MBR-9 2002 AtT1 College 9 Diagnose met correctmodellen. Verdieping in de formalisatie. In reader: Characterizing diagnoses and Systems J. de Kleer, A.

Slides:



Advertisements
Verwante presentaties
Geef uw zorgverlener toestemming voor het delen van uw medische gegevens! Informatiefolder gegevensuitwisseling voor zorgconsumenten in Zuid-Holland.
Advertisements

Introductie Er zijn verschillende manieren om producten te presenteren. Zo kan ieder product een eigen ‘look en feel’ krijgen om zo verschillende doelgroepen.
Abstracte kunst & Onderwijs anders leren kijken - anders leren denken
Uitwerking tentamen Functioneel Programmeren 29 januari 2009.
Het vergelijken van twee populatiegemiddelden: Student’s t-toets
Competentie 1, 3, 15 en 16 Kwaliteit verbeteren
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica IN3005 deel 2 College 2 Cees Witteveen
Automatische Redeneer-systemen
Automatisch Redeneren in de praktijk
Jan Talmon Medische Informatica Universiteit Maastricht
1 Datastructuren Sorteren: alleen of niet alleen vergelijkingen College 5.
NP-volledigheid Algoritmiek © Hans Bodlaender, Oktober 2002.
1 Datastructuren Sorteren: alleen of niet alleen vergelijkingen (II) College 6.
Logisch redeneren in wiskunde C
Processing Unknown Words Wouter Schellekens Merlijn Hutteman.
Voorstellen en redeneren over kennis: diagnose en uitleg
Prof.dr.ir. Bart ter Haar Romeny
Belangrijke onderzoeksgegevens uit het DUO-onderzoek van VNCI/RGC Jan Apotheker and Gerard van Koten Stuurgroep Nieuwe Scheikunde RGC;17.
Fast and Effective Query Refinement B. Velez, R. Weiss, M.A. Sheldon, D.K. Gifford SIGIR 1997.
Help en Documentatie Quick reference Task-specific help Full explanation Tutorial.
Zullen we het ooit leren? Maarten Boasson Quaerendo Invenietis bv Universiteit van Amsterdam.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 5 Cees Witteveen.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3005 Deel 2 College 3 Cees Witteveen
Inleiding TBK college 3 organisatiekunde
Hoofdstuk 1 De betekenis van onderzoek in het bedrijfsleven en zijn management – opzet van dit boek Methoden en technieken van onderzoek, 5e editie,
Hoofdstuk 2 Het onderzoeksonderwerp formuleren en verduidelijken Methoden en technieken van onderzoek, 5e editie, Mark Saunders, Philip Lewis, Adrian.
Designing Knowledge Systems b Hoofdstuk 11 van Knowledge Engineering and Management. The CommonKADS Methodology. b A.Th. Schreiber, J.M. Akkermans, A.A.Anjewierder,
MBR AtT1 College 10: Berekenen van diagnoses Derivation from Normal Structure and Behaviour diagnosis DNSB-diagnose-model nieuwe formalisatie Hittingsets.
Spatial subgroup mining
Instructies geven & Stroomdiagrammen
ProblemenRedeneren met verstekwaarden Gesloten wereld CircumscriptieLogica met verstekwaarden Autoepistemis che logica Redeneren over kennis: herbekeken.
Datastructuren Sorteren, zoeken en tijdsanalyse
Piltdown-mens Java-mens Australopithecus Neanderthaler Cro-Magnon
T U Delft Groep Parallelle en Gedistribueerde Systemen PGS College in345 Deel 2 Cees Witteveen Parallelle en Gedistribueerde Systemen Faculteit Informatie.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 3 Cees Witteveen.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 2 Cees Witteveen.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3120 College 3 Cees Witteveen
Les 12: DTD.
Schijvenbeheer Disk Management t/m
“De theorie van het inventief oplossen van problemen”
Modelleren van XML element content of Hoe doe je dat? Harrie Passier & Bastiaan Heeren TouW-dag 13 november 2010.
MBR AtT 1 College 5: Complexiteit van verschillende abductie-problemen Context cursus: MAB diagnose model logica, abductie Artikel The computational.
MBR AtT1 College 6 : covering-theorie (Deel 1) Literatuur: Plausability of diagnostic hypothese The nature of simplicity Y.Peng & J. Reggia Abductive.
Neurale Netwerken Genetische Algorithmen
AI101  Historisch Perspectief Weak Methods Logic Theorist General Problem Solver  Resolution Theorem Proving Leeswijzer: Hoofdstuk 13.0, 13.1, 13.2 AI.
AI111  Algemeen  Voorbeeld  Concept Learning (Version Space)  Bias Leeswijzer: Hoofdstuk AI Kaleidoscoop College 11: Machinaal.
Datamodellering en –verwerking 8C020 college 6
MBR AtT1 College 8 Model-based reasoning: Troubleshooting R. Davis, W. Hamscher College : Derivation from Normal Structure and Behaviour.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 4 Cees Witteveen
Parsing 1. Situering Contextvrije grammatica’s Predictive (of recursive-descent) parsing LR-parsing Parser generator: Yacc Error recovery 2.
MBR AtT 1 College (1) General Diagnostic Engine (GDE) Artikel : Diagnosing multiple faults J. de Kleer, B. Williams (2) Raamwerk voor diagnostische.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 6 Cees Witteveen.
De dag vóór het examen Schrijf de data en uren waarop je examen moet doen op een groot vel papier en hang het goed zichtbaar op! Leg alles wat je voor.
MBR AtT1 College 7 : covering theorie (Deel 2) model MAB-diagnose: College 6: Covering theorie College 7: Algoritme voor covering theorie werkelijk.
Allard Kamphuisen Hado van Hasselt Wilco Broeders
Overzicht ViP’s* ViP-1: structuur 1
Analyse 3 INFANL01-3 week 2 CMI Informatica.
Minimum Opspannende Bomen Algoritmiek. 2 Inhoud Het minimum opspannende bomen probleem Een principe om een minimum opspannende boom te laten groeien Twee.
1 PO winkels en klanten onderzoek naar verzorgingsgebieden van winkels.
Divergeren Deze powerpoint ga je aan de slag met verschillende divergerende technieken. Hierbij bedenk je zoveel mogelijk ideeën. Bij een brainstormsessie.
Selectie en validatie van interne controles voor immuunhistochemie
NP-volledigheid Algoritmiek.
Minimum Opspannende Bomen
Programmeren met Reeksen
Een vergadering organiseren
PLAGIAAT & BRONVERMELDING
Een beschouwing schrijven
Visie en strategie Les 3: Visie verdieping.
Automatische Redeneer-systemen
Transcript van de presentatie:

