在基于案例推理Case

《在基于案例推理Case》由会员分享，可在线阅读，更多相关《在基于案例推理Case（115页珍藏版）》请在金锄头文库上搜索。

1、类 比 推 理 Analogical Reasoning,史忠植 中国科学院计算技术研究所,高级人工智能 第五章,2019/11/9,史忠植 高级人工智能,2,内容提要,5.1 概述 5.2 类比推理 5.3 案例推理 5.4 迁移学习,2019/11/9,高级人工智能-史忠植,3,什么是类比推理,类比是人类应用过去的经验来求解新问题的一种思维过程。 类比推理是把两个或两类事物或情形进行比较，找出它们在某一抽象层上的相似关系，并以这种关系为依据，把某一事物或情形的有关知识加以适当整理（或变换）对应到另一事物或情况，从而获得求解另一事物或情形的知识。,类比推理,2019/11/9,高级人工智能-

2、史忠植,4,One may infer, by analogy, that hydraulics laws are similar to Kirchoffs laws, and Ohms law.,类比推理,2019/11/9,高级人工智能-史忠植,5,2019/11/9,史忠植 高级人工智能,6,发展简况, 1971年，Kling, R.E., Stanford Research Institute, 发表文章“A Paradigm for Reasoning by Analogy” 提出了记忆网模型和案例 检索算法。 1981年，Jaime G. Carbonell, Carnegie-M

3、ellon University,发表文章“A Computational Model of Analogical Problem Solving”，提出了转换类比 1983年，Jaime G. Carbonell,发表文章“Derivational Analogy and its role in Problem Solving”,提出了 派生类比 1991年，Jaime G. Carbonell等，发表文章“PRODIGY: An Integrated Architecture for Planning and Learning”， 开发了PRODIGY系统。 ,2019/11/9,史忠植

4、高级人工智能,7,案例 推理发展简况,2019/11/9,史忠植 高级人工智能,8,案例 推理发展简况,2019/11/9,史忠植 高级人工智能,9,案例 推理发展简况,中国科学院计算技术研究所智能信息处理开放实验室在 基于案例 推理方面进行了一系列研究。 1991年提出了记忆网模型和案例 检索算法。 1993年研制了基于案例 学习的内燃机油产品设计系 统EOFDS。 1994年开发了基于案例 推理的天气预报系统。 1995年开发了基于案例 推理的轧钢规程系统 1996年开发了基于案例 推理的淮河王家坝洪水预报 调度系统FOREZ。 2000年研制了渔情分析专家系统,获国家科技进步 二等奖,类

5、比推理,2019/11/9,高级人工智能-史忠植,10,类比的重要性： 类比现象普遍存在。 类比在人的思维中扮演着极为重要的角色。 比喻的使用。 在计算机上实现类比问题求解系统可以使计算机也具有创造性思维。,2019/11/9,高级人工智能-史忠植,11,类比的形式定义,A,B,A,B,类比问题求解的一般模式,2019/11/9,高级人工智能-史忠植,12,转换类比,2019/11/9,高级人工智能-史忠植,13,手段-目的分析的问题求解模型,问题空间： 一组可能的问题组合状态集。 一个初始状态。 一个或多个目标状态。 一组变换规则集 差别函数 对可用规则编序的索引函数 一组全局路径限制 差别

6、表,S-MEA算法,2019/11/9,高级人工智能-史忠植,14,比较当前状态和目标状态，得出差别 选择合适的规则，以减少两个状态间的差别 尽可能应用转换规则，直至完成状态转换。否则保存当前状态，并将MEA算法递归地应用于其它子问题，直到该子问题确认不能满足该规划的前提条件为止。 当子问题求解后，恢复被保存的当前状态，再继续求解原来的问题,2019/11/9,高级人工智能-史忠植,15,类比求解问题的计算模型,EMEA的T-空间包括： 转换空间中每个状态是初始问题的潜在解，包括初始状态、最终状态、操作符序列以及路径限制。 初始状态：O-空间中检索到的相似问题的解序列。 目标状态：求解新问题的

