Tema 2 Adquisición de Conceptos

Aprendizaje automtico
Tema2 Adquisicindeconceptos
CienciasdelaComputacineInteligenciaArtificial
Tema2:Adquisicindeconceptos
ndice
2.1Caractersticasgenerales 2.2Primerosalgoritmos 2.3Elespaciodeversiones
Aprendizajeautomtico
2.1Caractersticasgenerales
Aprendizajeinductivo
Aprenderaspectosgeneralesapartirdeejemploscondatos particulares Setratadeunaprendizajesupervisado
Aprendizajeinductivosimblico
Utilizaunarepresentacinsimblica (redessemnticas,reglas,programacinlgica,)
Aprendizajeinductivosubsimblico
Utilizaunarepresentacinsubsimblica (redesneuronales,conjuntosdifusos) Sedesarrollapormediodealgoritmosdeajusteparamtrico
3
Formasdeaprendizajeinductivosimblico
Silosejemplosreflejansituacionesconmltiplesobjetosyrelaciones Adquisicindeconceptos Silosejemplosserefierenaconjuntosatributovalor Clasificacinsupervisada Sisepretendeadquirirunmodelolgico ProgramacinLgicaInductiva
Adquisicindeconceptos
Surgeenladcadadelos70 Seproduceundeclivedelaaproximacinneuronal Aparecenlosprimeroslenguajesdemanipulacinsimblica Lainvestigacinsecentraenproblemasdejuegos Seintentanobtenermecanismosdeaprendizajesimblico generalesconmuypocainformacindepartida
Algoritmospropuestos
Winston (1970),HayesRoth (1977),Vere (1975),Michalski Dietterich (1981) Mitchell (1982)proponeunmarcounificado(espaciode versiones)
5
2.2Primerosalgoritmos
MtododeWinston
Desarrolladoalolargodeladcadadelos70 SeconsideraelpuntodepartidadelAprendizajeBasadoen Similitudes (SBL) ElautorlodenominaLearning byanalyzing differences Introduceelconceptodecuasiejemplo (ejemplonegativomuy prximoalosejemplospositivos) Utilizacomorepresentacinlasredessemnticastantoparalos ejemploscomoparalosconceptos Secentraeneldominiodeaplicacindelmundodebloques
MtododeWinston
Ejemplo1
C Ejemplo B A
Tiene como parte Encima de Tiene la propiedad Tipo de

7
MtododeWinston
Ejemplo1
forma
rombo
circulo
caja
C Ejemplo B A

8
MtododeWinston
Ejemplo1
forma
rombo
circulo
caja
C sombra Ejemplo B A liso textura

9
MtododeWinston
Ejemplo1
forma
rombo
circulo
caja
C sombra Ejemplo B A medio grande Tiene como parte Encima de Tiene la propiedad Tipo de
10
textura liso
tamao
MtododeWinston
Ejemplo2
forma
circulo rectngulo
cuadrado
E Ejemplo
sombra D liso G textura
pequeo
grande
medio
tamao
Tiene como parte Encima de Dentro de Tiene la propiedad Tipo de

11
MtododeWinston
Larepresentacindelconceptoutilizaetiquetasdeltipodebe tenerestarelacin(requirelink)ydeltiponodebeteneresta relacin(forbidlink) Laprimerarepresentacindelconceptocorrespondealprimer ejemplopositivo Elementosdelalgoritmo:
Unlenguajederepresentacin(redessemnticas) Unmecanismodecotejamiento(paradetectarlascorrespondencias) Unprocesodegeneralizacin(paraincorporarejemplospositivos) Unprocesodeespecializacin(paraincorporarejemplosnegativos)
12
MtododeWinston Procesodeespecializacin:
Cotejarelejemplo(negativo)conelmodeloactualdel concepto Sihaymsdeunadiferencia,ignorarelejemplo Sihayunanicadiferencia:
Sielmodelotieneunaetiquetaqueelejemplonotiene,generar una etiquetarequirelink Sielejemplotieneunaetiquetaqueelconceptonotiene,generaruna etiquetaforbidlink
13
MtododeWinston Procesodegeneralizacin:
Cotejarelejemplo(positivo)conelmodeloactualdel concepto Procesartodaslasdiferencias Sifaltaunaetiqueta,eliminarladelconcepto Sihaydiferenciaenelvalordeunapropiedad,modificarel rangodelapropiedad Siunaetiquetaapuntaaunaclasediferente
Silaclaseperteneceaunajerarqua,subirenlajerarqua Silaclasenoperteneceaunajerarqua,eliminarla
14
MtododeWinston Propiedadesdelalgoritmo:
Conservador(siexistendudassobreloquehayque aprender,mejornoaprender) Elaprendizajeserealizaenpasospequeos(leydeMartin, nopuedesaprenderalgoamenosquecasilosepasdeantemano) Esmuysensiblealordenenelquesepresentanlosejemplos
15
MtododeHayesRoth
Intentaencontrarlasgeneralizacionesconjuntivasmsespecficas de unconjuntodeejemplospositivos(maximal abstractions o inference matches) Larepresentacinqueutilizanlallamanparameterized structural representations (PSR)
E1:{{caja:a}{crculo:b}{rombo:c}{liso:a}{sombreado:b}{liso:c} {grande:a}{medio:b}{medio:c}{sobre:b,a}{sobre:c,b}}
Cadaejemploesunalistadecaseframes,compuestosporuna etiquetayunalistadeparmetros Elmodeloactualdelconceptoseexpresatambinpormediode unPSR Elprimermodelocorrespondealprimerejemplo

