Sztuczna inteligencja wykład.cz.5.1.pdf
(
847 KB
)
Pobierz
Microsoft Word - Sztuczna inteligencja wykład.cz.5.1.doc
1
Elementy teorii systemów informacyjnych
( w ujęciu prof. Zdzisława Pawlaka)
Definicja systemu jednowartościowego
Opracowano wiele różnych modeli systemu informacyjnego.
Omawiać będziemy
model funkcyjny
, którego prekursorem
jest prof. Zdzisław Pawlak i który rozwijany jest głównie w
Polsce (w Warszawie, Gliwicach, Białymstoku, Rzeszowie,
Poznaniu), ale również w USA, Kanadzie, Chinach, Indiach.
Model funkcyjny systemu informacyjnego stał się początkiem
rozwoju
teorii zbiorów przybliżonych
(
ang.
rough sets )
,
a następnie takich dziedzin zaliczanych do sztucznej
inteligencji, jak:
reguły i tablice decyzyjne
,
regułowe bazy
wiedzy
,
granular computing
,
rough-neuro computing
.
Przykłady zastosowań:
Medycyna: diagnostyka medyczna, podejmowanie
decyzji dotyczących postępowania terapeutycznego,
zabiegów chirurgicznych, a także rozpoznawanie
obrazów w zakresie medycyny (na przykład obrazów
tomografii komputerowej),
Ekonomia: wycena przedsiębiorstwa, strategie
marketingowe, polityka kredytowa, prognozowa-
nie rozwoju
Sterowanie: np. procesami produkcyjnymi
Kryminalistyka
Archeologia
i wiele, wiele innych ...
Na potrzeby tego wykładu uściślimy sobie pojęcie danych
lingwistycznych:
2
Dane lingwistyczne
reprezentują tylko same siebie i nic
ponadto w sensie: typu, wartości, itp. Wartości danych
lingwistycznych są wyrażone za pomocą języka naturalnego.
Mają charakter nie ilościowy a jakościowy, bardzo często
subiektywny. Mogą tworzyć ciągi uporządkowane ( wysoki,
średni, niski ), lub nieuporządkowane ( pogodnie, mglisto,
wietrznie), nieraz wynikają z kwantyzacji danych liczbowych.
Metody statystyki „są za słabe” do ich analizy.
A
porcja
[a
1
]
smak
[a
2
]
słoność
[a
3
]
łatwość
smar.
[a
4
]
zawart.
witam.
[a
5
]
trwałość
[a
6
]
X
P
1
P
2
P
3
P
4
250g
250g
150g
500g
dobry
dobry
TO
dobry
dobra
ZS
dobra
MS
wystar
duża
średnia
mała
duża
duża
wystar
duża
mała
duża
duża
duża
Przykład systemu informacyjnego - opinie konsumentów na
temat jakości produktów pewnej firmy produkującej masło
(TO - trudno ocenić, ZS- za słone, MS- mało słone)
System informacyjny jest czwórką
S
ρ
X,
Α,
V,
gdzie
X - jest skończonym zbiorem obiektów,
A - jest skończonym zbiorem atrybutów,
charakteryzujących obiekty,
V
a
A
V
- jest skończonym zbiorem wartości atrybutów,
V
a
- jest dziedziną atrybutu
a A
,
3
ρ
X
A
V
-
jest
funkcja informacji
w systemie.
Żądamy, aby funkcja
była funkcją całkowitą, tzn. miała
wszędzie określone wartości.
Podana definicja dotyczy
systemu informacyjnego
jednowartościowego
.
W rzeczywistych systemach:
- niektóre atrybuty mogą przybierać wiele wartości ->
systemy
wielowartościowe
,
- wartości pewnych atrybutów nie można określić w sposób
jednoznaczny (możemy tylko podać zbiory możliwych
wartości) ->
systemy przybliżone
,
- zbiory obiektów są opisywane z pewnym zadanym stopniem
precyzji ->
systemy zmienno-precyzyjne
wg. Wong, Wang i
Yao,
- systemy podlegają pewnej dynamice polegającej na
zmianach
zawartości zbiorów: obiektów, atrybutów i ich wartości ->
modele dynamiczne
.
Kanon teorii systemów informacyjnych i zbiorów
przybliżonych:
W statystyce i teorii zbiorów rozmytych dane charakteryzuje
się liczbowo. W
teorii systemów informacyjnych i zbiorów
przybliżonych
- za pomocą
relacji nierozróżnialności
i
zależności funkcyjnej między zbiorami atrybutów
.
Def
Deskryptorem
nazywać będziemy parę
(a,v)
, gdzie
a A
jest
atrybutem, natomiast
vV
a
- jest wartością atrybutu
a
ze
zbioru wartości
V
a.
:
4
Def
Informacja o obiekcie
xX
dana jest przez pełny zbiór
deskryptorów
(a,v)
, tj. zbiór deskryptorów w którym
występują wszystkie atrybuty
aA,
a poszczególne
v
są
wartościami funkcji informacji
(x,a)
. Informację o obiekcie,
zwaną tez
opisem obiektu
, oznaczać będziemy przez
X
.
Def
Informacją w systemie
nazywać będziemy taki pełny zbiór
deskryptorów
(a,v)
, w którym występują wszystkie atrybuty
aA,
a poszczególne
vV
a.
System, w którym każdej informacji odpowiada co najwyżej
jeden obiekt nazywać będziemy
systemem selektywnym.
System, w którym każdej informacji odpowiada przynajmniej
jeden obiekt nazywać będziemy
systemem kompletnym.
Def
Przez
Inf(S)
oznaczać będziemy zbiór wszystkich możliwych
informacji w ustalonym systemie
S.
Zachodzi następująca prosta zależność:
card
(
Inf
(
S
))
card
(
V
)
a
A
Def
Mówimy, że informacja
jest
w systemie
S
pusta
, gdy
X
jest zbiorem pustym. Podobnie, gdy
X
=X
mówimy, że
informacja
jest prawdziwa.
5
A
X a b c d
x
1
p z u k
x
2
s z u l
x
3
s z u l
(1)
x
4
q x u m
x
5
r y w m
x
6
r y w m
Przykład systemu informacyjnego.
Przykładem informacji w powyższym systemie jest zbiór
deskryptorów:
(a,q) (b,z) (c,u) (d,m)
(2)
Informacja ta jest w przykładowym systemie pusta.
Przykładowy system nie zawiera informacji prawdziwych.
System ten nie jest systemem selektywnym, nie jest też
systemem kompletnym.
Ilość wszystkich informacji w tym systemie wynosi aż 72
(dlaczego ?) (Zwykle ilość możliwych informacji w systemach
informacyjnych jest znacznie większa niż ilość obiektów.)
Każda informacja
wyznacza w systemie pewien zbiór
obiektów
X
,
taki, że
X
{
x
X
}
Zbiór
X
może być pusty. Obiekty należące do niepustych
zbiorów
X
są w wewnątrz tych zbiorów wzajemnie
nierozróżnialne.
:
x
Plik z chomika:
junosza1755
Inne pliki z tego folderu:
Sztuczna inteligencja wykład.cz8.pdf
(308 KB)
Sztuczna inteligencja wykład.cz7.pdf
(187 KB)
Sztuczna inteligencja wykład.cz.5.3.pdf
(2651 KB)
Sztuczna inteligencja wykład.cz.5.2.pdf
(2137 KB)
Sztuczna inteligencja wykład.cz.5.1.pdf
(847 KB)
Inne foldery tego chomika:
algorytmy
architektura komputerów
Bios
C
ćwiczenia
Zgłoś jeśli
naruszono regulamin