MBR7 2002 AtT1 College 7 : covering theorie (Deel 2) model MAB-diagnose: College 6: Covering theorie College 7: Algoritme voor covering theorie werkelijk.

Slides:



Advertisements
Verwante presentaties
Les 2 klassediagrammen II
Advertisements

OGO Markten en sociale organisatievormen voor technologie en innovatie 0A412 1 Markten en sociale organisatievormen voor technologie en innovatie feedback.
Hoofdstuk 8: Recursie.
1 Hashtabellen Datastructuren. 2 Dit onderwerp Direct-access-tabellen Hashtabellen –Oplossen van botsingen met “ketens” (chaining) –Analyse –Oplossen.
GESPRG Les 14 Gestructureerd programmeren in C. 174 Details! The devil is in the details.
Datastructuren Analyse van Algoritmen en O
Klassen en objecten.
Entity Relation Model (ER-model).
Fibonacci & Friends Met dank aan Gerard Tel.
Visibility-based Probabilistic Roadmaps for Motion Planning Tim Schlechter 13 februari 2003.
Parallelle Algoritmen String matching. 1 Beter algoritme patroonanalyse Bottleneck in eenvoudig algoritme: WITNESS(j) (j = kandidaat in eerste i-blok)
Inhoud Synthese van sequentiële netwerken
Voorstellen en redeneren over kennis: diagnose en uitleg
Neurale Netwerken Kunstmatige Intelligentie Rijksuniversiteit Groningen April 2005.
MEDMEC01 Elske Revelman de Vries Mail:
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica in345 Deel 2 College 5 Cees Witteveen.
Fundamentele Informatica IN3120
TU Delft Groep Parallelle en Gedistribueerde Systemen Fundamentele Informatica In3 005 Deel 2 College 1 Cees Witteveen Parallelle en Gedistribueerde Systemen.
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3120 College 5 Cees Witteveen
T U Delft Parallel and Distributed Systems group PGS Fundamentele Informatica In3005 Deel 2 College 3 Cees Witteveen
Opdrachten Inleiding IO Elke opdracht gegeven aan het eind van een college 2010.
Representatie & Zoeken
MBR AtT1 College 10: Berekenen van diagnoses Derivation from Normal Structure and Behaviour diagnosis DNSB-diagnose-model nieuwe formalisatie Hittingsets.
Informatiesystemen in de Bouw
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.
TU Delft Groep Parallelle en Gedistribueerde Systemen Fundamentele Informatica IN3120 Cees Witteveen Parallelle en Gedistribueerde Systemen Faculteit EWI,
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
AI111  Algemeen  Voorbeeld  Concept Learning (Version Space)  Bias Leeswijzer: Hoofdstuk AI Kaleidoscoop College 11: Machinaal.
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
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.
MBR AtT1 College 9 Diagnose met correctmodellen. Verdieping in de formalisatie. In reader: Characterizing diagnoses and Systems J. de Kleer, A.
Allard Kamphuisen Hado van Hasselt Wilco Broeders
ANALYSE 3 INFANL01-3 WEEK CMI Informatica.
Grafentheorie Graaf Verzameling knopen al dan niet verbonden door takken, bijv:
onderzoeksvraag Soorten onderzoeksvragen Exploratieve onderzoeksvraag
Hogeschool Rotterdam, Opleiding Vastgoed & Makelaardij drs. ing. M.M.A. Scheepers Collegejaar college.
Stromingen in de psychologie Hoorcollege 1
Hoorcollege 1: efficiëntie en complexiteitsontwikkeling.
Hoorcollege 1: efficiëntie en complexiteitsontwikkeling.
Nieuwe Influenza A (H1N1) Yvonne Guldemond-Hecker Lezing voor Zij-Aktief
Natuurwetenschappelijk onderzoek Hoe doe je dat? Hoe leer je dat?
Minimum Opspannende Bomen Algoritmiek. 2 Inhoud Het minimum opspannende bomen probleem Een principe om een minimum opspannende boom te laten groeien Twee.
Doorzoeken van grafen Algoritmiek. Algoritmiek: Divide & Conquer2 Vandaag Methoden om door grafen te wandelen –Depth First Search –Breadth First Search.
De definitie van een object. Een object is een verzameling van eigenschappen en bewerkingen. Veel voorkomende objecten zijn: D (display) Gui (user interface)
Heuristieken en benaderingsalgoritmen Algoritmiek.
Divide & Conquer: Verdeel en Heers vervolg Algoritmiek.
Onderzoeksmethodologie van praktijkgericht en toegepast onderzoek Jac Christis, 2 december 2014.
Gerandomiseerde algoritmes
Cultuureducatie, W&T en wereldoriëntatie
All-Pairs Shortest paths
Minimum Opspannende Bomen
SET schrijfvaardigheid H5
Benaderingsalgoritmen
Noorderpoort Medische Kennis
Small Basic Console deel 2
Wat gaan we doen? Filmpje over griep Bespreken huiswerk Presenteren kinderziekten per groep Introductie geneesmiddelen Noorderpoort MK 2 LF1 Les 4.
Noorderpoort PRS griep PRS LF1 Les 3
Small Basic Console deel 2
Doolhof. doolhof doolhof Maak een routine die de ‘hekken’ tussen de cellen weghaalt Maak een 2-dimensionale array met kolommen en rijen aangeklikt.
Rekenen Mevr. Koçak 13 november 2018.
Stichting Gezond & Fris Hurwenen & Rossum
Meetkunde Verzamelingen Klas 8.
Transcript van de presentatie:

