Documente Academic
Documente Profesional
Documente Cultură
Tipuri de probleme
Rezolvarea problemelor dificile
Probleme bine-puse:
- Exista un model formal
asociat problemei
- Exista un algoritm de
rezolvare
Exemplu: clasificarea angajatilor
unei companii in doua clase
in functie de venitul acestora
(venit mai mic respectiv mai
mare decat un prag dat)
Probleme rau-puse:
- Dificil de formalizat
- Se cunosc doar exemple nu
si un model general
- Metodele clasice nu pot fi
aplicate
Exemplu: clasificarea angajatilor
unei companii in doua clase
in functie de credibilitatea
privind acordarea unui
imprumut bancar
Tipuri de probleme
Probleme bine puse
Date de
intrare
Algoritm =
descriere a
metodei
Venit
Rezultat
Clasa 1 sau
Clasa 2
Tipuri de probleme
Probleme rau puse
Date de
intrare
Venit
Sistem adaptiv
(incorporeaza un
modul de
invatare/evolutie)
Rezultate
Clasa 1 sau
Clasa 2
Tipuri de probleme
Metodele de rezolvare a problemelor rau-puse se caracterizeaza
prin:
Tipuri de probleme
Computational Intelligence
is a branch of the study of
artificial intelligence; it aims to
use learning, adaptive, or
evolutionary algorithms to
create programs that are, in
some sense, intelligent.
[Wikipedia]
Terminologie:
Calcul inteligent (?)
Inteligenta computationala (?)
Calcul tolerant (?)
Soft Computing
is a collection of new techniques in
computer science, especially in
artificial intelligence; unlike hard
computing, it is tolerant of
imprecision, uncertainty and
partial truth. In effect, the role
model for soft computing is the
human mind. The guiding
principle of soft computing is:
exploit the tolerance for
imprecision, uncertainty and
partial truth to achieve tractability,
robustness and low solution cost.
[Wikipedia]
Scopul cursului
Directii
Instrumente
Sursa de inspiratie
Calcul neuronal
Retele neuronale
artificiale
Creierul uman
Calcul evolutiv
Algoritmi evolutivi
Evolutia naturala
Calcul fuzzy
Sisteme fuzzy
Rationament uman
si limbaj natural
Scopul cursului
Calcul natural = metode de rezolvare a problemelor inspirate de natura
Calcul neuronal
Calcul ADN
Calcul membranar
Calcul evolutiv
Calcul cuantic
Calcul fuzzy
Calcul neuronal
Principii de baza
Modelul biologic
Retele neuronale artificiale
Aplicabilitate
Scurt istoric
Retele neuronale - curs 1
Principii de baza
Dpdv functional: retea neuronala artificiala = sistem adaptiv
capabil sa furnizeze raspunsuri pentru o problema dupa ce a
fost antrenata pentru probleme similare
Exemple
Data de
intrare
Retea neuronala =
Sistem adaptiv
(antrenabil)
Raspuns
10
Principii de baza
Dpdv structural:
Retea neuronala = ansamblu de unitati functionale (neuroni)
interconectate
Unitate functionala = model foarte simplificat al neuronului biologic
care efectueaza prelucrari simple asupra unor date de intrare
Retea neuronala artificiala = model foarte simplificat la creierului
11
Principii de baza
Comportarea complexa a unei RN emerge din interactiunea si
aplicarea in paralel a multor reguli simple
Abordarea bottom-up este complementara abordarii top down
specifica inteligentei artificiale clasice
Abilitatea de invatare deriva din adaptabilitatea unor parametri
asociati unitatilor functionale (acesti parametri sunt ajustati in
procesul de invatare)
Prelucrarile sunt preponderent numerice spre deosebire de
abordarile din inteligenta artificiala clasica care acopera si sfera
simbolica
12
Calcul neuronal
Principii de baza
Modelul biologic
Retele neuronale artificiale
Aplicabilitate
Scurt istoric
Retele neuronale - curs 1
13
Modelul biologic
Creier uman
cca 1011 neuroni si 1015 interconexiuni (sinapse)
14
Modelul biologic
Cum lucreaza un neuron ?
