Cara menyusun konsep Disertasi GSA (Genetic Simulated Annealing)
Abstrak
Bagaimana Dalam bab ini, kita akan membahas sistem cerdas berbasis aturan yang berpusat pada variabel, sehingga disebut sistem kendali cerdas yang berpusat pada variabel (VCIRS). VCIRS merupakan tesis master penulis [Sub05c] yang diterbitkan pada Simposium Teknologi Informasi dan Komunikasi 2005 [Sub05d]. Beberapa informasi tentang perpustakaan algoritma Rete berasal dari Forgy [For82]. 18.1 Ikhtisar Sistem berbasis aturan (SBA) adalah sistem yang sangat baik untuk memperoleh informasi tentang “apa”, “bagaimana” dan “mengapa” dari basis aturan (RB) selama argumentasi. menjawab. Jawaban dan penjelasan dapat diberikan dengan tepat. Studi pascasarjana.
Pendahuluan
Masalah dengan SBP adalah tidak dapat dengan mudah mengotomatiskan proses perolehan pengetahuan dan pembaruan aturan. Hanya para ahli yang dapat menggunakan Insinyur Pengetahuan untuk memperbarui Basis Pengetahuan (KB) secara manual. Selain itu, sebagian besar peneliti SBA lebih mementingkan masalah optimalisasi aturan yang ada dibandingkan masalah menghasilkan aturan baru dari aturan yang sudah ada. Namun, optimalisasi aturan tidak dapat mengubah hasil penalaran secara signifikan dalam hal cakupan pengetahuan. Penjelasan lengkap mengenai RBS/SBA dapat dilihat kembali pada Bab Munculnya bab Ripple Descent Rule (RDR) memecahkan masalah utama sistem pakar: pakar tidak lagi selalu harus mengkomunikasikan pengetahuan dalam konteks tertentu. Studi pascasarjana.
Mengapa Anda seorang karyawan? ID Gelar Pengalaman Gaji Gaji (perkiraan) Kesalahan estimasi 1 PhD 7,2 63.000 2 Master 2.0 37.000 3 pascasarjana 7.0 40.000 4 PhD 1.2 PhD 47.000.
Ya 5 Magister 7,5 53.000 6 pascasarjana 1,5 26.000 7 pascasarjana 2.3 29.000 8 PhD 2.0 50.000 9 PhD 3.8 54.000 10 pascasarjana 3.5 35.000 Pascasarjana.
Ya 11 Magister 3,5 40.000 12 Magister 3,6 41.000 13 Magister 10.0 68.000 14 PhD 5.0 57.000 15 pascasarjana 5.0 36.000 16 Magister 6.2 50.000 Pascasarjana.
17 S1 0,5 23.000 18 S2 7,2 55.000 19 S2 6,5 51.000 20 S3 7,8 65.000 21 S2 8,1 64.000 22 S3 8,5 Mahasiswa S3 70.000
Kesalahan estimasi rata-rata: 0,002890636946022 Durasi: 3h:15m:50s:968ms 62,889.86 -0.0017482 36,847.97 -0.0041090 40,128.33 0.0032082 46,538.60 -0.009 8 1 Dokter dan Sana adalah 70 mahasiswa doktoral.
52.978,58 -0,0004042 25.970,00 -0,0011540 28.967,01 -0,0011375 50.341,15 0,0068230 53.836,28 -036.0030319 35.060,59 060,59 0,0 00017310 mahasiswa PhD.
IS adalah 39.876,06 -0,0030986 40.875.0030312 68.0012798 56.71.71 -0.0047068 36.051.19 49.936.01-01-0.00. 0 012798
Bagaimana RDR dapat melakukan penangkapan dengan cepat dan mudah tanpa bantuan insinyur yang berpengetahuan? Pengguna tidak perlu menguji RB untuk menentukan aturan baru: pengguna hanya perlu dapat menentukan aturan baru yang mengklasifikasikan contoh spesifik dengan benar, dan sistem dapat menentukan di mana menempatkan aturan tersebut dalam hierarki aturannya. Salah satu keterbatasan RDR adalah kurangnya justifikasi yang masuk akal. Berbeda dengan SBA yang membangun argumen melalui rantai maju dan mundur, RDR tampaknya menggunakan depth-first search (DFS), yang kurang fleksibel dalam menjawab pertanyaan dan menafsirkan argumen yang kuat. Untuk penjelasan lengkap tentang RDR, lihat bab Variable-Centered Intelligent Rule Systems (VCIRS), yang merupakan kombinasi penelitian SBA dan pascasarjana.
