Dr. Mikó Balázs Gépgyártástechnológia Tanszék
BME GTT
Mesterséges intelligencia Szakértői rendszerek Technológiai tervező rendszerek 2003/2004 I.
Mesterséges intelligencia, szakértői rendszerek
[email protected]
Dr. Mikó Balázs Gábor Dénes Főiskola
BME GTT
Mesterséges intelligencia Szakértői rendszerek Mesterséges intelligencia alapjai 2003/2004 I.
Mesterséges intelligencia, szakértői rendszerek
[email protected]
A MESTERSÉGES INTELLIGENCIA ALAPJAI Vezető tanár: Dr. Szalay Tibor adjunktus Budapesti Műszaki és Gazdaságtudományi Egyetem Gépgyártástechnológia Tanszék Tel: 463-1875, 463-2515 Fax: 463-3176 mobil: 30 2816218 e-mail:
[email protected] http://manuf.bme.hu/gdf Mesterséges intelligencia, szakértői rendszerek
Tartalom Mesterséges intelligencia Intelligencia Szakértői rendszerek Szabály-alapú következtetés Eset-alapú következtetés Frame-ek Heurisztikák Mesterséges neurális hálók Keresési algoritmusok Mesterséges intelligencia, szakértői rendszerek
1. rész
John McCarthy
MESTERSÉGES INTELLIGENCIA
Mesterséges intelligencia, szakértői rendszerek
Mesterséges intelligencia, szakértői rendszerek
Kezdetek 1956 - Darthmouth College
John McCarthy
John McCarthy Marvin Minsky Nathaniel Rochester (IBM) Claude Shannon (Bell)
Cél: Az emberi gondolkodást modellezni képes gép megalkotása. Mesterséges intelligencia, szakértői rendszerek
A kutatások célja A mesterséges intelligencia olyan kutatási terület, amely arra törekszik, hogy a számítógépek intelligensnek tekinthető tevékenységeket tudjanak végezni A kutatásoknak két fő irányuk van, egy kognitív és egy számítástudományi irány.
Mesterséges intelligencia, szakértői rendszerek
Kognitív kutatások A kognitív pszichológiával kapcsolatos kutatások a számítógépet eszközként használják az emberi gondolkodás, probléma megoldás stb megértésére, modellezésére.
Mesterséges intelligencia, szakértői rendszerek
Számítástudományi kutatások Ez a megközelítés azt tűzte ki célul, hogy intelligensebbé tegye a számítógépek viselkedését.
Itt is megfigyelhetők biológiai analógiák, de a cél nem a biológiai rendszer modellezése, megértése, hanem más területeken felmerülő problémák hatékonyabb megoldása.
Mesterséges intelligencia, szakértői rendszerek
Az MI kutatások célja • meglévő intelligens rendszerek empirikus tanulmányozása és modellezése, • intelligens rendszerekben módszerek elméleti kutatása, • gyakorlati problémák módszerek segítségével.
