WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 33 | 34 || 36 | 37 |   ...   | 58 |

8. Чечкин А.В. Радикалы и системокванты 4. Анохин К.В. Теория функциональных систем и интеллектуальных систем // Модели-рование проблема происхождения адаптивной функциональных систем / Под ред. К.В. Судакова, организованности нервной системы // Труды В.А. Викторова. М. : ЗАО “РИТ-Экспресс”, 2000. - конференции «Нелинейная динамика в когнитивных С. 73–94.

исследованиях – 2011» (Нижний Новгород, 17 – 9. Бобровников Л. В. Основы квантовой мая 2011г.). – Н-Новгород: ИПФ РАН, 2011. - С. 6.

синергетики функциональных систем. Ч. I / Л. В.

5. Прокопчук Ю. А. Принцип предельных Бобровников. – М. : Российская академия обобщений: методология, задачи, приложения.

естественных наук, 2008. – 187 с.

Материалы XVI Международной конференции по нейрокибернетике НЕЙРОСЕТЕВЫЕ РАСПРЕДЕЛЕННЫЕ ПРЕДСТАВЛЕНИЯ КАК СРЕДСТВО ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ И ИНТЕЛЛЕКТУАЛЬНОСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ Д.А. Рачковский, А.Д. Гольцев, В.В. Лукович, И.С. Мисуно, Р.С. Омельченко, Е.Г. Ревунова, С.В Слипченко, А.М. Соколов Международный научно-учебный центр информационных технологий и систем НАН Украины dar@infrm.kiev.ua We propose an approach to improve the efficiency of люди широко и продуктивно используют information processing by example-based reasoning рассуждения на основе примеров.

and vector information representations that uses the Увеличение количества и объемов ideas of distributed representations in the brain. It is доступных информационных массивов shown that distributed representations allow an efficient estimation of numeric vector similarity as well as повышает возможности создания баз efficient solving of discrete ill-posed problems. The примеров для использования этого подхода formation of distributed representations of complex в ИТ, но в то же время усложняет structured relational information used in declarative хранение, доступ и обработку информации knowledge bases is considered that allows an efficient о примерах.

search for analogs in analogical reasoning. Some promising directions for further development are given В современном арсенале методов that concern taking into account the semantics when искусственного интеллекта и машинного creating and processing distributed representations.

обучения хорошо развиты методы обработки данных, представленных в Введение векторной форме. Многие методы решения задач на основе векторных представлений Рост объемов, сложности и имеют приемлемую (полиномиальную) разнообразия информации, доступной в вычислительную сложность, что позволяет электронной форме, требует новых использовать их на практике. Однако подходов к ее представлению и обработке значительная размерность традиционных для решения задач поиска, классификации, векторных представлений больших принятия решений и других задач массивов сложных данных недопустимо интеллектуальных информационных замедляет обработку.

технологий (ИТ). Предлагаемый подход В то же время обработка не является развитием идей по созданию векторной, а сложно структурированной искусственного интеллекта, предложенных информации в традиционных символьных Николаем Михайловичем Амосовым и его представлениях осуществляется научной школой [1-6], и основан на последовательными сложными принципах моделирования мышления (переборными) алгоритмами. Так, человека и особенностей нейросетевой например, сходство графов часто организации мозга.

определяют на основе установления В статье рассмотрены два изоморфизма их подграфов, что является направления исследований. Первое – NP-полной задачей. Такие методы решение задач путем моделирования практически не применимы в "больших" рассуждений человека на основе примеров.

приложениях.

Второе – специальный формат векторного Мы развиваем методы решения этих представления информации, основанный проблем на основе распределенных на идее распределенного представления представлений (РП) парадигмы информации в мозге.

ассоциативно-проективных нейронных Известно, что при решении задач в сетей (АПНС) [2-6]. В данной работе условиях неполноты, неточности, и показано, каким образом распределенные противоречивости входной информации представления позволяют повысить 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» эффективность хранения и обработки исследуемом объекте или процессе наличие векторных данных на основе определения неизвестных свойств, отношений, сходства числовых векторов, а также причинно-следственных связей и т.п. на эффективно решать дискретные основе фактов их существования в похожих некорректные обратные задачи. объектах. исследований.

Рассмотрено также формирование В рассуждениях на основе примеров распределенных представлений сложно- выделяют следующие этапы [7]:

структурированной реляционной 1. Представление: Получение описаний информации, используемой в примеров (задач, ситуаций, и т.п.) и их рассуждениях по аналогии, которые представление во внутреннем формате позволяют осуществлять поиск аналогов по системы для дальнейшей обработки.