16
MtododeHayesRoth Paracadanuevoejemplo
Hacerelcotejamientodeloscaseframes detodaslasformas posibles,obteniendounconjuntoMcontodaslas correspondenciasentreparmetros Seleccionarunsubconjuntodelascorrespondenciasquesea consistentepormediodeunabsquedaenanchura Unavinculacinconsistentesignificaqueunparmetrode unainstancianopuedevincularseavariosparmetrosdela otrainstancia
17
MtododeHayesRoth Ejemplo:
E1:{{caja:a}{crculo:b}{rombo:c} {liso:a}{sombreado:b}{liso:c} {grande:a}{medio:b}{medio:c} {sobre:b,a}{sobre:c,b}} E2:{{rectngulo:d}{crculo:e}{crculo:f}{cuadrado:g} {grande:d}{pequeo:e}{pequeo:f}{medio:g} {liso:d}{sombreado:e}{sombreado:f}{liso:g} {sobre:g,d}{dentro:e,d}{dentro:f,d}}
18
MtododeHayesRoth
M={{circulo:((b/e)(b/f))}, {liso:((a/d)(a/g)(c/d)(c/g))}, {sombreado:((b/e)(b/f))}, {grande:((a/d))}, {medio:((b/g)(c/g))}, {sobre:((b/ga/d)(c/gb/d))}} Ejemplodegeneralizacinconjuntiva(b/e)(a/d)(c/g): {{circulo:v2}{liso:v1}{sombreado:v2}{liso:v3} {grande:v1}{medio:v3} Circulosombreado,objetograndelisoyobjetomedianoliso
19
MtododeMichalskiDietterich
Buscanlasgeneralizacionesconjuntivasmsespecficas UtilizancomorepresentacinellenguajeVL21,queesuna extensindelalgicadepredicadosdeprimerorden E1: a,b,c [tamao(a)=grande][tamao(b)=medio][tamao(c)=medio] [forma(a)=caja][forma(b)=crculo][forma(c)=rombo] [textura(a)=liso][textura(b)=sombreado][textura(c)=liso] [sobre(b,a)][sobre(c,b)]
20
E2: d,e,f,g [tamao(e)=pequeo][tamao(f)=pequeo] [tamao(d)=grande][tamao(g)=medio] [forma(e)=crculo][forma(f)=crculo][forma(d)=rectngulo] [forma(g)=cuadrado] [textura(e)=sombreado][textura(f)=sombreado] [textura(d)=liso][textura(g)=liso] [dentro(e,d)][dentro(f,d)][sobre(g,d)]
21
Elmtodotrataenprimerlugarlaparteestructural(selectores nounarios)obteniendounconjuntodegeneralizaciones conjuntivascandidatasdelaparteestructural Acontinuacinsecompletanincorporandolainformacin descriptiva(selectoresunarios)yrealizandodenuevouna generalizacinconjuntivaenelespaciodeatributos Ejemplo: v1,v2[sobre(v1,v2)][tamao(v1)=medio] [forma(v1)=polgono][textura(v1)=liso][tamao(v2)=medio grande][forma(v2)=rectngulo crculo]
22
Comparativa
Propiedad Dominio Lenguaje Conceptos sintcticos Operadores Reglasde generalizacin
Winston Mundodebloques Redessemnticas Nodosyuniones AND,excepcin Eliminarcondicin Constantesavariables Subirenelrbolde generalizacin General PSR
HayesRoth General VL21
Michalski
Caseframes,caselabels, parmetros AND Eliminarcondicin Constantesavariables
Selectores,variables,descriptores AND,OR,ORinterno Eliminarcondicin Constantesavariables Subirenelrbolde generalizacin Cerrarintervalos Or interno
23
Comparativa
Propiedad Formas disyuntivas Inmunidadal ruido Conocimientodel dominio Induccin constructiva NO Muybaja
Winston NO Baja No No
HayesRoth SI Muybuena S
Michalski
Incorporadoalprograma Limitada
Algunasreglasgenerales
24
2.3Elespaciodeversiones
Espaciodeversiones
PropuestoporMitchell en1982 Presentaunmarcounificadoparalaadquisicindeconceptos, independientedelarepresentacinautilizar Hiptesis:representacindeunconcepto Espaciodehiptesis:elconjuntodetodoslosconceptosque puedenserdescritosconlarepresentacinescogida Espaciodeversiones:Conjuntodehiptesiscoherentesconel conjuntodeejemplospositivosynegativosestudiado,esdecir, quereconocenatodoslosejemplospositivosyexcluyenatodos losejemplosnegativos.