alkalmazható
megoldása
ezen
(Mike Sharples) Mesterséges intelligencia, szakértői rendszerek
Intelligencia I. Az intelligencia az értelmi működés fokmérője, elsősorban új körülményekhez való alkalmazkodó képességben mutatkozik meg, amely szorosan összefügg az előzőleg szerzett tapasztalati anyag alkalmazásával, a helyzet mozzanatainak széleskörű figyelembevételével és a gondolkodóképességgel. (Új magyar lexikon)
Mesterséges intelligencia, szakértői rendszerek
Intelligencia II. “Egy rendszer intelligensen viselkedik, ha a rendelkezésre álló ismeretek alapján a lehető legjobb döntést hozza egy adott cél elérése érdekében.” (Russel)
Mesterséges intelligencia, szakértői rendszerek
Intelligencia III. Kulcs jellemzők • Céltudatosság • Rugalmasság • “Eredményes lustaság” (Mike Sharples)
Mesterséges intelligencia, szakértői rendszerek
Intelligencia IV. Turing teszt - Alan Turing A számítógép intelligensnek tekinthető, amennyiben egy terminálon keresztül kérdező nem tudja eldönteni, hogy vele szemben ember, vagy számítógép áll. Képességek: - természetes nyelvmegértés - tudásreprezentáció - automatikus következtetés - gépi tanulás Mesterséges intelligencia, szakértői rendszerek
Ágens definíció Az ágens olyan rendszer, amely a következő tulajdonságokkal rendelkezik: – Beágyazottság (környezetbe ágyazott) – Reaktivitás (érzékeli környezetét és reagál az abban bekövetkezett változásokra – Autonómia (önálló működés) – Helyzetfüggőség (csak helyzethez, szerephez kötötten léteznek)
Mesterséges intelligencia, szakértői rendszerek
Racionális ágens Célja és információi vannak, és ezeknek megfelelő legjobb akciót választja. (legjobbat cselekszi - ideális intelligencia) További ágens tulajdonságok: – Kezdeményezőkészség (nemcsak reagál, de a cél érdekében beavatkozik) – Célvezérelt viselkedés – Temporális kontinuitás (huzamosabb ideig létezik)
Mesterséges intelligencia, szakértői rendszerek
MI kutatási területei Mesterséges intelligencia Számítástudományi kutatások
Kognitív kutatások
MI módszerek
MI alkalmazások
Keresés
Szakértõi rendszerek
Tudásreprezentáció
Cselekvéstervezés
Szimbolikus következtetõ módszerek
Beszédfeldolgozás
Szubszimbolikus módszerek Tanulás és adaptáció ...
Mesterséges intelligencia, szakértői rendszerek
Képfeldolgozás ...
2. rész
SZAKÉRTŐI RENDSZEREK
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer - definíció A szakértői rendszer olyan számítástechnikai hátterű probléma megoldó rendszer, amely • alapvetően különböző mesterséges intelligencia módszerekre épül, • egy szűkebb problématerület (domain) ismereteit tartalmazza , • segít nagy méretű, komplex problémák analizálásában illetve megoldásában • figyelembe véve a humán szakértők problémamegoldási folyamatát. Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer alkalmazása • a probléma megoldása gyakorlati tudást igényel, • a problématerület jól körülhatárolható, • a kiinduló adatok objektív módon leírhatók, • kevés az emberi szakértő, • fontos a probléma gyors megoldása.
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer segítségével hatékonyan támogatható problématerületek jellegzetes tulajdonságai: A problématerület elég szűk ahhoz, hogy olyan tudást lehessen benne megragadni, amely nem mindenki számára kézenfekvő, ugyanakkor elég bonyolult ahhoz, hogy ilyen szakértelemre igény legyen.
2.
1.
Az adott területnek rendelkeznie kell emberi szakértőkkel, akiknek a tudásából ki lehet indulni a rendszer elkészítéséhez.
Mesterséges intelligencia, szakértői rendszerek
3.
A humán szakértők között a szakterület alapkérdéseiben nagyfokú egyetértésnek kell lennie.
Szükséges, hogy az adott szakterületen számos tanpélda, alapadat is rendelkezésre álljon, mert csak így lehet a szakértői rendszert megbízhatóan tesztelni és tudásának korlátait meghatározni.
5.
4.
Általában annál jobb szakértői rendszert lehet építeni egy adott területen, minél jobban felosztható az illető terület olyan részproblémákra, amelyek egymással csak nagyon kevéssé interferálnak Mesterséges intelligencia, szakértői rendszerek
SzR problématípusok Procedurális problémák Diagnosztizáló problémák Monitorozó / őrző problémák Objektum tervező problémák Tevékenység tervező / ütemező problémák Mesterséges intelligencia, szakértői rendszerek
Döntéstámogató szakértői rendszer
A döntéstámogató szakértői rendszerek emlékeztetik a humán szakértőt a megfontolandó következményekre, a felderítendő alternatívákra stb., amelyek felett a szakértő esetleg elsiklana a döntéshozatal során. Mesterséges intelligencia, szakértői rendszerek
Döntéshozó szakértői rendszer
A döntéshozó szakértői rendszerek a probléma megoldásának megtalálásában segítik a problématerületen járatlan vagy kevéssé jártas felhasználót.
