Parameter penting dalam Disertasi Machine Intelligence
Abstrak
Apa yang dimaksud dengan struktur aturan yang berpusat pada variabel? Catatan: Aturan adalah urutan dari satu atau lebih node. Aturan di VCIRS mirip dengan aturan yang ditetapkan di RBS/SBA, hanya saja kesimpulan dari aturan tersebut adalah kesimpulan yang dipegang oleh node terakhir. Node mirip dengan aturan di SBA. Studi pascasarjana.
Pendahuluan
Bagaimana hasil dari satu atau lebih variabel menghasilkan satu atau lebih kesimpulan? Contoh pertama aturan pada Gambar 18.3 adalah aturan John#1, yang memiliki dua node: Rule Node 1 dan Rule Node. Node aturan 1 memiliki dua variabel a, dan simpul aturan 6 memiliki satu variabel. Aturan John #1 Hanya ada satu kesimpulan, dan itu adalah John. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Cara menyelesaikan VariableOrder VarOperator VarValue CFValue Credit VariableUsageRate.
1 Bagaimana dengan N . Konsultasi tesis , mahasiswa PhD di bidang Machine Intelligence?
187Apa yang dimaksud dengan sistem kendali cerdas dan bagaimana sistem ini mengubah pikiran orang? Sistem Berbasis Aturan/**Basis Aturan: Basis aturan berisi satu atau lebih aturan. **/Studi akhir.
<rulebase> ::= <rule> <rule> ::= <rule> | Bagaimana caranya? <Rule> <Rules> /** Rule: Aturan adalah elemen dasar untuk membangun basis aturan. **/ <Rule> ::= <Rule ID> <Rule CF> IF <Clause> THEN <Conclusion> <Rule ID> ::= Evaluasi alfanumerik.
<Aturan CF> ::= [0..100] <Klausul> ::= <Klausul> | Bagaimana caranya? <clause> <clause operator> <clause> <clause operator> ::= DAN <clause> ::= <variable> <operator> <value> <CF Clause> <variable> : := Alphanumeric <operator> ::= . . <“| ..<= “| .. >” | “>=” | ..= “| ..<>” Dr.
<nilai> ::= alfanumerik | NUMERIK <Klausa CF> ::= [0..100] <kesimpulan> ::= <kesimpulan> | Bagaimana caranya? <kesimpulan> <operator kesimpulan> <kesimpulan> <kesimpulan> : := ALPHANUMERIC <operator kesimpulan> ::= DAN berlaku.
Bagaimana dia menyelesaikan 188 Transformation Center Intelligent Control System Rule 0.
Aturan Akar 1 {a, b} -> Aturan CSE 2 h -> Aturan CS9999 3 Bagaimana Dokter melakukan ini?
{a,c} -> Aturan Teman 4 {b, e} -> Aturan CS8888 5 x -> Bagaimana dengan teman lulusan?
Apa itu Aturan 6 d -> Aturan John 7 {e, f} -> Aturan CRC 8 a -> kertas.
Aturan 10 {y, z} -> Aturan ARC 11 (y, z) -> Aturan ARC 9 {g, h} -> Bagaimana dengan SPAT untuk lulusan?
Gambar 18.3 Bagaimana gambaran basis pengetahuan pohon di VCIRS? Contoh kedua adalah aturan CSE#1, yang hanya memiliki satu node. Rule node Rule 1 node mempunyai dua variabel yaitu a dan b; rule CSE#1 mempunyai kesimpulan yaitu CSE. /** Struktur aturan**/ <Struktur aturan> ::= <Aturan> <Aturan> ::= <Aturan> | <Aturan> <Aturan> <Aturan> ::= <ID Aturan> <NodeIDOrders> Selesai.
Bagaimana dengan <NodeIDOrders> ::= <Node ID> <Node Order>? <Node ID> <Node ID> <NodeIDOrders> <Rule ID> ::= ALPHANUMERIC <Node ID> ::= ALPHANUMERIC <Node Order> ::= NUMERIC /** <Node ID> mengacu pada node**/ derajat struktur.
/** Apa yang dimaksud dengan struktur node**/ <Node> ::= <Node> | <Node> <Node> <Node> ::= <Induk ID node> <Node ID> <Node CF value> <Variable> < kesimpulan> <kredit> <VUR> | <ID simpul induk <ID simpul> <nilai CF simpul> <variabel> <kesimpulan> <kredit> <VUR> <simpul> Apa kesimpulannya?
<ID simpul induk> ::= <ID simpul> <ID simpul> ::= alfanumerik <nilai CF simpul> ::= [0..100] <variabel> ::= <variabel> |Apa itu <variabel> < variabel> <variabel> ::= <ID variabel> <urutan variabel> <bagian nilai> <kredit> ::= nilai akhir.
Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin 189.
Arti sistem kendali cerdas berpusat variabel /** Kredit adalah peristiwa/frekuensi pengaksesan variabel dalam node**/ <VUR>::= NUMERIK /** VUR = Penggunaan variabel adalah nilai simpul variabel penggunaan dari variabel dalam node* */ <ID Variabel> ::= Penutupan ALPHANUMERIK.
