基于解释学习.ppt

6.7 基于解释的学习 基于解释学习 回顾 自然演绎推理是指从一组已知为真的事实出发，直接运用命题逻辑或谓词逻辑中的推理规则推理出结论的过程。 基于解释的学习 基于解释学习的一般化描述框架 基于解释学习的一般化描述框架 举例 基于解释学习的工作原理 举例 假设要学习的目标是“一个物体(obj1)可以安全地放置在另一个物体(obj2)的上面”。 即： 举例 描述obj1与obj2有下述事实： 举例 把一个物体放在另一个物体之上的安全性准则： 变量化后的一般性解释结构 举例 将一般化的解释结构的所有叶子节点的合取作为前件，略去解释结构的中间部件，就生成一般化的产生式规则或称一般性的知识： 领域知识的完善性 如果领域知识不完善，可能产生以下两种弊端： LOGO * LOGO 计本0802班200808111100黄樱 基于解释学习的概念 1 基于解释学习的一般化描述框架 2 基于解释学习的工作原理 3 领域知识的完善性 4 什么是自然演绎推理？（P94） 概念 基于解释学习方法运用相关的领域知识，对当前提供的单个问题求解实例进行分析，构造出求解过程的因果解释结构，并通过对该解释结构一般化处理获取相应知识，以便用于指导以后求解类似问题。 什么是基于解释的学习呢？P221 领域性知识DT 目标概念TC 训练实例TE 找出：满足OC关于TC的充分条件 操作性准则OC 给定： 相关领域的事实和规则，在学习系统中作为背景知识。 领域性知识DT 要学习的概念。 目标概念TC 为学习系统提供的一个例子。 训练实例TE 用于指导学习系统对用来描述目标的概念进行取舍，使得通过学习产生的关于目标概念T的一般性描述成为可用的一般性知识。 操作性准则OC 已知事实： ①只要是需要室外活动的课，郝亮都喜欢。 ②所有的公共体育课都是需要室外活动的课。 ③篮球是一门公共体育课。 求证：郝亮喜欢篮球课 求证：Like(Hao,Ball) 定义谓词及常量：Outdoor(x) 表示x是需要室外活动的课 Like(x,y) 表示x喜欢y Sport(x) 表示x是一门公共体育课 Hao 表示郝亮Ball 表示篮球 谓词公式表示： ①Outdoor(x)→ Like(Hao,x) ②( x)(Sport(x)→ Outdoor(x)) ③Sport(Ball) ②一般化处理 这一步的任务是对上一步得到的解释结构一般化处理，从而得到关于目标概念的一般性知识。 ①构造解释结构 这一步的任务是要证明提供给系统的实例为什么是满足目标概念的一个实例。 工作原理 将问题求解的每一步推理所用的算子汇集,构成动作序列作为解释结构。 采用自顶向下的方法对证明树的结构进行遍历。 构造解释结构 1 Safe-to-stack(obj1,obj2) 目标概念 On(obj1,obj2) Isa(obj2, Endtable) Color(obj1,red) Color(obj2,blue) Volume(obj1,1) Density(obj1,0.1) :obj1放在obj2上 :obj2是一个Endtable :obj1颜色是red :obj2颜色是blue :obj1的体积为1 :obj1的密度为0.1 训练实例 ~Fragile(y)→Safe-to-stack(x,y) Lighter(x,y) → Safe-to-stack(x,y) Volume(p1,v1)∧Density(p1,d1)∧X(v1,d1,w1)→ Weight(p1,w1) Isa(p,Endtable) → Weight(p,5) Weight(p1,w1)∧Weight(p2,w2)∧Smaller(w1,w2)→ Lighter(p1,p2) 领域知识 Safe-to-stack(v1,v2) Lighter(v1,v2) Isa(v2,Endtable) Volume(v1, v48) Density(v1,v49) X(v48,v49,v41) Weight(v2,5) Smaller(0.1，5) Weight(v1,v41) 生成一般性的知识 2 操作性准则 Volume(v1,v48)∧Density(v1,v49)∧X(v48,v49, v41)∧Isa(v2,Endtable)∧Smaller(v41,5)→Safe-to-stack(v1,v2) ※注意：在对解释结构一般化处理时，简单地把常量转为变量的做法，可能会导致在某些特例下，所生成的规则无效。 构造不出解释 由于系统中缺少某些相关的知识或包含了一些相互矛盾的知识