitige kritik
Gegenseitige Kritik
  • Ein “Kritiksystem” ist ein “decision support system that allows the user to make the decision first; the system then gives its advice when the user requests it or when the user’s decision is out of the system’s permissible range.”
  • Überprüfung der fremden Lösung
    • Spricht etwas gegen die aktuelle Lösung
    • Ist die aktuelle Lösung zuverlässig
    • Ist die aktuelle Lösung vollständig
    • Gibt es bessere Lösungen
aufgabe des kritiksystems
Aufgabe des Kritiksystems
  • Aufgabe: Kritiksystem soll aufgrund der existierenden Daten deren Zuverlässigkeit und die Zuverlässigkeit der Lösungen beurteilen und den anderen Agenten auf bestimmte Fakten aufmerksam machen oder auf seltene, aber wichtige Diagnosen hinweisen.
  • Unsicher ist
    • die Qualität des Wissens in der Wissensbasis
    • die Vollständigkeit der Daten
    • die Zuverlässigkeit der Daten
    • und auch die Qualität des Kritikwissens
realisierungsm glichkeiten
Realisierungsmöglichkeiten
  • Realisierung durch explizites Wissen über Kritikpunkte
  • Realisierung durch Vergleich der Benutzerlösung mit der Ausgabe eines Expertensystems
  • Kombination der ersten beiden Ansätze
  • Vorteile:
    • Kontinuierliche Kombination / Bewertung von Lösungen
    • Funktioniert auch bei unvollständigem Wissen
    • Gegenseitige Hilfe auch schon bei der Datenerfassung - gefährliche Untersuchungen werden unterdrückt
zeit plan
Zeit(?)plan
  • Bereitstellung der Infrastruktur
  • Broker bietet Konvertierungsdienste
  • Broker kann Mehrdeutigkeiten auflösen
  • Erweiterung der Wissensrepräsentation in den Diagnoseagenten
  • Erweiterung des heuristischen PLS
  • Verrechnung von Lösungen, Kritik
  • Evaluation und Ausarbeitung
ad