Slide Hệ thống tri thức

CÁC HỆ THỐNG DỰA TRÊN TRI THỨC NỘI DUNG CHƯƠNG 1: CƠ BẢN VỀ HỆ THỐNG DỰA TRÊN TRI THỨC CHƯƠNG 2: CÁC HỆ THỐNG TRI THỨC DỰA TRÊN XÁC SUẤT CHƯƠNG 3: HỆ MỜ CHƯƠNG 4: MẠNG NƠ-RON NHÂN TẠO CHƯƠNG 5: GIẢI THUẬT DI TRUYỀN CHƯƠNG 6: CÁC HỆ CƠ SỞ TRI THỨC LAI KẾT LUẬN TÀI LIỆU THAM KHẢO CHƯƠNG 1: CƠ BẢN VỀ HỆ THỐNG DỰA TRÊN TRI THỨC Mục tiêu Học xong chương này, sinh viên phải nắm bắt vấn đề sau: -Một số khái niệm tri thức - Hệ sở tri thức -Phân loại hệ dựa tri thức -Một số công cụ hỗ trợ thực hệ thống dựa tri thức CHƯƠNG 1: CƠ BẢN VỀ HỆ THỐNG DỰA TRÊN TRI THỨC NỘI DUNG 1.1 Tri thức hệ sơ sở tri thức 1.1.1 Khái niệm tri thức 1.1.2 Tháp liệu hệ thống dựa máy tính 1.1.3 Hệ sở tri thức gì? 1.2 Biểu diễn tri thức 1.2.1 Các vấn đề mạng tính tốn 1.2.2 Ví dụ họa mạng tính tốn Thuật tốn vết dầu loang 1.3 Mục đích xây dựng hệ thống dựa tri thức 1.4 Các thành phần hệ thống dựa tri thức CHƯƠNG 1: CƠ BẢN VỀ HỆ THỐNG DỰA TRÊN TRI THỨC NỘI DUNG 1.5 Phân loại hệ thống dựa tri thức 1.5.1 Hệ chuyên gia 1.5.2 Các hệ thống liên kết 1.5.3 Cá hệ quản trị sở liệu liên kết, tương tác người dùng thông minh 1.5.4 Các hệ dựa tri thức cho Công nghệ phần mềm 1.5.5 Các hệ thống dựa theo tri thức cho đo tạo thơng minh 1.6 Những khó khăn việc xây dựng hệ thống dựa tri thức 1.6.1 Xây dựng hệ dựa tri thức 1.6.2 Đặc tính tri thức 1.6.3 Độ lớn sở tri thức 1.6.4 Thu thập tri thức 1.6.5 Học chậm phân tích 1.7 Lập trình thơng minh 1.8 Các ngôn ngữ, công cụ sử dụng cho hệ sở tri thức 1.1 Tri thức hệ sở tri thức 1.1.1 Khái niệm tri thức Tri thức (Knowledge) hiểu biết lý thuyết hay thực tế đối tượng, việc, hoàn cảnh, kiện hay lĩnh vực định Tri thức tổng tất hiểu biết thời, khái niệm trừu tượng đời thường Chuyên gia (Expert) người tập hợp nhiều tri thức người bình thường khác Có thể chia tri thức làm phần: i) Các kiện (Events hay Facts); ii) Các mối quan hệ, quy tắc, quy luật liên quan kiện hay gọi tắt luật (Rules) kiện đó; iii) Tri thức có tính heuristic 1.1 Tri thức hệ sở tri thức 1.1.2 Tháp liệu hệ thống dựa máy tính Các hệ thống thơng minh nhân tạo sử dụng kỹ thuật trí tuệ nhân tạo, thơng qua kỹ thuật đó, hệ thống thơng minh có khả giải tốn lĩnh vực riêng Những hệ thống sử dụng kiến thức nhiều chuyên gia gọi hệ thống dựa tri thức- (Knowledge-Based Systems: KBS) hay hệ chuyên gia (Expert System) [1] Các hệ thống giải tốn máy tính truyền thống từ trước tới dựa liệu (Data) và/hoặc thông tin (Information) gọi hệ thống thông tin dựa máy tính (Computer-Based Information Systems: CBIS) 1.1 Tri thức hệ sở tri thức 1.1 Tri thức hệ sở tri thức 1.1 Tri thức hệ sở tri thức  1.1.3 Hệ sở tri thức gì? Hệ CSTT hệ thống dựa tri thức (một tập hợp tri thức tập quan hệ), cho phép mơ hình hóa tri thức chuyên gia, dùng tri thức để giải vấn đề phức tạp lĩnh vực  Hai yếu tố quan trọng hệ sở tri thức là: kiện lập luận (hay suy diễn) 6.7 Hệ lai tiến hóa-mờ  Luật giả gi? Tạo kết luật không xác định Xảy không gian mờ tương ứng với luật khơng có mẫu huấn luyện  Thuật toán di truyền để chọn luật mờ IFTHEN gồm bước sau: Mỗi luật mờ có xác suất 0,5 việc luật nhận giá trị NST quần thể khởi tạo 6.7 Hệ lai tiến hóa-mờ  Thuật tốn di truyền để chọn luật mờ IFTHEN gồm bước sau: Bước 1: Tạo ngẫu nhiên quần thể gồm nhiễm sắc thể Kích thước quần thể tương đối nhỏ Bước 2: Tính hiệu năng, hay độ hợp lý, NST quần thể Bước 3: Chọn cặp NST cho lai ghép NST mẹ chọn với xác suất kết hợp với việc huấn luyện phù hợp Bước 4: Tạo cặp NST cách áp dụng toán tử lai chéo tiêu chuẩn Các NST bố mẹ chọn với xác suất gắn với giá trị hợp lý NST bố mẹ; NST hợp lý chọn 6.7 Hệ lai tiến hóa-mờ Bước 5: Thực đột biến gen NST Các đột biến có xác suất khoảng 0.01 Các đột biến thực cách nhân giá trị gen với -1 Bước 6: Đặt NST tạo vào quần thể Bước 7: Lặp lại Bước kích thước quần thể kích thước quần thể khơi tạo, sau thay quần thể ban đầu quần thể Bước 8: Chuyên tới Bước 2, lặp lại q trình thuật tốn đạt đến số hệ (thường vài trăm) tốn đặt 6.8 Hệ lai tiến hóa nơron  Thuật toán di truyền kỹ thuật tối ưu hiệu (cho toàn cục) lựa chọn cấu trúc liên kết phù hợp  Giải thuật di truyền kỹ thuật tối ưu hiệu dùng cho tối ưu trọng số cho cấu trúc mạng nơ ron nhân tạo Hình 6.11 : Tập mã hóa nhiễm sắc thể 6.8 Hệ lai tiến hóa nơron Hình 6.12 : Lai ghép từ bố mẹ (Parent1 lai Parent1) tạo (Child) 6.8 Hệ lai tiến hóa nơron Bước thứ 1, xét kỹ thuật tối ưu trọng số mạng nơron giải pháp tiến hóa Bước thứ xác định hàm hợp lý để đánh giá NST Bước thứ 3, chọn toán tử di truyền Hình 6.13 :a) Mạng nơron tối ưu hóa: (b) đợt biến 6.8 Hệ lai tiến hóa nơron  Đến nay, giả định cấu trúc mạng cố định, tiến hóa chỉ sử dụng để tối ưu hóa trọng số mạng nơ ron Các kiến trúc mạng định thành công hay thất bại ứng dụng Các thuật toán di truyền giúp lựa chọn mạng kiến trúc  Ý tưởng để phát triển kiến trúc mạng phù hợp tìm kiếm di truyền quần thể Trước tiên, chọn phương pháp mã hóa kiến trúc mạng thành nhiễm sắc thể Có nhiều cách khác để mã hóa cấu trúc mạng Điều quan trọng định thông tin cần thiết cho mạng 6.9 Ví dụ học cách tích hợp NN GA  Mạng NN công cụ tốt với hệ nhận dạng mẫu ảnh chi phí huấn luyện tốn  Trong chương trước, ứng dụng quan trọng GA dùng để tối ưu hóa mạng NN ⇒ Đề xuất giải pháp kết hợp mạng NN GA để tối ưu thao tác huấn luyện cho hệ thống Ý tưởng: sử dụng GA kết hợp tối ưu trình huấn luyện mạng NN thuật