Міністерство освіти та науки україни

Одеський національний політехнічний

університет

Інститут комп’ютерних систем

Кафедра «Системне програмне забезпечення»

Крiсiлов В. А.

ОСНОВИ ПРОЕКТУВАННЯ СИСТЕМ ШТУЧНОГО ИНТЕЛЕКТУ

Методичні вказівки до лабораторних робіт

для студентів спеціальностей 7.091501, 7.080403

Лабораторная работа №3

Формалізація задач прогнозування стану складних об’єктів на базі аналізу їхніх часових змін

2001

Тема лабораторной работи

Решение задачипрогнозирования.

Теоретические сведения

Задача прогнозирования состоит в принятии решения о принадлежности к тому или иному классу на основе накопленной статистики. Здесь используется второй подход в формировании эталонов – объективный (статистический). Наиболее целесообразным статистическое обучение является в задачах классификации. Особо внимательно следует подходить к формированию эталона, когда объективный и субъективный подходы дают разные (порой противоречивые) эталонные значения, когда статистика показывает одни эталоны, а эксперты назначают совсем другие. В этом случае можно совместить оба способа обучения: выполнить статистическое обучение, после чего проделать ручную корректировку эталонов.

ВАЖНО!

В задаче классификации со статистическим обучением (в лабораторной работе это не обязательно) для повышения качества обучения используют дополнительный класс "Не знаю".К нему будут относиться объекты, классифицировать которые по основным классам система затрудняется. Вы могли столкнуться с такой ситуацией в лабораторной работе №2, когда получили приблизительно одинаково высокие (объект одинаково близок к эталонам обоих классов) либо низкие (одинаково "плох" для этих классов) интегральные характеристикиобъекта в разных классах. Система сама сформирует эталоны для этого класса (как и для всех остальных), если в обучающей выборке указать соответствующее количество объектов, относящихся к классу "Не знаю".

Формирование обучающей выборки

Для статистического формирования эталонов необходима обучающая выборка. В задаче классификации обучающую выборку образуют объекты, для которых известны значения свойств и достоверно известен класс, к которому относится объект. Поэтому статистическое формирование эталонов существенно зависит от состава и качества обучающей выборки. Такая выборка должна содержать в 2 – 3 раза больше объектов, чем свойств для каждого класса и отражать все разнообразие оцениваемых объектов. Второе правило формирования обучающей выборки – качественное – объекты должны быть яркими представителями своего класса и мало отличаться друг от друга, обучающая выборка не должна содержать объекты с приблизительно одинаковыми свойствами, но принадлежащие разным классам (приведет к перекрытию эталонов). Выполнение этого правила может скомпенсировать недостаточное количество объектов в обучающей выборке.

Глава 1. БазисExpekProраздел Формирование модели.

Редактирование экспертной оценки

Для последующего статистического обучения системы эксперт должен ввести обучающую выборку, т.е. множество объектов с заранее известной оценкой. Для ввода и редактирования экспертной оценки текущего объекта выберите пункт меню "База данных|Редактировать экспертную оценку...", или нажмите клавишу"ENTER" в зоне результатов, или произведите двойное нажатие левой кнопки мыши на нужном объекте в зоне результатов. В результате выполнения этих действий перед Вами появится окно, аналогичное окну редактирования объекта базы данных. Оно отличается лишь тем, что в пределах этого окна не допускается редактирование регистрационных свойств, а вместо информационных свойств для редактирования доступно поле экспертной оценки. В остальном же предоставляемые Вам возможности и методы работы в пределах этих окон одинаковы.

Глава 9. Введение базы данных объектов, раздел Работа с базой данных.

Обучение проекта

Для формирования множества эталонов на основании статистики Вы должны выполнить три действия:

1. Настройку и запуск статистического обучения.

2. Анализ и корректировку эталонов.

3. Сохранение эталонов.