<Urutan variabel> ::= NUMERIK <Kesimpulan> ::= <Kesimpulan> | Sama seperti <Kesimpulan> <Kesimpulan> <Kesimpulan> ::= ALPHANUMERIK /** Kesimpulan: Suatu kesimpulan terdiri dari satu nilai atau lebih. **/ <bagian nilai> ::= <operator> <nilai> <nilai CF> <operator> ::= “<“| “<=”|”>”| “>= | “= | ” < > ” <nilai> ::= alfanumerik | NUMERIK <nilai CF> ::= [0..100] Selesai.
18.6 Arsitektur Sistem Arsitektur VCIRS ditunjukkan pada arsitektur RBS tradisional (Gambar 18.4). Modul baru yang disebut “Modul Penyempurnaan” telah ditambahkan untuk melakukan tiga tugas: analisis variabel, analisis nilai, dan pembuatan aturan. Gambar 18.4 Arsitektur SBA tradisional Aturan selanjutnya, – mahasiswa PhD di bidang Machine Intelligence.
Aturan selanjutnya, – Bagaimana kecerdasan mesin dapat menjadi sistem kendali cerdas yang berpusat pada variabel. Struktur aturan yang berpusat pada variabel diadopsi untuk mewakili basis pengetahuan, dan modul yang disempurnakan didukung untuk mempertahankan basis pengetahuan terbaru. Studi pascasarjana.
Bagaimana kasus dan insiden dicatat? Elemen dasar dari struktur aturan yang berpusat pada variabel adalah variabel yang ditempatkan pengguna. VCIRS dengan hati-hati mengelola nilai, struktur, dan kemunculan variabel-variabel ini. Urutan variabel membentuk node, dan urutan node membentuk aturan. Oleh karena itu, struktur aturan berpusat variabel terdiri dari struktur aturan dan struktur simpul berpusat variabel. Kasus yang disarankan pengguna dimasukkan ke dalam memori selama proses pembangunan pengetahuan dan kemudian disimpan dalam struktur aturan yang berpusat pada variabel. Sistem menyimpan informasi aturan dan menghitung kejadian untuk setiap kasus. Studi pascasarjana.
Bagaimana kemudian menggunakan informasi aturan yang disimpan untuk melakukan analisis variabel guna menentukan signifikansi. Sistem penjelasan masalah: Fakta tentang memori kerja, Ph.D.
Bagaimana keluaran mesin inferensi akan meningkatkan dan menambah nilai analisis lulusan Zoom?
Bagaimana struktur aturan, pembuatan aturan, modul penyempurnaan dan pengetahuan lulusan?
Bagaimana informasi debug ahli disinkronkan dengan basis pengetahuan. Gambar 18.5 Arsitektur VCIRS Pascasarjana.
Ahli di UI, perbaikan dan penambahan UI, sama seperti lulusan.
Apa itu analisis variabel? 190 191 Sistem kendali cerdas berpusat variabel. Analisis nilai, di sisi lain, menggunakan peristiwa dalam setiap situasi untuk menentukan ruang lingkup penggunaan. Penggunaan penutupan dapat membantu pengguna memandu pembangunan pengetahuan dan proses penalaran untuk menentukan variabel mana yang ingin mereka akses terlebih dahulu. Studi pascasarjana.
Bagaimana penggunaan dan kepentingan bekerja sama untuk mendukung pembuatan peraturan guna menghasilkan aturan/simpul baru? Bagian selanjutnya memperkenalkan VCIRS pada tingkat algoritma. 18.7 Struktur aturan berpusat variabel Struktur ini mengandung dua struktur, yaitu struktur simpul dan struktur aturan. Struktur node menyimpan kasus yang dikirimkan oleh pengguna dan menghitung jumlah kemunculan setiap kasus. Hal ini mirip dengan aturan RB SBA. Studi pascasarjana.
Bagaimana pohon aturan menyimpan sekumpulan node yang diwakili oleh pohon node. Setiap node dalam basis pengetahuan memiliki urutan, yaitu aturan yang memiliki setidaknya satu node. Kedua struktur tersebut dijelaskan lebih rinci di bawah. 18.7.1 Struktur simpul Node]]) Ph.D.
Menyimpulkan cara meneruskan NodeCFValue NodeUsageRate Variable]]) VariableOrder.
VarOperator VarValue CFValue Credit VariableUsageRate 1 N Cara lulus.
Apa struktur simpul pada Gambar 18.6? Gambar 18.6 menjelaskan diagram konseptual struktur node. Ketika pengguna memberikan kasus baru, VCIRS menyisipkannya dari memori ke dalam pohon simpul dan kemudian menggunakan pohon aturan sebagai bagian dari basis pengetahuan saat ini. Struktur node juga menyimpan kemunculan variabel dan node untuk digunakan saat menetapkan nilai. Setiap kasus berisi beberapa bidang data, seperti yang ditunjukkan pada Gambar 18. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
bagaimana bisa? Dia adalah lulusan jurusan sistem kendali cerdas dari Pusat Renovasi 192.
Node variabel seperti 1 N NodeID NodeCFValue BS.
