SUBIECTE TIA

1. Motorul de inferene al unui sistem expert: definiie, mod de

funcionare i ciclul de baz.

DEFINITIE: Motorul de inferen (MI) este un program general care

implementeaz mecanismul prin care se construiesc raionamentele.
MOD DE FUNCTIONARE: Exist diverse procedee sau mecanisme de
inferen care traverseaz
acest arbore n sensuri diferite, conceptul de CUTARE fiind unul esenial n
programele de IA. Cele mai cunoscute metode de inferen sunt:
inducia sau nlnuirea nainte - este un proces de inferen condus de date;
inducia sau nlnuirea npoi - este un proces de inferen condus de scop
inducia sau nlnuirea hibrid - este un proces de inferen care combin
inducia nainte i inducia napoi.
CICLUL DE BAZA: MI este inima unui SE pentru c, folosind baza de
cunotine, construiete dinamic raionamentele alegnd regulile ce urmeaz a fi
declanate/aplicate i ordinea de nlnuire a acestora.
Indiferent de modul de raionament utilizat, ciclul de baz al unui motor de
inferene comport urmtoarele patru etape:

SELECIA: n aceast etap se extrag din baza de reguli i din baza de

fapte elementele care caracterizeaz subdomeniul de rezolvare a problemei.
FILTRAJUL (pattern matching) const n compararea premiselor
regulilor selecionate anterior cu faptele ce caracterizeaz problema de rezolvat,
pentru a determina submulimea regulilor declanabile.
n urma acestei etape pot rezulta una, mai multe sau nicio regul declanabil.
Dac nu rezult nicio regul aplicabil, atunci suntem ntr-o stare de eec pe care
SE o semnaleaz, iar utilizatorul trebuie s
rspund la o serie de ntrebri n scopul completrii datelor.
REZOLVAREA CONFLICTELOR este necesar atunci cnd din etapa
de filtraj au rezultat mai multe reguli declanabile i trebuie aleas una pentru a
fi executat. Dintre criteriile utilizabile n aceast etap se amintesc: prima
regul din list; regula cu cel mai mare numr de fapte n premis; regula cea
mai des utilizat.
EXECUIA REGULI SELECTATE const n adugarea uneia sau mai
multor fapte n baza de fapte ca o consecin a aplicrii regulii respective.
utilizatorului.
 2. Structura unei reele neuronale artificiale cu un strat ascuns. Regula
delta generalizat: modificarea ponderilor neuronilor de pe stratul de
ieire.

RNA cu un singur strat. n acest caz stratul unic joac rol dublu intrare-
ieire. Totodat, absena altor straturi impune ca aceste RNA s aib o topologie
buclat. n aceast categorie se nscriu reelele Hopfield, precum i variante ale
acestora, care se deosebesc n funcie de modul de conectare a neuronilor. Reele
cu un singur strat sunt folosite pentru completarea modelelor, filtrarea unor
semnale sau rezolvarea unor probleme de optimizare;
Regula delta generalizat
Perceptronii multistrat cu mai multe ieiri i funcii de transfer sigmoidale sau
liniare se mai numesc i reele backpropagation.
Denumirea provine de la algoritmul de nvare utilizat de aceste structuri i
anume algoritmul backpropagation BP sau algoritmul de propagare napoi a
erorii.
Algoritmul BP urmrete minimizarea funciei de performan (eroarea ptratic
parial sau total) printr-o metod de gradient. Din acest motiv funciile de
activare sau transfer ale neuronilor trebuie s fie continue i derivabile pe tot
domeniul de definiie, cerine satisfcute de funciile sigmoidale i funcia
liniar.
Generarea unei reele MLP cuprinde dou etape:
etapa de nvare
etapa de testare
Corecia ponderilor neuronilor de pe stratul de ieire
n metoda gradientului descendent, respectiv n algoritmul BP, procesul de
cutare a punctului de minim al funciei de performan a reelei MLP const n
deplasarea dup direcia antigradientului pe o lungime proporional cu rata de
nvare a crei valoare este selectat n mod arbitrar de ctre utilizator.
Adaptarea metodei Newton la antrenarea reelelor MLP conducela urmtoarele
relaii de recuren pentru modificarea ponderilor:
1
Wt 1 Wt H Wt E Wt
1
Vt 1 Vt H Vt E Vt
 4. Neuronul clasificator (perceptronul): structura, ecuaiile de evoluie i
regulile de modificare a ponderilor
x1 w1
wi netj-Tj 1
xi yj