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszerek hátrányai • nehéz új, vagy a szokásostól eltérő helyzetekre felkészíteni,
• nem kreatív,
• a fejlesztés drága és időigényes. Mesterséges intelligencia, szakértői rendszerek
Összehasonlítás Humán szakértő
Szakértői rendszer
A képességek és a tudás idővel változik
A tudása állandó
Felkészítése hosszú és költséges folyamat
Fejlesztése drága, de sokszorosítható
Érzelmi állapota befolyásolja a döntéshozatalt
Állandó és megismételhető eredményt biztosít
Ritka és drága
Használata és karbantartása viszonylag olcsó
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer felépítése I. TUDÁSBÁZIS
Tudásg yûjtõ és karbantartó rendszer
Következtetõ m echanizm us
Tudásm érnök
Munka m em ória
Nyom követö rendszer
Felhasználói felület
Felhasználó
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer felépítése II. A rendszer tudását a tudásbázis tartalmazza, amit a tudásmérnök állít össze és tart karban. A tudásmérnök a problématerület ismerője, aki átlátja a problématerülethez kapcsolódó ismereteket és képes azt rendszerezni.
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer felépítése III. A felhasználó a felhasználói felületen keresztül tud kommunikálni a rendszerrel, itt tudja leírni a problémát és ezen keresztül kapja meg a megoldást is.
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer felépítése IV. A felhasználó által leírt probléma a munka memóriába kerül, majd a megoldás során a következtető mechanizmus, felhasználva a tudásbázis adatait, megpróbál választ adni.
Mesterséges intelligencia, szakértői rendszerek
Szakértői rendszer felépítése V.
A következtetés folyamatát a nyomkövető rendszer segítségével tudjuk figyelemmel kísérni.
Mesterséges intelligencia, szakértői rendszerek
Szakértői keretrendszer I. Keretrendszer: szakértői rendszer váz, amely tartalmazza a tudásbázis illetve a felhasználói felület szerkesztésére alkalmas programozói eszközöket.
Mesterséges intelligencia, szakértői rendszerek
Szakértői keretrendszer II. Prog ram ozó
TUDÁSBÁZIS (üres)
Tudásg yûjtõ és karbantartó rendszer
Következtetõ m echanizm us
Munka m em ória
Nyom követö rendszer
Prog ram ozó
Tudásm érnök
Felhasználói felület
Felhasználói felület szerkesztõ Felhasználó Mesterséges intelligencia, szakértői rendszerek
Fejlesztési folyamat
A problém a m eg határozása, A szakértõi rendszer feladatainak kijelölése Tudás-, ism eretg yûjtés Ism eretanyag feldolg ozása Rendszerezés, Közös adatstruktúra kialakítása Bem enõ- és kim enõ adatok m eg határozása
Tervezési elv és fejlesztési környezet választás
stb.
Fejlesztés hagyományos környezetben
Fejlesztés keretrendszerben
Tesztelés Mesterséges intelligencia, szakértői rendszerek
3. rész
TUDÁSREPREZENTÁCIÓ ÉS KÖVETKEZTETÉS
Mesterséges intelligencia, szakértői rendszerek
Tudásreprezentáció Frame-ek Szabályok Esetek Heurisztikák
Mesterséges intelligencia, szakértői rendszerek
Frame
Marvin Minsky
FRAME - információ tárolási alapegység, összefoglalja mindazon tulajdonságokat, amelyek egy objektumra jellemzők, és azokat a relációkat, melyek ezt az objektumot más objektumokkal összekapcsolják.
Mesterséges intelligencia, szakértői rendszerek
Frame alapú tudásreprezentáció
Az emberi gondolkodás (emlékezet) általában tárgyakhoz, objektumokhoz kötődik. Az emberi gondolkodás összekapcsolja az objektumot annak jellemző tulajdonságaival, viselkedésével, környezetével.