Bagaimana Apa itu VariableID VariableOrder VarOperator VarValue CFValue Gambar 18.7 Bidang kasus VCIRS menggunakan <Variable ID> sebagai ID variabel. ID ini unik. Artinya, setelah ID suatu variabel disimpan, sistem tidak akan menyimpan variabel lain dengan ID yang sama.
Cara mendapatkan <Kesimpulan> dari ID simpul yang diberikan pengguna pertama; <ID Node> dibuat berdasarkan <Kesimpulan>. Node bersifat unik asalkan memiliki variabel dan nilai variabel yang sama. Jika node berikutnya memiliki nama yang sama dan variabel inferensi pertama yang sama, tetapi nilai variabelnya berbeda, maka <node id>-nya sama dengan <node id> yang ada, tambahkan nomor urut ke dalamnya (#1, #2. .. ) ditambahkan untuk membedakannya dari konten sebelumnya. Setiap kali pengguna memasukkan suatu kasus, struktur node menentukan nilai dan posisinya. Informasi ini digunakan untuk atribusi penggunaan. Di VCIRS, pengguna dapat meningkatkan atau menambahkan node ke basis pengetahuan yang ada. Studi pascasarjana.
Perluasan aturan adalah pembuatan aturan pengecualian untuk memperbaiki kesalahan klasifikasi; perluasan aturan adalah penambahan aturan baru di tingkat atas pohon basis pengetahuan. Sistem memandu pengguna melalui proses membangun pengetahuan, yang akan dijelaskan secara lebih rinci di bagian selanjutnya. Seperti RDR, aturan (node) di VCIRS tidak pernah diubah atau dihapus. Hal ini menjamin konsistensi data, yang terkait dengan gagasan bahwa sistem adalah sistem aturan “jika-maka” yang disusun dalam hierarki aturan dan aturan pengecualian (aturan pengecualian ini mungkin juga memiliki aturan pengecualian lain, dll.) [Ho03]. Meskipun sebuah aturan tidak pernah dihapus dari basis pengetahuan, sebuah aturan dapat “dipensiunkan” untuk membuang kesimpulan yang biasanya dihasilkan oleh aturan tersebut. Namun, ini tidak berarti bahwa kesimpulan tentang pengecualian terhadap aturan (dan dari pengecualian ke pengecualian terhadap aturan, dll.) diabaikan dalam penelitian pascasarjana.
Seperti penalaran pengetahuan, VCIRS menggunakan struktur simpul (serta struktur aturan) untuk membuat sumber data. Pohon aturan mengelola informasi aturan, sedangkan pohon simpul mengelola informasi tentang kejadian dalam kasus yang disimpan. Pengguna dapat Aturan selanjutnya, – Pascasarjana Kecerdasan Mesin.
193 Bagaimana sistem kendali cerdas yang berpusat pada variabel menggabungkan fakta (kasus) dan mencapai hasil setelah pertimbangan yang cermat? 18.7.2 Struktur pembimbing doktor.
Rule Node RuleID NodeID RuleUsageRate 1 Bagaimana hal ini diteruskan.
1 Kesimpulan Nilai NN NodeID NodeCFValue Kesimpulan Bagaimana.
Cara mendapatkan NodeUsageRate adalah N 1 1 N lulusan.
Cara menyelesaikan Variable ID VariableOrder VarOperator VarValue CFValue.
Apa itu Credit VariableUsageRate Gambar 18.8 Diagram Konsep Struktur Aturan Gambar 18.8 menunjukkan Diagram Konsep Struktur Aturan. Seperti disebutkan sebelumnya, kasus yang dimasukkan pengguna awalnya disimpan di postingan.
Apa struktur simpulnya? Mereka kemudian digunakan dalam struktur aturan. ID aturan sesuai dengan <node ID> terkecil di setiap aturan. Jika aturan berikutnya mempunyai kandidat <ID aturan> yang sama, aturan tersebut diberi nama seperti node: nama aturan yang ada diikuti dengan nomor urut (#1, #2…). 18.8 Modul penyempurnaan pengetahuan berisi tiga tugas: analisis variabel, analisis nilai, dan pembuatan aturan. Analisis variabel menentukan variabel/node mana yang paling penting, sedangkan analisis nilai menentukan seberapa sering suatu aturan/node/variabel digunakan. Studi pascasarjana.
Rumusan aturan merupakan hasil analisis variabel dan nilai. Mengoreksi/menyempurnakan aturan (node) dalam basis pengetahuan melibatkan pembuatan aturan pengecualian untuk memperbaiki klasifikasi yang salah. Ketika pengguna membuka basis pengetahuan, koreksi dilakukan pada basis pengetahuan seperti yang direncanakan atau diminta oleh pengguna. Desain seperti itu memungkinkan para ahli tidak hanya membuat permintaan ke modul penyempurnaan seperti pengguna biasa, tetapi juga secara langsung memperbaiki dan menambahkan KB. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Cara melewati 194 sistem kendali cerdas berpusat variabel 18.8.1 Analisis variabel.
