Monografias.com > Sin categoría
Descargar Imprimir Comentar Ver trabajos relacionados

Programación inductiva (página 2)




Enviado por Pablo Turmero



Partes: 1, 2

Monografias.com

Introducción:Programación Lógica Inductiva
ILP
=
Aprendizaje Inductivo de Conceptos (I)
?
Programación Lógica (LP)
Características:
los ejemplos y la teoría de base son cláusulas.
La teoría aprendida es un cjto de cláusulas.

Ventajas ILP:

la lógica de primer orden es un campo
matemático ampliamente desarrollado.
proporciona una representación uniforme
y expresiva.
Inducción
Lógica
Programación

Monografias.com

Introducción: aprendizaje inductivo de conceptos
Inducción predictiva
+
+
+
+
+







H

Monografias.com

Introducción: aprendizaje inductivo de conceptos
Inducción predictiva
+
+
+
+
+



?
?
?
?

H

Monografias.com

Introducción: aprendizaje inductivo de conceptos
Inducción predictiva
aprender la definición de
un concepto
+
+
+
+
+







H
Inducción descriptiva
aprender las relaciones entre
conceptos
+
+
+
+
+
+
H

Monografias.com

Introducción: aprendizaje inductivo de conceptos (predictivo)
Dado:
Un cjto de observaciones
ejemplos positivos E+
ejemplos negativos E –
conocimiento de base B
lenguaje de hipótesis LH
relación de cobertura
Encontrar:
Una hipótesis H? LH tal que (dado B) H cubre todos los ejemplos positivos y negativos
En lógica:
?e ? E+: B ? H ??? e (H es completo)
?e ? E-: B ? H ??/? e (H es consistente)
En ILP, E son hechos básicos, B y H cjtos de cláusulas definidas
+
+
+
+
+
+
H






Monografias.com

Introducción: aprendizaje inductivo de conceptos (predictivo)
Dado:
Un cjto de observaciones
ejemplos positivos E+
ejemplos negativos E –
conocimiento de base B
lenguaje de hipótesis LH
relación de cobertura
criterio de calidad
Encontrar:
Una hipótesis H? LH tal que (dado B) H es óptima w.r.t. Algún criterio de calidad (p.ej. maximizar la precisión predictiva)
+
+
+
+
+
+
H









+

Monografias.com

Introducción: aprendizaje inductivo de conceptos (descriptivo)
Dado:
Un cjto de observaciones (ejemplos positivos E+)
conocimiento de base B
lenguaje de hipótesis LH
relación de cobertura
Encontrar:
Una hipótesis (la más específica) H? LH tal que (dado B) H cubre todos los ejemplos positivos
En lógica, encontrar H tal que ?c ? H, c es cierto en algún modelo preferido de B? E+ (p. ej. el modelo mínimo de Herbrand)
En ILP, E son hechos básicos, B y H cjtos de cláusulas generales
+
+
+
+
+
+
H

Monografias.com

Introducción: ejemplo de programación lógica
E+ = {sort([2,1,3],[1,2,3])}
E – = {sort([2,1],[1]),sort([3,1,2],[2,1,3])}
B contiene las definiciones permutation/2 y sorted/1
ILP predictivo
sort(X,Y)? permutation(X,Y), sorted(Y).
ILP descriptivo
sorted(Y) ? sort(X,Y).
permutation(X,Y) ? sort(X,Y).
sorted(X)? sort(X,X).

Monografias.com

Introducción: ejemplo de descubrimiento de conocimiento
E+ = {daughter(mary,ann),daughter(eve,tom)}
E – = {daughter(tom,ann),daughter(eve,ann)}
B = {mother(ann,mary),mother(ann,tom),father(tom,eve),
father(tom,ian),female(ann),female(mary),female(eve),
male(pat),male(tom),parent(X,Y)?mother(X,Y), parent(X,Y)?father(X,Y)}
ILP predictivo
daughter(X,Y)? female(X),parent(Y,X).
o un cjto de cláusulas definidas
daughter(X,Y)? female(X),mother(Y,X).
daughter(X,Y)? female(X),father(Y,X).
ILP descriptivo
? daughter(X,Y),mother(X,Y).
female(X) ? daughter(X,Y).
mother(X,Y);father(X,Y)? parent(X,Y).

