Wissensbasierte Systeme

Ähnliche Dokumente
Wissensbasierte Systeme

Wissensbasierte Systeme

Modellbasierte Diagnosesysteme

Seminararbeit im Fachbereich

Wissensbasierte Systeme

Grundlagen der Theoretischen Informatik

Deduktion in der Aussagenlogik. Semantische Folgerungsbeziehung. Zusammenhang zwischen semantischer und syntaktischer Folgerung

Deduktion in der Aussagenlogik

Vorlesung. Vollständige Induktion 1

Logik für Informatiker Logic for computer scientists

Wissensbasierte Systeme

ELEMENTARE DISKRETE MATHEMATIK Kapitel 2: Elementare Logik und Beweise

Grundlagen der Programmierung

A O T. Belief Revision. Grundlagen der Künstlichen Intelligenz Dr.-Ing. Stefan Fricke

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 3: Beweisverfahren

Logik für Informatiker Logic for computer scientists

2.2.4 Logische Äquivalenz

Vorlesung. Logik und Beweise

Theoretische Informatik SS 03 Übung 11

Vorlesung. Beweise und Logisches Schließen

Logik Vorlesung 4: Horn-Logik und Kompaktheit

Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen

A O T Agententechnologien in betrieblichen Anwendungen und der Telekommunikation A O T

Satz 1.18 (Kompaktheitssatz der Aussagenlogik)

Rechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik

Vorlesung 3: Logik und Mengenlehre

Rechnerstrukturen, Teil 1. Vorlesung 4 SWS WS 14/15

Tableaukalkül für Aussagenlogik

Algorithmen II Vorlesung am

II. Wissenschaftliche Argumentation

Semantic Web Technologies I

Minimalpolynome und Implikanten

Freie Bäume und Wälder

Klassische Logik ist monoton: mehr Prämissen haben nie weniger Folgerungen Sei Th(T) = {p T = p}

Beweistechniken. Vorkurs Informatik - SoSe April 2013

Frank Heitmann 2/47. 1 Ein PDA beginnt im Startzustand z 0 und mit im Keller. 2 Ist der Automat

Teil 7. Grundlagen Logik

Algorithmen und Datenstrukturen

Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben.

Informatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung

3.3 Optimale binäre Suchbäume

Satzsemantik. Semantik und Pragmatik. Satzsemantik. Satzsemantik

Semantik und Pragmatik

Moderne Methoden der KI: Maschinelles Lernen

1. Grundlagen der Informatik Boolesche Algebra / Aussagenlogik

Verteilte Systeme. Replikation & Konsistenz I. Prof. Dr. Oliver Haase

Normalformen boolescher Funktionen

Formalismen für REG. Formale Grundlagen der Informatik 1 Kapitel 7 Kontextfreie Sprachen. Das Pumping Lemma. Abschlusseigenschaften

IV Beweise in der Mathematik

Lösungen zur Klausur zur Vorlesung. Mathematik für Informatiker I. (Dr. Frank Hoffmann) Wintersemester 2011/ Februar 2012

4. Logik und ihre Bedeutung für WBS

Vorkurs Informatik WiSe 17/18

Vorsemesterkurs Informatik

Allgemeingültige Aussagen

Vorkurs: Mathematik für Informatiker

Ausdrücke (1) Grundlegende Eigenschaften

mathe plus Aussagenlogik Seite 1

Grundbegriffe Mengenlehre und Logik

Beweistechniken. Vorkurs Informatik - SoSe April 2014

Aufgaben, Hilfestellungen und Musterlösungen zum Modul 5 Druckversion

Christian Rieck, Arne Schmidt

Kapitel MK:V. V. Diagnoseansätze

DisMod-Repetitorium Tag 1

Schwerpunkte. 8. Ausdrücke, Operatoren (einfache Typen) Beispiel: Schaltjahr Test. Einführendes Beispiel: Grundprobleme

Grundlagen des Maschinellen Lernens Kapitel 4: PAC Lernen

ADS: Algorithmen und Datenstrukturen 2

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

KTdCW Artificial Intelligence 2016/17 Practical Exercises - PART A

Übung zur Vorlesung Algorithmische Geometrie

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

6. AUSSAGENLOGIK: TABLEAUS

Beispiel Aussagenlogik nach Schöning: Logik...

Logik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Q.E.D. Algorithmen und Datenstrukturen Wintersemester 2018/2019 Übung#2, Christian Rieck, Arne Schmidt

Konjunktive und disjunktive Normalformen

1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.