Primeste semnale de intrare prin dendrite
Semnalele de intrare genereaza diferente
de potential pe membrana celulara
Diferenta de potential se propaga pana la
conul axonal
De-a lungul axonului este transmis un
tren de impulsuri electrice
Impulsurile electrice ajunse la terminatiile
axonului provoaca eliberarea unor
neurotransmitatori in spatiul sinaptic
transfer de informatie catre dendritele
altui neuron
15
Modelul biologic
Calculator (vonNeumann)
Unul sau cateva procesoare
de viteza mare (timp raspuns:
ns) si cu putere mare de calcul
Una sau cateva magistrale de
comunicare de viteza mare
Memorie accesata prin adresa
Componenta ce incorporeaza
cunoasterea este separata de
cea destinata efectuarii
calculelor
Adaptabilitate redusa
Creier uman
Un numar mare (1011) de unitati
functionale de viteza relativ mica
(ms) cu putere de calcul limitata
Numar foarte mare (1015) de
conexiuni de viteza limitata
Memorie cu caracter asociativ
Cunostintele sunt stocate in
sinapse
16
Calcul neuronal
Principii de baza
Modelul biologic
Retele neuronale artificiale
Aplicabilitate
Scurt istoric
Retele neuronale - curs 1
17
Caracteristici
De ce ANN?
Scurt istoric
23
x1
x2
xn
w2
-1
w1
,
wn
y
f(x) = 1 - daca x 0
0 - in caz contrar
y = f ( i=1,nwixi - ) y = f ( i=0,nwixi)
wi reprezinta intensitatea legaturii (conexiunii) de la neuronul cu
iesirea xi
Daca fi > 0 excitare
Daca fi < 0 inhibare
Daca fi = 0 nu exista sinapsa intre neuroni
- valoarea de prag peste care neuronul se activeaza
24
Caracteristici ANN
t = i=1,nwixi -
f(t) = 1 / (1 + e-t)
27
1
1 e 2 h
1
K BT
2.2 Exemple
x1
N Intrari
x2
...
y1
y2
M Iesiri
...
yM
xN
29
Exemple (cont.)
30
31
Functionare
32
Exemple (cont.)
O retea poate arata si asa!
33
Invatare
supervizata
Invatare
nesupervizata
Intrari reale
Invatare
supervizata
Invatare
nesupervizata
Retea
Retea
Clasificator
Perceptron Perceptron Harti cu auto-organizare
Hopfield Hamming Carpenter/Grossberg
multi-nivel Kohonen
34
intrari
iesire
y f ( w j x j w0 )
j 1
Ponderi
numerice
atasate
conexiunilor
f (u ) sgn(u )
f (u ) H (u )
Retele neuronale - curs 1
f (u ) tanh(u )
1
f (u )
1 exp(u )
35
Structura RNA
-
Invatare/antrenare (algoritm de
ajustare a parametrilor
ajustabili)
Relatie de functionare:
yi f
N1
w
k 0
2
ik
N0
w
j 0
1
kj
x j , i 1, N 2
36
Arhitectura pe nivele
Arhitectura recurenta
Arhitectura celulara
Retele neuronale - curs 1
37
38
Calcul neuronal
Principii de baza
Modelul biologic
Retele neuronale artificiale
Aplicabilitate
Scurt istoric
Retele neuronale - curs 1
39
Aplicatii
Clasificare si recunoasterea formelor
Date de intrare: ansamblu de trasaturi ale unui obiect
Ex: informatii despre angajat
Iesire: Clasa caruia ii apartine obiectul
Ex: eligibil sau neeligibil pt. un credit bancar
Alte exemple: recunoasterea caracterelor, clasificarea imaginilor,
clasificarea texturilor, recunoasterea vorbirii, clasificarea
semnalelor (EEG, EKG)
Particularitate: antrenare supervizata (bazata pe exemple de
clasificare corecta)
Retele neuronale - curs 1
40
0 0
1 1
1 1
1 0
11 0
1 0
11 0
0 0
11 0
0 0
11 0
0 11 11 11 0
0 0
11 0
0 0
Dupa antrenare va
recunoaste si
reprezentarea:
0 0
1 1
0 0
11 0
1 1
0 0
11 0
0 0
11 0
0 0
11 0
0 0
11 0
11
0 11 11 11 0
41
Aplicatii
Gruparea datelor (varianta nesupervizata a clasificarii datele
se grupeaza in functie de similaritatile intre ele)
Date de intrare: ansamblu de trasaturi ale unui obiect
Ex: informatii privind traseul urmat de catre utilizator intr-un
