مقاله آموزش کامل سیستم مبتنی بر استدلال مورد Case Based Reasoning system
مقاله آموزش کامل سیستم مبتنی بر استدلال مورد Case Based Reasoning system
چکیده
میتوان به طور خلاصه گفت استدلال مبتنی بر حالت(CBR) یک تکنیک حل مساله است که از تجربیات گذشته برای یافتن راهحل استفاده میکند. یک مساله جدید با یافتن وضعیت مشابهی که قبلا مشاهده شده است و استفاده از آن در وضعیت جدید حل میشود. CBR یک شاخه از یادگیری ماشین است و در طول چند سال اخیر به سرعت رشد کرده است، شاهد این امر تعداد رو به رشد کاربردهای جدید آن و مقالات مرتبط با آن است. از کاربردهای CBR میتوان به کاتالوگهای هوشمند محصولات در خرید اینترنتی، کنترل ترافیک، تشخیص پزشکی اشاره کرد. البته به طور کلی CBR فیلد جوانی است که هر چه بیشتر از عمر آن میگذرد کارآیی آن در حل مسائل موجود در دنیای واقعی آشکارتر میشود.
مقدمه
پیشزمینه و انگیزه
CBR یک روش حل مساله است که در بسیاری از جنبهها از دیگر روشهای اصلی AI متفاوت است و به جای اینکه فقط روی دانش کلی حوزه مساله تکیه کند یا بین مسائل و راهحلها، ارتباطات تعمیم یافته ایجاد کند، قادر است از دانش مخصوص مربوط به تجربیات قبلی و وضعیت دیگر مسائل بهره گیرد. یک مساله جدید با یافتن وضعیت مشابهی که قبلا مشاهده شده است و استفاده از آن در وضعیت جدید حل میشود. تفاوت مهم دیگر این است که CBR روشی برای یادگیری تقویتی، افزایشی میباشد چون هر دفعه که مسالهای حل میشود یک تجربه جدید نگه داشته شده و برای مسائل بعدی در دسترس میباشد. فیلد CBR در طول چند سال اخیر به سرعت رشد کرده است. شاهد این امر مقالات زیاد در کنفرانسهای مهم، ابزار تجاری در دسترس و کاربردهای موفق آن میباشد.
به طور اساسی CBR حل یک مساله جدید به وسیله یادآوری یک موقعیت مشابه قبلی و با استفاده مجدد از اطلاعات و دانش مربوط به آن میباشد. در ادامه به بیان این مفهوم با نگاه به حل چند مساله نوعی میپردازیم:
یک پزشک، بعد از معاینه یک بیمار خاص در مطبش، به یاد بیماری میافتد که دو هفته قبل درمان کرده است. این یادآوری به دلیل مشابهت علائم اصلی بیماری است نه به دلیل مشابهت در رنگ موی بیمار و یا طرز بیان او. در این حالت پزشک از تشخیص بیماری و درمانی که در مورد بیمار قبلی به کار برده است برای تشخیص بیماری و درمان بیمار حاضر استفاده میکند.
یک مهندس حفاری، که دو انفجار مهیج را تجربه کرده است، هنگامی که ترکیب اندازههای بحرانی، مشابه موقعیت انفجار قبل میشود، بلافاصله به یاد یک یا هردوی این موقعیتها میافتد. در حالت خاص ممکن است به یاد اشتباهی که در انفجار قبل مرتکب شده است بیفتد و از آن برای جلوگیری از تکرار اشتباه قبلی استفاده کند.
یک مشاور مالی که روی یک مساله تصمیمگیری سخت کار میکند، موقعیتهای قبلی که شرکت را با مشکل مشابهی رو به رو کرده را به یاد آورده و از آن برای تصمیمگیری در موقعیت فعلی استفاده میکند.
حل مساله مبتنی بر حالت
استدلال با استفاده از تجربیات گذشته یک روش قدرتمند و رایج برای حل مسائل توسط انسانها است. این ادعا با نتایج حاصل از تحقیقات روانشناسی تایید میشود. قسمتی از بنیاد روش مبتنی بر حالت، معقول بودن آن از نظر روانشناسی است. مطالعات زیادی مدارک تجربی لازم برای اثبات اهمیت استفاده از موقعیتهای تجربه شده قبلی(که به آنها حالات میگوییم) در حل مسائل انسانها ارائه دادهاند. Schank یک نظریه راجع به آموزش و یادآوری مبتنی بر نگهداری تجربیات در یک ساختار پویا و استنتاجی ارائه داد. Anderson نشان داد که انسانها هنگامی که یاد میگیرند چگونه مسائل را حل کنند از موقعیتهای گذشته به عنوان مدل استفاده میکنند.
فهرست
چکیده
مقدمه
حل مساله مبتنی بر حالت
یادگیری در استدلال مبتنی بر حالت (CBR)
تاریخچه CBR
چرخه CBR
بازیابی، استفاده دوباره، تجدید نظر و حفظ کردن.
شکل 1-چرخه CBR
مدلهای CBR
مدل Hunt 8
شکل 2- مدل Hunt برای CBR
مدل Allen
مدل Kolodner و Leake
شکل 3- مدل پیشنهاد شده توسط Kolodner و Leake
مدل R4 برای CBR
نواحی مساله CBR
نمایش حالات
مدل حافظه پویا
شکل 4- ساختار حالات و اپیزودهای تعمیم یافته
مدل دسته و نمونه
شکل 5- ساختار دستهها، ویژگیها و مثالها
شناسایی ویژگی
تطبیق اولیه
انتخاب
استفاده مجدد از حالت
کپی
انطباق
اصلاح حالت
ارزیابی راه حل
اصلاح خطا
نگهداری حالت- یادگیری
استخراج
شاخص
یکپارچهسازی
ارائه یک مدل جدید
ساختن پایگاه حالت مبتنی بر جزبندی
دنیای مسائل و راهحلهای ممکن
روابط تشابه در دنیای ممکن
ساختن پایگاه حالت
شکل 6- از و به پایگاه حالت
مدل R5 برای CBR
شکل 7- مدل R5 برای CBR
بهبود سیستمهای CBR
انتخاب ویژگی
انتخاب نمونه
بهینهکردن همزمان
شکل 8- رویه کاهش دو بعدی
نتایج آزمایشات
شکل 9- تفاوت بین الگوها برای روشهای a) CCBR، b)ICBR، c)TRCBR
نتیجهگیری
مراجع
50 صفحه