6. Bố cục của luận án
2.2. Vai trò của tri thức tiên nghiệm trong học mơ hình mờ
2.2.3. Học quy nạp dựa trên tri thức (KBIL)
KBIL là một phương thức học theo kiểu tăng cường, trong đó tri thức tiên nghiệm và giả thuyết mới học được sẽ kết hợp với nhau để giải thích cho các quan sát thực nghiệm. Hình 2.3 biểu diễn kịch bản học KBIL. Cụ thể trong [71] kịch bản học KBIL được mô tả như sau:
𝐵𝑎𝑐𝑘𝑔𝑟𝑜𝑢𝑛𝑑 ˄ 𝐻𝑦𝑝𝑜𝑡ℎ𝑒𝑠𝑖𝑠 ˄ 𝐷𝑒𝑠𝑐𝑟𝑖𝑝𝑡𝑖𝑜𝑛𝑠 ╞ 𝑃𝑟𝑒𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑠
Hình 2.3. Mơ hình học KBIL
Theo kịch bản học KBIL, ban đầu tri thức tiên nghiệm và những quan sát thực nghiệm được dùng để xác định Hypotheses ban đầu. Sau đó, kết hợp các quan sát thực nghiệm và tri thức tiên nghiệm để củng cố Hypotheses và gia tăng tính chính xác của dự đốn.
Xét một ví dụ học trong thực tế như sau: Một sinh viên y khoa có kiến thức chẩn đốn bệnh tốt, nhưng khơng có kiến thức gì về dược học. Anh ta đang theo dõi một phiên tư vấn giữa một chuyên gia nội khoa với một bệnh nhân. Sau một loạt các câu
Tri thức tiên nghiệm
Hypothesis Dữ liệu thu thập được Kết quả dự đoán Học quy nạp
sinh đặc biệt M. Sinh viên y khoa lập tức rút ra một quy tắc chung là loại kháng sinh đặc biệt M có hiệu quả cho một loại cụ thể của nhiễm trùng. Trong trường hợp này, giả định là tri thức tiên nghiệm của sinh viên y khoa là đủ để chẩn đoán bệnh của bệnh nhân là D. Tuy nhiên tri thức đó là khơng đủ để giải thích cho quan sát thực nghiệm lúc này đó là chuyên gia nội khoa kê toa thuốc cụ thể là M. Sinh viên y khoa này phải đề xuất một quy tắc khác, cụ thể là “M là có hiệu quả kháng lại D”. Bằng quy tắc này, kết hợp với tri thức tiên nghiệm của mình về chẩn đốn bệnh cho bệnh nhân, sinh viên ý khoa có thể giải thích được tại sao chun gia nội khoa đã kê toa thuốc M cho trường hợp bệnh nhân cụ thể này. Quy trình rút ra quy tắc và giải thích quan sát thực nghiệm trong trường hợp này của sinh viên y khoa chính là kịch bản học quy nạp dựa trên tri thức, hay KBIL.
Xét trong trường hợp học mơ hình mờ, kịch bản học KBIL được mơ tả như sau (xem Hình 2.3):
Cho 𝐴 là tri thức có trước về một mơ hình mờ 𝑀. Việc học mơ hình mờ 𝑀 từ
tập dữ liệu quan sát 𝐷 = {(𝑥𝑖, 𝑦𝑖), 𝑥𝑖 ∈ 𝑋, 𝑦𝑖 ∈ 𝑌 } với 𝑋, 𝑌 ∈ 𝑅 và tri thức tiên
nghiệm 𝐴 được gọi là học theo kịch bản học KBIL nếu thỏa mãn điều kiện sau:
((∀𝑥𝑖 ∈ 𝑋)(𝐴˄𝑀(𝑥𝑖) = 𝑦𝑖 ∈ 𝑌) .
Lưu ý rằng, theo kịch bản học KBIL, tri thức tiên nghiệm đóng hai vai trị trong việc giảm độ phức tạp học máy:
- Bất kỳ Hypotheses nào sinh ra dựa vào KBIL cũng phải phù hợp với tri thức tiên nghiệm cũng như với những quan sát thực nghiệm mới, phạm vi của
Hypotheses sẽ được thu gọn để chỉ chứa quy tắc thật sự đã biết.
- Với tập dữ liệu quan sát thực tế bất kỳ, phạm vi của Hypotheses được rút ra để giải thích cho các quan sát thực tế có thể được rút gọn đáng kể, bởi vì các tri thức tiên nghiệm sẽ giúp cho việc đưa ra những quy tắc mới để giải thích cho các quan sát thực tế. Phạm vi Hypotheses càng nhỏ thì càng dễ tìm.
Trong trường hợp học mơ hình mờ, việc áp dụng các thuật tốn tối ưu hóa mơ hình như Gradient descent chính là một hình thức học dựa vào KBIL, bởi vì
Hypotheses (mơ hình mờ) sẽ tăng dần sự thích nghi theo q trình học và phạm vi
của Hypotheses sẽ thu gọn để phù hợp với những phản hồi từ quan sát thực nghiệm.