《决策支持系统》第4章人工智能.ppt

给定一组可观察变量X(x1 , x2 … ,xn)以及这组变量的试验数据Di(di1 、di2 …, din), i=1,2,3…,m机器发现系统找出该组变量满足的数学关系式： f(x1 , x2 … ,xn)=c 其中c为常数,亦即是： 对于任意一组试验数据(di1 、di2 …, din)均满足关系式 f(di1 、di2 …, din)=c 所找出的关系式f(x)是任何形式的数学公式，包括分段函数。 4.5.3.1 问题描述 对于关系式f(x1 , x2 … ,xn)=c的复杂程度可分为： 1.变量的初等运算： f(x,y)=xθy, 其中θ:+、-、*、/ 2.变量的初等函数运算 f(x)=c, 其中f(x)为初等函数。 3.初等函数的任意组合 f(x,y)=a1*f(x)θa2*f(y) 4.复合函数的运算 g(f(x))＝c, 其中g(x)、f(x)均为初等函数。 5.复合函数的任意组合 h(a1*g1(f(x))θa2*g2(f(y))) 其中h(x)、g(x)、f(x)均为初等函数。 6.多个初等函数的组合 f(x,y)=a1*f1 (x)θa2*f2(x)…θak*fk(y) 其中f(x)、f(y)均为初等函数。 7.分段函数 对于不连续的点，分别用不同的函数加以描述。 对多变量的问题，在机器发现过程中采用先寻找两变量的关系，再逐步扩充为多变量的关系的方法。 FDD系统基本思想： 利用人工智能启发式搜索各种函数原型、寻找具有最佳线性逼近关系的函数原型，并结合曲线拟合技术及可视化技术来寻找数据间的规律性。 4.5.3.2 FDD的设计思想 一般启发式是建立启发式函数，用以引导搜索方向，以便用尽量少的搜索次数，从开始状态达到最终状态。 FDD系统在执行搜索的过程中，对原型函数的搜索以及对它们的组合函数的搜索，也是一种组合爆炸现象。为解决这一问题，在设计系统时采用了启发式方法来实现。 1.人工智能的启发式方法 对某一变量取初等函数和另一变量的初等函数或原始数据进行线性组合，即从原型库中选取逼近效果最好的少数几个初等函数作为基函数，并进一步形成组合函数，直至找到最后的目标函数。 FDD系统的启发式函数形式为： f(x2)＝a+b*f1(x1) 线性逼近误差公式为： dt=(a+b*f(x1)-f(x2))/f(x2) 我们总是选取dt最小的f(xi) 作为继续搜索的当前结点。这一启发式函数在以后的多次应用中证明是有效的。 FDD启发式函数 例如，已知N个点(xi，yi)去求得自变量x和因变量y一个近似表达式y=φ(x)。 给出它们的近似公式有 y*=a0+a1*φ1(x)+a2*φ2(x)+…+ak*φk(x) 在曲线拟合中，φk(x)一般取xk或者是正交多项式。其中a0、a1、a2…ak各个系数的确定常用的是最小二乘法，即使各点的误差平方和最小： (y-y*)2=(y-a0+a1*φ1(x)+a2*φ2(x)+…+ak*φk(x))2 = min 2.数值分析中的曲线拟合方法 函数 （a0、a1、a2 … ak)对a0、a1、a2 … ak求偏微商，再使偏微商等于零，得到a0、a1、a2 … ak应满足的方程： 机械学习系统中的问题 ?数据的存储组织。使得在大量的数据中能迅速地查找出所需的数据。 ?适应变化的环境。数据要随形势的变化而变化,很多数据由于形势发展已过时或无用,就要进行相应的变化和更新。 ?检索和计算的权衡。检索一定比计算来得更快才有意义。 机械学习的基本思想是用检索来代替计算. 2.示教学习(被告知学习) 1.思想:把外部知识(专家、教师)消化成内部可使用的知识. 2.示意图: 知识库 原 知 识 新 知 识 知 识 转 换 外部知识 内部知识 一致化 效果 评价 （矛盾、冗余） 示教学习的实现步骤 (1)请求:向人类专家提出请求. (2)解释:消化吸收专家的知识并把它转化成内部表示 (类似于编译).