Mesterséges intelligencia, szakértői rendszerek
Alapelemek Osztályok - Alosztályok - Példányok → hierarchikus felépítés Példa:
osztály - alosztály osztály
szerszámgép
alosztály
eszterga
marógép
Mesterséges intelligencia, szakértői rendszerek
Példa:
alosztály - példány
osztály
példány
marógép
M-21
M-21
M-23
Magukban hordozzák a tulajdonságokat és relációkat Alapvető kapcsolatuk az öröklődés (tulajdonságok relációk öröklődnek a hierarchiában “felettük” (előttük) levőtől Többszörös (több helyről való) öröklődés - több kapcsolat - több szint Mesterséges intelligencia, szakértői rendszerek
Technikai megvalósítás: frame egyedi azonosító slot: tulajdonság vagy reláció speciális relációk - osztály - alosztály (is-a) - osztály - példány (instance-of) érték - default: örökölt értékek Osztály X
Példány ...
Alosztály k
Példány 2
Alosztály l
Példány 1 Osztály X - Alosztály m
Alosztály m Tulajdonság 1
Tulajdonság 1
=
Érték 1
Tulajdonság 2
Tulajdonság 2
=
Érték 2
Tulajdonság 3
Tulajdonság 3
=
Érték 3
Mesterséges intelligencia, szakértői rendszerek
Példa (defframe macska Osztály (szín) tulajdonság (megeszi (egér madár))) reláció (defframe házimacska Alosztály (is-a macska) hierarchia (név) tulajdonság (megeszi (konzerv madár))) reláció (defframe Mirci Példány (instance-of házimacska) hierarchia (név Mirci) tulajdonság (megeszi (konzerv kanári))) reláció
Mesterséges intelligencia, szakértői rendszerek
A frame-alapú reprezentáció előnyei – hétköznapi gondolkodáshoz illő reprezentáció – hatékony következtetés az osztályok és az objektum példányok tulajdonságairól – implementáció: objektum-orientált programozás – Nincs szükség következtető eljárásra, az adatstruktúra hordozza a következtetést Szakértő rendszerekben gyakran alkalmazott reprezentációs módszer
Mesterséges intelligencia, szakértői rendszerek
Problémák - 1 Konfliktus öröklődéskor default értékek és több helyről való öröklődés Honnan vegyük az értéket? Példa: (1) A marógépek vezérelt tengelyeinek száma általában 3, és státusza szabad. (2) A körasztallal ellátott marógép is marógép. (3) A körasztallal ellátott marógép vezérelt tengelyeinek száma 4. 4) A karbantartott berendezések státusza foglalt. 5) M-33 egy karbantartás alatt álló, körasztallal ellátott marógép.
Mesterséges intelligencia, szakértői rendszerek
Reprezentáció Osztály
Frame-ek
Alosztály
Példány
Marógép vtengely: 3 státusz: sz.
Marógép körasztallal vtengely: 4
Karbantartott berendezés státusz: f.
TC 3 marógép vtengely: ? Státusz: ?
- konfliktus egy öröklődési út mentén - konfliktus több út mentén Mesterséges intelligencia, szakértői rendszerek
Problémák - 2
Nem-monoton következtetés monoton következtetés Új tény hozzáadásával egy korábbi konklúzió nem válik hamissá (az ismert állítások halmaza monoton nő). nem-monoton következtetés Bármit állítunk, megfordítható az igazsága. Default értékek esetén a monoton következtetés nem működik.
Mesterséges intelligencia, szakértői rendszerek
Példa
tudjuk, hogy ∀x madár(x) repül(x) madár(Pipi) tehát: repül(Pipi)
újabb ismereteink: ∀x pingvin(x) ¬repül(x) ∀x pingvin(x) madár(x) pingvin(Pipi) mindebből az (is) következik: ¬repül(Pipi)
Ellentmondás!
Mesterséges intelligencia, szakértői rendszerek
Metódusok - Démonok A slot-okhoz nemcsak logikai értéket (tulajdonság, reláció), hanem számítási eljárások is rendelhetők.