сходству с одновременным учетом Например, внутренние представления структуры и семантики информации. могут быть получены путем извлечения Приводятся перспективные направления полезных признаков или других дальнейших исследований. преобразований исходного описания для улучшения работы системы.

Рассуждения на основе примеров 2. Поиск: Поиск примеров в базе, наиболее "подходящих" ко входному. Например, это Моделирование рассуждений на могут быть предварительно сохраненные основе примеров, и его разновидности – задачи с их известными решениями, рассуждения на основе прецедентов (caseкоторые могут быть использованы для based reasoning ) и аналогий (analogy-based решения целевой входной задачи.

reasoning) – применяется в ИТ для решения 3. Использование: попытка повторно задач поиска, классификации, использовать решение из найденного в базе аппроксимации, прогнозирования, подходящего примера (возможно, после планирования, диагностики, управления.

адаптации для учета различий в описании).

Для реализации подхода рассуждений по Обычно этот этап подразделяют на примерам формируется база примеров – подэтапы (отображение, то есть память системы (Рис. 1).

нахождение соответствующих элементов примеров; сам вывод; возможно, БАЗА ПРИМЕРОВ (ПАМЯТЬ) модификация базы примеров, то есть обучение).

ПОИСК Ключевой этап в задаче СХОДНОГО ПРИМЕРА рассуждений на примерах – этап поиска.

...

Причины следующие:

АДАПТАЦИЯ 1. Поиск должен выбрать один или ПРИМЕРА несколько кандидатов для последующей обработки. Это предполагает выполнение Рис. 1. Схема рассуждений на основе примеров.

некоторого анализа всей базы примеров, а также оценки адекватности найденных В базе запоминаются описания примеров, что для больших баз и сложных индивидуальных или обобщенных примеров требует значительных примеров – ситуации вместе с прогнозами вычислительных ресурсов.

их развития, реакциями на них, задачи с их 2. Результаты поиска уже могут быть решениями – то есть примеры прошлого выходом системы, так как дальнейшее опыта, которые обычно называют использование может осуществляться прецедентами или аналогами. Для входной людьми, как при Internet-поиске, или ситуации система находит в базе одну или поиске в хранилище документов, или в несколько сходных ситуаций и принимает рассуждениях по прецедентам, когда решения, делает прогнозы или выводы о человек вручную адаптирует найденный входной ситуации, используя (адаптируя к пример.

ней) знания из найденных примеров. Такой подход позволяет прогнозировать в Материалы XVI Международной конференции по нейрокибернетике 3. Качество результатов поиска, то есть реализации подхода рассуждений по актуальность и релевантность извлеченных примерам.

из базы примеров, влияет на этап При решении практических дальнейшего использования, будь-то технических задач, этап адаптации знаний ручного или автоматического. из найденного ближайшего примера к Эффективность этапа поиска и, целевой ситуации можно изменить, чтобы следовательно, всей системы рассуждений задействовать знания персонала.

по примерам, в основном, определяется Например, при диагностике состояний этапом представления по следующим систем самолета по показаниям причинам: соответствующих датчиков, которые 1. Начальное описание входной задачи или используют в качестве признаков, ИТ, ситуации должно содержать достаточную использующая рассуждения по примерам, информацию для поиска. определяет класс рабочего или нерабочего 2. Внутренний формат системы влияет на состояния систем самолета. А вычислительную эффективность и качество техническому персоналу выдается уже поиска. текстовая инструкция по обслуживанию 3. Процесс трансформации начальных найденной неисправности.

описаний во внутренний формат системы Однако подход рассуждений на влияет на вычислительную эффективность основе примеров может применяться и для – главным образом, на этапе внутреннего совсем других типов входной информации, представления всех примеров базы. нежели числовые признаки. Например, Важную роль на этапе поиска задача прогнозирования развития военноближайшего примера играет поиск по политических кризисов. В базе примеров сходству. В некоторых приложениях находятся текстовые описания известных рассуждений на основе примеров можно военно-политических кризисов. Надо адекватно оценивать сходство по спрогнозировать развитие нового кризиса.

