Home >Documents >ICA 1- Introducere IA

ICA 1- Introducere IA

Date post:03-Mar-2016
Category:
View:227 times
Download:0 times
Share this document with a friend
Description:
IA introduction
Transcript:
  • INTELIGEN COMPUTAIONAL APLICAT. SOLUII I IMPLEMENTRI

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    2

    CAPITOLUL 1INTRODUCERE N INTELIGENA COMPUTAIONAL

    1.1. Analiza proceselor de adaptare n sistemelebiologice

    1.1.1. Terminologie

    Conform literaturii de specialitate, adaptabilitatea const n capacitateaunui sistem de a (ii) modifica parametrii operationali, cu scopul de a (ii)indeplini mai bine sarcinile i include [] orice proces n cursul cruia o structureste modificat progresiv, pentru a furniza performane mai bune n mediul sude existenta [1]. Un caz particular il reprezint adaptabilitatea dinamic, in caresistemul reactioneaza la schimbarile de mediu in timp real [1]. Prin definitie,nvarea reprezint acumularea unei serii de cunotine sau competene,dobndite prin instruire sau studiu. A nva presupune abilitatea de anelege/a se califica, prin intermediul instructajului sau a experienei [1].

    1.1.2. Limite i bariere. Cele trei spaii ale adaptabilitii

    Adaptabilitatea este un proces fundamental, care, desi apare in natura ntr-o mare varietate de forme, este analizat ca un intreg si face obiectul uneimetode de studiu coerente si unificate [1]. Procesele de adaptare sunt procesede ameliorare (imbuntire).De obicei, ele nu sunt procese de optimizare desine stttoare. Adaptabilitatea depete barierele de neliniaritate i deoptimizri locale [2]. Are loc o modificare treptat a uneia sau mai multorstructuri de cunostinte ale sistemului i se folosesc un set de operatori ceevolueaz n timp.

    Comentariu [HS1]: pentru carteacest topic va fi inclus in celprecedent

    Comentariu [HS2]: aici am ramas

    Comentariu [HS3]: unificata cupropozitia anterioara

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    3

    Printre barierele adaptabilitii sunt menionate: spaiile prea vaste, unnumr prea mare de variabile, funciile de fitness (de potrivire) complexe sineliniare, funciile de fitness variabile n timp i variabile n zona parametrilorde intrare, mediile complexe i variabile.

    Se difereniaz [2] trei spaii ale adaptabilitii:1) Spaiul parametrilor de intrare, numit i spaiul problemei, ce

    reprezint domeniul dinamic al parametrilor de intrare i este specificat n moduzual;

    2) Spaiul ieirilor sistemului, spatiul funciei, este specificat de anumitecondiii (constrngeri) hardware sau software; reprezint, domeniul dinamic alvariabilelor de iesire;

    3) Spaiul potrivirii reprezint spaiul n care se definete valoareasoluiilor dorite n spaiul ieirilor, determinate n urma adaptrii. n funciede natura problemei ce trebuie soluionat, potrivirea se scaleaz ntre 0 i 1,nsemnnd: nivelul 0 minimizare, nivelul 1 de maximizare;

    Spaiile ieirilor sistemuluii cel al potrivirii pot sau nu s coincid.

    1.1.3. Clasificarea tipurilor de adaptabilitate: supervizat,nesupervizati forat

    Procesul adaptrii (adaptabilitatea) se poate realiza n trei moduri distincte[2], dup cum urmeaz:

    1) Adaptarea supervizat, n care ieirea sistemului este aprioricunoscut;

    2) Adaptabilitatea nesupervizat n care ajustarea se face fr un obiectivanume la ieire;3) Adaptabilitatea forat, n care se urmrete obinerea unui anumitobiectiv la ieire.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    4

    1.1.4. Adaptabilitatea supervizat.Comportamentul sistemelor adaptate

    Adaptabilitatea supervizat reprezint acel tip de ajustare (adaptare) alsistemului astfel nct acesta s genereze o ieire specficat, ca rspuns la ointrare specificat. Supervizarea presupune c ieirea este apriori cunoscutpentru toate intrrile, iar algoritmul de antrenare al sistemului utilizeaz eroareapentru a dirija antrenarea [3].

    Paii utilizai n adaptarea supervizat sunt urmtorii: profesorulfurnizeaz perechile de date intrare-ieire (standardul de referin); adaptarease realizeaz prin iteraii, astfel nct potrivirea este adeseori inversproporional cu suma erorilor. Adaptarea supervizat este eficient pentruaproximarea funciilor, de exemplu algoritmul cu propagare invers folosit nantrenarea reelelor neuronale [2].

    Figura 1.1 Adaptabilitatea supervizat ( Eberhart 2007)

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    5

    Legea Suficienei: Dac soluia unei probleme este destul de bun(satisface specificaiile), destul de rapid i destul de ieftin, atunci estesuficient. [4]

    1.1.5. Adaptabilitatea nesupervizat

    n cadrul acestui tip sistemul se va adapta la regularitile datelor, nconformitate cu normele implicite ale design-ului sau, nefiind prezent un sau un extern. Obiectivele nu exist. [3]. Interpretarearezultatului instruirii (este bun, este utilizabil) este realizat la finalizarea instruirii,iar evaluarea off-line este in general realizat de un om sau de ctre un sisteminteligent.