tốn BP mơ tả qua giai đoạn • Giai đoạn thứ giai đoạn học GA • Giai đoạn thứ hai sử dụng thuật tốn BP để huấn luyện mạng NN 6.9 Ví dụ học cách tích hợp NN GA  Mơ tả thuật tốn BP: 6.9 Ví dụ học cách tích hợp NN GA 6.9 Ví dụ học cách tích hợp NN GA Thuật tốn: Khởi tạo nhiễm sắc thể ngẫu nhiên cho hệ tại, khởi tạo tham số làm việc đặt nhiễm sắc thể nhiễm sắc thể tốt best_chromosome Bước Lặp từ i=1 đến kích thước quần thể: Khởi tạo sub_total_fitness sub_best_chromosome rỗng Bước Lặp từ j=1 đến độ dài nhiễm sắc thể, thực công việc sau: - Thực thủ tục truyền thẳng cho mạng lớp sử dụng hàm tương tác dạng sigmoid: -Tính hàm mục tiêu (2.13): -Tính tổng sai số total_fitness cách tích lũy sub_total_fitness 6.9 Ví dụ học cách tích hợp NN GA Bước Lưu best_chromosome vào sub_best_chromosome Bước So sánh sub_best_chromosome với đặt sub_best_chromosome lớn best_chromosome Bước Lặp từ i=0 đến kích thước quần thể/2, thực thủ tục sau: - Khởi tạo sub_total_fitness sub_best_chromosome rỗng Lặp từ j=1 tới độ dài nhiễm sắc thể: * Chọn nhiễm sắc thể cha mẹ sử dụng phương pháp chọn theo bánh xe Roulette * Áp dụng phép lai đột biến : Lặp từ k=1 đến độ dài nhiễm sắc thể: * Thực thủ tục truyền thẳng chomạng * Tính giá trị hàm mục tiêu cho nhiễm sắc thể cha mẹ - Tính sub_total_fitness cách tích lũy giá trị hàm mục tiêu nhiễm sắc thể - Lưu best_chromosome vào sub_best_chromosome Bước Thay hệ cũ hệ thỏa mãn điều kiện dừng 6.9 Ví dụ học cách tích hợp NN GA  Giai đoạn 2: Giai đoạn học thuật toán BP - Đặt best_chromosome làm giá trị khởi tạo vector trọng số mạng MLP, khởi tạo cấu trúc mạng MLP; - Tính đầu thực mạng MLP truyền thẳng; - Tính lỗi đầu mong muốn đầu thực sự; - Cập nhật trọng số mạng MLP sử dụng thuật toán BP - Trọng số tìm BP sẽ lưu lại, trọng số dùng để so sánh với giá trị tìm pha nhận dạng mẫu KẾT LUẬN Bài tiểu luận đã làm rõ khái niệm hệ thống tri thức hệ thống ứng dụng cụ thể mở rộng lĩnh vực Trí tuệ Nhân tạo Thời gian có hạn nên Bài tiểu luận khơng tránh khỏi sai sót mong đóng góp thầy để hồn thiện tiểu luận www.themegallery.com ... gọi hệ thống thơng tin dựa máy tính (Computer-Based Information Systems: CBIS) 1.1 Tri thức hệ sở tri thức 1.1 Tri thức hệ sở tri thức 1.1 Tri thức hệ sở tri thức  1.1.3 Hệ sở tri thức gì? Hệ. .. thực hệ thống dựa tri thức CHƯƠNG 1: CƠ BẢN VỀ HỆ THỐNG DỰA TRÊN TRI THỨC NỘI DUNG 1.1 Tri thức hệ sơ sở tri thức 1.1.1 Khái niệm tri thức 1.1.2 Tháp liệu hệ thống dựa máy tính 1.1.3 Hệ sở tri thức. .. gần giống 1.5.4 Các hệ dựa tri thức cho Công nghệ phần mềm Đây dạng hệ sở tri thức Các hệ dựa tri thức cho Công nghệ phần mềm chỉ dẫn cách phát tri n hệ thống thông tin hay hệ thống thông minh