inteligenta artificiala

Post on 05-Jan-2016

99 Views

Category:

Documents

7 Downloads

Preview:

Click to see full reader

DESCRIPTION

Inteligenta Artificiala. Universitatea Politehnica Bucuresti Anul universitar 2005-2006 Adina Magda Florea http://www.cs.pub.ro/ia_06. Curs nr. 12. Invatare bazata pe explicatii Invatarea prin generalizare explicata Invatarea utilizand macro-operatorii. 2. Invatarea bazata pe explicatii. - PowerPoint PPT Presentation

TRANSCRIPT

Inteligenta ArtificialaInteligenta Artificiala

Universitatea Politehnica BucurestiAnul universitar 2005-2006

Adina Magda Florea

http://www.cs.pub.ro/ia_06

Curs nr. 12

Invatare bazata pe explicatii Invatarea prin generalizare explicata Invatarea utilizand macro-operatorii

2

Invatarea bazata pe explicatii

Sistemul invata un concept sau o regula pornind de la un singur exemplu de invatare – sintetic

/analitic

Analiza motivelor – explicatie

Generalizarea unui exemplu

Reguli operationale

2 etape:- Explicatie- Analiza exemplu

3

1 Generalizare bazata pe explicatii

EBG Explicatie = demonstratiile scopului de

rezolvat

Problema EBG Conceptul scop Exemplul de invatare Teoria domeniului Criteriul de operationalitate

Cum le reprezentam4

Generalizare bazata pe explicatii

Sistemul trebuie sa reformuleze conceptul scop in termenii unei noi descrieri care satisface conditiile:

Este o generalizare a ex de invatare Este o conditie suficienta pt caracterizarea

conceptului scop Satisface criteriul de operationalitateMetoad EGB Explicare Generalizare

5

Concept scop: sigurpeste(x,y)Exemplul de invatare: sigurpeste(cub1,masa1)

peste(cub1,masa1)vol(cub1,10)isa(cub1,cub)isa(masa1,masa)culoare(cub1,rosie)culoare(masa1, alba)dens(cub1,10)

Teoria domeniuluimaiusor(x,y) sigurpeste(x,y)gr(x,w1) gr(y,w2) maimic(w1,w2) maiusor(x,y)isa(x,masa) gr(x,500)vol(x,v) dens(x,d) inm(v,d,y) gr(x,y)

Criteriul de operationalitatePredicate specifice domeniului

vol(x,y), dens(x,y) culoare(x,y), isa(x,y)Predicate generale

inm(x,y,z), maimic(x,y)6

7

SIGUR-PESTE(cub1, masa1)

MAI-UªOR(cub1, masa1)

GREUTATE(cub1, 100) GREUTATE(masa1, 500) MAI-MIC(100, 500)

VOLUM(cub1, 10) DENSITATE(cub1, 10) ÎNM(10, 10, 100) ISA(masa1, masã)

Exemplul de invatare: sigurpeste(cub1,masa1)peste(cub1,masa1)vol(cub1,10)isa(cub1,cub)isa(masa1,masa)culoare(cub1,rosie)culoare(masa1, alba)dens(cub1,10)

Teoria domeniuluimaiusor(x,y) sigurpeste(x,y)gr(x,w1) gr(y,w2) maimic(w1,w2) maiusor(x,y)isa(x,masa) gr(x,500)vol(x,v) dens(x,d) inm(v,d,y) gr(x,y)

8

SIGUR-PESTE(cub1, masa1)

MAI-UªOR(cub1, masa1)

GREUTATE(y, 500) MAI-MIC(m, 500)

VOLUM(x, v) DENSITATE(x, d) ÎNM(v, d, m) ISA(y, masã)

SIGUR-PESTE(x, y)

MAI-UªOR(x, y)

GREUTATE(x, m)

GREUTATE(cub1, 100) GREUTATE(masa1, 500) MAI-MIC(100, 500)

VOLUM(cub1, 10) DENSITATE(cub1, 10) ÎNM(10, 10, 100) ISA(masa1, masã)

{x/cub1, y/masa1}

{x/cub1, y/masa1}

VOLUM(x,v) DENSITATE (x,d) ÎNM(v,d,m) ISA(y,masã) MAI MIC(m,500)

Exemplul de invatarepeste(cub1,masa1).volum(cub1,10).isa(cub1,cub).isa(masa1,masa).culoare(cub1,rosie).culoare(masa1,alba).dens(cub1,10).

Teoria domeniuluisigurpeste(X,Y):-maiusor(X,Y).maiusor(X,Y):-gr(X,W1),gr(Y,W2),maimic(W1,W2).gr(X,500):-isa(X,masa).gr(X,Y):-volum(X,V),dens(X,D),inm(V,D,Y).maimic(X,Y):-X<Y.inm(X,Y,Z):-Z is X*Y.

Criteriul de operationalitateoperational(Scop):-member(Scop,[inm(_,_,_),maimic(_,_),peste(_,_), volum(_,_),isa(_,_),culoare(_,_),dens(_,_)]).