MBR AtT1 College 7 : covering theorie (Deel 2) model MAB-diagnose: College 6: Covering theorie College 7: Algoritme voor covering theorie werkelijk systeem model abnormaal gedrag geobserveerd gedrag voorspeld gedrag match observeren voorspellen

MBR AtT2 Effects en causes (HERHALING) verzameling effecten mogelijk veroorzaakt door d i verzameling mogelijke oorzaken van m i causes(m i ): {d j |  C} effects(d i ): {m j |  C}

MBR AtT3 Effects & causes (HERHALING) verzameling effecten mogelijk veroorzaakt door D effects(D):  d i  D effects(d i ) verzameling mogelijke oorzaken van M causes(M):  m i  M causes(d i )

MBR AtT4 Oplossing van diagnose probleem (HERHALING) Vier aspecten van "parsimonious covering theory": (1) "cover" van de manifestatie (2) keuze voor minimaliteit (parsimony) (3) definitie van een verklaring voor de manifestaties (4) definitie van oplossing

MBR AtT5 Gewenste eigenschappen van covering-algorithme: Constructief: construeer een verklaring door gebruik van relatie C reden: –aantal mogelijke verklaringen is |2 D | !! –meeste verklaringen zijn irrelevant –aantal verklaringen van een gegeven probleem is relatief klein Sequentieel: M + wordt over de tijd aangeleverd

MBR AtT6 Onderwerpen Generator & generator set voor representatie van diagnoses operatoren --> update van diagnoses bij nieuwe manifestaties algoritme in termen van generatoren en operatoren

MBR AtT7 Generator Generator G I (g 1, g 2, …., g n ) –g i  D –g i ’s zijn paarsgewijs disjunct: –g i ≠ leeg –representeert aantal klassen: [G I ] = {{d1,d2,…,dn} | d i in g i } Voorbeeld: G I =({d1},{d2,d3},{d4}) [G I ]={{d1,d2,d4},{d1,d3,d4}}

MBR AtT8 Generator Dus: G I is verzameling van disjuncte verzamelingen van disorders [G I ] is een cartesian product

MBR AtT9 Verklaringen Generator gebruiken voor representatie van mogelijke verklaringen 1 generator is vaak niet voldoende nodig: set van generatoren

MBR AtT10 Generator set Compacte representatie van verklaringen G = {G 1, G 2, …., G n } G I zijn generators generators mogen niet dezelfde verklaringen genereren: [G I ]  [G J ] = { } Klassen (verklaringen) gegenereerd door G: [G] = [G 1 ] U [G 2 ] … U [G n ]