Apa yang dimaksud dengan sistem kontrol cerdas RDR? Arsitektur sistem mengacu pada SBA dan menggunakan RDR. Sistem mengatur BPR dalam struktur tertentu sehingga konstruksi pengetahuan, penalaran pengetahuan yang berguna, dan peningkatan evolusioner dalam kinerja sistem dapat dicapai secara bersamaan. Kata “kecerdasan” dalam VCIRS menekankan keadaan di mana sistem “belajar” dari pengguna sistem dalam proses konstruksi pengetahuan (melalui analisis nilai) dan penyempurnaan pengetahuan (melalui pembuatan aturan) untuk meningkatkan kinerja sistem. 18.2 Motivasi mahasiswa PhD.
Apa prinsip dasar pengembangan VCIRS: ^ Rule Base System (RBS) atau Rule Based System (SBA) o Kemampuan berpikir yang kuat ^ Ripple Descent Rule (RDR) o Mendapatkan pengetahuan yang berguna tentang Rule Base Systems untuk studi pascasarjana.
Bagaimana dengan . Konsultasi tesis , mahasiswa PhD bidang kecerdasan mesin terapan di GSA RDB (1).
169 Dapat dilihat bahwa GSA memenuhi persyaratan Chen dkk. memuaskan. dapat meningkatkan hasil yang dicapai. [Chen03] Hal ini ditandai dengan kesalahan yang lebih sedikit, tetapi hal ini tentu saja terkait dengan waktu pemrosesan yang lebih lama. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
170 Cara menerapkan GSA ke RDB (2) Bab 17 Menerapkan GSA ke RDB (2) Bab ini mengimplementasikan GSA yang dibahas di Bab 15, yaitu menerapkan aturan fuzzy berbobot untuk memperkirakan beberapa nilai nol saat membangun database relasional. Studi pascasarjana.
Bagaimana dengan Sirag dan Weisser [Sig87]? Adler [Adl93];Brown dkk. Gunakan literatur? di luar. [89 Saudara]; Lin dkk. [Lin 93]; Akuzin Jr dkk. [Koa90, Koa92];Akuzin Jr dkk. [Koa96]; Mahasiswa PhD SM Chen dan CM.
Di mana Huang saya [Chen 03]? Yang paling penting berasal dari penelitian penulis sendiri [Sub05b]. Nama Aplikasi: GSA untuk memperkirakan angka nol gabungan saat membuat aturan fuzzy berbobot dari database relasional. Pada bab ini, kita membahas penerapan GSA (Genetic Simulated Annealing) dalam database relasional (RDB), seperti yang ditunjukkan sebelumnya pada Bab 16, untuk memperkirakan/menghasilkan aturan fuzzy berbobot nilai dari beberapa nilai nol dalam database relasional. 17.1 Masalah Estimasi Nilai Null Komposit Bab 16 menjelaskan bagaimana menerapkan GSA untuk memperkirakan nilai null saat menghasilkan aturan fuzzy berbobot. Dalam bab ini kita mencoba memperkirakan banyak angka nol, bukan hanya angka nol yang diberi nilai.
Bagaimana kita mengingat prosedur CountCloseness pada Gambar 16.2? Kemudian kita lihat bagian bawahnya seperti terlihat pada Gambar 17. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Cara mengimplementasikan GSA di RDB (2) 171 {Kemudian kita cari estimasi gaji dan error tiap record} {Jika record ini NULL, kita perlu} {Cari record lain yang paling mendekati 1} Wisuda.
Apa yang terjadi jika IsNullValue(i) dan IsNullValue(IdxClosestCloseness) lalu PreferIdx:= GetPreferIdx; Apakah sudah dimulai? ETi.Gaji:= Ti.Gaji x GetClosenessValue(PreferIdx); Jika Tprefer-index.Salary <> 0, maka Errori:= ET Gaji T .Gaji i. – Indeks preferensi Teori mengenai .
Bagaimana Anda menjawab pertanyaan-pertanyaan berikut: ^ Apa hasil dari proses penalaran tersebut? ^Bagaimana cara kerjanya? ^ Mengapa (mengapa) hal ini mungkin? Strategi: ^ Meneruskan link ke mahasiswa pascasarjana.
Klausa How adalah premis/basis suatu aturan yang cocok dengan data faktual, yang menghasilkan serangkaian pernyataan kesimpulan terbalik^ o Tujuannya adalah untuk mencocokkan kesimpulan dari beberapa aturan dengan fakta; memungkinkan proses untuk menentukan apakah premis tersebut benar . Istilah ini sesuai dengan data aktual. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Sistem kendali cerdas yang berpusat pada variabel Bagaimana faktor kepastian (CF, yang oleh sebagian orang ditafsirkan sebagai faktor kepercayaan) meningkatkan kegunaan pengetahuan faktual dan ketidakpastian dalam data. Teori mengenai mengajukan pertanyaan.