xn wn wn+1 =Tj

xn+1=-1
Ecuaiile de funcionare ale perceptronului sunt ecuaiile modelului MCP.
Deosebirea provine din faptul c de aceast data intrrile sunt valori reale i nu
valori binare de tipul 1 sau 0, funcia de activare fiind tot de tipul treapt.
Prin urmare evoluia perceptronului este descris de:
n
net WT X wi xi T
i 1

1, net 0
y f net
0, altfel
Problema care se pune const n gsirea unui algoritm de nvare care s
determine vectorul ponderilor W astfel nct frontiera s ajung s separe corect
elementele. Cu alte cuvinte, ieirea neuronului s fie y =1 sau y =0, dup cum
intrarea aparine clasei A sau clasei B.
Algoritmul standard de antrenare a perceptronuli, modific valorile
ponderilor ori de cte ori la intrarea reelei este prezentat o configuraie
incorect clasificat.
 5. Cutri neinformate n spaiul strilor: caracterizare i algoritmul
cutrii pe nivel.

Se consider:
un graf definit prin mulimea operatorilor asociai arcelor;
nodul sau mulimea de noduri ce definesc starea iniial Si.
nodul sau mulimea de noduri ce definesc starea final S f .
Pentru rezolvarea este necesar s se gseasc o cale ntre starea initial i
starea final. Principiul care se afl la baza algoritmului generic de cutare
const n explorarea cilor ce pornesc din nodurile aferente strii iniiale i
folosete noiunea de frontier pentru a delimita nodurile explorate de cele care
nu au fost nc explorate.
n parcurgerea spaiului de cutare un nod poate fi:
necunoscut - nodul aparine prii neexplorate a spaiului de cutare,
evaluat - nodul este cunoscut dar fie nu se cunoate nici un succesor al lui,
fie se cunosc numai o parte dintre acetia;
expandat - nodul este cunoscut si, in plus, se cunosc toi succesorii lui
n procesul de cutare se vor folosi doua liste:
LF lista frontier care conine nodurile evaluate;
LT lista teritoriu care conine nodurilor expandate.
Cutarea pe nivel, numit i cutarea n lime, este o strategie care
expandeaz strile urmtoare n ordinea apropierii fa de nodul stare iniial Si.
Aceast strategie trateaz lista frontier LF folosind o strategie de tipul FIFO.
Nodul din frontier care se elimin este primul din list, iar succesorii si sunt
adugai la sfritul listei.
Algoritm: Strategia cutrii pe nivel in spaiul strilor
1. Creeaz listele LF{Si} si LT{ }
2. DAC LF={ }
ATUNCI ntoarce INSUCCES /* nu exist soluie */
3. Elimin primul nod Sc din LF si-l insereaz n LT
4. Expandeaz nodul Sc
4.1 Genereaz toi succesorii direci S j ai nodului Sc
4.2 pentru fiecare succesor Sj (1 j m) al lui Sc executa
4.2.1 Stabilete legtura Sj S
4.2.2 daca Sj este stare final
atunci
i) Soluia este (Sj,S,...,Si )
ii) ntoarce SUCCES /* s-a gsit soluie */
4.2.3 Insereaza S j in LF, la sfrit
5. repeta de la 2
sfrit.
 7. Clasificarea strategiilor de cutare dup cantitatea de informaie.
Costul computaional.
Dup:
capacitatea mecanismului de rezolvare de a reveni ntr-o stare
intermediar anterioar;
dup cantitatea de informaie folosit la gsirea soluiei.
n funcie de cel de-al doilea criteriu, strategiile de cutare se mpart n:
Strategii de cutare neinformate.
Strategiile de cutare neinformat inspecteaz sistematic toate strile spaiului
de cutare pn n momentul gsirii strii finale. Cele mai importante strategii
de acest fel sunt cutarea pe nivel si cutarea in adncime.
Strategii de cutare informate.
Strategia folosete o funcie de evaluare a situaiei globale sau locale care
indic starea urmtoare cea mai promitoare din punct de vedere al avansului
spre soluie.
Costul computaional depinde de locul unde se situeaz strategia de control
n spectrul neinformat/informat i are dou componente:
costul parcurgerii spaiului de cutare ntre starea iniial si starea final;
costul controlului, sau costul evalurii si seleciei celei mai promitoare
stri urmtoare.
 9. Cutri neinformate n spaiul strilor: caracterizare i algoritmul
cutrii n adncime.