Metódus
A metódus a frame manipulálásakor aktivizálódik: - if-needed ha a frame értékét vesszük át - when-changed ha egy slot értéke változik
A slot-okhoz hasonló öröklődési problémák Mesterséges intelligencia, szakértői rendszerek
Szabály-alapú következtetés Ha …, akkor…
Szabály Feltétel Akció
Tények
Mesterséges intelligencia, szakértői rendszerek
Következtetési ciklus Mintaillesztés
Adatbázis
Kiválasztás
Tüzelés
Mesterséges intelligencia, szakértői rendszerek
Szabály bázis
Következtetés I. Adatvezérelt következtetés Ha a következtető mechanizmus talál olyan szabályt, melynek feltételeit a tények kielégítik, akkor végrehajthatja a szabályt, aminek hatására a tények módosulnak.
Mesterséges intelligencia, szakértői rendszerek
Következtetés II. Célvezérelt következtetés Cél meghatározása Szabály kiválasztása Tények illeszkednek? Újabb cél kijelölése
Mesterséges intelligencia, szakértői rendszerek
A cél igazolva
Fejlesztés keretrendszerben Fejlesztés keretrendszerben Implementálás Elökészítés
Felhasználói felület m eg tervezése
Osztályok definiálása Osztályok leprog ram ozása Szabályok létrehozása Szabályok leprog ram ozása Eljárások létrehozása Eljárások leprog ram ozása
Help, User's Guide, Tutorial, Report Maker etc. Mesterséges intelligencia, szakértői rendszerek
Level5 Object Szabály-alapú szakértői keretrendszer
Mesterséges intelligencia, szakértői rendszerek
Level5 Object
Mesterséges intelligencia, szakértői rendszerek
Level5 Object
Mesterséges intelligencia, szakértői rendszerek
Level5 Object
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák Szerszámgép választás Szerszám választás Megmunkálási sorrendtervezés Szerszám hibadiagnosztika
Mesterséges intelligencia, szakértői rendszerek
Előgyártmányválasztás
Előgyártmány
Alkatrész
Meghatározandó paraméterek: Anyag Technológia Alak Ráhagyások Méretpontosság
Cél: az előgyártmánygyártás és az alkatrészgyártás költsége legyen minimális.
Mesterséges intelligencia, szakértői rendszerek
Előgyártmányválasztás
Kizáró kritériumok Idő kritériumok Értékelő szabályok
Szabály-alapú szakértői rendszer Egyszerűsített geometria
Szabályok
Előgyártmány típus
Szabályok
Ráhagyási alakzat
Szabályok
Előgyártmány geometria
Technológiai lépések Ráhagyások
Felület összevonások Mesterséges intelligencia, szakértői rendszerek
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példa
Csoporttechnológia adaptálása
Mesterséges intelligencia, szakértői rendszerek
Költségbecslés
Alkalmazási példa
Mesterséges intelligencia, szakértői rendszerek
Alkatrész modell
§ Műveletelemek
Gyártási idő- és költség becslése
Szabályok
1.
§
Előzési mátrix
Szabályok
Mátrix elimináció Mesterséges intelligencia, szakértői rendszerek
2.
3.
Heurisztikus képletek
Becsült adatok
Mesterséges intelligencia, szakértői rendszerek
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példa
Robotmegfogó tervezés
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példa
Robotmegfogó tervezés
Mesterséges intelligencia, szakértői rendszerek
Robotmegfogó tervezés Koncepcionális tervezés
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példa
Robotmegfogó tervezés Részletes tervezés
Mesterséges intelligencia, szakértői rendszerek
Robotmegfogó tervezés
(Video) Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példa Megmunkálás diagnosztika Bemutatás
Szerszámanyag választás Bemutatás Mesterséges intelligencia, szakértői rendszerek
Eset-alapú következtetés (CBR)
(A. Aamodt)
“Egy új probléma megoldása azálltal, hogy felidézünk egy korábbi már megoldott problémát, és felhasználjuk ennek megoldásából származó tudást és tapasztalatot.”
