Präsentation herunterladen
Veröffentlicht von:Ulrich Wicklein Geändert vor über 10 Jahren
1
Projektgruppe KIMAS Case-based Reasoning
Li Liu
2
Case-based Reasoning Retrieval Revise Reuse Retain Fazit Gliederung
2.1 Fallrepräsentation 2.2 Ähnlichkeitsbestimmung Revise Reuse Retain Fazit Projektgruppe KIMAS - CBR
3
Künstliche Intelligenz reasoning by remembering
CBR Künstliche Intelligenz reasoning by remembering Zielfall (target case): zu lösendes Problem/Fall Basisfall (base case): Problem/Fall mit Lösung im Speicher CBR-System sucht einen Basisfall mittels des Zielfalls und löst das Zielproblem mit Hilfe der Lösung des Basisfalls. Projektgruppe KIMAS - CBR
4
Ein einfaches Beispiel von CBR
Zielfall Basisfall Projektgruppe KIMAS - CBR
5
CBR-Modell Zielfall Basisfall Projektgruppe KIMAS - CBR
6
Auszüge der Geschichte von CBR
1977 USA: R. Schrank, Uni. Yale, Dynamic Memory Theory 1983 USA: J. Kolodner, CYRUS, erstes implementiertes System, Frage-Antwort-System Seit 1998: zunehmendes Interesse in USA Deutschland: M. Richter, Universität Kaiserslautern, komplexe technische Diagnose in MOLTKE Seit 1991: zunehmendes Interesse in Europa Projektgruppe KIMAS - CBR
7
Zyklus des CBRs Retrieve: Reuse: Revise: Retain:
Finde einen ähnlichen Fall bzw. eine Menge ähnlicher Fälle Reuse: Lösung übertragen und anpassen Revise: Lösung überprüfen/verbessern Retain: gemachte Erfahrung speichern Projektgruppe KIMAS - CBR
8
Ein Stück Wissen in Kontext, das eine Erfahrung repräsentiert
Fallrepräsentation Was ist ein Fall? Ein Stück Wissen in Kontext, das eine Erfahrung repräsentiert Beschreibt einen speziellen Fall Unabhängig von anderen Fällen Keine Regel! Problem Solution Case 001 more informations Projektgruppe KIMAS - CBR
9
Repräsentationsformalismen
Wichtig in CBR Attribut-Wert-Paare: Typ: Integer, String, Datum, Hyperlink etc. Beispiel: Preis: 80,99 Euro Formalisierungsregeln der Fälle möglichst identisch Eindeutige Lösung für jedes Problem Adaptierter Fall als neuen Fall mit neuer Lösung einfügen Wert Attribut Projektgruppe KIMAS - CBR
10
Beispiel für Fallrepräsentation
Feste Attributmenge: Variable Attributmenge: Projektgruppe KIMAS - CBR
11
Ähnlichkeitsbestimmung
Zentraler Begriff in CBR Parameter: Ci Problembeschreibungen für Fall i SIM(C1,C2) Ähnlichkeitsmaß zwischen Fall 1 und Fall 2 p Anzahl der Attribute wj Gewicht (weight) des Attributes j simj Ähnlichkeit (similarity) für Attribut j Projektgruppe KIMAS - CBR
12
Vergleich das neue Problem mit Fall 1
SIM(new, Case1) = [ 6* * * * * 1.0 ] / 20 = 0.86 Projektgruppe KIMAS - CBR
13
Vergleich das neue Problem mit Fall 2
SIM(new, Case1) = [ 6* * * * *0 ] / 20 = 0.585 Fall 1 ist ähnlicher wegen „Zustand der Scheinwerfer“. Projektgruppe KIMAS - CBR
14
Suche die ähnlichsten Erfahrungen (Fälle) im Speicher. Beispiel:
Retrieval Suche die ähnlichsten Erfahrungen (Fälle) im Speicher. Beispiel: Auto kaufen: Silber, Navigationssystem, großer Kofferraum, Seitenairbags, 4-Motions, Diesel, < 30,000 Euro. Suche mit SQL-Anfrage Kein solches Auto! Ändern die Kriterien Der Kunde möchte nur die Automodelle sehen, die den meisten Kriterien genügen. Projektgruppe KIMAS - CBR
15
nearest-neighbour retrieval
Projektgruppe KIMAS - CBR
16
Zyklus des CBRs Retrieve: Reuse: Revise: Retain:
Finde einen ähnlichen Fall bzw. eine Menge ähnlicher Fälle Reuse: Lösung übertragen und anpassen Revise: Lösung überprüfen/verbessern Retain: gemachte Erfahrung speichern Projektgruppe KIMAS - CBR
17
Wichtige Information:
Reuse Wichtige Information: Ähnlichkeit zwischen dem alten und neuen Modell übertragbare Teile Kopieren Anpassen Wiederverwendung der alten Lösung (transformational reuse) Wiederverwendung der alten Methoden (derivational reuse) Projektgruppe KIMAS - CBR
18
Reuse die Lösung vom Fall 1
Projektgruppe KIMAS - CBR
19
Zyklus des CBRs Retrieve: Reuse: Revise: Retain:
Finde einen ähnlichen Fall bzw. eine Menge ähnlicher Fälle Reuse: Lösung übertragen und anpassen Revise: Lösung überprüfen/verbessern Retain: gemachte Erfahrung speichern Projektgruppe KIMAS - CBR
20
Bewertung des Falles durch:
Revise Bewertung des Falles durch: Feedback nach Durchlauf Bewertung von Experten Kriterien: Korrektheit der Lösung Qualität der Lösung anderes Reparatur des Fehlers Fehler erkennen Fehler verbessern Projektgruppe KIMAS - CBR
21
Zyklus des CBRs Retrieve: Reuse: Revise: Retain:
Finde einen ähnlichen Fall bzw. eine Menge ähnlicher Fälle Reuse: Lösung übertragen und anpassen Revise: Lösung überprüfen/verbessern Retain: gemachte Erfahrung speichern Projektgruppe KIMAS - CBR
22
Lernen von jedem Schritt:
Retain (Lernen) 1 Lernen von jedem Schritt: Neue Erfahrung Verbesserte Ähnlichkeit und wichtige Attribute Bestimmung Organisation/Indizieren der Datenbanken Wissen von Adaption der Lösungen Löschen der überflüssigen/ungültigen Fälle Wissensbehälter (Richter, 1995): Vokabular (benutzte Attribute) Falldatenbank Ähnlichkeitsbestimmung Lösungsadaption Projektgruppe KIMAS - CBR
23
Fall aktualisieren, egal, wie das Problem gelöst wurde.
Retain 2 Fall aktualisieren, egal, wie das Problem gelöst wurde. alten Fall erweitern neuen Fall konstruieren ungültigen/überflüssigen Fall löschen Projektgruppe KIMAS - CBR
24
Applikationsbeispiele 1
Expertensystem für Hühneraufzucht: Speisekarten für Eierhühner nach dem Wissen von Nahrung und Futter, Falldatenbank und Speiseadaptionsregeldatenbank Landwirtschaftliche Expertenentscheidungssystem: hohe Maisproduktion: Sortenkombinationen, Düngeplanung und Feldmanagementmethode Expertensystem der Diagnose für Schweinekrankheiten. Projektgruppe KIMAS - CBR
25
Applikationsbeispiele 2
Entscheidungshilfe bei Gericht: Ersten Beurteilungsentwurf erstellen Warnen vor möglichen falschen Anwendungen des Gesetzes Richtigkeit im Test in Taiwan über 90% Case-based Reasoning und Rule-based Reasoning Techniken zusammen eingesetzt Projektgruppe KIMAS - CBR
26
Applikationsbeispiele 3
Militärische Anwendungsforschung in militärischen Szenarien (Krieg auf Papier): Case-based Reasoning kombiniert mit Group Decision Support System „Case-based Group Decision Support System“ Ziel: militärische Simulation und Training gemeinsam anzubieten Projektgruppe KIMAS - CBR
27
Applikationsbeispiele 4
Projektgruppe KIMAS - CBR
28
Applikationsbeispiele 5
Baudesign Übersetzungsmaschinen Kostenschätzungen Online-Demos: CarSmart SmartCooking Beispielprodukt: Projektgruppe KIMAS - CBR
29
Eclipes - The Easy Reasoner CBR3 KATE ReCall http://www.cbr-web.org
Software-Tools ART*Enterprise Case-1 CaseAdvisor CasePower Eclipes - The Easy Reasoner CBR3 KATE ReCall Projektgruppe KIMAS - CBR
30
Anwendungsmöglichkeiten in KIMAS
Bot stellt Anfrage an CBR, was zu tun ist. Wenn unterlegen, Hilfe von anderen Bots holen oder weglaufen und regenerieren? Wie weglaufen? … Intelligente Bots Projektgruppe KIMAS - CBR
31
Input: vorhandene Information Output: möglichst passende Lösung
Fazit von CBR Input: vorhandene Information Output: möglichst passende Lösung Einfach zu benutzen: Problembeschreibung mit natürlicher Sprache auch für Nicht-Experten möglich Funktioniert auch bei unvollständig vorhandenem Wissen Akkumulator von Wissen Wissen in der Falldatenbank einfach zu updaten und warten Anfängliche Modellierung der Fälle und Ähnlichkeit sind wichtig. Projektgruppe KIMAS - CBR
32
Janet Kolodner: Case-based Reasoning, Morgan Kaufmann, 1993
Literatur Janet Kolodner: Case-based Reasoning, Morgan Kaufmann, 1993 Watson, Ian: Applying case-based reasoning: Techniques for enterprise Systems, Morgan Kaumann Publishers, California, 1997 Lenz, Bartsch-Spörl, Burkhard, Wess. Case-Based Reasoning Technology: From Foundations to Applications, Springer-Verlag, 1998 Bergmann, Ralph: Grundlagen Fallbasierter Systeme, WS99/20, ... Projektgruppe KIMAS - CBR
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.