25
Espaciodeversiones
Ordenacinparcial:h1esmsgeneralqueh2sielconjuntode instanciascubiertoporh2esunsubconjuntodelconjuntode instanciascubiertoporh1 Representacindelespaciodeversiones:
Enumeracindetodaslashiptesis(inviableporsutamao) Conjuntomsgeneral(G)ymsespecfico(S)
Cualquierhiptesis(h)delespaciodeversionescumplequees msgeneraloigualquealgunadelashiptesisdelconjuntoSy msespecficaoigualquealgunadelashiptesisdelconjuntoG
26
Algoritmogeneral:
Serepresentaelespaciodeversionesporenumeracin Dadounejemplopositivo,seexcluyenlashiptesisquenolo cubren Dadounejemplonegativo,seexcluyentodaslashiptesisquesi locubren Seiteraparatodoslosejemplosdelabasedeconocimiento Elresultadoeselconjuntodehiptesiscoherenteconlos ejemplos Estealgoritmoesinviableyaqueelespaciodeversionespuede serinfinitootenerunnmeroenormedehiptesis
27
Algoritmodeeliminacindecandidatos:
SerepresentaelespaciodeversionesmediantelosconjuntoSyG Dadounejemplopositivo
ExcluirdeGlashiptesisquenolocubran GeneralizarenSlashiptesisquenolocubran,manteniendoque seanmsespecficasquealgnelementodeGyquenoseanms generalesquealgnelementodeS
Dadounejemplonegativo
ExcluirdeSlashiptesisquelocubran EspecificarenGlashiptesisquelocubranhastaqueloexcluyan, manteniendoqueseanmsgeneralesquealgnelementodeSyque noseanmsespecficasquealgnelementodeG
28
Ejemplo:
29
Representacindelosejemplos:
# 1 2 3 4 5 6 7
Cabeza Crculo Tringulo Cuadrado Crculo Tringulo Cuadrado Cuadrado
Cuello Recto Curvo Triangular Curvo Triangular Recto Triangular
Cuerpo Crculo Cuadrado Tringulo Cuadrado Tringulo Crculo Tringulo
Color Rayado Negro Blanco Rayado Rayado Blanco Rayado
Cola Abajo Recta Abajo Abajo Recta Arriba Abajo
Clase + + +
30
Representacindelashiptesis:
(Valor1,Valor2,Valor3,Valor4,Valor5) Valor1 {Crculo,Tringulo,Cuadrado,?} Valor2 {Recto,Curvo,Triangular,?} Valor3 {Crculo,Tringulo,Cuadrado,?} Valor4 {Rayado,Negro,Blanco,?} Valor5 {Abajo,Recta,Arriba,?}
Ejemplo:(Crculo,?,Tringulo,Negro,?) Nmerodehiptesis:|H|=4*4*4*4*4=1024
31
Procesodegeneralizacin:
Hiptesis:(h1,h2,h3,h4,h5) Ejemplo:(e1,e2,e3,e4,e5) Hiptesisgeneralizada:(g1,g2,g3,g4,g5) Sihi = ?Entoncesgi = ? Sihi = ei Entoncesgi = hi Sihi ei Entoncesgi = ?
32
Procesodeespecializacin:
Hiptesis:(h1,h2,h3,h4,h5) Ejemplonegativo:(e1,e2,e3,e4,e5) Conjuntodehiptesisespecializada:(g1,g2,g3,g4,g5) Sihi ei yhi ?entonceslahiptesisnocubreelejemplo negativo Sihi = ei Entoncesgi = hi Sihi = ?Entoncesgenerarunahiptesisporcadagi ei
33
Trazadelalgoritmo
# 0 1 2 S {} {(Crculo,Recto,Crculo,Rayado,Abajo)} {(Crculo,Recto,Crculo,Rayado,Abajo)} G {(?,?,?,?,?)} {(?,?,?,?,?)} {(Crculo,?,?,?,?), (?,Recto,?,?,?), (?,?,Crculo,?,?), (?,?,?,Rayado,?), (?,?,?,?,Abajo)}
{(Crculo,Recto,Crculo,Rayado,Abajo)}
{(Crculo,?,?,?,?), (?,Recto,?,?,?), (?,?,Crculo,?,?), (?,?,?,Rayado,?)}
34
Trazadelalgoritmo
# 4 5 6 7
S {(Crculo,?,?,Rayado,Abajo)} {(Crculo,?,?,Rayado,Abajo)} {(Crculo,?,?,Rayado,Abajo)} {(?,?,?,Rayado,Abajo)}
G {(Crculo,?,?,?,?), (?,?,?,Rayado,?)} {(Crculo,?,?,?,?), (?,?,?,Rayado,Abajo)} {(Crculo,?,?,?,?), (?,?,?,Rayado,Abajo)} {(?,?,?,Rayado,Abajo)}
35
Resultado:
SiS= G,elconceptoeselconjuntodehiptesiscontenidoenSoG SiS G,elconceptosedescribepormediodetodaslashiptesis igualesomsgeneralesqueSeigualesomsespecficasqueG SiSyGquedanvacos,hayunerrorenlosdatosola representacinnoesadecuadapararepresentarelconcepto
36