    Figura 1.2 Adaptabilitatea nesupervizat (Eberhart, 2007)

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    6

    Adaptarea nesupervizat este utilizat n general pentru problemele declasificare (clustering), sau de nvare competitiv. Clasificarea grupeazvectorii de intrare (pattern) similari n submulimi (grupuri) numite clustere(clase). Elementele dintr-un grup (clas) au un grad ridicat de asociere naturalntre ele, totui acestea sunt relativ distincte unele fa de altele. n cadrulacestei probleme de clasificare exist doua faze eseniale: determinareanumrului de clase i repartizarea fiecrui punct de date (pattern) ntr-un grup(cluster). Exemple sunt reelele SOFM (self-organising feature maps, numite iKohonen Maps) i LVQ (learning vector quantization).

    1.1.6. Adaptabilitatea foratAdaptarea forat (reinforcement adapting) poate fi privit caun semnal

    de armare, ce clasific rspunsul sistemului ca fiind bun sau prost. Un critic oferinformaii euristice pentru ntrire (ajutor, sprijin) [3]. Este necesar s existe unfel de msur a potrivirii sau scopului, iar o astfel de msura nu se poate obine

    direct, dar pot exista sugestii: ct de bun este o soluie fa de alte soluii.Adaptarea forat este metoda cea mai apropiat de sistemele biologice

    (animalele, inclusiv oamenii, tind s evite comportrile ce le provoac disconforti tind s caute sau s repete aciunile care le aduc confort).

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    7

    Figura 1.3 Adaptabilitatea forat (Eberhart, 2007)

    Adeseori, sistemul primete o serie de date (intrare, stare) i doar lasfrit evalueaz potrivirea sistemului. Criticul se uit numai la rezultatelefinale, nelund n considerare erorile datorate fiecrei intrri. De exemplu, noptimizarea roiurilor de particule se poate calcula doar ct de bun este osoluie n raport fa de alta.

    1.1.7. Auto-organizarea

    Auto-organizarea reprezint o proprietate a unui sistem evolutiv de a-ielabora noi forme de organizare, noi modele sau structuri interne. [2]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    8

    Sistemele cu auto-organizare prezint aparent o ordine spontan, procesulpoate fi vazut ca o ncercare continu a sistemului de a se organiza el insui nstructuri mai complexe, chiar i n faa forelor permanente de desfacere(farmiare) descrise de legea a doua a termodinamicii. ntreaga stare asistemului este o proprietate de emergen a acestuia, iar componenteleinterconectate ale sistemului devin organizate ntr-o manier productiv, plin deneles, n funcie de informaiile locale, iar dinamica global reiese din regulilelocale. [4]

    Sistemele complexe se pot auto-organiza, iar procesul de auto-organizareapartine domeniului de iteratie al teoriei haosului [2]. Exemple de asemeneaprocese: formarea cristalelor de ghea, cristalizarea srii, automate celulare,creierul uman.

    1.2. Repere istorice

    Prima dat termenul a fost utilizat n contextul sau actual de ctre JamesBezdek n 1992 [2]. Primul Congres Mondial IEEE privind InteligenaComputaional a fost cel din Orlando din anul 1994, iar prima lucrare privindInteligena Computaional n 1996. Cel de-al doilea Congres Mondial IEEEdespre CI a avut loc n Anchorage n 1998. Congrese ulterioare bazate peaceast tem au avut loc n Hawaii (2002), n Vancouver (2006), apoi Hong Kong(2008).

    Inteligena Computaional a fost titlul unei reviste din Canada ncepndcu 1980, dar nu nsemna la acea vreme ceea ce am inelege noi acum prinacest termen. Primul publicaie ce a utilizat acest termen a fost publicat abia n1992, de ctre Bezdek n Int. Jour, articolul dezbtea (bazndu-se pe unraionament aproximativ) problema recunoaterii patternurilor, precum i acalculului evolutiv la care face referire domeniul Inteligenei Computaionale.

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    9

    1.2.1. Concepia DarwinianInteligena computaional a fost bazat n mare parte pe teoria

    darwinist i pe analogiile biologice [2], mai exact pe concluziile elaborate (prinintermediul experimentelor genetice) de ctre Darwin i Mendel: structuracromozomilor e determinat de ctre parini; mutaiile genetice genereazapariia unor noi caractere, care pot sporiansele individului de a supravieuisau de a se adapta unor noi condiii de mediu. Aceste caractere pot fi transmiseereditar urmailor, permind speciei respective s evolueze; cel mai puternicindivid are ansele cele mai mari de supravieuire.

    1.2.2. Definiia BezdekUn sistem computaional este inteligent atunci cnd: se ocup numai cu

    date numerice (nivel sczut), are o componen de recunoatere a formelor, nufoloseste logica i cunostiinele Inteligenei Artificiale; caracterul inteligenteste marcat de momentul cnd: ncepe s expun adaptabilitateacomputaional, ori tolerana la erorile de computaie; de asemenea, atuncicnd viteza sa de rspuns i rata de eroare ncep s fie aproximativ umane. [5]

  • 1 INTRODUCERE N INTELIGENA COMPUTAIONAL

    10

    Figura 1.4 Etape n recunoaterea de patternuri (Bezdeck, 1994)

    1.2.3. Interpretarea PedryczInteligena Computaional este un domeniu aprut recent de cercetare

    fundamental i aplicat, ce exploat

Embed Size (px)
Recommended