https://miau.my-x.hu/mediawiki/api.php?action=feedcontributions&feedformat=atom&user=Rencs001 2026-05-09T20:09:18Z A felhasználó közreműködései MediaWiki 1.27.7 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4448 2005-12-21T23:43:30Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *'''2005''' : Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> *...<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti? (Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény? (Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése? (Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4447 2005-12-21T23:43:14Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *'''2005''':Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> *...<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti? (Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény? (Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése? (Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4446 2005-12-21T23:15:49Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> *...<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti? (Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény? (Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése? (Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4445 2005-12-21T23:15:32Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti? (Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény? (Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése? (Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4444 2005-12-21T23:14:03Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4443 2005-12-21T23:13:18Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> *Minél komplexebb minősítő-rendszerrel ellenőrizzük a kombinatorikai térben bejárt út elemeit, annál lassabb lesz a tanulási folyamat. Megtehető, hogy a jövőkép egyedileg kialakított pontjait egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4442 2005-12-21T23:02:35Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4441 2005-12-21T22:44:33Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4440 2005-12-21T22:34:56Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A legtöbb esetben a valóságnak való megfelelés valószínűsége, mértéke kifejezhető (vö. korreláció, becslési pontosság). A mesterséges intelligencia jellegű megoldások esetén magától értetődően képezhetők komplex célfüggvények, melyek lényegében megfeleltethetők a konzisztencia kritériumoknak is. Minél komplexebb minősítő-rendszerrel (célfüggvény) ellenőrizzük a kombinatorikai térben bejárt út elemeit (függvények), annál lassabb lesz a tanulási folyamat, s annál kisebb a valószínűsége a kellően helyes numerikus megoldásoknak. Amennyiben egy célfüggvény egyetlen tényezőre vonatkozó becslések beválási valószínűsége szerint szűr, úgy egy második lépésben megtehető, hogy a jövőkép egyedileg kialakított pontjait (egyedi függvények egyedi becslései) egymással szembeni konzisztencia-vizsgálatnak vessük alá, s azok kerüljenek megtartásra az egyedi megoldások alternatívái közül, mely a legkevesebb konfliktushelyzetet adják együttesen. Ez a megközelítés egyben a céltalanság tételének látszólagos megkerülését is jelenti.&quot;<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4439 2005-12-21T21:39:33Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz, mivel a kapcsolatos errőforrások határozzák meg a jó döntés-előkészítését.)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz, mivel egy tanulási módszer ezek nélkül nem lehetne kiválasztani.)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4438 2005-12-21T21:16:22Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **napraforgó termésátlag becslés (alkalmazási példa)<br /> **kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **korrelációs koefficiensek<br /> **ceteris paribus elemzés<br /> **célfüggvény<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **[[gépi tanulás]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **[[adatbányászat]] (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> Szerkesztői javaslat: A tanulás-teszt fogalma alapvetően a céltalanság tételével fonódik össze, melyre vonatkozó elméleti problémákat az miau/34/aszm3.doc, ill. az OTKA-jelentések (miau sitemap / kutatás) tartalmazzák...<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4436 2005-12-04T16:54:54Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **[[adatbányászat]] (adat,felmérés készítése)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Vita:G%C3%A9pi_tanul%C3%A1s&diff=14406 2005-12-01T20:16:49Z

<p>Rencs001: </p> <hr /> <div>'''Javaslat'''<br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligencia-kutatás önálló területeként különíthető el? (Igaz)<br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligenciák induktív módszereire és logikai programozására támaszkodva a mesterséges neurális hálózatokhoz és genetikai algoritmusokhoz nem tanulási eljárásokat fejleszt és vizsgál? (Hamis,mivel tanulási eljárások fejlesztésére és vizsgálatára szolgál.)--[[User:Rencs001|Rencs001]] 2005. december 1., 21:09 (CET)</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Rencs001&diff=14276 2005-12-01T20:12:44Z

<p>Rencs001: </p> <hr /> <div>* Saját szócikk: [[Tanulás-teszt]]<br /> * Megkommentált szócikk: [[Gépi tanulás]]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Rencs001&diff=14275 2005-12-01T20:12:25Z

<p>Rencs001: </p> <hr /> <div>* Saját szócikk: [[Tanulás-teszt]]<br /> * Megkommentált szócikk:[[Gépi tanulás]]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Rencs001&diff=14274 2005-12-01T20:11:44Z

<p>Rencs001: </p> <hr /> <div>* Saját szócikkem : [[Tanulás-teszt]]<br /> * Megkommentált szócikk:[[Gépi tanulás]]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Vita:G%C3%A9pi_tanul%C3%A1s&diff=14405 2005-12-01T20:10:31Z