MBR AtT11 Voorbeeld d1d2d3d4d5d7d8d9d6 m1m2m3m4m5m6 causes(m1) = {d1,d2,d3,d4} causes(m2) = {d5,d6,d7,d9} causes(m3) = {d2,d3,d5,d6} causes(m4) = {d1,d2,d8} causes(m5) = {d7,d8,d9} causes(m6) = {d2,d4,d8}

MBR AtT12 Voorbeeld M+ = {m1,m4,m5} 8 subset-minimale oplossingen representeren m.b.v. generatorset G={G1,G2} G1=({d3,d4},{d8}) G2=({d1,d2},{d7,d8,d9}) d3 en d4 zijn concurerende hyp’s in de context van d8 G1 representeert 2 verklaringen, G2 representeert 6 verklaringen

MBR AtT13 Voorbeeld keelonstekinggrieplongontstekingasthma keelpijnhoestenkoortskortademigheid

MBR AtT14 Voorbeeld Diagnose-probleem: M + = {keelpijn, kortademigheid} generator g voor DP: {{keelontsteking,griep},{longontsteking,asthma}} de gegenereerde klassen [g]: {{keelontsteking,longontsteking}, {keelontsteking,asthma}. {griep,longontsteking}, {griep,asthma}} irredundante oplossingen voor DP

MBR AtT15 Generator & klassen Verschillende generator-sets kunnen dezelfde klassen genereren Diagnose-probleem: M + = {keelpijn,kortademigheid,hoesten} G 1 = {({keelontsteking},{longontsteking}), ({griep},{longontsteking,asthma})} G 2 = {({longontsteking},{keelonsteking,griep}), ({griep},{asthma})} G 3 = {({longontsteking},{keelonsteking}), ({longontsteking},{griep}), ({griep},{asthma})}

MBR AtT16 Operatoren Idee: sequentiele diagnose: manifestaties komen sequentieel hypotheses representeren met generator-sets gebruik `operatoren’ om set van hypotheses te updaten bij nieuwe manifestatie

MBR AtT17 Operatoren division operator (delingsoperator): selectie van de hypotheses die ook covers zijn voor de nieuwe manifestatie residu operator: selectie van de hypotheses die geen covers meer zijn voor de nieuwe manifestatie augmented residual: vermeerdert de “residual” zodanig dat er nieuwe covers ontstaan

MBR AtT18 Division operator Div(G I,H 1 ) levert een generator-set Q: G I is generator: G I = (g 1,g 2,…,g n ) H 1 is subset van D (bijv. causes(m j )) Q = {Q k | Q k is een generator} Q k = (q k1, q k2,…) Then: q ki := if i k then g i

MBR AtT19 Division operator Q 1 = (q 11,q 12,…) q 11 : g 1  H 1 q 12 : g 2 q 13 : g 3 etc. Q 2 = (q 21,q 22,…) q 21 : g 1 - H 1 q 22 : g 2  H 1 q 23 : g 3 q 24 : g 4 etc. Q 3 = (q 21,q 22,…) q 31 : g 1 - H 1 q 32 : g 2 - H 1 q 33 : g 3  H 1 q 34 : g 4 etc.

MBR AtT20 Division operator iedere Q I bevat een subset van H 1 (nl. q kk: g k  H 1 ) gegenereerde klasse doorsnede H 1 is nooit leeg g j - H 1 zorgt ervoor dat de nieuwe generatoren [Q k ] niet dezelfde klassen (verklaringen) genereren. q 11 : g 1  H 1 q 21 : g 1 - H 1 --> dus in het eerste element verschillend

MBR AtT21 Voorbeeld division operator M + = {m1,m4,m5} G 1 = ({d3,d4},{d8}) H 1 = causes(m3) = {d2,d3,d5,d6} Q 1 = ({d3},{d8}) Q 2 = ({d4}, …. Division van Q G1 met H 1 is {({d3},{d8})} {d3,d4} doorsnede H1, g 2 {d8} doorsnede H1 --> geen generator! {d3,d4} - H1