MBR AtT1 College 9 Diagnose met correctmodellen. Verdieping in de formalisatie. In reader: Characterizing diagnoses and Systems J. de Kleer, A. Mackworth, R. Reiter

MBR AtT2 Onderwerpen (1) consistentie-gebaseerde diagnose (herhaling) (2) minimale-diagnose-hypothese (3) analyse van diagnose (mbv. implicaten en implicanten) (4) nieuwe concepten: partial diagnose kernel diagnose (5) eisen aan een kennisbank, zodat de minimale- diagnose-hypothese geldt

MBR AtT3 (1) (Herhaling) Systeembeschrijving (SD) speciaal predicaat ab(c): component “c” is abnormaal COMP set van componten SD bestaat uit: –normaal-gedragsmodel van ieder type component –type-component-regels –structuurmodel –domeinafhankelijk: circuit-inputs zijn binair Concreet probleem : observaties

MBR AtT4 (Herhaling) Diagnosedefinitie Een diagnose  voor (SD,OBS,COMP) is een minimale set van foute componenten zodat: SD  OBS  {  ab(c)  c  COMP \  }  {ab(c)  c   } is consistent

MBR AtT5 Onderliggende aanname: minimale-diagnose-hypothese: als  een diagnose is, dan is voor iedere c  COMP \  de verzameling  U c ook een diagnose ofwel: iedere superset van een diagnose is een diagnose Maar: deze aanname is niet altijd terecht! (2) Minimale-diagnose-hypothese

