zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Kỹ Thuật - Công Nghệ

» Điện - Điện tử

MỘT SỐ VÍ DỤ VỀ MÁY HỌC

Chia sẻ: Pham Thien Luat | Ngày: | Loại File: PPT | Số trang:32

Báo xấu

224
lượt xem 83
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hệ tiếp nhận các khẳng định của các quyết định đúng. Khi hệ tạo ra một quyết định không đúng, hệ sẽ đưa ra các luật hay quan hệ đúng mà hệ đã sử dụng. Hình thức học vẹt nhằm cho phép chuyên gia cung cấp tri thức theo kiểu tương tác. Thay vì đưa ra một luật cụ thể cần áp dụng vào tình huống cho trước, hệ thống sẽ được cung cấp bằng các chỉ dẫn tổng quát.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: MỘT SỐ VÍ DỤ VỀ MÁY HỌC

NHẬP MÔN TRÍ TUỆ NHÂN TẠO MỘT SỐ VÍ DỤ VỀ MÁY HỌC 1
1. GIỚI THIỆU Một số phương pháp máy học để tiếp thu tri thức hay tạo ra tri thức  Học vẹt  Học cách đề xuất  Học bằng cách thu thập các trường hợp  Học bằng cách xây dựng cây định danh  Học không giám giám sát và bài tóm gom nhóm dữ liệu  Học giám sát và bài toán phân lớp dữ liệu 2
1. GIỚI THIỆU (tt) Học vẹt  Hệ tiếp nhận các khẳng định của các quyết định đúng. Khi hệ tạo ra một quyết định không đúng, hệ sẽ đưa ra các luật hay quan hệ đúng mà hệ đã sử dụng. Hình thức học vẹt nhằm cho phép chuyên gia cung cấp tri thức theo kiểu tương tác. Học bằng cách chỉ dẫn  Thay vì đưa ra một luật cụ thể cần áp dụng vào tình huống cho trước, hệ thống sẽ được cung cấp bằng các chỉ dẫn tổng quát. Ví dụ: "gas hầu như bị thoát ra từ van thay vì thoát ra từ ống  dẫn". Hệ thống phải tự mình đề ra cách biến đổi từ trừu tượng đến các luật khả dụng. 3
1. GIỚI THIỆU (tt) Học bằng qui nạp  Hệ thống được cung cấp một tập các ví dụ và kết luận được rút ra từ từng ví dụ. Hệ liên tục lọc các luật và quan hệ nhằm xử lý từng ví dụ mới. Học bằng tương tự  Hệ thống được cung cấp đáp ứng đúng cho các tác vụ tương tự nhưng không giống nhau. Hệ thống cần làm thích ứng đáp ứng trước đó nhằm tạo ra một luật mới có khả năng áp dụng cho tình huống mới. 4
1. GIỚI THIỆU (tt) Học dựa trên giải thích  Hệ thống phân tích tập các lời giải ví dụ ( và kết quả) nhằm ấn định khả năng đúng hoặc sai và tạo ra các giải thích dùng để hướng dẫn cách giải bài toán trong tương lai. Học dựa trên tình huống  Bấy kỳ tính huống nào được hệ thống lập luận đều được lưu trữ cùng với kết quả cho dù đúng hay sai. Khi gằp tình hướng mới, hệ thống sẽ làm thích nghi hành vi đã lưu trữ với tình huống mới. Khám phá hay học không giám sát  Thay vì có mục tiêu tường minh, hệ khám phá liên tục tìm kiếm các mẫu và quan hệ trong dữ liệu nhập. Các ví dụ về học không giám sát bao gồm gom cụm dữ liệu, học để nhận dạng các đặc tính cơ bản như cạnh từ các điểm ảnh. 5
2. Một số ví dụ: Học qua logic: Bongard (1970) là người đầu tiên ứng dụng các toán tử logic để học và nhận dạng các đối tượng hình ảnh. Ý tưởng: Tìm quan hệ đơn giản nhất trong số các quan hệ có thể sử dụng để học và nhận dạng các hình ảnh. 6
2. Một số ví dụ (tt) Lôù B p Lôù A p Chúng ta có thể quan sát thấy các hình vẽ thuộc lớp A có 3 vòng trắng luôn luôn nằm trên một đường thẳng. 7
2. Một số ví dụ (tt) Vấn đề đặt ra: -Tìm quan hệ đơn giản nhất có thể phân biệt được các hình ảnh. Bongard đã dùng bảng logic “mô tả – quan hệ” để dẫn xuất ra các mệnh đề logic: φ = ∨ (ϕ ∧ ϕ ∧ ... ∧ ϕn ) 12 φ có thể dùng để phân biệt 2 lớp E và E’ nếu φ(E) và φ(E’) đối ngẫu nhau. 8