<p>Rencs001: </p> <hr /> <div><br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligencia-kutatás önálló területeként különíthető el? (Igaz)<br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligenciák induktív módszereire és logikai programozására támaszkodva a mesterséges neurális hálózatokhoz és genetikai algoritmusokhoz nem tanulási eljárásokat fejleszt és vizsgál? (Hamis,mivel tanulási eljárások fejlesztésére és vizsgálatára szolgál.)--[[User:Rencs001|Rencs001]] 2005. december 1., 21:09 (CET)</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Vita:G%C3%A9pi_tanul%C3%A1s&diff=14404 2005-12-01T20:09:58Z

<p>Rencs001: </p> <hr /> <div> Javaslat<br /> *<br /> <br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligencia-kutatás önálló területeként különíthető el? (Igaz)<br /> * Igaz-e, hogy a gépi tanulás a mesterséges intelligenciák induktív módszereire és logikai programozására támaszkodva a mesterséges neurális hálózatokhoz és genetikai algoritmusokhoz nem tanulási eljárásokat fejleszt és vizsgál? (Hamis,mivel tanulási eljárások fejlesztésére és vizsgálatára szolgál.)--[[User:Rencs001|Rencs001]] 2005. december 1., 21:09 (CET)</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Vita:G%C3%A9pi_tanul%C3%A1s&diff=14403 2005-12-01T19:57:47Z

<p>Rencs001: </p> <hr /> <div> Javaslat<br /> *</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4435 2005-12-01T18:20:10Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **[[adatbányászat]] (adat,felmérés készítése)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4434 2005-12-01T17:58:55Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat (adat,felmérés készítése)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4433 2005-11-30T15:33:46Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat (adat, mesterséges inteligencia)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Rencs001&diff=14273 2005-11-30T10:26:28Z

<p>Rencs001: </p> <hr /> <div>* Saját szócikkem : [[Tanulás-teszt]]<br /> * Megkommentált szócikk:</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4432 2005-11-30T10:21:45Z

<p>Rencs001: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * Az általam felhasznált szakirodalmakban nem találtam ellentmondást.<br /> <br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Rencs001&diff=14272 2005-11-30T10:19:55Z

<p>Rencs001: </p> <hr /> <div>* Saját szócikkem : Tanulás-teszt<br /> *</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4431 2005-11-29T18:10:12Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=21022]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4430 2005-11-29T18:03:10Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://miau.gau.hu/levelezo/2003osz]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4429 2005-11-16T17:11:55Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis, mivel arra szolgál, hogy ellenőrizzük mennyire valós az összegzésben kapott végeredmény.)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4428 2005-11-16T17:05:49Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis)<br /> * Igaz-e, hogy egy tanulási módszer kiválasztása előtt szügséges a probléma és a rendelkezésre álló adatok elemzése?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4427 2005-11-16T16:50:33Z

<p>Rencs001: </p> <hr /> <div>'''Angol megnevezés:''' learning-test<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4426 2005-11-14T23:28:26Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> * Igaz-e, hogy a tanulás-teszt nem arra szolgál, hogy elenőrizzük mennyire valós az összegzésben kapott végeredmény?(Hamis)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4425 2005-11-14T23:15:55Z

<p>Rencs001: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]<br /> *...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4424 2005-11-14T23:12:31Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul == <br /> * Igaz-e, hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * Igaz-e, hogy a tanulási % arány mindig több, mint a teszt % aránya?(Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4423 2005-11-14T22:53:59Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * <br /> * Igaz-e,hogy a jó döntés-előkészítés a rendelkezésre álló erőforrások ideális kombinációjának megvalósítását jelenti?(Igaz)<br /> * <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4422 2005-11-14T22:44:44Z

<p>Rencs001: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]<br /> *Sverha Csaba: Információs rendszerek alkalmazása( napraforgó termésátlag becslés )[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20235]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4421 2005-11-14T22:33:42Z

<p>Rencs001: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20234]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4420 2005-11-14T22:21:40Z