Monografias.com

Introducción: definición empírica de ILP
Dado:
Un cjto de ejemplos E de un predicado objeto p
Hechos básicos verdaderos E+
Hechos básicos falsos E –
Un conocimiento de base B que define predicados qi ? p
Un lenguaje de hipótesis L, un subcjto. de cláusulas definidas
Encontrar:
Una hipótesis H que defina el predicado p, expresado en L como un cjto. de cláusulas de la forma
p(X1,…,Xn) ? L1,…,Li,…,Lm
tal que
H es completo: ?e ? E+: B ? H ??? e (suficiencia a posteriori)
H es consistente: ?e ? E-: B ? H ??/? e (satisfacibilidad a posteriori)
?e ? E+: B ??/? e (necesidad a priori)
?e ? E-: B ??/? e (satisfacibilidad a priori)

Monografias.com

Introducción: un problema ILP simple
El problema
Dados:
ejemplos de la relación daughter(X,Y)
conocimiento de base –definiciones (extensionales) de las relaciones parent(X,Y) y female(X)

Encontrar: la definición de la relación daughter
daughter(X,Y)? female(X),parent(Y,X).

ann
mary
tom
eve
ian
f
f
f

Monografias.com

Introducción: un problema ILP simple
Representación ILP estándar
ejemplos: hechos básicos de la relación daughter
conocimiento de base: hechos básicos que definen las relaciones parent(X,Y) y female(X)

Monografias.com

Introducción: un problema ILP simple
Representación como una base de datos relacional

Ejemplos como implicaciones:
daughter(mary,ann)? female(mary),female(ann),
parent(ann,mary),parent(ann,tom).

Hipótesis inducida:
daughter(X,Y)? female(X),parent(Y,X).

Monografias.com

Introducción: ejemplo Bongard
Casificación de ejemplos basada en su estructura
pos
neg

Monografias.com

Introducción: ejemplo Bongard (cont.)
Representación en lógica de primer orden

contains(1, o1).
contains(1, o2).
triangle(o1).
points(o1, down).
circle(o2).
pos(1).
pos(X) :- contains(X,Y), triangle(Y), points(Y, down).
el uso de variables proporciona un adecuado nivel de abstracción para la hipótesis
permitido cualquier
número de objetos
Dibujo 1

Monografias.com

Introducción: un ejemplo del mundo real
Identificar subestructuras en las moléculas que hacen que
se adhieran a otras moléculas
La descripción de las moléculas es la lista de sus átomos, relaciones,…
El conocimiento de base define el cómputo de la distancia euclidea, …

Monografias.com

Introducción: un ejemplo del mundo real
active(A) :- zincsite(A,B), hacc(A,C), hacc(A,D), hacc(A,E),
dist(A,C,B,4.891,0.750), dist(A,C,D,3.753,0.750), dist(A,
C,E,3.114,0.750), dist(A,D,B,8.475,0.750), dist(A,D,E,
2.133,0.750), dist(A,E,B,7.899,0.750).

hacc(M,A):- atm(M,A,o,2,_,_,_).
hacc(M,A):- atm(M,A,o,3,_,_,_).
hacc(M,A):- atm(M,A,s,2,_,_,_).
hacc(M,A):- atm(M,A,n,ar,_,_,_).
zincsite(M,A):-
atm(M,A,du,_,_,_,_).
hdonor(M,A) :-
atm(M,A,h,_,_,_,_),
not(carbon_bond(M,A)), !.

atm(m1,a1,o,2,3.430400,-3.116000,0.048900).
atm(m1,a2,c,2,6.033400,-1.776000,0.679500).
atm(m1,a3,o,2,7.026500,-2.042500,0.023200).

bond(m1,a2,a3,2).
bond(m1,a5,a6,1).
bond(m1,a2,a4,1).
bond(m1,a6,a7,du).

Descripción de las moléculas:
Conocimiento de Base:
-> Hipótesis:

Monografias.com

Introducción: un ejemplo del mundo real
Algunos ejemplos de moléculas:

Monografias.com

Introducción: conclusión
Para ciertos tipos de aprendizaje…
algunas veces llamado aprendizaje estructural: ejemplos que tienen una estructura compleja (no simplemente un vector de valores) o aprendizaje relacional
… es necesario un formalismo de representación para hipótesis y datos más expresivo
la lógica de primer orden proporciona esta expresividad
-> estudiar la inducción en lógica de primer orden.

Partes: 1, 2
 Página anterior Volver al principio del trabajoPágina siguiente 

Nota al lector: es posible que esta página no contenga todos los componentes del trabajo original (pies de página, avanzadas formulas matemáticas, esquemas o tablas complejas, etc.). Recuerde que para ver el trabajo en su versión original completa, puede descargarlo desde el menú superior.

Todos los documentos disponibles en este sitio expresan los puntos de vista de sus respectivos autores y no de Monografias.com. El objetivo de Monografias.com es poner el conocimiento a disposición de toda su comunidad. Queda bajo la responsabilidad de cada lector el eventual uso que se le de a esta información. Asimismo, es obligatoria la cita del autor del contenido y de Monografias.com como fuentes de información.

Categorias
Newsletter