MBR AtT22 Voorbeeld division operator M + = {m1,m4,m5} G 2 = ({d1,d2},{d7,d8,d9}) H 1 = causes(m3) = {d2,d3,d5,d6} Q 1 = ({d2},{d7,d8,d9}) Q 2 = ({d1}, …. Division van Q G2 met H 1 is {({d2},{d7,d8,d9})} {d1,d2} doorsnede H 1 {d7,d8,d9} doorsnede H 1 --> geen generator! {d1,d2} - H 1

MBR AtT23 Voorbeeld `Oude’ generator set voor M + : {({d3,d4},{d8}), ({d1,d2},{d7,d8,d9})} Nieuwe generator set voor M +  m3: {({d3},{d8}), ({d2},{d7,d8,d9})} {d3,d8}, {d1,d7}, {d2,d7} {d4,d8}, {d1,d8}, {d2,d8} {d1,d9}, {d2,d9} zijn ook covers van m3

MBR AtT24 Generalisatie van division operator DiscoverSet = div(Generator) generalisatie: DiscoverSet = div(GeneratorSet) div(G,H 1 ) =  GI  G div(G I,H 1 ) div(G,H 1 ) en div(G I,H 1 ) leveren beide een generatie-set op

MBR AtT25 Division operator Lemma: G I : generator, G: generator set div(G I,H 1 ) is een generator set [div(G I,H 1 )]={E in [G I ]| E  H 1 ≠ { } } div(G,H 1 ) is een generator set [div(G,H 1 )]={E in [G]| E  H 1 ≠ { } } M.a.w.: de nieuwe H 1 wordt ook gegenereert na divisie door H 1

MBR AtT26 Eigenschappen [div(G I,H 1 )] is subset van [G I ] (meer manifestaties -> minder mogelijke verklaringen) iedere E (explanation) uit [div(G I,H 1 )] bevat minstens 1 element uit H 1 iedere E uit [div(G,H 1 )] bevat minstens 1 element uit H 1

MBR AtT27 merk op: Divisions leveren generator sets op geen duplicaten van klassen Nuttig voor oplossen van sequentiele diagnostisch probleem Idee: Observaties M + mogelijke verklaringen [G] nieuwe observatie m j mogelijke verklaringen voor M +  m j div(G,causes(m j ))

MBR AtT28 Residual operator representatie van klassen uit [G] die geen cover zijn voor M + en m j nieuwe generator: (g 1 -H 1, g 2 -H 1, g 3 -H 1,…,g n -H 1 ) generatoren die geen element met H 1 gemeen hebben. NB: als g i -H 1 = leeg, dan nieuwe generator = leeg

MBR AtT29 Voorbeeld G1=({d3,d4},{d8}); G2=({d1,d2},{d7,d8,d9}) res(G1, causes(m3)) = res(G1,{d2,d3,d5,d6}) = ({d4},{d8}) res(G2,{d2,d3,d5,d6}) = ({d1},{d7,d8,d9})

MBR AtT30 Residual operator res(G,H 1 ) =  G1  G res(G 1,H 1 ) Lemma: G I : generator, G: generator set res(G I,H 1 ) is een generator set [res(G I,H 1 )]={E  [G I ] | E  H 1 is leeg } res(G,H 1 ) is een generator set [res(G,H 1 )]={E in [G] | E  H 1 is leeg}

MBR AtT31 Partities [res(G I,H 1 )] en [div(G I,H 1 )] zijn partities van G I [res(G,H 1 )] en [div(G,H 1 )] zijn partities van G

MBR AtT32 Verdere generalisaties divisions met een generator (i.p.v. disrorder set H) divisions met een generator set residual met een generator (i.p.v. disorder set H) residual met een generator set