Pembangunan Pengetahuan Diperbarui secara manual oleh para ahli dengan dukungan dari insinyur pengetahuan. Aturan penurunan riak memberikan kesempatan untuk memperoleh pengetahuan (Knowledge Acquisition – KA) dengan cepat dan mudah. ^ Tidak diperlukan bantuan dari insinyur pengetahuan ^ Pengguna dapat membuat aturan keTeori mengenai baru tanpa menguji RB.
Caranya o Pengguna cukup mendefinisikan aturan baru untuk mengklasifikasikan contoh yang diberikan dengan benar, dan sistem kemudian menentukan di mana menempatkan aturan tersebut dalam hierarki aturan. Satu-satunya tugas untuk mendapatkan keahlian RDR adalah memilih dari daftar kondisi (diimplementasikan nanti dalam daftar perbedaan). o Para ahli memiliki tanggung jawab yang sangat terbatas dan tidak diwajibkan untuk berpartisipasi dalam struktur basis pengetahuan. Masalah ^ Intellectual Reasoning o Tampaknya menggunakan Depth First Search (DFS), sehingga mengakibatkan Teori mengenai SBA tidak mampu leluasa menjawab dan menjelaskan pertanyaan yang diajukan dengan cara berpikir persuasif.
akhiri indeks Tprefer.Salary – jika tidak, mulai ETi.Salary:= Ti.Salary x GetClosenessValue(IdxClosestCloseness);wisuda.
Apa jadinya jika Ti.Gaji <> 0, maka Errori:= ETi. Salary^Ti.SalaryEnd;Ti.Salary Gambar 17.1 Bagian observasi dari prosedur CountCloseness Tabel 17.1 di bawah ini menunjukkan tabel yang berisi banyak nilai nol. Melalui GSA, kami berupaya mengembalikan titik nol tersebut di tahun terakhir keTeori mengenai .
Contoh berbagai nilai null pada database relasional EMP ID Latar belakang pendidikan dan pengalaman Gaji pascasarjana Ph.D.7.2 63.000 Gelar Master 2.0 Blank Gelar Master 7.0 40.000 Gelar Master Ph.D.1.2 47.000 Gelar Doktor
Bagaimana dengan S5 Magister 7.5 Blank S6 pascasarjana 1,5 26.000 S7 pascasarjana 2.3 29.000 S8 Doktor 2.0 50.000 S9 Doktor 3.8 54.000 Top Ten pascasarjana 3.5 35.000 Pascasarjana.
bagaimana dengan ini? S11 Master 3.5 Blank S12 Master 3.6 41.000 S13 Master 10.0 Blank S14 PhD 5.0 57.000 S15 pascasarjana 5.0 36.000 S16 Master 6.2 50.000 Teori mengenai .
Ya S17 pascasarjana 0,5 23.000 S18 Magister 7.2 55.000 S19 Magister 6.5 51.000 S20 Doktor 7.8 65.000 S21 Magister 8.1 64.000 S22 Doktor 8.5 Mahasiswa S3 tidak valid.
Bagaimana dengan . Konsultasi tesis , mahasiswa PhD bidang kecerdasan mesin terapan di GSA RDB? (2)?
Bagaimana dengan 172? Karena ada proses validasi yang terkait dengan nilai null, kita dapat mengidentifikasi satu atau lebih nilai null yang ingin kita prediksi. Operasi ini dilakukan dalam fungsi GetPreferIdx, seperti yang ditunjukkan pada Gambar 16.4. Tentunya harus ada minimal satu nilai pada kolom/field “Gaji” sebagai batasan/kuota agar kita dapat memperkirakan nilai yang berbeda bila nilainya nol. 17.2 Eksperimen Pascasarjana.
Bagaimana pembuatan aturan meningkatkan hasil penalaran dalam hal cakupan pengetahuan? Selain itu, analisis nilai dapat membantu pengguna membangun pengetahuan dan penalaran. Bersama dengan pembuatan aturan, fitur ini dapat meningkatkan kinerja sistem dalam penalaran pengetahuan. VCIRS menggunakan kata “cerdas” untuk menekankan bahwa sistem dapat “belajar” dari pengguna dalam proses konstruksi pengetahuan (yaitu analisis nilai) dan penyempurnaan pengetahuan (yaitu pembuatan aturan). Selain itu, pembuatan aturan yang dikombinasikan dengan kemampuan sistem untuk melakukan penalaran gaya SBA dapat secara bertahap meningkatkan kinerja sistem. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Mengapa dia Teori mengenai sistem kendali cerdas dari 186 Dekorasi Center?