Informatik A. Prof. Dr. Norbert Fuhr auf Basis des Skripts von Prof. Dr. Wolfram Luther und der Folien von Peter Fankhauser

Einführung in die mathematische Logik

Grundbegriffe der Informatik Tutorium 3

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

b liegt zwischen a und c.

x x y x y Informatik II Schaltkreise Schaltkreise Schaltkreise Rainer Schrader 3. November 2008

Aussagenlogik. Formale Methoden der Informatik WiSe 2012/2013 teil 6, folie 1

Logic in a Nutshell. Christian Liguda

Institut für Programmierung und Reaktive Systeme. Java 2. Markus Reschke

Einführung in die Logik Aufgabenblatt 3, Zeigen Sie, dass folgende Mengen von Junktoren logisch vollständig sind:

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

Paare und Kartesische Produkte

Was ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie

Lineare Algebra I. Anhang. A Relationen. Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA. Wintersemester 2009/10

Nichtmonotones Schließen

Schwellenwertelemente. Rudolf Kruse Neuronale Netze 8

Effizienter Planaritätstest Vorlesung am

Ab 5.11.: Vorlesung im HSG H.001

Rechnerstrukturen, Teil 1. Vorlesung 4 SWS WS 15/16

Klammersprache Definiere

Vorkurs: Mathematik für Informatiker

Teil 1: Digitale Logik

De Morgan sche Regeln

Transkript:

WBS7 Slide 1 Wissensbasierte Systeme Vorlesung 7 vom 01.12.2004 Sebastian Iwanowski FH Wedel

WBS7 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien 5. Modellbasierte Diagnose Kandidatengenerierung Konfliktgenerierung Wertpropagierung Gesamtarchitektur Komponentenmodellierung 6. Andere Diagnosemethoden 7. Weitere Wissensrepräsentationsformen 8. Bewertung wissensbasierter Systeme

WBS7 Slide 3 Optimierungen der Kandidatengenerierung 1. Fokussierte Vorgehensweise: - Ordne die präferierten und konsistenten Kandidaten nach Wahrscheinlichkeit - Teile diese Kandidaten in 2 Mengen auf: focus: Die besten k Kandidaten: Ihre vorhergesagten Werte werden nachfolgend vollständig weiterpropagiert, bis endgültige Konsistenz oder Inkonsistenz feststeht. candidates: Die restlichen präferierten und konsistenten Kandidaten: Ihre vorhergesagten Werte werden vorerst nicht weiter propagiert

WBS7 Slide 4 Optimierungen der Kandidatengenerierung Aktionen bei Entdeckung eines neuen Konflikts: (fokussierte Vorgehensweise) 1) Konsistenzcheck nur für die Fokusdiagnosen 2) Entfernen aller inkonsistenten Kandidaten aus dem Fokus 3) Bilden der direkten Präferenznachfolger jedes entfernten Fokuskandidaten bzgl. des jeweiligen Konflikts (siehe Detail von 3) 4) Einfügen dieser Nachfolger in candidates, sofern sie dort präferiert sind (anderenfalls werden sie verworfen) 5) Auffüllen von focus mit den wahrscheinlichsten Kandidaten aus candidates

WBS7 Slide 5 Optimierungen der Kandidatengenerierung 2. Eliminierung irrelevanter Konflikte: Konflikte sind nur relevant, wenn sie einen Nachfolger der gegenwärtig präferierten Diagnosen zu Fall bringen könnten: Berücksichtige zum Kandidatentest nur die relevanten Konflikte! Beispiel für relevante Konflikte: Konflikt: 0 2 2 2 0 2 2 0 2 Kandidat: 3 1 2 2 1 1 1 1 3 Relevant?

WBS7 Slide 6 Optimierungen der Kandidatengenerierung 2. Eliminierung irrelevanter Konflikte: Konsistente oder inkonsistente Kandidaten 333 332 323 233 Ausschließlich inkonsistente Kandidaten 331 322 232 313 223 133 321 231 312 222 213 132 123 Konflikte: {001, 110, 020} Relevante Konflikte für: 212: 020 132: keiner 311 221 212 131 122 113 211 121 112 111

WBS7 Slide 7 Konfliktgenerierung Die Kandidatengenerierung löst folgende Aufgabe: Gegeben eine Menge von Konflikten: Finde die wahrscheinlichsten präferierten Diagnosen zu diesen Konflikten. Damit reduziert sich das Diagnoseproblem auf folgende Aufgabe: Finde die Menge der Konflikte! Was ist ein Konflikt? Zuweisung von genau einem Verhaltensmodus an einige Komponenten des Systems Ein Konflikt entspricht logisch einer Disjunktion von negativen Literalen Zum Vergleich: Eine Diagnose entspricht einer Konjunktion von positiven Literalen Wie entsteht ein Konflikt? durch Werte, die einander widersprechen Die sich widersprechenden Werte werden durch verschiedene Annahmen unterstützt. Dann muss eine dieser Annahmen falsch sein.