MBR AtT33 Operator augmented residual uitbreiding van de residual operator augmented residual (augres): vermeerdert de “residual” zodanig dat er nieuwe covers ontstaan augres(G I,H 1 )= nieuwe generator: (g 1 -H 1, g 2 -H 1, g 3 -H 1,…,g n -H 1,A) A = H 1 - Union g i H 1 =causes(m j )

MBR AtT34 Voorbeeld Generator set voor M + : {({d3,d4},{d8}), ({d1,d2},{d7,d8,d9})} augres(G 1,H 1 ) = augres({({d3,d4},{d8}), {d2,d3,d5,d6}) = {({d4},{d8},{d2,d5,d6})} augres(G 2,H 1 ) = augres({({d1,d2},{d7,d8,d9}),{d2,d3,d5,d6}) = {({d1},{d7,d8,d9},{d3,d5,d6})} augres(G,H 1 )= {({d4},{d8},{d2,d5,d6}), ({d1},{d7,d8,d9},{d3,d5,d6})}

MBR AtT35 Samenvatting concept van generator set voor representatie van oplossingen voor diagnostisch probleem operatoren voor manipuleren van generator sets tijdens het oplossen van het diagnose probleem

MBR AtT36 Samenvatting M + aanwezig G 1 representeert alle mogelijke covers voor M + nieuwe manifestatie m j bekend div(G 1,causes(m j )) zijn de covers uit G 1 die ook covers zijn voor M + U m j res(G 1,causes(m j )) zijn de covers voor M + die niet m j verklaren augres(G 1,causes(m j )) zijn de covers voor M + die niet m j verklaren, vermeerdert zodanig dat ze m j wel verklaren

MBR AtT37 Diagnose-proces Sequentiële diagnose Subset-minimale verklaringen voor M + U M j  div(G 1,causes(m j )) + augres(G 1,causes(m j )) augres operator genereert soms enkele redundante covers minimale verklaringen zijn een subset van div(G 1,causes(m j )) U augres(G 1,causes(m j ))

MBR AtT38 Voorbeeld oorontsteking ontsteking amandelen keel- ontsteking asthma long ontsteking oorpijnkeelpijnkoortskort ademig hoesten

MBR AtT39 Voorbeeld Diagnose probleem: M + = {keelpijn,kortademig,koorts} Generator set: {({keelontsteking},{asthma,longontsteking}), ({ontsteking amandelen},{longontsteking})} H 1 = causes(oorpijn) = {oorontsteking, ontsteking amandelen}

MBR AtT40 Voorbeeld [div(G,H 1 )] = {{longontsteking, ontsteking amandelen}} [augres(G,H 1 )] = {{keelontsteking,asthma,oorontsteking}, {keelontsteking,asthma,ontsteking amandelen}, {keelontsteking,longontsteking,oorontsteking}, {keelontsteking,longontsteking,ontsteking amandelen}} {{longontsteking, ontsteking amandelen}}  {keelontsteking,longontsteking,ontsteking amandelen}}

MBR AtT41 Algoritme manifestaties komen sequentieel constructie van nieuwe hypotheses op basis van eerdere hypotheses

MBR AtT42 Algoritme revise(G,H1) = F U res(Q,F) Waarbij: –F = div(G,H1) –Q = augres(G,H1) begin hyp = { {} } while MoreManifestations do m = NextManifestation hyp = revise(hyp, causes(m)) end-while return(hyp) end

MBR AtT43 Verwijderen van redundante oplossingen Q L : “nieuwe covers” verkregen met “augmentation operator” Q J : “oude covers” die ook de nieuwe manifestatie m nieuw bedekt. Res(Q L,Q J ) = alle subsetminimale diagnoses voor M org + m nieuw

MBR AtT44 Voorbeeld m nieuw causes(m nieuw ) hypothesis M1 {d1,d2,d3,d4} {({d1,d2,d3,d4})} M4 {d1,d2,d8} {({d1,d2}), ({d3,d4},{d8})} M5 {d7,d8,d9} {({d1,d2},{d8,d8,d9}), ({d3,d4},{d8})

MBR AtT45 Volgende keer: Diagnose met correctmodellen