Dalam struktur aturan yang berpusat pada variabel, bagaimana sistem mengetahui node mana yang digunakan bersama oleh aturan yang berbeda dan variabel mana yang dibagikan antar node. Semakin banyak aturan yang digunakan suatu node, semakin penting node tersebut. Pertimbangan yang sama berlaku untuk variabel yang digunakan bersama dalam node. Karena analisis ini sangat bergantung pada struktur implementasi, kami akan menunda sementara demonstrasi analisis ini hingga Bagian 18.8. Fakta ini menunjukkan betapa pentingnya node/variabel sebagai titik awal untuk menghasilkan aturan dan analisis nilai baru. 18.8.2 Mahasiswa S3 melakukan analisis nilai.
Bagaimana nilai-nilai yang diberikan oleh VCIRS dianalisis berdasarkan data yang dimasukkan oleh pengguna. Tujuan dari analisis nilai ini adalah untuk menunjukkan kepada pengguna/sistem aturan/node/variabel mana yang dikunjungi pertama kali dalam penjelajahan pohon ketika membangun pengetahuan, misalnya: aturan/node/variabel mana yang paling sering dikunjungi terlebih dahulu, kemudian aturan kedua yang paling sering dikunjungi /variables Node/variabel yang dikunjungi bekas, dll. Ini membantu pengguna memutuskan kasus mana yang akan disertakan. Selama penalaran pengetahuan, pengguna/sistem diinstruksikan aturan/node/variabel mana yang harus dipanggil terlebih dahulu ketika mencari aturan pohon, seperti halnya membangun pengetahuan. Hal ini membantu pengguna fokus pada aturan/node/variabel yang paling menarik dalam basis pengetahuan lulusan.
Bagaimana memberikan panduan sistematis dan analisis variabel untuk proses pembuatan aturan. Dengan cara ini, sistem memperoleh perspektif di luar analisis kemunculan variabel (yaitu node dan variabel) sebelum memutuskan untuk menghasilkan aturan. Melalui hasil analisis nilai, sistem dapat mengidentifikasi kegunaan aturan/node/variabel, dan melalui analisis variabel, sistem dapat mengidentifikasi pentingnya node/variabel dalam aturan/node. Proses analisis nilai disebut atribusi penggunaan dan bertujuan untuk menentukan seberapa berguna suatu aturan/simpul/variabel dalam basis pengetahuan. Saat menggunakan pekerjaan, gunakan informasi yang disimpan dalam struktur aturan yang berpusat pada variabel.
Bagaimana Aturan selanjutnya, menjadi mahasiswa PhD di bidang kecerdasan mesin?
Mengapa dia lulusan sistem kendali cerdas dari Pusat Renovasi 195?
Bagaimana kalau menggunakan tiga level? Pertama, Variable Usage Ratio (VUR) mengukur kegunaan dan pemanfaatan suatu variabel dalam sebuah node. Kedua, kami (hanya) menggunakan penggunaan node untuk mengukur utilitas sebuah node pada waktu eksekusi (startup). Nilai akhirnya adalah Rule Usage Ratio (RUR), yang mengukur seberapa berguna aturan tersebut ketika dijalankan (dipicu). Semakin besar metrik kegunaannya, semakin besar nilainya dan sebaliknya. Persamaan (1) menghitung VUR dari variabel ke-i, (2) dihasilkan hanya dari node ke-j, dan (3) mendefinisikan RUR dari aturan hierarki ke-k.
Cara menghitung VURi = Krediti x Berati (1) NE VURIj NURj = 1 N , VURij adalah variabel ke-i pada node j (2) NE NURjk mahasiswa PhD.
Bagaimana? Untuk node ke-j pada aturan k NURjk, dimana: ^ Crediti = berapa kali variabel i muncul dalam struktur node. (4) Dapatkan kredit dari struktur node. Nilai ini bertambah ketika pengguna membuat node yang cocok dengan nilai case lama. ^ Berat badan i = NSi x CDi (5) mahasiswa PhD.
Bobot: Tentukan apakah akan menghitung bobot variabel pada node tempatnya berada. Ada dua faktor yang mempengaruhi bobot variabel. Yang pertama adalah jumlah node yang berbagi variabel, dan yang kedua adalah CD (Closeness Degree), yaitu kedekatan variabel dengan node. NSi = Jumlah node yang berbagi variabel i (6) VOi CDi = (7) TV CD adalah singkatan dari proximity, yaitu kedekatan variabel dengan node. Studi pascasarjana.
CDi di node j Bagaimana cara menghitung kedekatan variabel i di node j? Semakin dekat variabelnya dengan node, semakin baik kesimpulannya. Oleh karena itu, CD didasarkan pada urutan variabel dalam node (catatan: node adalah urutan variabel). CD dihitung dengan membagi barisan variabel VO dengan jumlah total variabel TV yang dimiliki node. RURk = 1 N (3) mahasiswa PhD.
Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin 196.
Apa yang dimaksud dengan sistem kendali cerdas yang mengubah hati? VOi = variabel i urutan pada node (8) TV = jumlah total variabel yang dimiliki node (9) 18.8.3 Rule Generation Rules menghasilkan hasil berdasarkan analisis variabel dan nilai. Perlu dicatat bahwa dari analisis variabel kita menghitung arti dari node/variabel dan dari analisis nilai kita mendapatkan penggunaan aturan hierarki/node/variabel.