Для запуска статистического обучения выберите пункт меню "Обучение|Эталоны|Статистические..." Перед Вами появится экран настройки статистического обучения. Настроить обучение следует так:изменять – все, демонстрировать – все, разбиение – 5.Нажатие на кнопку "OK" приведет к запуску обучения по статистике. Если в экране настройки статистического обучения Вы указали системе показывать результаты, то по окончании процесса обучения Вы попадете в режим ручного редактирования эталонов. Находясь в этом режиме, Вы можете просматривать и, при желании, редактировать эталоны.

Глава 8. Обучение проекта, раздел Анализ эталонов в задаче классификации

Полученные по результатам обучения эталоны показывают, как варьируются значения свойств во всем множестве оцениваемых объектов. В процессе формирования эталонов строится функция плотности распределения значений свойств у объектов, которая в идеале должна приближаться к кривой нормального (Гауссовского) распределения, минимальной площадью перекрытия и не совпадающими максимумами при совмещении эталонов классов.

Пусть имеем функции распределения некоторого свойства в трех классах (рис.2). Эталон класса Аимеет малую область перекрытия с классамиВиС, а эталоны в классахВиСпересекаются значительно. Если появится объектХс мерой выраженностиа, то система не сможет правильно определить его класс. А вот объекты в областяхА, В и Сбудут очень хорошо распознаваться .

у

а

А

В

С

N

х

Рис.2. Плотности распределения некоторого свойства

у объектов трех классов (А, В, С)

Получив функцию распределения, эксперт должен ее проанализировать - действительно ли часто встречающиеся значения некоторого свойства можно назвать самыми лучшими с точки зрения конкретной задачи оценивания. Если да, то полученную функцию плотности распределения можно рассматривать как функцию меры выраженности. Если нет, то эталон формируется вручную (может быть, с учетом статистики).

ВАЖНО!

Рекомендуем для улучшения качества статистического обучения выполнить следующие действия: Постепенно увеличивать разбиение до 100. Уменьшить разбиение до 3. Редактировать обучающую выборку. Редактировать эталоны вручную. Вы можете выполнить все действия последовательно, можете выполнить лишь некоторые, можете не выполнять вообще. Главная цель – получить наибольшую распознающую способность свойств и минимум ошибок в оценке контрольной выборки.

После статистического обучения обязательно просмотрите полученные функции меры выраженности и убедитесь, что они правильно отражают вклад каждого свойства в интегральную характеристику объекта.

Глава 1. БазисExpekProраздел Формирование эталонов.

Формирование контрольной выборки

Достоверность полученных результатов можно узнать, если предложить системе оценить по своим эталонам объекты из контрольной выборки, для которых известны значения свойств и достоверно известен класс. Отношение количества ошибок к количеству объектов в контрольной выборке дает вероятность ошибки системы. Рассчитывают по классам (какова вероятность ошибки в каждом классе) и в целом системы.

Контрольная выборка вводится в базу данных после окончательного формирования эталонов и должна содержать объектов в 3 – 4 раза больше, чем количество классов.

Анализ выборки и обучения

Проанализировать качество формирования обучающей выборки можно при просмотре эталонов. Следует обратить внимание на такие параметры:

• количество экстремумов,

• какую часть диапазона (min,max) покрывает функция распределения,

• насколько близки значения экстремумов к 100%.

Для качественно сформированной выборки кривая должна покрывать весь диапазон (min,max), иметь вид, близкий к нормальному распределению (но возможно наличие нескольких максимумов, если это верно отражает разброс свойств в классе) и максимум, близкий к 100%.

Наличие в разных классах приблизительно равных интегральных характеристик в контрольной выборке свидетельствует о некачественном формировании обучающей выборки и, как следствие, некачественном обучении.

Другой возможностью анализа обучения является анализ распознающих способностей свойств ("Обучение|Анализ"). Распознающая способность свойства представляет собой разность площадей функций распределения и показывает, на сколько процентов система по нему может принять решение о принадлежности объекта к тому или иному классу.

Задание

Решить задачу прогнозирования – статистически обучить и оценить качество обучения универсальной экспертной системы ExpekPro.