Mesterséges intelligencia, szakértői rendszerek
Eset-alapú következtetés (CBR)
“Az eset-alapú következtatés egy régi probléma megoldásának új helyzetben történő adaptálását jelenti.”
(Janet Kolodner) Mesterséges intelligencia, szakértői rendszerek
Következtetési folyamat
Új probléma Indexelés Visszakeresés
Esetbázis
Hasonló esetek Választás Javasolt megoldás
Tanulás
Adaptálás Ellenörzés
Megoldás Mesterséges intelligencia, szakértői rendszerek
Egy eset szerkezete Indexelt információ
16H7F76AC987...
Nem indexelt információ Mesterséges intelligencia, szakértői rendszerek
Indexelés Az indexelés célja: - az eset jellegzetességeinek leírása, - az információ rendszerezése, tömörítése.
Indexelés
Eset
Kód
Mesterséges intelligencia, szakértői rendszerek
Keresés - Választás Hasonlósági becslés: Mikor hasonló két eset?
Hatékony keresési algoritmus. Mesterséges intelligencia, szakértői rendszerek
Adaptálás Az adaptálás célja: A kiválasztott esethez tarozó megoldás módosítása az új körülmények figyelembevételével. Új eset Megoldás Adaptálás Eset Megoldás Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák Készüléktervezés
Műveleti sorrendtervezés Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák
Műveleti sorrendtervezés
Mesterséges intelligencia, szakértői rendszerek
Mesterséges intelligencia, szakértői rendszerek
Alkatrész modell
Gyártási idő- és költség becslése
+ Paraméter lista
Eset bázis
Keresés
Hasonlóság megállapítása Választás Adaptálás
Becsült adatok Mesterséges intelligencia, szakértői rendszerek
Heurisztikák A heurisztika olyan algoritmizált feladatmegoldó módszer, mellyel ismert megoldási módszerekből kiindulva adott problémák újszerűen, automatikusan oldhatók meg.
Mesterséges intelligencia, szakértői rendszerek
Heurisztikák A heurisztikus módszerek bonyolult feladatok megoldására igyekeznek nem minden lehetséges utat kipróbálni, hanem hasonlósági alapon bizonyos feladatmegoldási típusok alapulvételével elindulnak egy-egy nem biztos, de valószínű megoldás felé.
Mesterséges intelligencia, szakértői rendszerek
4. rész
NEURÁLIS HÁLÓK
Mesterséges intelligencia, szakértői rendszerek
Neurális hálók Számítási feladatok megoldására létrehozott párhuzamos adatfeldolgozást végző adaptív eszközök, melyek eredete az emberi agy működésének modellezésére vezethető vissza
Felépítésüket tekintve egyszerű, általában adaptív elemek sűrűn összekapcsolt hálózata illetve hierarchikus szervezete.
Mesterséges intelligencia, szakértői rendszerek
Biológiai analógia I.
Mesterséges intelligencia, szakértői rendszerek
Biológiai analógia II.
Mesterséges intelligencia, szakértői rendszerek
Történeti áttekintés 1943 McCulloch és Pitts 1958 Rosenblatt 1960 Widrow és Hoff 1962 Rosenblatt többszintű perceptron 1969 Minsky és Papert 1982 Hopfield 1986 Rummelhat, Hinton és Williams 1989 Kohonen 1991 Carpenter és Grossberg adaptive resonance theory ART
Mesterséges intelligencia, szakértői rendszerek
Fontosabb típusok Neurális Hálók Binális bemenet Felügyelt tanítás
Hopfield Hanning háló háló
Nem felügyelt tanítás Carpenter/ Grossberg háló
Folytonos és bináris bemenet Felügyelt tanítás
egy rétegû perceptron
Nem felügyelt tanítás
több rétegû Kohenen háló perceptron
Mesterséges intelligencia, szakértői rendszerek
Perceptron X1 X2
S = xi wi
w1
n
w2 S
Xn
f(.)