sistem de comert electronic
Iesire: clasa caruia ii apartine obiectul
Ex: grupuri de utilizatori cu comportare similare
Alte exemple: segmentarea imaginilor
42
Aplicatii
Exemplu: segmentarea imaginilor =
identificarea regiunilor omogene din
imagine (faciliteaza analiza continutului
imaginii)
43
Aplicatii
Aproximare / estimarea =
determinarea unei relatii intre doua
variabile
Date de intrare: valori ale variabilelor
independente
Ex: valori obtinute prin masuratori
Iesire: valoare corespunzatoare
variabilei dependente
Ex: valoarea estimata pentru marimea
care depinde de variabilele
independente
Retele neuronale - curs 1
44
Aplicatii
Predictie = estimarea valorii(valorilor) viitoare dintr-o serie
temporala
Date intrare: succesiune de valori
Ex: rata de schimb valutar din ultima luna
Iesire: estimarea valorii urmatoare
Ex: estimarea ratei pentru maine
Alte exemple: predictia stocurilor, predictia in meteorologie
45
Aplicatii
Optimizare = rezolvare in timp rezonabil a unor probleme de
optimizare combinatoriala pentru care nu exista algoritmi clasici
de complexitate polinomiala
Memorii asociative = memorii in care regasirea informatiei se
bazeaza pe versiuni partiale ale informatiei stocate si nu pe
adresa
Control adaptiv = determinarea unui semnal de control ce
asigura un anumit semnal de iesire al sistemului
46
Calcul neuronal
Principii de baza
Modelul biologic
Retele neuronale artificiale
Aplicabilitate
Scurt istoric
Retele neuronale - curs 1
47
Biologie
Neurofiziologie
Inteligenta artificiala
Data mining
Psihologie cognitiva
Retele neuronale
Prelucrarea semnalelor
Control adaptiv
Matematica
Algebra liniara (calcul vectorial si matricial)
Analiza numerica (metode de minimizare)
Statistica
(estimare, regresie)
Inginerie
Ecuatii diferentiale
Economie
Predictie stocuri
Analiza riscului
48
Calcul evolutiv
Principiile calculului evolutiv
Structura unui algoritm evolutiv
Clase de algoritmi evolutivi
Aplicatii ale calculului evolutiv
49
Principii de baza
Este inspirat de procesele de evolutie din natura bazate pe
principiile ereditatii si a supravietuirii celui mai bun individ
50
Rezolvarea
problemelor
Problema
Solutie candidat
Grad de adaptare la
mediu
Calitate solutie
51
Conditie
de oprire
Evaluare
Selectie
Algoritm evolutiv =
proces iterativ constand
in aplicarea succesiva a
unor operatori
- recombinare
- mutatie
- selectie
asupra unei populatii
initializata aleator
Recombinare,
mutatie
52
Algoritmi genetici:
Codificarea binara a informatiei
Incrucisarea (recombinarea) este operatorul principal
Mutatia este operator secundar
Adecvate pentru probleme de optimizare combinatoriala
Strategii evolutive:
Codificare reala a informatiei
Mutatia este operatorul principal
Incrucisarea este operator secundar
Adecvate pentru rezolvarea de probleme de optimizare
continua
53
Programare genetica:
Elementele populatiei sunt structuri (arbori, expresii,
programe etc)
Permit generarea unor structuri de calcul prin procese de
evolutie
Programare evolutiva:
Codificare reala a informatiei
Mutatia este singurul operator
Utilizata in rezolvarea problemelor de optimizare continua
54
55
Calcul fuzzy
Se bazeaza pe calculul nuantat ce foloseste valori fuzzy in
locul unor valori exacte
Multime fuzzy: fiecare element are asociata o functie de
apartenenta
Regula fuzzy: regula implicand variabile lingvistice
Rece
Cald
Fierbinte
56
Materiale de curs
57