<p>Rencs001: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Pitlik-Pásztor: Mesterséges intelligencia kutatások hasznosítása az előrejelzés készítésében.[http://miau.gau.hu/levelezo/2003osz]</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4419 2005-11-14T21:48:04Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása.A MI-rendszerekben tehát a tudás- vagy ismeretbázis játssza a főszerepet. Abban különbözik a számítástechnika más területein alkalmazott konvencionális adatbázisoktól, hogy különböző típusú ismeretekből tevődik össze: a tárgyakra, az eljárásokra, a folyamatokra vonatkozó ismeretekből, az úgynevezett mindennapi (commonsense) tudásanyagból, a célokra, szándékokra, motivációkra, okozati összefüggésekre vonatkozó információkból. Az ismeretek ilyen széles skálájának megragadása, ábrázolása, strukturálása úgy, hogy minél pontosabb megfelelés legyen a való világ és az ismeretbázis között, és alkalmas legyen a szükséges műveletek elvégzésére, bonyolult feladat. (Hogy a megfelelő forma milyen fontos, azt a tudománytörténet bizonyítja. A rómaiak számírásuk miatt nem váltak jó matematikussá.), s a bázishoz hozzá kell rendelni egy olyan szabályrendszert, amelynek segítségével az explicit tudásanyagból következtetések útján ki lehet bontani a benne rejlő implicit tudást. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4418 2005-11-14T21:41:40Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása. &quot;[http://www.mek.iif.hu/porta/szint/tarsad/konyvtar/informat/azinform/html/mestint.html]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4417 2005-11-14T21:40:59Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;A köznapi életben nagyfokú egyetértéssel állapítjuk meg valakiről, hogy intelligens, sőt össze is tudjuk mérni másokkal, s közben ­ kis túlzással ­ fogalmunk sincs róla, hogy miről beszélünk. Legfeljebb néhány összetevőjét tudjuk felsorolni, olyan tulajdonságokat, amelyekről feltételezzük: szükségesek ahhoz, hogy az emberi magatartást, viselkedést intelligensnek mondhassuk. (Az intelligencia bizonyos mennyiségű tudást már eleve feltételez. Ilyenek: a problémamegoldó képesség, az absztrahálás és általánosítás képessége, az analógiák felismerése különböző szituációkban, az alakfelismerés, a nyelv megértése és helyes használata, az alkalmazkodás váratlan új helyzetekhez, a tanulás képessége, saját hibáink felismerése és kijavítása. &quot;<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4416 2005-11-14T21:39:39Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *'''2005''':&quot;<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4415 2005-11-14T21:24:31Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20228]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4414 2005-11-14T21:14:25Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot;Szinte minden döntéshozó, döntés-előkészítő szembesült már azzal a hétköznapi élethelyzettel, vajon adott probléma esetén honnan is tudná legegyszerűbben begyűjteni az addig felmerült (rész) kérdésekhez illő válaszokat. S az is közismert helyzet, hogy minden újabb ismeret további kérdéseket szülhet. A rendelkezésre álló válaszok alapján egyszerre (vagy több elemzési lépésben) végül is el lehet jutni a döntéshez, vagyis a lehetséges cselekvési alternatívák közül annak az egynek a kiválasztásához, mely elvárt következményeit szubjektíven a legelőnyösebbnek ítélte a döntéshozó(testület) maga.A döntések előkészítése során felmerülő feladatok alapvetően három csoportra oszthatók a megoldásukhoz szükséges képességek és eszközök szempontjából:<br /> **tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,<br /> **tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,<br /> **tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).<br /> A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. &quot;<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4413 2005-11-14T20:32:34Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4412 2005-11-14T09:34:52Z

<p>Rencs001: /* Történeti modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20199] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4411 2005-11-14T09:06:13Z

<p>Rencs001: /* Ontológiai modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás (tanulás-teszt, tultanulás )<br /> **adatbányászat<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4410 2005-11-13T10:17:40Z

<p>Rencs001: /* Definíciós modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **szerkezeti modell<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[adatbányászat]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás<br /> **tanulás eredmény<br /> **tanulási folyamatok elősegitésének, fejlesztésének<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A tanulás-teszt olyan problémamegoldást tár elénk, amely segitségével %-os eredményt kapunk, arról az adathalmazról, amely feldolgozásra kerül, eredményre vezet minket, megmutatja a túltanulás és gépi tanulás hibáit úgy, hogy ebből következtetéseket tudunk levonni és ennek segitségével segit minket a további haladásban,amit később feltudunk használni az előrejelzésünkben is.<br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4409 2005-11-12T19:04:44Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **szerkezeti modell<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[adatbányászat]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás<br /> **tanulás eredmény<br /> **tanulási folyamatok elősegitésének, fejlesztésének<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * ...<br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4408 2005-11-12T18:31:19Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **szerkezeti modell<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[adatbányászat]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás<br /> **tanulás eredmény<br /> **tanulási folyamatok elősegitésének, fejlesztésének<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * ...<br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e,hogy a tanulási eredményeknek egy célja van,mégpedig az esetek osztályai közötti különböző ismertetőjegyek kidolgozása? (Hamis, hiszen két célja van , a másik cél az esetek közöti hasonlóságok megtalálása.)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001 https://miau.my-x.hu/mediawiki/index.php?title=Tanul%C3%A1s-teszt&diff=4407 2005-11-12T18:26:37Z