Y
Y = f(S) wn
Mesterséges intelligencia, szakértői rendszerek
Nemlinearitások s>1 +1 ° Y = ® S −1 ≤ S ≤ + 1 ° −1 s<1 ¯
+1 s > 0 Y=® ¯ −1 s ≤ 0
Lépcsőfüggvény
Telítéses lineáris függvény
Y= Y=
1 − e − K ⋅S 1 + e − K ⋅S
Tangens hiperbolikusz függvény
1 1 + e − K ⋅S
Szigmoid függvény
Mesterséges intelligencia, szakértői rendszerek
Perceptron háló Közbenső réteg Kimeneti réteg
Bemeneti réteg
...
Mesterséges intelligencia, szakértői rendszerek
Back-propagation Új változtatás
Hiba
∆wi , j ( n) = −η *
∂E ( w) + α * ∆wi , j ( n − 1) ∂wi , j
Tanulási ráta
Hiba:
E ( w) =
Előző változtatás
Momentum
2 1 * (t − o( w)) 2 k
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák Megmunkálási igények felmérése Forgácsolási paraméterek meghatározása Folyamatfelügyelet, hibadiagnosztika
Mesterséges intelligencia, szakértői rendszerek
Alkalmazás Feladattípusok • osztályozás • az információmennyiség erős csökkentése
•
transzformáció egyik adatstruktúrából egy másikba való átalakítás pl. írott szöveg → beszéd
•
optimalizálás
Mesterséges intelligencia, szakértői rendszerek
Példa
Szerszámkopás felügyelet
Mesterséges intelligencia, szakértői rendszerek
Szerszámok állapotbesorolása Állandó forgácsolási paraméterek
Jel jellemzôk
éles
Osztályozási eredmény
kopott
Hálóstruktúra
Mesterséges intelligencia, szakértői rendszerek
Szerszámkopás becslése Állandó forgácsolási paraméterek
Jel jellemzôk
hátkopás
Mesterséges intelligencia, szakértői rendszerek
Gyártási idő- és költség becslése
Alkatrészmodell
Paraméter lista Tanítási minta ANN W1 W2 Becsült adatok
Σ
S
f(S)
W3
Mesterséges intelligencia, szakértői rendszerek
Költségbecslés
Műanyag fröccsöntő szerszám
?
Mesterséges intelligencia, szakértői rendszerek
Rendszerterv
Gyártandó termék
Gyártandó termék
Szerszámtervezés
ECoTEst/Mold Alkatrész és szerszámparaméterek
Mesterséges neurális háló
Utókalkulációs adatok
Gyártáselőkészítés
Tanító algoritmus
Szerszámgyártás
Becsült idő- és költségadatok
Szerszám Mesterséges intelligencia, szakértői rendszerek
5. rész
KERESÉSI ALGORITMUSOK
Mesterséges intelligencia, szakértői rendszerek
Keresési algoritmusok Vak kereső eljárások:
Heurisztikus kereső eljárások:
• Szélességben először keresés • Mélységben először keresés • Korlátozott mélységű keresés • Iteratív mélyítés
• Legjobbat először • A* • IDA*
Iteratív javító algoritmusok: • Csúcsra mászás • Tabu keresés • Szimulált hűtés
Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák t est = C ⋅ B X B ⋅ H X H ⋅ LX L
Gyártási idő becslés Heurisztikus összefüggések
test = C ⋅ D X D ⋅ LX L
Legkisebb négyzetek módszere n
(
S = t i − C ⋅ Li i =1
XL
⋅ Bi
XB
⋅ Hi
)
XH 2
MIN
(
∂S =0 ∂C ∂S =0 ∂X B
∂S =0 ∂X L ∂S =0 ∂X H
)
n ∂S X X X 2⋅ X 2⋅ X 2⋅ X = 2 ⋅ − t i ⋅ Li L ⋅ Bi B ⋅ H i H + C ⋅ Li L ⋅ Bi B ⋅ H i H = 0 ∂C i =1 n ∂S X X X 2⋅ X 2⋅ X 2⋅ X = 2 ⋅ − t i ⋅ C ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln Li + C 2 ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln Li = 0 ∂X L i =1 n ∂S X X X 2⋅ X 2⋅ X 2⋅ X = 2 ⋅ − t i ⋅ C ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln Bi + C 2 ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln Bi = 0 ∂X B i =1 n ∂S X X X 2⋅ X 2⋅ X 2⋅ X = 2 ⋅ − t i ⋅ C ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln H i + C 2 ⋅ Li L ⋅ Bi B ⋅ H i H ⋅ ln H i = 0 ∂X H i =1
