《高级人工智能》第七章类比学习.pptVIP

高级人工智能---史忠植 第七章 类比学习 内容提要 7.1 什么是类比学习 类比是人类应用过去的经验来求解新问题的一种思维过程。 类比学习是把两个或两类事物或情形进行比较，找出它们在某一抽象层上的相似关系，并以这种关系为依据，把某一事物或情形的有关知识加以适当整理（或变换）对应到另一事物或情况，从而获得求解另一事物或情形的知识。 类比学习与基于范例的学习 相同之处： 都要依靠记忆的情景知识来指导复杂的问题求解。 不同之处： 类比学习强调对过去情况的修改、改写和验证过程。 CBL注重范例记忆的组织、层次索引和检索。 计算机上实现类比存在的限制 Cook(1991)归纳了以下两点限制： 资源耗费大，很少应用于大规模问题，不适于严格标准的商业应用。 缺少灵活性，没有匹配的原范例时无法工作。 类比学习模型中的主要问题 知识表示和检索： 快速检索选择源范例。 有利于整个类比过程的实现。 易于修改。 灵活性，不应孤立存在： 把理论和类比策略结合起来。 多个类比的结合。 有效性验证。 类比学习的例子 类比映射 类比推理 根据已知域的情况，用类比来回答关于另一未知域的问题，主要是一个解决问题的过程。 类比推理的基础： 事物 关系 类比学习的过程 可以描述为四个主要步骤： 联想搜索匹配 检验相似程度 修正变换求解 更新知识库 类比求解过程要明确的问题 问题特征怎样抽取 相似性测度及计算方法如何确定 如何搜索相似的问题 怎样找出对应关系，如何匹配 老问题的解如何变换地到新问题的解 如何更新知识库 7.2 类比的形式定义 7.3 基于抽象的有用类比推理 NLAG类比推理算法： 寻找核心 例示源概念 例示目标 核准 认可 7.4 转换类比 7.4.1 手段-目的分析的问题求解模型 问题空间： 一组可能的问题组合状态集。 一个初始状态。 一个或多个目标状态。 一组变换规则集 差别函数 对可用规则编序的索引函数 一组全局路径限制 差别表 S-MEA算法： 比较当前状态和目标状态，得出差别 选择合适的规则，以减少两个状态间的差别 尽可能应用转换规则，直至完成状态转换。否则保存当前状态，并将MEA算法递归地应用于其它子问题，直到该子问题确认不能满足该规划的前提条件为止。 当子问题求解后，恢复被保存的当前状态，再继续求解原来的问题 直接抽象方法的主要缺点： 难以处理存储和检索所有可能解的组合问题，搜索宏操作的开销可能变得比直接用MEA方法还要大。 忽略路径限制条件，造成新问题的新条件中使当前宏操作失效，使求解过程浪费。 没有考虑如何修改解序列。 7.4.2 类比求解问题的计算模型 EMEA的T-空间包括： 转换空间中每个状态是初始问题的潜在解，包括初始状态、最终状态、操作符序列以及路径限制。 初始状态：O-空间中检索到的相似问题的解序列。 目标状态：求解新问题的解的规范说明。 操作符将一个完整的解序列映射到另一个潜在的解序列。 差别函数：新问题情况下检索解的初始状态、中止状态、路径的约束和应用度之间的差别测度的综合。 差别表：用来检索T-空间的操作。 没有路径约束，可用更为复杂的差别函数补偿。 可用启发式函数作为规则排序。 7.4.3 问题求解状态变换 常用T-操作符： 通用插入 通用删除 子序列拼接 子目标保持替换 终结段连结 初始段连结 序列合并 操作符记录 用参数替换 解序列截断 序列倒置 差别表： 入口形式： “为简少差别，应采用T-操作符集中的一个操作” T-空间的差别测度Dr（差异函数） Dr的值是四维向量： 新旧问题初态的差别 新旧问题终态的差别 新旧问题路径限制的差别 新旧问题方法可应用度的差别。 7.4.4 转换类比学习系统 知识库——操作表 7.4.5 类比学习的泛化规则 7.5 派生类比 7.6 因果关系型类比学习 7.6.2 知识表示 7.6.3 类比匹配 7.6.4 抽取问题的特征 7.6.5 相似度的计算方法 7.6.6 最佳对应关系匹配 7.7 联想类比学习 7.8 约束满足类比 解法库中的一个解序列 求证类 (2m)×(2n)=2A 4mn=2A 2mn=A A为整数 (2m)×(2n)=2A A为整数 两项相乘 除公因子2 整数经+、-、×运算仍为整数 操作表 差 别 参数不同 … … 差 别 参数替换 … … 前提不满足 子序列拼接 输入的问题 求证类 (2m+1)×(2n+1)=2A+1 A为整数 … 类比求解过程的操作序列 求证类 (2m+1)×(2n+1)=2A+1 A为整数 4mn+2m+2n+1=2A+1 4mn+2m+2n=2A 2mn+m+n=A (2m+1)×(2n+1)=2A+1 两项相乘 两边减1 两边除公因子2 整数经+、-、×运算仍为整