WBS7 Slide 8 TMS: Truth Maintenance System Behauptungsknoten AA BB CC DD E E Justifications J1 J2 J3 Behauptungsknoten p p q J4 rr Justification J5 Behauptungsknoten s s Justification J6 Behauptungsknoten t t Aus der Kombination von Behauptungen entsteht durch eine Justification eine neue Behauptung

Begriffswelt TMS: TMS: Truth Maintenance System Behauptungsknoten (propositional node): steht für eine beliebige Aussage (kann wahr oder falsch sein) Justification: A 1 A 2... A n C wobei A 1, A 2,..., A n, C Behauptungsknoten sind A 1, A 2,..., A n heißen Antecedents (Vorgänger) der Justification C heißt Conclusion (Folgerung) der Justification Widerspruchsknoten ( ): Steht für eine Behauptung, die auf keinen Fall gilt WBS7 Slide 9

WBS7 Slide 10 ATMS: Assumption-based Truth Maintenance System Funktionalität eines TMS: 1) Bestimmte Behauptungsknoten werden als wahr angenommen (beliefs). 2) Das TMS stellt durch Propagation dieser Annahmen über die Justifications fest, welche anderen Behauptungen dann auch gelten müssen. 3) Insbesondere wird durch Benutzung des Widerspruchsknotens festgestellt, ob die Kombination von bestimmten Annahmen in sich widersprüchlich ist. Zusätzliche Funktionalität eines ATMS: Es wird gleichzeitig mit mehreren Kontexten gearbeitet: Ein Kontext ist die Menge verschiedener Annahmen, die gleichzeitig gelten sollen. 1) Die Behauptungen werden mit den Annahmekontexten versehen, unter denen sie gelten müssen. 2) Das ATMS stellt durch Propagation dieser Annahmekontexte über die Justifications fest, welche anderen Behauptungen dann auch gelten müssen. 3) Insbesondere wird durch Benutzung des Widerspruchsknotens festgestellt, welche Annahmekontexte in sich widersprüchlich sind.

WBS7 Slide 11 ATMS: Assumption-based Truth Maintenance System Begriffswelt ATMS: Behauptungsknoten (propositional node): Behauptungen werden unterschieden in normale Behauptungen und Annahmen (assumption node) Environment: Label: Annahmekontext: Konjunktion von Annahmen, unter denen eine Behauptung gilt (wenn die Annahmen richtig sind) Menge aller Annahmekontexte für einen Behauptungsknoten. Verschiedene Annahmekontexte müssen nicht gegeneinander konsistent sein (es gilt die Disjunktion der Environments). Konflikt (nogood): Environment des Labels des Widerspruchsknotens

ATMS: Assumption-based Truth Maintenance System Anwendung eines ATMS für die modellbasierte Diagnose: Behauptungsknoten (propositional nodes): 1) Normale Knoten: Zuweisung eines konkreten Wertes an einer bestimmten Stelle (Variable) des Systems 2) Annahmeknoten: Zuweisung eines Verhaltensmodus an eine Komponente Justification: Anwendung einer Verhaltensregel auf konkrete Werte Environment: Gleichzeitige (Konjunktion) Zuweisung von Verhaltensmodi an Komponenten, unter der eine Behauptung gelten würde (Zuweisung muss nicht vollständig sein) Bei Annahmeknoten: Zuweisung von einem Verhaltensmodus an genau eine Komponente Konflikt (nogood): Environment des Labels des Widerspruchsknotens: Zuweisung von Verhaltensmodi an Komponenten, deren Konjunktion nicht gelten kann (mindestens eine muss falsch sein) Damit können Konflikte in der Notation und Bedeutung verwendet werden wie bei der Kandidatengenerierung (Vorlesung 6) eingeführt. WBS7 Slide 12

WBS7 Slide 13 Beispiel für die Benutzung eines ATMS p 1 p 2 p 3 p 4 5 6 7 + Kabel Kabel Kabel 1 z 2 z 3 z 4 Batterie Lampe 2 Lampe 3 Lampe 4 - Kabel Kabel Kabel 8 9 10 m 1 m 2 m 3 m 4 Verhaltensmodi (siehe Vorlesung 5): Modus 1 für alle Komponententypen: Normalverhalten Modus 2 für alle Komponententypen: einziger Fehlermodus Batterie: Lampe: Modus 2 (minus = Masse) Modus 2 (z = dunkel)