(
)
(
)
(
)
Mesterséges intelligencia, szakértői rendszerek
Numerikus kereső algoritmus
C, B, H, L
C1, B, H, L
C1, B, H, L
C2, B, H, L
C2, B, H, L
C, B1, H, L
C, B1, H, L
C, B2, H, L
C, B2, H, L
C, B, H1, L
C, B, H1, L
C, B, H2, L
C, B, H2, L
C, B, H, L1
C, B, H, L1
C, B, H, L2
C, B, H, L2
Változás Hiba
∆ = 0.01 +
Di =
Mesterséges intelligencia, szakértői rendszerek
Eredmények
Mesterséges intelligencia, szakértői rendszerek
...
Random (100) 100 ⋅ m
t −t j
j
i, j
Genetikus algoritmus Charles Darwin
Evolúciós párhuzamra épülő numerikus optimálási eljárás.
John Holland Mesterséges intelligencia, szakértői rendszerek
Egyed: egy lehetséges megoldás. Populáció: egy lehetséges megoldások halmaza. Életképes: a keresési tartományon belüli. Rátermettség: célfüggvény érték.
Mesterséges intelligencia, szakértői rendszerek
P aram éterek b eállítása
Működés
K ez deti pop uláció g enerálása
K iértékelés, S orbarendez és
K iválasz tás
Mutáció
K eresz tez és
K iértékelés, S orbarendez és
Leállási feltétel
S TOP Mesterséges intelligencia, szakértői rendszerek
Keresztezés 011011000101101 100111101100100
Keresztezési pont 01101100
0101101
10011110
1100100
Szegmensek cseréje 01101100
1100100
10011110
0101101
Mesterséges intelligencia, szakértői rendszerek
Mutáció Mutációs pont 011011000101101
011011010101101
Érték megváltoztatása
Mesterséges intelligencia, szakértői rendszerek
Működési paraméterek A működést befolyásoló paraméterek: Populáció nagysága Keresztezési ráta Mutációs ráta Keresztezési pontok száma Mutációs pontok száma Leállási feltétel Mesterséges intelligencia, szakértői rendszerek
Alkalmazási példák Sorrendtervezés Forgácsolási paraméterek meghatározása Ütemezés
Mesterséges intelligencia, szakértői rendszerek
Irodalom Fekete István – Gregorics Tibor – Nagy Sára: Bevezetés a mesterséges intelligenciába, LSI 1990. Stuart Russel – Peter Norvig: Mesterséges intelligencia, Panem 2000. Futó Iván: Mesterséges intelligencia, Aula Kiadó, 1999. Sántáné – Tóth Edit: Tudásalapú technológia, szakértői rendszerek; Miskolci Egyetem Dunaújvárosi Főiskolai Kar Kiadóhivatal, 1998.
Mesterséges intelligencia, szakértői rendszerek
Web lapok AI.lap.hu Agent portál
http://ai.lap.hu http://agent.aitia.ai/
manuf.bme.hu/gdf
Mesterséges intelligencia, szakértői rendszerek
Írásos anyag letölthető http://drmikobalazs.ingyenweb.hu Oktatás
[email protected] [email protected] Mesterséges intelligencia, szakértői rendszerek
Összefoglalás Mesterséges intelligencia Intelligencia Szakértői rendszerek Szabály-alapú következtetés Eset-alapú következtetés Frame-ek Heurisztikák Mesterséges neurális hálók Keresési algoritmusok Mesterséges intelligencia, szakértői rendszerek