MBR AtT6 Voorbeeld inverter(x)  [  ab(x)  (in(x)=0  out(x)=1)] inverter(I1) inverter(I2) out(I1) = in(I2) in(I1) = 0 out(I2) = 1 diagnoses: {I1}, {I2}, {I1,I2} minimale-diagnose-hypothese geldt! inverter I1 inverter I2 01

MBR AtT7 Tegenvoorbeeld Extra kennis over foutgedrag twee mogelijke foutgedragingen: –óf inverter produceert altijd een 0, óf kortsluiting inverter(x)  ab(x)  [sa0(x)  short(x)] sa0(x)  out(x)=0 short(x)  out(x)=in(x) diagnoses: {I1}, {I2} geen diagnose: {I1, I2} minimale-diagnose-hypothese geldt niet! merk op: ab(x) `positief’ in het antecedent inverter I1 inverter I2 01

MBR AtT8 Nog een tegenvoorbeeld inverter(x)  [  ab(x)  (in(x)=0  out(x)=1)] inverter(I1) inverter(I2) out(I1) = in(I2) in(I1) = 0 out(I2) = 0 diagnoses: {}, {I1, I2} geen diagnoses: {I1}, {I2} minimale-diagnose-hypothese geldt niet! fault masking: SD  OBS  {  ab(c) | c  COMP } niet inc. inverter I1 inverter I2 00

MBR AtT9 Onderwerpen (1) consistentie-gebaseerde diagnose (herhaling) (2) minimale-diagnose-hypothese (3) analyse van diagnose (mbv. implicaten en implicanten) (4) nieuwe concepten: partial diagnose kernel diagnose (5) eisen aan KB, zodat minimale-diagnose-hypothese geldt

MBR AtT10 Terminologie ab-literal: ab(c) of  ab(c), c  COMP ab-clause: ab-lit 1  …  ab-lit n conflict van (SD,COMP,OBS): SD U OBS |— ab-clause De ab-clause is een conflict (toevoegen  (ab-lit 1  …  ab-lit n ) geeft inconsistentie) positief conflict: alleen positieve ab-literals –ab(c 1 )  …  ab(c n ) –lege clause minimal conflict

MBR AtT11 Terminologie implicat: implicaat van een set clauses C is een clause die logisch volgt uit C (  is implicaat van T iff T |--  ) prime implicat: meest `compacte’  implicant:  is implicant van T iff  |-- T prime implicant: `sterkste’ 

MBR AtT12 Conflict conflict is een implicaat van SD U OBS SD U OBS |- conflict conflict geeft diagnostische informatie positive conflicts: minstens 1 van de componenten uit het conflict is kapot minimaal conflict is een prime implicat van SD U OBS

MBR AtT13 Conflicten en diagnoses Er bestaat een diagnose als: SD U OBS is consistent Er is een discrepantie als alle componenten niet correct kunnen functioneren bij gegeven OBS: SD U OBS U {  ab(c) | c  COMP } is inconsistent  is een diagnose als: set van conflicten U {  ab(c) | c  COMP \  } U {ab(c) | c   } is consistent set van conflicten van SD U OBS is de set van implicaten van SD U OBS met de vorm ab-lit 1  …  ab-lit n

MBR AtT14 Voorbeeld Minimal conflicts: ab(A1)  ab(M1)  ab(M2) ab(A1)  ab(M1)  ab(M3)  ab(A2) M1 M2 M3 A2 A1 A=3 C=2 B=2 D=3 E=3 G=12 F=1 0

MBR AtT15 Voorbeeld Minimal conflicts: ab(A1)  ab(M1)  ab(M2) ab(A1)  ab(M1)  ab(M3)  ab(A2) minimale conflicts |-- ab(A1)  ab(M1)  (ab(M2)  ab(M3))  (ab(M2)  ab(A2))

MBR AtT16 Conflict sets als er alleen positieve minimale conflicten zijn dan is “alle componenten zijn incorrect” een diagnose  is een minimale diagnose als: conjunctie van ab(c i ) met c i   een prime implicant is van de set van positieve conflicts van (SD,COMP,OBS)

MBR AtT17 De fundamentele taken in diagnose hypothesegeneratie: = vinden van positieve minimale conflicten = vinden van priem-implicaten van SD U OBS hypotheses testen (candidaatgeneratie): = vinden van priem-implicanten van set positieve minimale conflicten hypothesediscriminatie Echter niet alleen positieve minimale conflicten beschouwen!

