La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Case Based Reasoning Un pò di storia Approccio formalizzato da Janet Kolodner Pittosto recente Algoritmo per la risoluzione di.

Presentazioni simili


Presentazione sul tema: "Case Based Reasoning Un pò di storia Approccio formalizzato da Janet Kolodner Pittosto recente Algoritmo per la risoluzione di."— Transcript della presentazione:

1 Case Based Reasoning

2 Un pò di storia Approccio formalizzato da Janet Kolodner Pittosto recente Algoritmo per la risoluzione di problemi basato sul ragionamento per analogia

3 Filosofia Il principio guida dellapproccio CBR è il seguente: Problemi simili hanno soluzioni simili Quindi, soluzioni adottate in passato possono essere recuperate per risolvere nuove situazioni critiche

4 CBR e Ingegneria della Conoscenza Il CBR nasce come problem solving method Particolarmente utile quando non si riesce a costruire un modello di conoscenza completo e preciso –Dominio difficile –Conoscenza eterogenea –Poco tempo a disposizione Negli ultimi anni si sta imponendo come metodologia efficace ed efficiente per la realizzazione di Knowledge Management Systems

5 Il Ciclo CBR: le 4 R

6 CBR e Problemi Il CBR permette di affrontare e risolvere due categorie di problemi: Retrieve Classificazione Revise Costruzione

7 Il Caso: struttura

8 Rappresentazione di un caso Flat Gerarchica A grafo

9 Retrieve = Classificare ? Problema Sono simili ? Stessa categoria Sì No

10 Come recuperare casi Utilizzo di funzioni di similarità: SIM : CxC [0, 1] Input: la descrizione del problema Output: un numero reale compreso fra zero e uno (% di similarità) Uno dei due casi in ingresso è non risolto e si indica con C c Laltro è risolto e si indica con C r

11 Algoritmi di Retrieval CcCc CrCr Stesso valore?

12 K-Nearest Neighbour Il valore di similarità è una media pesata della funzione SIM applicata ai valori di tutti gli attributi della descrizione del caso:

13 Revise = Costruzione ? Problema Soluzione Recuperata La soluzione va bene? Ho costruito la soluzione Uso la soluzione come punto di partenza Sì No Conoscenza Specifica dominio

14 Algoritmi di Revise Soluzione r Soluzione c Mofica valore? Modifica valore?

15 Algoritmi di Revise Difficili da implementare Spesso si lascia allutente/esperto il compito di modifcare la soluzione recuperata Gli algoritmi più diffusi si basano sul concetto di substitutional adaptation

16 Substitutional Adaptation Dato che il caso corrente e quello recuperato sono diversi, la basa dei casi potrebbe contenere altre coppie di casi con le stesse (o simili) differenze Questi casi agiscono da rappresentanti del caso corrente (Cc r ) e di quello recuperato (Rc r ) La differenza tra le soluzioni dei rappresentanti (vettore v i ) dà unindicazione di come modificare la soluzione del caso recuperato R c per risolvere il caso corrente C c (vettore v) v è unaggregazione delle differenze v 1,..., v n,, tra le soluzione associate a Cc r e Rc r

17 PROGETTO P-RACE Un approccio basato sulla conoscenza per supportare il processo decisionale del Race Engineer L.Int.Ar Dipartimento di Informatica, Sistemistica e Comunicazione Università di Milano - Bicocca

18 OBIETTIVO DEL PROGETTO Sviluppare un sistema di supporto alle decisioni riguardanti la progettazione e lutilizzo della mescola giusta per partecipare ad una gara (e vincere)

19 CONCORRENTI punti deboli e di forza FONDO STRADALE CIRCUITI DISEGNO BATTISTRADA CONDIZIONI AMBIENTALI DATI TELEMETRICI ASSETTO VETTURA DATI STORICI

20 ASSOCIAZIONI MESCOLA/PERFORMANCE CHIMICA DEI MATERIALI RELAZIONE TRA MODIFICHE, PROPRIETÀ CHIMICO-FISICHE E PERFORMANCE RUOLO, INFLUENZE E RELAZIONI TRA INGREDIENTI

21 ACQUISIZIONE KNOWLEDGE ENGINEERING CONOSCENZA EPISODICA Compound Designer Race Engineer CASO PASSATO NUOVO CASO Riutilizzo Innovazione Creazione

22 UTILIZZO ARCHITETTURA Modul o fuzzy Base dei casi Recuper o dei casi Nuova soluzion e Motore CBR Motore inferenziale Abstract Compoun d Model

23 UTILIZZO INTERFACCIA del RACE ENGINEER

24 Similarity Computation f c = (f 1 c,..., f n c ): case representation f t = (f 1 t,..., f n t ) : target problem Two step process Initial Match: selects a subset of the Case Memory Initial Match: selects a subset of the Case Memory IM(CM, f t ) = set of cases C i such that sev_index(C i )=sev_index(f t ) Similarity Function: computes similarity between cases Similarity Function: computes similarity between cases sim(f t, f c ) = i=1..n [ w i * SIM(f i t, f i c ) ]/ i=1..n w i with w i = match_weight if SIM(f i t, f i c )Threshold w i = no_value_weight if f i t or f i c is unknown SIM(f i t, x): gaussian curve with mean value f i t and given standard deviation SIM(f i t, x): gaussian curve with mean value f i t and given standard deviation


Scaricare ppt "Case Based Reasoning Un pò di storia Approccio formalizzato da Janet Kolodner Pittosto recente Algoritmo per la risoluzione di."

Presentazioni simili


Annunci Google