(0 0 0 0 0 0 0 0 0 0) u u Beispiel für die Benutzung eines ATMS (1 0 0 0 0 0 0 1 1 0) (1 0 0 0 1 1 1 0 0 0) (1 0 0 0 0 0 0 1 1 1) (0 0 0 2 0 0 0 0 0 0) (0 0 1 0 0 0 0 0 0 0) (0 0 0 1 0 0 0 0 0 0) v v CC p q Environment BB AA (1 0 1 0 0 0 0 1 1 0) (0 0 0 0 0 0 1 0 0 0) ww D D r r (1 0 0 1 1 1 1 1 1 1) (0 0 0 0 0 0 0 0 0 0) s s (1 0 0 0 1 1 0 0 0 0) y y (1 0 1 0 0 0 1 1 1 0) x x (0 0 0 2 0 0 0 0 0 0) y: p 3 = Versorgungsspannung p: p 4 = Versorgungsspannung q: m 4 = Masse A: Komponente 4 ist ok r: z 4 = hell t t B: Komponente 4 ist defekt s: z 4 = dunkel t: (Widerspruch) WBS7 Slide 14 (0 0 0 2 0 0 0 0 0 0) (1 0 1 0 1 1 1 1 1 0) (1 0 1 0 1 1 0 1 1 0) u: z 3 = dunkel v: m 3 = Masse Konflikte C: Komponente 3 ist ok w: p 3 = Masse D: Komponente 7 ist ok x: p 4 = Masse

Labelaktualisierung in einem ATMS Label von q: p p Env P 1 Env P 2 Label von p q q Env Q 1 Env Q 2 Bedeutung der Justification: r gilt, wenn p und q wahr sind (Konjunktion) Bedeutung eines Labels: Mehrere Environments des Labels für einen Knoten entsprechen einer Disjunktion: Die Behauptung gilt, wenn eine der Environments wahr ist r r Env (P 1 Q 1 ) Env (P 1 Q 2 ) Env (P 2 Q 1 ) Env (P 2 Q 2 ) Label von r Eliminierung überflüssiger Environments: Widersprüchliche Environments können weggelassen werden. Damit können auch alle Environments weggelassen werden, die Konflikte enthalten. Environments, die aus anderen Environments desselben Labels folgen, können weggelassen werden. WBS7 Slide 15

WBS7 Slide 16 Anwendung eines ATMS durch den Problemlöser Eingabe vom Problemlöser: Annahmeknoten Normale Knoten Justifications zwischen Knoten Ausgabe an den Problemlöser: Menge der minimalen Konflikte Das ATMS macht automatisch: Erzeugung der Labels für die Annahmeknoten Aktualisierung der Labels aller Conclusions, von denen sich der Label eines Antecedents geändert hat Eliminierung aller überflüssigen Environments Das sind sehr viele Operationen!

WBS7 Slide 17 Anwendung eines ATMS durch den Problemlöser Eingabe vom Problemlöser: Annahmeknoten Normale Knoten Justifications zwischen den Knoten Ausgabe an den Problemlöser: Menge der minimalen Konflikte Zusammenspiel mit dem Kandidatengenerierer: Bilde alle Annahmeknoten für die Fokusdiagnosen Berechne alle Werte, die sich aus den Annahmen der Fokusdiagnosen ergeben, und bilde die entsprechenden Behauptungsknoten und Justifications Entnimm dem ATMS die neuen Konflikte

WBS7 Slide 18 Optimierung 1: Focusing ATMS Eigenschaft, die verbessert werden soll: Das ATMS berechnet alle minimalen Konflikte, die zu einer beliebigen Kombination von Annahmen gelten. Die meisten davon sind für den Problemlöser gar nicht von Interesse. Daher zusätzliche Eingabe vom Problemlöser: Diejenigen Environments, die von Interesse sind (Fokusenvironments) Ausgabe: Menge der minimalen Konflikte, die in einem Fokusenvironment enthalten sind Geänderte Funktionsweise des ATMS: Environments werden nur gebildet, wenn sie Teilmengen eines Fokusenvironments sind Bei Eingabe eines neuen Fokusenvironments werden automatisch alle Labels aktualisiert

WBS7 Slide 19 Optimierung 2: Lazy ATMS Eigenschaft, die verbessert werden soll: Das ATMS muss seine Labels häufig aktualisieren Viele Aktualisierungen werden nach außen gar nicht sichtbar, bevor sie von neuem überschrieben werden. Geänderte Funktionsweise des ATMS: Labels werden erst berechnet, wenn nach ihnen explizit gefragt wird (in der Regel wird vor allem nach dem Label des Widerspruchsknotens gefragt) In MDS (DaimlerChrysler) realisierte Variante: ATMS, das gleichzeitig fokussiert und lazy arbeitet Beschreibung in der Dissertation von Mugur Tatar

WBS7 Slide 20 Beim nächsten Mal: Zusammenspiel von Kandidatengenerierung, Konfliktgenerierung und Wertpropagierung