9

gbe (Frunza, FrGen, FrGen) :-operational (Frunza), !, call (Frunza).

gbe ((Scop1, Scop2), (Scop1Gen, Scop2Gen), (Frunze1, Frunze2)) :-gbe (Scop1, Scop1Gen, Frunze1),gbe (Scop2, Scop2Gen, Frunze2).

gbe (Scop, ScopGen, Frunze) :-clause (ScopGen, ClauzaGen), duplicate_term ((ScopGen :- ClauzaGen), (Scop :- Clauza)), gbe (Clauza, ClauzaGen, Frunze).

?- gbe(sigurpeste(cub1,masa1),sigurpeste(X,Y),Ref).

X = _G476

Y = _G477

Ref = (volum(_G476, _G651), dens(_G476, _G654), inm(_G651, _G654, _G599)), isa(_G477, masa), maimic(_G599, 500))

10

2 Invatarea macro-operatorilor Sistemul de planificare automata STRIPS macro-operator

11

C

B A

A

B C

S S i f

CLEAR(A)

ON(A,B) CLEAR(C) ONTABLE(C)

ON(C,B)

ONTABLE(B)

ONTABLE(A) ONTABLE(B)

ARMEMPTY

Plan = (UNSTACK (C,B),PUTDOWN(C),PICKUP(A),STACK(A,B))

ON(C,B) ONTABLE(A) ONTABLE(B)

CLEAR(A) CLEAR(C) ARMEMPTY

ON(C,B) ONTABLE(A)

ON(A,B) ONTABLE(C)

LA:

LP

LA

LE

P = (UNSTACK(x ,x ),PUTDOWN(x ),PICUP(x ),STACK(x ,x ))M1 1 2 1 3 3 2

ON(x ,x ) ONTABLE(x ) ONTABLE(x )1 2 3 2

CLEAR(x ) CLEAR(x ) ARMEMPTY3 1

ON(x ,x ) ONTABLE(x )1 2 3

ON(x ,x ) ONTABLE(x )3 2 1

LP

LA

LE

STACKONB(x) CLEAR(x) CLEAR(B) HOLD(x)

CLEAR(B)

ON(x,B) ARMEMPTY

P = (UNSTACK (C,B),PUTDOWN(C),PICKUP(A),STACKONB(A))

P = (UNSTACK (x ,x ),PUTDOWN(x ),PICKUP(x ),STACKONB (x ))M2 1 2 1 3 3

ON(x ,x ) ONTABLE(x ) ONTABLE(x )1 2 3 2 CLEAR(x ) CLEAR(x ) ARMEMPTY3 1

ON(x ,x ) ONTABLE(x )1 2 3

ON(x ,x ) ONTABLE(x )3 2 1

LP

LA

LE

LP

LA

LE

Macro1

Macro2

C BA

S E D

C B

AS

E

D i f A

Tabela triunghiulara - Algoritm1 Numeroteaza liniile tabelei de la 1 la N+1 si coloanele de la 0 la N

2 pentru i=1,N executa

TAVB[i,i]=P[i]

3 pentru i=1,N executa

TAB[i,0]=toate faptele din Si care sunt adevarate inainte de aplicarea P[i]

4 TAB[N+1,0]=faptele din Si adevrate in Sf

5 pentru i=1,N executa

pentru j=i+1 la N executa

TAB[j,i]=faptele adaugate de P[i] adevarate inainte de aplicare P[j]

6 pentru i=1,N executa

TAB[N+1,i]=faptele adaugate de P[i] care raman adevarate in Sf

7 pentru i=1,N executa

marcheaza cu * fiecare fapt din TAB[i,_] care a fost utilizat in demonstrarea preconditiilor P[i]

sfarsit13

14

BA

S AS i f A

BPlan = (PICKUP(A),STACK(A,B))BA

S AS i f A

B

Plan = (PICKUP(A),STACK(A,B))

CLEAR(A)

ON(A,B)

CLEAR(B)

ONTABLE(B)ONTABLE(A)

ONTABLE(B)

ARMEMPTY

15

Algoritm: Generalizarea planului în sistemul STRIPS1. Generalizeaza tabela triunghiulara

1.1. Înlocuieste fiecare constanta distincta din coloana 0 a tabelei TABTcu o variabila distincta

1.2. pentru i=1 la N executa- Înlocuieste fiecare formula din coloana i a tabelei TABT cuformula (neinstantiata) corespunzatoare din lista adaugariloroperatorului i

1.3. Redenumeste variabilele astfel încat formulele obtinute prin aplicarea operatorilor distincti sa conþina variabile cu nume diferite

2. Executa din nou validarea preconditiilor utilizînd demonstratii similare cu celeale planului original

2.1. Fiecare noua validare a unei precondiþii se va face pe baza formulelorgeneralizate marcate cu *

2.2. Fiecare noua demonstraþie considera aceleasi perechi de formuleîn rezolutie si aceleasi perechi de literali în unificare

2.3. Substitutiile generate în timpul unificarii sînt aplicate întregii tabelesfîrsit.

top related