Tanulás-teszt
A Miau Wiki wikiből
Angol megnevezés: learning-testing
Tartalomjegyzék
Történeti modul
- 1996:"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."[1]
- 1997:"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 "program", amely a Gödöllői Agrártudományi Egyetem Gazdasági Informatika Tanszékének kutatásai során egy 10 éves projekt erdményeként jött létre."[2]
- 2002:kapcsolódó OGIL bejegyzés[3]
- 2005:"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:
- tetszőleges korábbi, ill. jelenlegi állapot értékének, azaz tényszerű ismereteknek (pl. mért, megfigyelt, azaz primer adatoknak) keresése,
- tényként kezelt adatok alapján végzett további számítások (elemzések, becsült, származtatott, avagy szekunder adatok, absztrakciók) kidolgozása,
- tetszőleges (a későbbiekben mérhető) jelenségek jövőbeli, ill. korábban meg nem figyelt múltbeli állapotának levezetése (előrejelzése, modellezése).
A jó döntés-előkészítés tehát a rendelkezésre álló erőforrások ideális kombinációjának megválasztását jelenti. "[4]
- 2005:"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."[5]
- 2005:"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. "[6]
- ...
Ontológiai modul
- " ez egy " kapcsolattipus :
- napraforgó termésátlag becslés (alkalmazási példa)
- kontingencia koefficiens és numerikus korreláció függetlensége (alkalmazási példa)
- ...
- "van neki, része a cimszónak" kapcsolattipus:
- túltanulás
- korrelációs koefficiensek
- ceteris paribus elemzés
- célfüggvény
- ...
- " a cimszó része valaminek ( a cimszónak egyenrangu fogalmak )" kapcsolattipus:
- gépi tanulás (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)
- adatbányászat (célfüggvény meghatározás, tanulás-teszt összehasonlítás, ...)
- ...
Ellentmondások és vitatott kijelentések modulja
- 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.
- ...
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...
Definíciós modul
- 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.
- ...
Tesztkérdések modul
- 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.)
- 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.)
- 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.)
- ...