7、解的规范说明。 操作符将一个完整的解序列映射到另一个潜在的解序列。 差别函数：新问题情况下检索解的初始状态、中止状态、路径的约束和应用度之间的差别测度的综合。 差别表：用来检索T-空间的操作。 没有路径约束，可用更为复杂的差别函数补偿。 可用启发式函数作为规则排序。,2019/11/9,高级人工智能-史忠植,16,问题求解状态变换,初始状态,中间状态1,OP1,中间状态2,OP2,中间状态n-1,OPn-1,初始状态,问题求解的状态转换过程,作为搜索的类比问题求解,2019/11/9,高级人工智能-史忠植,17,原空间,T-空间,常用T-操作符,2019/11/9,高级人工智能-史忠植,18,

8、通用插入 通用删除 子序列拼接 子目标保持替换 终结段连结 初始段连结 序列合并 操作符记录 用参数替换 解序列截断 序列倒置,差别表,2019/11/9,高级人工智能-史忠植,19,入口形式： “为简少，应采用中的一个操作”,T-空间的差别测度Dr（差异函数）,2019/11/9,高级人工智能-史忠植,20,Dr的值是四维向量： 新旧问题初态的差别 新旧问题终态的差别 新旧问题路径限制的差别 新旧问题方法可应用度的差别。,2019/11/9,史忠植 高级人工智能,21,派生重演,上述方法所做的修正是在旧解的解答上完成的。重演方法则是使用过去的推导出旧解的方法来推导出新解。这种方法关心的是解是

9、如何求出来的。同前面的基于案例 替换相比，派生重演使用的则是一种基于案例 的修正手段。,2019/11/9,高级人工智能-史忠植,22,派生类比,什么是案例 ？,“案例 是对某个过去发生的事件的真实描述，目的是引发对一个特殊情境的讨论和分析.”,案例 是事件。 案例 是含有问题或疑难情境在内的事件。 案例 是典型的事件。 案例 是真实发生的事件。,2019/11/9,史忠植 高级人工智能,24,概 述,案例 （case）：“案例 是一段带有上下文信息的知识， 该知识表达了推理机在达到其目标的过程中能起关键作 用的经验”。具体来说，一个案例 应具有如下特性： 案例 表示了与某个上下文有关的具体知

10、识，这种知识 具有可操作性。 案例 可以是各式各样的，可有不同的形状和粒度，可 涵盖或大或小的时间片，可带有问题的解答或动作执 行后的效应。 案例 记录了有用的经验，这种经验能帮助推理机在未 来更容易地达到目标，或提醒推理机失败发生的可能性 有多大等等。,2019/11/9,史忠植 高级人工智能,25,概 述,人们为了解决一个新问题，先是进行回忆，从记忆中 找到一个与新问题相似的案例 ，然后把该案例 中的有 关信息和知识复用到新问题的求解之中。 在基于案例 推理 (Case-Based Reasoning, 简称CBR)中， 把当前所面临的问题或情况称为目标案例 (target case)，

11、而把记忆的问题或情况称为源案例 (base case)。粗略 地说，基于案例 推理就是由目标案例 的提示而获得记 忆中的源案例 ，并由源案例 来指导目标案例 求解的一 种策略。,2019/11/9,史忠植 高级人工智能,26,概 述,基于案例 推理中知识表示是以案例 为基础，案例 的获取比规则获取要容易,大大简化知识获取。对过去的求解结果进行复用，而不是再次从头推导，可以提高对新问题的求解效率。过去求解成功或失败的经历可以指导当前求解时该怎样走向成功或避开失败，这样可以改善求解的质量。对于那些目前没有或根本不存在可以通过计算推导来解决的问题。如在法律中的判例，基于案例 推理能很好发挥作用。,2