2. Một số ví dụ (tt) P1 P2 P3 P4 P5 1 2 3 4 5 6 7 8 9 10 9
2. Một số ví dụ (tt) Các đối tượng trong mẫu: P P2 P3 P4 P5 1 P P2 P3 P4 P5 1 1 1 1 1 0 1 P P2 P3 P4 P5 2 1 0 0 1 0 1 P P2 P3 P4 P5 3 0 1 0 0 1 1 P P2 P3 P4 P5 4 0 1 0 0 1 1 0 ⇒ P P2 P3 P4 P5 5 0 1 0 1 1 P P2 P3 P4 P5 6 1 1 0 1 0 1 P P2 P3 P4 P5 7 1 1 0 0 0 1 P P2 P3 P4 P5 8 1 0 0 1 0 1 P P2 P3 P4 P5 9 0 0 0 1 0 1 P P2 P3 P4 P5 10 1 1 0 0 0 1 10
2. Một số ví dụ (tt) Sau khi tính tổng và rút gọn lại được: P1.P2 + P1.(P2 .P3 + P2 .P3 )  P1 .PKhoâng coù thì phaûi coù hình (3,4,5) 2  x ∈ ϕ( A )  P1 .Coù 3 thì phaûi coù hình vaø hình (1) P2 .P   P1Coù.P3 thì khoâng coù hình .P2 vaø hình (1 11
3. HỌC BẰNG CÁCH XÂY DỰNG CÂY ĐỊNH DANH Thöû Xaâ döï g yn B aû g döõ u n lieä Caâ ñò danh y nh Luaä t Cây định danh: Là một dạng của cây quyết định, trong đó mỗi tập các kết luận có thể xảy ra được thiết lập một cách ngầm định bởi một danh sách các mẫu mà chúng được phân vào một lớp đã biết. 12
3. HỌC BẰNG CÁCH XÂY DỰNG CÂY ĐỊNH DANH (tt) Ví dụ có bảng dữ liệu quan sát Cân Nặng Kết quả Tên Tóc Ch.Cao Dùng kem? Nhẹ Sarah Vàng T.Bình Không Cháy Dana Vàng Cao T.Bình Có Không Thấp Alex Nâu T.Bình Có Không Thấp Annie Vàng T.Bình Không Cháy Đỏ Nặng Emilie T.Bình Không Cháy Nặng Peter Nâu Cao Không Không Nặng John Nâu T.Bình Không Không Thấp Nhẹ Kartie Vàng Có Không 13
3. HỌC BẰNG CÁCH XÂY DỰNG CÂY ĐỊNH DANH (tt) •Thuộc tính mục tiêu: là thuộc tính quan tâm (tính chất cháy nắng hay không cháy nắng) . R = {"cháy nắng", "bình thường"}. •Thuộc tính dẫn xuất: Chúng ta quan sát hiện tượng cháy nắng dựa trên 4 thuộc tính sau : chiều cao (cao, trung bình, thấp), màu tóc (vàng, nâu, đỏ), cân nặng (nhẹ, TB, nặng), dùng kem (có, không) là thuộc tính dẫn xuất P là tất cả những người được liệt kê trong bảng dưới (8 người) 14
3.1.Đâm chồi Đỏ Vàng Nâu 15
3.1. Đâm chồi (tt) 16
3.2. Phương án chọn thuộc tính phân hoạch Vấn đề mà chúng ta gặp phải cũng tương tự  như bài toán tìm kiếm : "Đứng trước một ngã rẽ, ta cần phải đi vào hướng nào?". Hai phương pháp đánh giá dưới đây giúp ta  chọn được thuộc tính phân hoạch tại mỗi bước xây dựng cây định danh. 17
3.2.1. Thuật toán Quinlan (1) •Quinlan quyết định thuộc tính phân hoạch bằng cách xây dựng các vector đặc trưng cho mỗi giá trị của từng thuộc tính dẫn xuất và thuộc tính mục tiêu. •Cách tính vectơ đặc trưng: Với mỗi thuộc tính dẫn xuất A còn có thể sử dụng để phân hoạch, tính : VA(j) = ( T(j , r1), T(j , r2) , …, T(j , rn) ) *T(j, ri) = (tổng số phần tử trong phân hoạch có giá trị thuộc tính dẫn xuất A là j và có giá trị thuộc tính mục tiêu là ri ) / ( tổng số phần tử trong phân hoạch có giá trị thuộc tính dẫn xuất A là j ) 18 * r , r , … , r là các giá trị của thuộc tính mục tiêu
3.2.1. Thuật toán Quinlan (2) Vector đơn vị là vector có duy nhất một  thành phần có giá trị 1 và những thành phần khác có giá trị 0. Thuộc tính được chọn để phân hoạch là  thuộc tính có nhiều vector đơn vị nhất. 19
3.2.1. Thuật toán Quinlan Toång quan chaùy coùoùc soá saùt naéng t vaøng Cháy nắng = Toång quan coùoùc soá saùt t vaøng Toångoá uan s q saùt khoân naéng toùc g chaùy coù vaøng Không cháy nắng = Toångoá uan coù vaøng s q saùt toùc 20

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.15: Bộ Đồ Án Tốt Nghiệp Chuyên Ngành Cơ Khí

65 tài liệu

2431 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.