REFERATUA.ORG.UA — База українських рефератів



Головна Інформатика, комп'ютери, програмування → ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ІНТЕЛЕКТУАЛЬНИХ СИСТЕМ

можливість проведення правдоподібних розмірковувань досить широкого спектру.

ДCМ-метод автоматичного породження гіпотез (ДСМ-АПГ).

У спрощеному вигляді схема правдоподібного виведення в ДСМ-АПГ схожа на схему виведення в системі індуктивного навчання. Гіпотезу про закономірності отримують в результаті таких узагальнень позитивних прикладів, які заздалегідь не були б узагальненням негативних прикладів. Специфічним для ДСМ-АПГ рисами є спосіб вираження операції узагальнення, використання оригінальних "підсилень" гіпотез, що відповідають перевіркам на гіпотезах виконання деяких умов здорового глузду, використання так званого узагальненого методу, можливість отримання складних залежностей на даних за допомогою комбінації індуктивного та дедуктивного виведення. ДСМ-метод поділяється на три основні рівні, які умовно можна назвати рівнями схожості, правил та розмірковувань.

На першому рівні, або рівні схожості, задається структура даних про об'єкти з предметної області, а також операція схожості, що співставляє двом об'єктам із предметної області третій об'єкт, що виражає схожість перших двох.

На другому рівні, рівні правил, об'єкти з предметної області поділяються на позитивні приклади (об'єкти, які викликають деякий ефект А, що нас цікавить) та негативні приклади (об'єкти, що не викликають ефекту А). Правила "знаходять" схожості позитивних прикладів, які не є схожостями негативних прикладів та, можливо, перевіряють деякі інші умови, що дозволяють називати знайдені схожості гіпотезами про структурні причини ефекту А.

На третьому рівні, рівні розмірковувань, складаються стратегії, тобто послідовності застосування правил правдоподібного виведення та перевірок деяких умов на множині всіх вихідних даних та отриманих гіпотез, що дозволяють зробити висновок про обгрунтованість правдоподібного ДСМ-виведення. На рівні розмірковувань отримання деяких гіпотез можливо за рахунок дедуктивного виведення, що використовує результати правдоподібного виведення. Тим самим, на цьому рівні здійснюється синтез правдоподібного та чисто дедуктивного (достовірного) виведення, що споріднює ДСМ-метод із системами навчання, основаними на поясненні. Вказана ієрархія рівнів ДСМ-метода відповідає також ієрархії формальних мов ДСМ-теорій.

Схожість.

Загальні визначення.

Поняття схожості, що використовується в ДСМ-методі, представляє собою один з можливих способів синтезу кількох напрямків: об'єкти структуровані (тобто на них задано відношення "бути більш загальним"), а їх схожість задається через операцію з визначеними алгебраїчними властивостями, що індуцирують відношення толерантності (тобто рефлексивне та симетричне відношення) на об'єктах. Та навпаки, відношення толерантності (схожості) вільного (але фіксованого) числа об'єктів може бути взаємно-однозначно співставлено деякій операції, яка може бути операцією схожості на об'єктах в ДСМ-методі. Більш формально, нехай S – множина об'єктів, яка представляє деяку предметну область. Операція ? на парах об'єктів із S задає нижню напіврешітку, якщо для будь-яких об'єктів si, sj, sk з S мають місце співвідношення (1)–(4)

(1) si?si = si,

(2) si?sj = sj?si,

(3) (si?sj) ?sk = si?(sj?sk),

(4) si?s0 = s0, для деякого s0 з S, який називається порожнім об'єктом.

Поняття "порожнього об'єкта" може бути розширене до "множини порожніх об'єктів". Такою може бути множина об'єктів із S, що включає s0 та замкнуте відносно операції ?. Множина порожніх об'єктів може інтерпретуватися як "несуттєва", "неінформативна" схожість. Такою, наприклад, можна рахувати схожість графів хімічних молекул, максимальний загальний підграф яких є одна ланка вуглеводневого ланцюжка: —С—C—.

Напіврешіточна операція ? задає на множині S відношення поглинання L наступним чином: для si та sj з S, si + sj тоді і тільки тоді, коли sі ? sj = si.

Означення 1.

Операцію, що задовольняє властивостям (1)–(4), назвемо операцією схожості.

Означення 2.

Нехай <S, ?, s0> – нижня напіврешітка, X ? s0 називається локальною схожістю об'єктів s1, ..., sk (k = 2), якщо X = s1?...?sk.

Можна записати s1?...?sk замість s1?(s2?(...?sk)...), використовуючи властивості (1)–(3) операції схожості ?. Загалом, при визначенні операції схожості можна обійтися без властивості асоціативності (3), що дозволяє однозначно задавати схожість n об'єктів через попарні схожості. В такому випадку, однак, довелося б вводити нескінчене сімейство операцій схожості ?2, ?3, ..., кожне з яких відноситься до певної кількості об'єктів. При цьому результат операції міг би залежати від порядку операндів.

Означення 3.

Нехай <S, ?, s0> – нижня напіврешітка. Пара <X, {s1,..., sk}>, де s1,..., skS, називається глобальною схожістю, якщо Х = s1?...?sk, тобто Х є локальна властивість об'єктів s1,..., sk та для будь-якого sS{s1,..., sk} має місце X ? s ? X. Так як k заздалегідь невідоме, то глобальна схожість не є відношенням, на відміну від локальної схожості. Помітимо, що відношення

def

R (x, y) (S {s0}) (S {s0}), (x, y) R = x ? y ? s0

Є відношенням толерантності, тобто воно рефлексивне ((х, х) R) та симетричне ((x, y) R ? (y, x) R). Тим самим операція ? задає бінарне відношення схожості, але не лише його. В силу асоціативності операції ? можна ввести наступне k-арне відношення Rk для довільного k. Rk (S {s0}) ... (S {s0}); (x1,... xk) Rk, якщо x1? ... ?xk ? s0. Тоді відношення буде мати наступні властивості:

xS {s0}, (x,...x)Rk (Re)

k

pqi 1 = i = p = i + q = k

(x1, ..., xi, ..., xp, ..., xi+q, ..., xk)Rk ? (x1, ..., xi-1, xi, ..., xp, xi+q+1, ..., xk)Rk (PR) (x1,... xk) Rk? (xj1,... xjk) Rk, (Si)

де (j1, ..., jk) – будь-яка перестановка (1, ..., k).

Відношення, що мають властивості (Re), (PR), (Si) називаються k-арними відношеннями толерантності. Ці відношення природнім чином узагальнюють відношення бінарної толерантності.

Правила.

Простий метод.

Припустимо, що предметна область задана деякої


 
Загрузка...