18.4 Apa yang dimaksud dengan modifikasi? VCIRS merupakan sistem yang dimodifikasi dari sistem yang sudah ada (yaitu SBA dan RDR) sebagai berikut: ^ SBA o Membangun Pengetahuan dengan Mudah 4 ^ RDR o Penalaran 4 Keterampilan argumentasi gaya SBA Pascasarjana.
Jika kita menjalankan program dengan parameter yang berbeda, setiap parameter akan dieksekusi sebanyak 10 kali. Hasil yang diperoleh adalah sebagai berikut: Tipe percobaan 1^ jumlah penduduk = 60^ generasi = 300 Teori mengenai .
^ Laju mutasi = 0,01 = 1% ^ Suhu awal = 100 ^ Alpha = 0,7 ^ Nilai beku = 0,00001 ^ Indeks nol = 0 (mewakili baris/tupel pertama dalam database relasional) Untuk indeks kosong = 0 (mewakili baris pertama / tuple) Baris/tuple pertama dari sebuah tuple dalam database relasional ditunjukkan pada Tabel 17.2 di bawah.
Aturan selanjutnya, – Mahasiswa PhD dalam Aplikasi Kecerdasan Mesin (2) GSA pala RDB Bagaimana melakukan ini.
173 Tabel 17.2 Hasil percobaan baris pertama tipe 1 Total waktu # Perkiraan kesalahan 1 0,009122 0j:22m:56s:46ms Mahasiswa doktoral.
18.3 Apa metodenya? Metode VCIRS ditunjukkan pada Gambar 18.1. Ini adalah teknologi persilangan antara SBA dan RDR. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Ini adalah 185 Variable Center Intelligent Control System RDR RBS, yang memungkinkan mahasiswa pascasarjana berpikir tentang pengetahuan.
Bagaimana cara menyederhanakan konstruksi pengetahuan dan secara bertahap meningkatkan kinerja mahasiswa pascasarjana dalam sistem kendali cerdas pusat variabel (VCIRS)?
Apakah terdapat struktur organisasi BPR yang secara bersamaan memungkinkan penciptaan pengetahuan yang mudah, penalaran pengetahuan yang bermanfaat, dan pengembangan sistem yang lebih baik? Pertama, sederhanakan pembangunan pengetahuan dengan langkah-langkah sederhana dalam proses pembangunan pengetahuan. Pengguna tidak perlu mempertimbangkan struktur KB dan dapat langsung mengupdate KB. Studi pascasarjana.
Pembahasan
Bagaimana VCIRS membantu pengguna meningkatkan basis pengetahuan yang ada atau menambahkan node/aturan? Seperti RDR, penyempurnaan aturan adalah pembuatan aturan pengecualian untuk memperbaiki kesalahan klasifikasi, di mana penambahan mengacu pada penambahan aturan baru di tingkat atas pohon basis pengetahuan. Sistem memandu pengguna melalui proses membangun pengetahuan. Pemikiran pengetahuan diperkuat berdasarkan pengetahuan (yaitu hasil analisis variabel dan nilai) dalam urutan kepentingan dan kegunaan kasus dalam basis pengetahuan. VCIRS memperkenalkan kembali mekanisme penalaran SBA sehingga pengguna bisa mendapatkan lebih banyak jawaban dan penjelasan dari penalaran. Struktur RB mendukung analisis variabel dan nilai-nilai yang dihasilkan aturan, sehingga meningkatkan kinerja sistem. Studi pascasarjana.
buatan aturan 18.5 Definisi istilah Istilah-istilah berikut ini biasa digunakan untuk menggambarkan VCIRS. Oleh karena itu, bagian ini berisi definisi yang jelas untuk mencegah kesalahpahaman dan menyediakan jalur diskusi yang nyaman. Istilah ini diwakili oleh BNF (Backus-Naur Normal Form). Gambar 18.2 membantu kita menangkap hubungan konseptual antara istilah-istilah yang digunakan oleh mahasiswa pascasarjana.
Kesimpulan
Disimpulkan bahwa istilah “aturan hubungan” adalah urutan node. Itu dapat memiliki satu atau lebih node. Node adalah urutan variabel. Itu dapat memiliki satu atau lebih variabel. Variabel mempunyai nilai yang berbeda-beda. Studi pascasarjana.
Bagaimana sebuah simpul atau aturan mengarah pada satu atau lebih kesimpulan. ID Aturan NodeID RuleUsageRate NN Teori mengenai NodeID. NodeCFValue NodeUsageRate Bagaimana variabel ID variabel node 1 diklasifikasikan.