12、019/11/9,史忠植 高级人工智能,27,实际案例,2019/11/9,史忠植 高级人工智能,28,实际案例,2019/11/9,史忠植 高级人工智能,29,案例 问题求解,2019/11/9,史忠植 高级人工智能,30,案例 问题求解,2019/11/9,史忠植 高级人工智能,31,案例 问题求解,2019/11/9,史忠植 高级人工智能,32,案例 问题求解,2019/11/9,史忠植 高级人工智能,33,案例 问题求解的特点,2019/11/9,史忠植 高级人工智能,34,基于案例 学习的一般过程,2019/11/9,史忠植 高级人工智能,35,基于案例 学习的一般过程,2019/1

13、1/9,史忠植 高级人工智能,36,案例 存储,2019/11/9,史忠植 高级人工智能,37,基于案例 学习的一般过程,2019/11/9,史忠植 高级人工智能,38,主要问题,(1) 案例 表示: 基于案例 推理方法的效率和案例 表示紧密相关。案例 表示涉及这样几个问题: 选择什么信息存放在一个案例 中；如何选择合适的案例 内容描述结构；案例 库如何组织和索引。对于那些数量达到成千上万、而且十分复杂的案例 , 组织和索引问题尤其重要。 (2) 分析模型: 分析模型用于分析目标案例 ，从中识别和抽取检索源案例 库的信息。 (3) 案例 检索: 利用检索信息从源案例 库中检索并选择潜在可用的源

14、案例 。基于案例 推理方法和人类解决问题的方式很相近。碰到一个新问题时，首先是从记忆或案例 库中回忆出与当前问题相关的最佳案例 。后面所有工作能否发挥出应有的作用，很大程度上依赖于这一阶段得到的案例 质量的高低，因此这步非常关键。一般讲，案例 匹配不是精确的，只能是部分匹配或近似匹配。因此，它要求有一个相似度的评价标准。该标准定义得好，会使得检索出的案例 十分有用，否则将会严重影响后面的过程。,2019/11/9,史忠植 高级人工智能,39,主要问题,(4) 类比映射: 寻找目标案例 同源案例 之间的对应关系。 (5) 类比转换: 转换源案例 中同目标案例 相关的信息，以便应用于目标案例 的求

15、解过程中。其中，涉及到对源案例 的求解方案的修改。把检索到的源案例 的解答复用于新问题或新案例 之中。它们分别是，源案例 与目标案例 间有何不同之处；源案例 中的哪些部分可以用于目标案例 。对于简单的分类问题，仅需要把源案例 的分类结果直接用于目标案例 。它无需考虑它们之间的差别，因为实际上案例 检索已经完成了这项工作。而对于问题求解之类的问题，则需要根据它们之间的不同对复用的解进行调整。 (6) 解释过程: 对把转换过的源案例 的求解方案应用到目标案例 时所出现的失败做出解释，给出失败的因果分析报告。有时对成功也同样做出解释。基于解释的索引也是一种重要的方法。 (7) 案例 修补: 有些类似

16、于类比转换，区别在于修补过程的输入是解方案和一个失败报告，而且也许还包含一个解释，然后修改这个解以排除失败的因素。,2019/11/9,史忠植 高级人工智能,40,主要问题,(8) 类比验证: 验证目标案例 和源案例 进行类比的有效性。 (9) 案例 保存: 新问题得到了解决，则形成了一个可能用于将来情形与之相似的问题。这时有必要把它加入到案例 库中。这是学习也是这是知识获取。此过程涉及选取哪些信息保留，以及如何把新案例 有机集成到案例 库中。修改和精化源案例 库, 其中包括泛化和抽象等过程。 在决定选取案例 的哪些信息进行保留时，一般要考虑以下几点：和问题有关的特征描述；问题的求解结果；以及解答为什么成功或失败的原因及解释。 把新案例 加入到案例 库中， 需要对它建立有效的索引，这样以后才能对之作出有效的回忆。索引应使得与该案例 有关时能回忆得出，与它无关时不应回忆出。为此，可能要对案例 库的索引内容甚至结构进行调整