Bagaimana informasi simpul/variabel umum dalam analisis variabel membantu memilih kandidat kombinasi yang baik? Node/variabel yang bernilai paling tinggi berarti merupakan node/variabel terpenting dalam basis pengetahuan yang ada karena digunakan di banyak tempat pada struktur saat ini. Node atau variabel yang paling sering digunakan, ditentukan melalui analisis nilai, menunjukkan bahwa node atau variabel tersebut paling sering muncul dalam struktur. Komposisi variabel menggabungkan variabel untuk membuat node baru, sedangkan komposisi node menggabungkan node untuk membuat aturan baru. Kombinasi ini dimungkinkan selama urutan variabel/node yang dihasilkan tidak melanggar urutan variabel/node yang ada di basis pengetahuan. Karena ada banyak kemungkinan kombinasi, kami menyediakan cara baru untuk melakukan kombinasi variabel dan node seperti yang ditunjukkan di bawah ini.
Pertimbangkan basis pengetahuan dengan m aturan, di mana setiap aturan (R) adalah himpunan n node (N), setiap node adalah himpunan o variabel (V) dan kesimpulan/kesimpulan (C). Nilai node n yang dimiliki oleh aturan dapat berubah, dan nilai variabel o yang dimiliki oleh node juga dapat berubah. Urutan setiap variabel dalam sebuah node memiliki arti yang dijelaskan di atas dalam analisis nilai. Dengan menggunakan notasi ini, KB dapat direpresentasikan seperti yang ditunjukkan pada Gambar 18.9 di bawah. R1: N11(V1114..4V11o;C11)4N12(V1214..4V12o;C12)4..4N1n(V1n14..4V1no;C1n) R2: N21(V2114..4V21o;C21)4N22(V2214..4V22o; C22)4..4N2n(V2n14..4V2no;C2n) Mahasiswa S3.
apa yang harus dilakukan? Ya. . Rm: Nm1(Vm114..4Vm1o;Cm1)4Nm2(Vm214..4Vm2o;Cm2)4..4Nmn(Vmn14..4Vmno;Cmn) Gambar 18.9 KB diwakili dengan simbol Aturan selanjutnya, – Graduate Machine Intelligence.
197Apa yang dimaksud dengan sistem kendali cerdas dan bagaimana sistem ini mengubah pikiran orang? Kami menghasilkan aturan dengan menggabungkan node sesuai dengan urutan node yang terdapat dalam aturan. Studi pascasarjana.
Prinsip kerja algoritma pembuatan aturan ditunjukkan pada Gambar 18.10 di bawah ini. Untuk setiap node terpenting yang diperoleh melalui analisis variabel, sebuah kesimpulan dipilih sebagai aturan kandidat. Node ini adalah node terakhir dari aturan kandidat. Node yang diproses disusun menurut urutan relatif node yang dihitung dengan “algoritma penghitungan urutan relatif node” (Gambar 18.12). Tambahkan karakter “G” ke <Rule ID> untuk membedakannya dengan aturan yang ada. “G” didefinisikan sebagai aturan yang dihasilkan sistem. Tampilkan aturan kepada pengguna untuk konfirmasi sebelum menyimpannya sebagai aturan tambahan di Pangkalan Pengetahuan Pascasarjana.
Apa itu Gambar 18.10? Algoritma pembuatan aturan “algoritma untuk menghitung urutan relatif node” ditunjukkan pada Gambar 18.1. Pada Gambar 18.11, CurrentRule menyimpan ID aturan yang diproses; simulasi dilakukan berdasarkan aturan dengan RUR terendah. NodeOrderQueue menyimpan urutan simpul aturan yang diproses di CurrentRule, dimulai dengan urutan pertama. RuleUsed menyimpan setiap aturan yang berbagi node di NodeOrderQueue. PreCandidateNode , dibandingkan dengan RuleUsed, menyimpan node yang termasuk dalam aturan ini dan kemudian menyimpannya di CandidateNode. Pemilihan node di PreCandidateNode didasarkan pada node saja. Studi pascasarjana.
Jadi Anda hanya bisa mendapatkan node dengan nilai terendah terlebih dahulu. CandidateNode menyimpan urutan relatif node. Saat aturan di CurrentRule diproses, RuleStack mendorongnya ke tumpukan. Aturan Node Langkah Aturan Saat Ini Tumpukan Aturan Node Pra-Kandidat (RUR) Node hierarki dengan antrian kandidat berurutan (RUR).
Bagaimana (hanya) (hanya) 1 … … … … Gambar 18.11 Urutan relatif node dalam struktur data komputer Aturan selanjutnya, – Pascasarjana Machine Intelligence.
Apa yang dimaksud dengan sistem kendali cerdas yang mengubah hati? Dimulai dengan aturan dengan RUR terendah, pilih aturan tersebut dan letakkan di CurrentRule. Studi pascasarjana.
