27. Типы задач обучения на примерах.

Традиционно к таким типам относятся:

1. Прогнозирование (Пример. Пусть дана последовательность чисел 3, 5, 10, 15. Вопрос: Какое будет следующее число и почему?)

2. Идентификация (синтез функции) (Пример. Имеется черный ящик, поведение которого можно исследовать подавая на вход входные сигналы и получая на выходе выходные. Требуется по этой информации составить описание работы устройства).

3. Расшифровка языков- поиск правил синтеза текста на некотором языке на основе анализа конкретных текстов на этом же языке. Сюда относятся проблемы распознавания кодов и образов.

4. Индуктивный вывод (в чистом виде)

Все выше перечисленные разделы вписываются в индуктивный вывод.

5. Синтез с дополнительной информацией. К дополнительной информации относятся: структура примера, принадлежность к какому-либо классу, виду, особенная группа дополнительной информации представленной контр- примерами.

В общем случае все задачи обучения, в зависимости от предмета исследования можно отнести к 1-му из двух категорий:

- к синтезу языков;

- к синтезу функций.

28. Итеративный алгоритм обучения на примерах.

В задачах обучения на примерах множество примеров потенциально бесконечны. Новые данные могут помочь отсеять некоторые описания и может наступить момент, когда останется единственный вариант, который не будет опровергаться последующими примерами. Такие ситуации возможны, хотя обычно не существуют алгоритма, способного определить момент стабилизации решения. Работу итеративных алгоритмов рассмотрим на примере.

Пусть задана бесконечная последовательность входов и бесконечная последовательность выходов Y₁-....Y_n .Задача состоит в нахождении полинома Р такого , что значение полинома Р(х) при х= совпадают с y= . Работа итеративной процедуры заключается в обработке порции примеров и выдачи на этой основе некоторого полинома Р_К Р, который связывает входы с выходами. В качестве Р_К выбирается первый фиксируемый заранее в списке полиномов , который соответствует обработанной выборке примера . Если при последующей обработке примеров оказывается что число полиномов не связывает входы с выходами для всех примеров , то этот полином отвергается . В списке полиномов отыскивается новый полином , который соответствует рассмотренным примерам и т.д. Таким образом, после «до­статочно большого» числа примеров последовательность гипотез стабилизируется на полиноме, удовлетворяющем условию задачи.

29. Адаптация, основные понятия и определения.

Адаптация это способность живого организма или технической системы изменять свое состояние и поведение (параметры, структуру, алгоритм и функционирование) в зависимости от изменения условий внешней среды путем накопления и использования информации о ней.

Как правило, под адаптивной системой понимают систему, которая работает при наличии априорной неопределенности и изменяющихся внешних условий, а получаемую в процессе работы информацию об этих условиях использует для повышения эффективности работы системы.

Адаптация является частным случаем управления со стабильными целями. Основные цели адаптации связаны с экстремальными требованиями, предъявляемыми к объекту адаптации в виде максимизации эффективности его функционирования.

Основной задачей управления является организованное воздействие на объект управления (ОУ), в качестве которого может выступать та или иная техническая система, которая переводит объект в требуемое состояние. Аналогичным образом строится система адаптации в САПР [9].

Объектом управления является САПР, а адаптивным устройством управления специальная подсистема адаптации (рис. 2.1).

На вход САПР поступает поток задач X. Y – получаемые решения. Каждое получаемое решение при этом динамически оценивается в блоке оценок (БО). Задача адаптации состоит в том, чтобы сформировать в блоке адаптации последовательность воздействий U, экстремизирующих показатели качества F(X) получаемых решений (критерии адаптации).