Tema 2 Adquisición de Conceptos

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema 2 Adquisición de Conceptos

Uploaded by

Copyright:

Available Formats

Aprendizaje automtico

2.1Caractersticasgenerales 2.2Primerosalgoritmos 2.3Elespaciodeversiones

Tiene como parte Encima de Tiene la propiedad Tipo de

Tiene como parte Encima de Tiene la propiedad Tipo de

C sombra Ejemplo B A liso textura

Tiene como parte Encima de Tiene la propiedad Tipo de

sombra D liso G textura

Tiene como parte Encima de Dentro de Tiene la propiedad Tipo de

Cadaejemploesunalistadecaseframes,compuestosporuna etiquetayunalistadeparmetros Elmodeloactualdelconceptoseexpresatambinpormediode unPSR Elprimermodelocorrespondealprimerejemplo

Propiedad Dominio Lenguaje Conceptos sintcticos Operadores Reglasde generalizacin

HayesRoth General VL21

Caseframes,caselabels, parmetros AND Eliminarcondicin Constantesavariables

Selectores,variables,descriptores AND,OR,ORinterno Eliminarcondicin Constantesavariables Subirenelrbolde generalizacin Cerrarintervalos Or interno

Cualquierhiptesis(h)delespaciodeversionescumplequees msgeneraloigualquealgunadelashiptesisdelconjuntoSy msespecficaoigualquealgunadelashiptesisdelconjuntoG

Cabeza Crculo Tringulo Cuadrado Crculo Tringulo Cuadrado Cuadrado

Cuello Recto Curvo Triangular Curvo Triangular Recto Triangular

Cuerpo Crculo Cuadrado Tringulo Cuadrado Tringulo Crculo Tringulo

Color Rayado Negro Blanco Rayado Rayado Blanco Rayado

Cola Abajo Recta Abajo Abajo Recta Arriba Abajo

{(Crculo,?,?,?,?), (?,Recto,?,?,?), (?,?,Crculo,?,?), (?,?,?,Rayado,?)}

S {(Crculo,?,?,Rayado,Abajo)} {(Crculo,?,?,Rayado,Abajo)} {(Crculo,?,?,Rayado,Abajo)} {(?,?,?,Rayado,Abajo)}

G {(Crculo,?,?,?,?), (?,?,?,Rayado,?)} {(Crculo,?,?,?,?), (?,?,?,Rayado,Abajo)} {(Crculo,?,?,?,?), (?,?,?,Rayado,Abajo)} {(?,?,?,Rayado,Abajo)}

You might also like