Cara mendapatkan semua node dan memasukkannya ke dalam NodeOrderQueue. Mulailah dengan node pertama di NodeOrderQueue. Jika sebuah node dibagikan oleh aturan lain, aturan tersebut diambil dan ditempatkan di RuleUsed (jika belum ada di RuleUsed atau RuleStack). Jika terdapat beberapa aturan, hanya node yang dipilih berdasarkan prioritas terendah dan prioritas terendah. Ambil semua node sebelum node yang diproses dalam urutan serta node itu sendiri dari semua aturan di PreCandidateNode. Hapus node dari NodeOrderQueue. Studi pascasarjana.
Bagaimana jika nodenya belum ada? Sisipkan dari PreCandidateNode ke CandidateNode secara berurutan. Jika urutannya sama, maka simpul yang paling bawah saja yang diambil terlebih dahulu. Ketika suatu aturan tidak lagi memiliki node lain di RuleUsed, aturan tersebut ditempatkan di RuleStack dan dihapus dari RuleUsed. Ketika aturan saat ini yang berisi node yang tertunda tidak lagi memiliki node lain, aturan tersebut dimasukkan ke dalam RuleStack dan dihapus dari aturan saat ini. Dapatkan aturan dengan RUR terendah dari RuleUsed dan masukkan ke dalam CurrentRule. Jika RuleUsed kosong tetapi ada aturan di KB yang tidak muncul di RuleStack, maka aturan akan diambil dimulai dari aturan dengan RUR terendah. Studi pascasarjana.
Kembali ke langkah 2 dan selesaikan semua langkah hingga semua aturan muncul di basis pengetahuan RuleStack. Gambar 18.12 Algoritma untuk menghitung urutan relatif node. Menghitung urutan relatif node membutuhkan waktu lama karena setiap aturan harus diperiksa di basis pengetahuan. Selain itu, jika node yang sedang diproses memiliki aturan yang dibagikan dengan node tersebut, setiap node dalam setiap aturan bersama akan dibandingkan. Oleh karena itu, kompleksitas waktu dari proses ini = O (nx jumlah node bersama dari aturan x jumlah node dari setiap aturan bersama). Faktanya, dengan menggunakan Gambar 18.12, Anda juga dapat menentukan urutan relatif aturan dalam tumpukan aturan dengan menghapus aturan dari tumpukan terakhir.
Aturan selanjutnya, – Mahasiswa PhD bidang Kecerdasan Mesin 199.
Apa yang dimaksud dengan sistem kendali cerdas yang mengubah hati? Kami juga dapat menghasilkan node selama pembuatan aturan. Variabel terakhir dari calon node diperoleh dari variabel terpenting. Kami menghasilkan node dengan menggabungkan variabel berdasarkan urutan relatifnya terhadap variabel yang sudah ada di node. Algoritma pembuatan node ditunjukkan pada Gambar 18.13 di bawah. Untuk setiap variabel kunci yang diperoleh dari analisis variabel, node kandidat penyelesaian dipilih sebagai variabel akhir secara bergantian.
Variabel-variabel yang akan diproses disusun menurut urutan relatifnya yang dihitung dengan algoritma perhitungan urutan relatif variabel (Gambar 18.15). Tambahkan karakter “G” ke <node ID> untuk membedakannya dari variabel yang ada. “G” adalah singkatan dari variabel yang dihasilkan sistem. Tampilkan aturan kepada pengguna untuk konfirmasi sebelum menyimpannya sebagai node tambahan dalam aturan yang dihasilkan di basis pengetahuan. Gambar 18.13 Algoritma pembangkitan simpul “algoritma untuk menghitung urutan relatif variabel” ditunjukkan pada Gambar 18.1. Pada Gambar 18.14, CurrentNode menyimpan NodeID yang sedang diproses; dimulai dari node terendah. VariableOrderQueue menyimpan urutan variabel node diproses di CurrentNode, mulai dari urutannya. Studi pascasarjana.
Bagaimana NodeUsed disimpan di VariableOrderQueue setiap node dalam variabel lingkungan. PreCandidateVariable menyimpan variabel di NodeUsed dan membandingkan variabel sebelum menyimpannya di CandidateVariable. Pemilihan variabel di PreCandidateVariable didasarkan pada VUR node. Variabel dengan VUR terendah digunakan terlebih dahulu. “CandidateVariable” menyimpan urutan relatif variabel. Ketika sebuah node selesai memproses CurrentNode yang disarangkan, NodeStack menyisipkan (mendorong) node tersebut ke dalam tumpukan.
Apa langkah-langkah dari node saat ini, node variabel, tumpukan node variabel pra-kandidat (HANYA), antrian kandidat berurutan (HANYA), variabel (VUR) (VUR) 1…2…. ………………..Pendidikan pasca pascasarjana.
Gambar 18.14 menunjukkan cara menggunakan struktur data untuk menghitung urutan relatif variabel. Aturan selanjutnya, – Mahasiswa pascasarjana di bidang kecerdasan mesin.
Apakah Sistem Penguasa Mental 200 Perubahan itu? Mulai dari node terbawah saja, ambil sebuah node dan letakkan di CurrentNode. Dapatkan semua <Variable ID><VarOperator><VarValue> dan masukkan ke dalam VariableOrderQueue. Mulailah dengan variabel pertama VariableOrderQueue. Jika suatu variabel dibagikan oleh beberapa node lain dan node tersebut belum ada di NodeUsed atau NodeStack, node tersebut akan ditemukan dan ditempatkan di NodeUsed. Studi pascasarjana.