MBR AtT18 minimale-diagnose-hypothese Resultaat: minimale-diagnose-hypothese geldt indien we naar positieve minimale conflicten kijken.

MBR AtT19 Onderwerpen (1) consistentie-gebaseerde diagnose (herhaling) (2) minimale-diagnose-hypothese (3) analyse van diagnose (mbv. implicaten en implicanten) (4) nieuwe concepten: partial diagnose kernel diagnose (5) eisen aan KB, zodat minimale-diagnose-hypothese geldt

MBR AtT20 Compacte-diagnose-representatie: partiële diagnose Diagnoses voor systeem met drie componenten: ab(c1)  ab(c2)   ab(c3) ab(c1)  ab(c2)  ab(c3) Compacte representatie: ab(c1)  ab(c2) lezing: alle mogelijke uitbreidingen (met ab(c i ) of  ab(c i )) van de compacte representatie zijn diagnoses.

MBR AtT21 Kernel-diagnose partiële diagnose P representeert een set diagnoses die ieder P bevatten. kernel diagnosis is een minimale partiële diagnose  is een diagnose d.e.s.d.a. er een kernel-diagnose bestaat die de diagnose  `bedekt’.

MBR AtT22 Voorbeeld inverter(x)  [  ab(x)  (in(x)=0  out(x)=1)] inverter(I1) inverter(I2) out(I1) = in(I2) in(I1) = 0 out(I2) = 1 diagnoses: {ab(I1)   ab(I2)}, {ab(I2)   ab(I1)}, {ab(I1)  ab(I2)} kernel diagnoses: ab(I1), ab(I2) inverter I1 inverter I2 01

MBR AtT23 Voorbeeld Extra kennis over foutgedrag Twee mogelijke foutgedragingen: –inverter produceert altijd een 0 –kortsluiting inverter(x)  ab(x)  [ sa0(x)  short(x)] sa0(x)  out(x)=0 short(x)  out(x)=in(x) Diagnoses: {ab(I1)   ab(I2)}, {ab(I2)   ab(I1)} Kernel diagnoses: {ab(I1)   ab(I2)}, {ab(I2)   ab(I1)} inverter I1 inverter I2 01

MBR AtT24 Nog een voorbeeld inverter(x)  [  ab(x)  (in(x)=0  out(x)=1)] inverter(I1) inverter(I2) out(I1) = in(I2) in(I1) = 0 out(I2) = 0 diagnoses: {}, {ab(I1),ab(I2)} kernel diagnoses: {ab(I1)  ab(I2)}, {  ab(I1)   ab(I2)} inverter I1 inverter I2 00

MBR AtT25 Representatie van alle diagnoses set van kernel-diagnoses representeert alle diagnoses set van minimale diagnoses is geen goede representatie voor alle diagnoses

MBR AtT26 partiële/kernel-diagnose partiële diagnoses van (SD,COMPS,OBS) zijn de implicanten van de minimale conflicten van (SD,COMP,OBS) kernel diagnoses van (SD,COMPS,OBS) zijn de priem implicanten van de minimale conflicten van (SD,COMP,OBS)

MBR AtT27 Problemen met niet-positieve conflicten mogelijk redundante minimal conflicts in conflict set van (SD,OBS) mogelijk meerdere subset-minimale sets van kernel diagnoses

MBR AtT28 Probleem Mogelijk meerdere subset-minimale sets van kernel-diagnoses Voorbeeld met 3 componenten: minimal conflicts: ab(a)  ab(b)  ab(c)  ab(a)   ab(b)   ab(c) kernel-diagnoses: ab(a)   ab(b)  ab(a)  ab(c) ab(b)   ab(c)  ab(a)  ab(b) ab(a)   ab(c)  ab(b)  ab(c) NB: er zijn 6 diagnoses

