Vages wissen in diagnostischen agentensystemen
Download
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


Informationen in abb wissen
Informationen in Abb-Wissen

Kalt?

Dunkel

Bunt


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