Bagaimana jika ada banyak node? Pengambilan variabel didasarkan pada VUR, artinya nilai terendah diambil terlebih dahulu. Ambil semua variabel dalam urutan variabel yang paling baru diproses dan variabel itu sendiri di semua node di PreCandidateVariable. Menghapus variabel saat ini dari VariableOrderQueue. Jika variabel belum ada, maka variabel tersebut dimasukkan dalam urutan variabel dari PreCandidateVariable ke CandidateVariable. Jika ordonya sama maka variabel dengan VUR yang lebih kecil digunakan terlebih dahulu. Ketika sebuah node di NodeUsed tidak lagi memiliki variabel lain, tambahkan variabel tersebut ke NodeStack dan hapus node tersebut dari NodeUsed.
Jika node tempat variabel yang diproses berada tidak memiliki variabel lain, node tersebut dimasukkan ke dalam NodeStack dan dihapus dari node saat ini. Dapatkan hanya node terendah dari NodeUsed dan masukkan ke dalam CurrentNode. Jika NodeUsed kosong tetapi ada node di KB yang tidak muncul di NodeStack, maka node dengan nilai ONLY terendah akan dihapus. Kembali ke langkah 2 dan selesaikan semua langkah hingga semua node di KB muncul di NodeStack. Gambar 18.15 Algoritma untuk menghitung urutan relatif variabel. Menghitung urutan relatif variabel membutuhkan waktu lama karena semua n node di KB harus diperiksa. Studi pascasarjana.
Selain itu, jika variabel yang sedang diproses memiliki node yang membagikannya, setiap variabel dibandingkan pada setiap node yang dibagikan. Oleh karena itu, kompleksitas waktu proses ini = O (nx jumlah node yang berbagi variabel x jumlah variabel per node bersama). Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
201 Apa yang dimaksud dengan sistem kendali cerdas yang mengubah hati? Faktanya, dari Gambar 18.15, urutan relatif node di NodeStack juga dapat ditentukan dengan menghapus node dari tumpukan. 18.9 Konstruksi Pengetahuan Arsitektur sistem VCIRS mendukung tiga operasi yang berkaitan dengan basis pengetahuan. Studi pascasarjana.
Pertama, Build Knowledge memungkinkan pengguna membangun basis pengetahuan dari awal (from scrap) atau memperbarui basis pengetahuan yang sudah ada. Kedua, kita perlu memperluas pengetahuan kita. Hal ini memungkinkan pengguna untuk mendefinisikan arti variabel/node/aturan dan menggunakan atau menghasilkan aturan baru. Ketiga, kita mempunyai pengetahuan inferensial dan dapat menarik kesimpulan dari basis pengetahuan. Dua metode inferensi yang digunakan dalam proses ini adalah metode RBS dan metode RDR. Seperti RDR, VCIRS dapat membuat KB dari awal; yaitu, tidak ada basis pengetahuan yang tersedia sama sekali, namun pengguna ingin membuat basis pengetahuan baru. Studi pascasarjana.
Bagaimana VCIRS membangun basis pengetahuan baru berdasarkan kasus yang dikontribusikan pengguna. Berdasarkan isi kasusnya, VCIRS mencari basis pengetahuan untuk kemungkinan node. Node di sini mirip dengan aturan di RBS, berisi satu atau lebih variabel beserta nilainya (bagian klausa) dan satu atau lebih kesimpulan (bagian kesimpulan). Gambar 18.16 menjelaskan algoritma pembangunan pengetahuan. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Cara membuka sistem kendali cerdas berpusat variabel 202.
Prosedur: Ketika node yang mungkin ditemukan, pengguna diberikan salah satu opsi berikut. Jika dia tidak setuju dengan node saat ini, dia dapat membuat node baru di tingkat atas basis pengetahuan. Aturan baru secara otomatis dibuat untuk node baru ini. Jika ada input pengguna, variabel yang tidak sah akan disimpan di lokasi node baru. Jika konsisten dengan satu atau lebih variabel pada node saat ini, namun tidak konsisten dengan node lain, maka dimungkinkan untuk membuat node anomali yang berisi variabel yang tidak diketahui. Kasus yang dimasukkan oleh pengguna disimpan dalam variabel di kolom Kredit pohon simpul di bawah lokasi simpul lama (simpul induk), dan variabel kegagalan disimpan di bawah lokasi simpul lulusan baru.
Bagaimana keluarga berencana bisa tetap tidak berubah? Struktur aturan yang berpusat pada variabel tidak memberikan manfaat bagi pengguna. Sistem ini bekerja seperti proses inferensi, memungkinkan pengguna untuk menguji basis pengetahuan, yaitu mekanisme verifikasi instan. Jika node tidak ditemukan, sistem akan meminta pengguna untuk membuat node baru di tingkat atas basis pengetahuan, dan kasus yang dimasukkan oleh pengguna akan disimpan di lokasi node baru. Gambar 18.16 Algoritma konstruksi pengetahuan pascasarjana.