MBR AtT29 Onderwerpen (1) consistentie-gebaseerde diagnose (herhaling) (2) minimale-diagnose-hypothese (3) analyse van diagnose (mbv. implicaten en implicanten) (4) nieuwe concepten: partiële diagnose kernel diagnose (5) eisen aan de kennisbank, zodat minimale-diagnose-hypothese geldt

MBR AtT30 Doel: karakteriseren van alle diagnoses Methoden voor het karakteriseren van alle diagnoses: minimale diagnoses niet voldoende voorstel kernel-diagnoses! Andere benadering: Inperken van SD zodat minimale- diagnose-hypothese wel geldt.

MBR AtT31 Inperken van SD Vraag: wanneer heb je alleen positieve conflicten? onbekend... geen noodzakelijk en voldoende conditie te geven voor de eisen van SD Nu: kijken naar praktische beperkingen van SD en OBS

MBR AtT32 Afwezigheid van abnormal gedrag IAB-conditie: Ignorance of abnormal behaviour SD U OBS in clausal form bevat alleen positieve ab-predicaten Voorbeeld: –  ab(x)  a1...  an -> c1  cn –ab(x)   a1 ....c1 ... cn (a i en c i zijn geen ab predicaten) OBS bevat geen  ab(..)

MBR AtT33 Voorbeeld inverter(x)  ab(x)  [ SA0(x)  short(x)] sao(x)  out(x)=0 short(x)  out(x)=in(x) Voldoet niet aan “IAB-condition”

MBR AtT34 Voorbeeld andg(x)   ab(x)  out(x)=and(in1(x),in2(x)) xorg(x)   ab(x)  out(x)=xor(in1(x),in2(x)) org(x)   ab(x)  out(x)=or(in1(x),in2(x)) Voldoet aan “IAB-condition” OR1 XOR1 XOR2 AND2 AND

MBR AtT35 Beperkte kennis van fout gedrag LKAB: limited knowledge of abnormal behaviour Gebruikte notatie: D(Cp,Cn), –Cp is set van ab(.), –Cn is set van  ab(.) diagnose is set van foute componenten diagnose definitie: SD U OBS U {  ab(c) | c  COMP \  } U {ab(c) | c   } is consistent diagnose definitie: Cp = , Cn = COMP \  SD U OBS U {D(Cp,Cn)} is consistent

MBR AtT36 Beperkte kennis van fout gedrag LKAB: limited knowledge of abnormal behaviour c  COMP, c  Cp, c  Cn SD U OBS U {ab(c)} is consistent EN SD U OBS U {D(Cp,Cn)} is consistent DAN SD U OBS U {D(Cp+c,Cn)} is consistent idee: er is te weinig kennis over foutgedrag om de diagnose Cp+c onmogelijk te maken.

MBR AtT37 LKAB-aanname Als (SD,OBS,COMP) aan de IAB-assumptie voldoet dan voldoet het ook aan de LKAB-assumptie als LKAB-assumptie voldoet en  is een diagnose, en SD U OBS U ab(c) is consistent dan is  +c ook een diagnose SD U OBS U {D(  +c,comp\(  +c))} is consistent intuitie: als je niet kunt bewijzen dat een component zich normaal gedraagt, dan geldt de minimaal diagnose hypothese

MBR AtT38 Samenvatting minimale-diagnose-hypothese –geldt niet altijd diagnose is te characteriseren mbv implicates, implicanten de kernel-diagnoses representeren alle diagnoses i.t.t. de minimale diagnoses kernel-diagnoses zijn ook minimaal (maar op een iets andere manier) als er alleen positieve conflicten zijn dan –minimale diagnoses = kernel diagnoses –minimale-diagnose-hypothese geldt

MBR AtT39 Samenvatting Als LKAB-conditie op SD geldt dan geldt de minimale-diagnose-hypothese Als IAB-conditie geldt dan geldt ook LKAB- conditie

MBR AtT40 Volgend college: Algoritme Artikel van R. Reiter: A theory of diagnosis from first principles