Algoritmul cutrii n adncime

Ea expandeaz strile cel mai recent generate, adic nodurile din lista LF
cu adncimea cea mai mare. Aceast strategie parcurge o cale de la starea
iniial pn la o stare ce poate fi starea final sau care nu mai are nici un
succesor. n acest ultim caz se aplic mecanismul backtracking revenindu-se pe
nivelurile anterioare i se ncearc explorarea altor ci posibile. LF este tratat
ca o stiv folosind o tehnic de tipul LIFO (Last In First Out).
Algoritm: Strategia cutrii in adncime n spaiul strilor
1. Creeaz listele LF {Si} si LT { }
2. DAC LF={ }
ATUNCI ntoarce INSUCCES /* nu exist soluie sau soluia nu poate fi
gsit pn la nivelul AdMax */
3. Elimin primul nod Sc din LF si-l insereaz n LT
3'. DAC Ad(Sc ) = AdMax
ATUNCI repet de la 2
4. Expandeaz nodul Sc
4.1 Genereaz toi succesorii direci S j ai nodului Sc
4.2 Pentru fiecare succesor S j (1 j m) al lui Sc execut
4.2.1 Stabilete legtura S j Sc
4.2.2 DAC S j este stare final
ATUNCI
i) Soluia este (S j , Sc ,..., Si )
ii) ntoarce SUCCES /* s-a gsit soluie */
4.2.3 Insereaz S j n LF, la nceput
5. repet de la 2 sfrit.
 13. Structura general a unei proceduri de calcul evolutiv.

Tehnicile de calcul evolutiv sunt metode stocastice de cutare multi-

dimensional care simuleaz evoluia biologic. Ele modeleaz adaptarea unei
populaii de indivizi, fiecare individ n parte reprezentnd o soluie posibil a
problemei de rezolvat, n sensul creterii performanelor n raport cu funcia
obiectiv.
Cele mai cunoscute tehnici de calcul evolutiv sunt:
algoritmii genetici AG;
strategiile evolutive SE;
programarea evolutiv PE;
programarea genetic PG;
sistemele de clasificare SE.
P1. Iniializeaz t = 0 ;
P2 Genereaz populaia iniial P(t) P(0)
P3 Evaluaeaz P(t) ;
P4 Repet atta timp ct (not COND_OPRIRE)
Stabilete t t +1;
Selecia : selecteaz populaia intermediar P1(t) din populaia anterioar
P(t 1)
Recombinarea: aplic procesul de recombinarea asupra lui P1(t) i
rezult o nou populaie intermediar P2 (t) ;
Mutaia: aplic procesul de mutaie asupra lui P2 (t) i rezult noua
populaie P(t) ;
Evaluare: evalueaz P(t) ;
Sfrit ciclu iterativ.
 15. Algoritme genetice: operatorul de selecie.

Algoritmii genetici (AG) sunt procedee de cutare i optimizare bazate pe

mecanismele geneticii i seleciei naturale. Ei combin supravieuirea artificial
a celui mai bun individ cu operatorii genetici care sunt abstractizri ale celor din
natur.
Scopul operatorului de selecie este de a asigura mai multe anse de
reproducere celor mai performani indivizi din cadrul unei populaii date. Prin
urmare, pentru a implementa acest operator este necesar definirea unei msuri a
performanei indivizilor, numit funcie de performan. Dac, pentru o
problem i o codificare date, este mulimea tuturor indivizilor/cromozomilor
posibili, atunci funcia de performan este o funcie f : R care satisface
cerinele:
f trebuie s fie pozitiv, adic f (X) 0 X
f trebuie s reflecte calitatea cromozomilor n sensul optimizrii
funciei obiectiv.
Prin urmare, performana unui individ Xi al populaiei curente
P(t) = {X1,...Xi ,..., Xn}este:
Pi = f (Xi )