Gunakan algoritma yang ditunjukkan pada Gambar 18.17 di bawah ini untuk menemukan kemungkinan node dalam basis pengetahuan. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.
Lakukan 203 Bagaimana sistem kontrol cerdas berpusat variabel menemukan semua node di pohon node dan tabel kesimpulan yang memiliki ID variabel dan ID kesimpulan yang sama dengan kasus yang dimasukkan oleh pengguna? Hapus ID yang identik/berlebihan. Jadikan itu sebagai node pra-kandidat. Jika lebih dari satu node ditemukan di antara node pra-kandidat, kandidat pascasarjana akan dicari berdasarkan urutan prioritas yang diberikan di bawah ini.
Cara melakukannya: Pertama, cari node yang sempurna, yaitu node yang berisi ID variabel, nilai variabel, dan nilai kesimpulan yang sama. Ketika node sempurna ditemukan, node tersebut disimpan di node kandidat. Prioritas kedua; menemukan node yang berisi ID variabel yang sama (tetapi nilai berbeda) dan nilai turunan yang sama. Jika node ditemukan, maka disimpan sebagai kandidat node. Prioritas ketiga; menemukan node dengan setidaknya ID variabel yang sama dan setidaknya satu nilai inferensi yang identik. Setelah node ditemukan, disimpan di node “Calon Lulusan”.
Apa prioritas keempat? Temukan node yang berisi setidaknya satu variabel dengan ID yang sama. Jika node ditemukan, maka disimpan sebagai kandidat node. Prioritas kelima; menemukan node dengan setidaknya satu nilai inferensi yang identik. Jika node ditemukan, maka disimpan sebagai kandidat node. Jika node tidak ditemukan di antara node pra-kandidat, sistem akan memberi tahu pengguna bahwa kasus yang dimasukkan tidak cocok dengan kasus apa pun di basis pengetahuan. Proses di atas dihentikan ketika pengguna puas dengan node atau memutuskan untuk menghentikan/memulai proses lagi.
Gambar 18.17 Algoritma Pencarian Node yang Layak Ketika kandidat node ditemukan, sistem menyediakan beberapa opsi/seleksi kepada pengguna untuk diproses lebih lanjut. Pengguna kemudian memilih apakah satu atau dua pengecualian harus terjadi. Aturan selanjutnya, – Sekolah Pascasarjana Kecerdasan Mesin.
Pembahasan
Terdapat cara membuka sistem kontrol cerdas pusat variabel dalam Machine Intelligence. Sebagai simpul baru, bagaimana situasi barunya? Untuk memudahkan, setiap kasus baru yang diproses di VCIRS (lihat Gambar 18.18 di bawah) dibandingkan dengan aturan yang ada di basis pengetahuan dan dibuat daftar perbedaan yang terdiri dari dua bagian: bagian aturan lama dan bagian basis pengetahuan. Bagian (A) dan (B) dari peraturan baru ditunjukkan pada Gambar 18.19 di bawah. Gambar 18.18 Ikhtisar kasus baru yang akan ditambahkan ke basis pengetahuan. Gambar 18.19 Aturan selanjutnya, – Daftar perbedaan mahasiswa pascasarjana dalam kecerdasan mesin.
205Apa yang dimaksud dengan sistem kendali cerdas yang mengubah hati? Selanjutnya, VCIRS memberi pengguna 6 opsi berdasarkan daftar perbedaan yang dibuat sebelumnya, seperti dijelaskan pada Gambar 18.20 Algoritma Pembuatan Node Sekolah Pascasarjana di bawah ini.
Kesimpulan
Dalam penelitian Machine Intelligence, pengguna menerima aturan yang ada, apa pun keadaan barunya. Hanya ada 4 kesimpulan. Aturan baru yang dihasilkan adalah negasi kondisi di bagian A daftar perbedaan. Aturan yang baru dibuat adalah kondisi bagian B dari daftar diff, dan aturan yang baru dibuat adalah kombinasi opsi 1 dan opsi Aturan yang baru dibuat semuanya berasal dari kasus baru yang tersedia tanpa melihat daftar perbedaannya, namun berada pada level yang sama dengan aturan lama yang ditinjau sebelumnya. Studi pascasarjana.
Artinya aturan baru ini akan menjadi saudara terkecil dari aturan lama yang sedang diperiksa, atau dengan kata lain aturan baru ini akan mempunyai aturan induk yang sama dengan aturan lama, dan hanya karena merupakan aturan terakhir maka aturan baru aturan akan diperiksa. Akankah peraturan diterapkan ke dalam pekerjaan? Orang tua bungsunyalah yang memeriksa peraturan lama sejak dini. Aturan yang baru dibuat semuanya berasal dari kasus yang baru tersedia, tanpa memperhatikan daftar perbedaan, dan terletak langsung di bawah root virtual. Dengan kata lain, berikut adalah aturan kontrasepsi yang ketat. Gambar 18.20 Algoritma Pembuatan Node Gambar 18.21-18.26 di bawah ini memberikan penjelasan mengenai pilihan diatas. Aturan selanjutnya, – Mahasiswa PhD di bidang Kecerdasan Mesin.