"поверхностным признакам" (surface Люди-эксперты часто используют для features). Обычно поверхностные признаки этого прогноза рассуждения по представлены в виде пар "атрибут- прецедентам. Сначала им надо найти значение" и даются как часть описания сходные прецеденты. Для этого можно примера. Таким образом, пример для целей применить обычный текстовый поиск, где поиска может быть представлен как в качестве запроса используется текстовое простой вектор числовых признаков. Меры описание нового кризиса. Система выдает сходства-различия векторов, такие как тексты похожих прецедентов. Изучив их, расстояние, скалярное произведение, угол эксперт дает свое заключение (см также имеют близкую к линейной от размерности [8]).

вектора вычислительную сложность, т.е. Рассуждения по прецедентам – вычислительно эффективны. разновидность методологии рассуждений Рассмотрим примеры решения задач на основе примеров, где поиск прецедентов подходом рассуждений по примерам. происходит по "поверхностным Пусть задана база примеров в виде признакам", – показали свою полезность в векторов признаков с известными метками широком спектре приложений и областей классов. Есть входной вектор признаков, (например, [9]). Однако, рассуждения по для которого неизвестна метка класса. прецедентам сильно зависят от предметной Найдем ближайший пример из базы. области [10]: они требует трудоемкой Близость будем оценивать по Евклидовому ручной настройки системы для выполнения расстоянию. Теперь используем знания о конкретной задачи, знаний о конкретной ближайшем примере базы для вывода о предметной области и признаков, для нее входном примере. А именно, перенесем характерных. Например, при известную для примера базы метку класса использовании метода ближайшего соседа на входной пример. Получаем известный обычно предполагается, что признаки – метод ближайшего соседа – как пример компоненты векторов – так выбраны и 4-Й МЕЖДУНАРОДНЫЙ СИМПОЗИУМ «НЕЙРОИНФОРМАТИКА И НЕЙРОКОМПЬЮТЕРЫ» пронормированы, что они примерно сравнивается с найденным аналогом и равнозначны. Кроме того, здесь на этапах определяется соответствие между автоматической обработки игнорируется элементами этих двух эпизодов (т.н.

знания о структуре примеров. "отображение"). Определяется часть В последние годы растет понимание аналога из памяти, которая отсутствует во важности структуры информации как в входном эпизоде (отношение или система области рассуждений на основе примеров, отношений). Эти знания переносятся на так и в других областях, таких как базы входной эпизод, адаптируясь к нему (вывод данных и знаний, веб и т.д. Появляются по аналогии).

базы примеров в виде баз данных и баз знаний, в том числе в формате XML.

БЛОК ПОИСКА Также, для упрощения разработки системы требуются универсальные БЗ АНАЛОГОВ a механизмы извлечения и обработки примеров базы, а не специфичные для Входной аналог x конкретной цели системы и конкретной b базы примеров.

Поэтому все больше внимания привлекают БЛОК БЛОК a рассуждения по аналогии, где акцент ОТОБРАЖЕНИЯ ВЫВОДА делается именно на учете структуры {ai bi} Отображения примеров-аналогов. Аналоги представляют Выводы Ближайший {ai bi} {ai* bi} аналог b собой реляционные структуры – то есть Рис. 2. Схема реализации рассуждений по аналогии.

структуры, где выделены иерархические системы отношений между сущностями В простом примере на Рис. 3, при предметной области. Кроме того, сопоставлении эпизода нападения США на рассуждения по аналогии моделирует Вьетнам (США атаковали Вьетнам, в общие когнитивные процессы, позволяя результате Вьетнам дал отпор США) и более универсальную обработку примеров, входного эпизода нападения Ирака на которая не зависит от предметной области.

Кувейт (Ирак атаковал Кувейт, в результате...), отображение выявляет Рассуждения по аналогии отсутствие отношения "дать отпор" во входном эпизоде. Адаптация заключается в Описания аналогов включает переносе этого отношения во входной описания их элементов – объектов эпизод и подстановке Кувейта вместо (сущностей), атрибутов (признаков) и Вьетнама, и Ирака вместо США (см. также отношений. Сущности – это объекты [11]).

предметной области (например, США, Ирак и т.п.). Атрибуты описывают следствие следствие свойства объектов (например, страна, соответствие адаптация большой, и т.п.). Отношения определяют взаимоотношения между элементами атака отпор атака отпор отпор аналогов (например, атаковать, следовать, и т.п.). Аргументами отношений могут быть объекты, атрибуты, или другие США Вьетнам Ирак Кувейт США Вьетнам отношения. Атрибуты могут рассматриваться как отношения с одним Аналог из базы Аналог на входе аргументом.

Рис. 3. Пример отображения и вывода по аналогии.

Pages:     | 1 |   ...   | 33 | 34 || 36 | 37 |   ...   | 58 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.