<p>Rencs001: /* Tesztkérdések modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> *'''1996''':&quot;Egy tanulási módszer kiválasztása elõtt szükséges mind a probléma, mind a rendelkezésre álló adatok elemzése. A gépi tanulás folyamatában négy komponens figyelhetõ meg: az input adatok, a tanulási folyamat,az eredmények és a teszt.Ezen belül a Tanulási eredmények - Teszt: befogadó szemszögébõl a tanulási eljárások a kitûzött célok alapján lényeges különbözhetnek. Így léteznek olyan eljárások, melyek egy probléma durva megközelítésére alkalmasak, míg mások az optimalizálást is lehetõvé teszik.A tanulás eredményei megkülönböztethetõk azáltal is, hogy kinek készülnek. Azon eredményeknek, melyek a szakértõi munkát kell, hogy támogassák jól értelmezhetõknek kell lenniük. Ezzel szemben minden olyan eredmény, amelyet emberi szem nem kell, hogy lásson tetszõleges, de hatékony struktúrákat vehet fel (pl. neuronális hálózatok, szerkezeti modell vs. magatartás modell).A tanulási eredmények célja kettõs: egyrészt az esetek osztályai közötti különböző ismertetőjegyek kidolgozása, másrészt az esetek közti hasonlóságok megtalálása.&quot;[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20192]<br /> *'''1997''':&quot;A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátormodellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti. A mesterséges inteligenciák csoportjába tartozó &quot;program&quot;, amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre.&quot;[http://miau.gau.hu/levelezo/2003osz] <br /> * '''2002''':kapcsolódó OGIL bejegyzés[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20180]<br /> *'''2005''':&quot; Az emberi tanulás mechanizmusa nagyon összetett, pszichológusok és pszichiáterek számtalan kutatást végeztek a tanulási folyamat feltárására, azonban tudásunk e tárgyban még távolról sem teljes. A szakirodalom bőségesen foglalkozik a tanulás különböző megközelítési szempontok szerint felállított modelljeinek elemzésével (pl. biofizikai, asszociációs, információelméleti modellek), de mindegyik modellnek korlátolt az érvényességi köre, ezért a jelenségeknek csak egy szűk területére adnak elfogadható magyarázatot. Ezek főleg az egyén értelmi állapotát elemzik, pedig tudjuk, hogy az érzelmi állapot is jelentősen befolyásolja a tanulás eredményességét. Az érzelmi állapot a tanulás motiváltságával van összefüggésben, tehát a tanulásra motivált állapot előidézése fontos feladata az oktatásnak. A tanulásra motivált állapot létrehozására több lehetőség is kínálkozik, ezek közül néhány a mindennapi oktatási gyakorlatban is jól használható. A fontosabb motivációs lehetőségek:a kíváncsiság felkeltése, a tananyag fontosságának, hasznosságának bemutatása, a tanulás esztétikai élménnyé tétele, a tudás jutalmazása, a nem tudás büntetése, a hallgató egyéni tanulási stílusának és a tanár tanítási stílusának összhangba hozása.&quot;[http://www.spec.hu/tanulstilus.htm]<br /> *...<br /> <br /> == Ontológiai modul ==<br /> * '''&quot; ez egy &quot; kapcsolattipus :'''<br /> **WAM logika<br /> **mesterséges inteligencia<br /> **szerkezeti modell<br /> **spontán tanulás<br /> **napraforgó termésátlag becslés(alkalmazási példa)<br /> **...<br /> *'''&quot;van neki, része a cimszónak&quot; kapcsolattipus:'''<br /> **[[túltanulás]]<br /> **[[gépi tanulás]]<br /> **[[adatbányászat]]<br /> **[[neurális háló]]<br /> **...<br /> *'''&quot; a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )&quot; kapcsolattipus:'''<br /> **tanulás<br /> **tanulás eredmény<br /> **tanulási folyamatok elősegitésének, fejlesztésének<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * ...<br /> == Tesztkérdések modul ==<br /> * Igaz-e, hogy a tanulási eredmények átfedettségi foka egy-egy hozzárendelés? (Igaz)<br /> * Igaz-e, hogy a tanulási stilus közül négyféle alapstilus különböztethető meg? (Igaz)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * ...</div>

Rencs001