Különböző hagyományos és nem-hagyományos eljárások kombinálása: miért és hogyan? április 16.

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Különböző hagyományos és nem-hagyományos eljárások kombinálása: miért és hogyan? április 16."

Etelka Faragóné
5 évvel ezelőtt
Látták:

1 Különböző hagyományos és nem-hagyományos eljárások kombinálása: miért és hogyan? április 16.

2 Életből vett problémák, projektek Dunai Vasmű: acélkonverter modellezése Orvosi röntgenkép-kiértékelés (mammográfia, tüdő) Elektromos fogyasztás-előrejelzés (Elmű, Émász)

Dunai Vasmű acélkonverter modellezése, tanácsadó rendszer Cél: az elérni kívánt véghőmérséklethez adjunk javaslatot a felhasználandó oxigén mennyiségére Háromféle formában van információnk:

3 Dunai Vasmű acélkonverter modellezése, tanácsadó rendszer Cél: az elérni kívánt véghőmérséklethez adjunk javaslatot a felhasználandó oxigén mennyiségére Háromféle formában van információnk: Fizikai-kémiai egyenletek, anyagmérlegek (pl. mennyi szilícium megy be, mennyi ég el, mennyi marad az acélban) Mért értéksorok (kb. 50 paraméter, egy részéről nem tudjuk, hogy fontos-e, fontos paramétereket nem mérnek) Ökölszabályok (Ha 1 mázsával több meszet teszünk be, akkor kb. 10 fokkal hidegebb lesz a végén.)

4 A modellezés lehetőségei Elméleti modell (a fizikai-kémiai egyenletekre alapoz) A folyamat viselkedését leíró bemenetikimeneti (fekete-doboz) modell Adatok alapján: neurális modell - a folyamat mért adataira alapozzuk Ökölszabályok alapján: szabályalapú rendszer (hagyományos vagy fuzzy) - a gyártás során összegyűjtött tapasztalatokra alapozzuk

5 Hogyan kombináljuk össze ezeket az infókat, algoritmusokat????? Oxigén javaslat O 1 O 2 O K O SZ O ELM Mért értékek alapján tanított modellek NN NN NN K Szabályalapú oxigén javaslat Elméleti modell (fizikai-kémiai egyenletek) Bemeneti adatok ellenőrzése, korrekciója Bemeneti adatok

Orvosi röntgenkép-kiértékelés (mammográfia) 100

700 800 900 1000 1100 100 200 300 400 500 600

500 600 700 800 900 100 200 300 400 500 600 700

6 Orvosi röntgenkép-kiértékelés (mammográfia) Cél: Elváltozásokat keresünk (folt, mikrokalc., torzulás)

7 Információk: Van biológiai, orvosi, szövettani tudás, de nem olyan, hogy elméleti modellt lehetne alkotni (innen a kép modellje nem vezethető le) Mintákban megtestesülő tapasztalat, pl. a képek, az anamnézis (előélet) adatok (volt-e mellrákja a nagymamának?) Szabályok (nem nagyon általánosak, sok-sok kivétel, nehezen fordítható le számítógépnek: látható, hogy nem harmonikus a szövetszerkezet., nem tudjuk megfogalmazni, hogy mi a harmonikus ) Mottó: Ha valaki már látott kb. tízezer felvételt és jó érzéke van hozzá, abból lesz jó diagnoszta

8 Hogyan kombináljuk össze ezeket az infókat, algoritmusokat????? Kóros / normál Folt? 1... Folt? K Mikrokalc 1... Mikrokalc M Anamnézis Bemeneti adatok (képek) ellenőrzése, korrekciója Bemeneti adatok

9 Elektromos fogyasztás-előrejelzés Piaci liberalizáció: a kereskedőnek (pl. Elmű,Émász) egy napra előre meg kell rendelnie az energiát az elosztótól, ezt adja el a fogyasztóknak. A jó fogyasztókért harc van.) Célok, feladatok: 24 órás (48,72,96) előrejelzés ¼ órás pontossággal Hosszútávú (egy éves!) előrejelzés (¼ órás pontossággal! vicc, de ezt szeretnék) Fogyasztói csoportok kialakítása, jellemző fogyasztási minták keresése

10 Információk Vannak mért mintáink (1 napra, pár napra, pár hétre, pár évre - vagy nincsenek, ha új felhasználó) Vannak kérdőív adataink (nagyon bizonytalan, néha energetikus tölti ki, néha az éjjeliőr). A fogalmak is bizonytalanok! ( Inkább délelőtt fogyaszt : Mi a délelőtt? Mi az inkább?) Elméleti modellt próbáltunk alkotni (Makai Tamással), gyerekcipőben jár

11 Mért adatok: (egyéves fogyasztási görbe, bevásárlóközpont) Fogyasztás Szokatlan viselkedés x 10 4 Mérési hiba Negyedórák

12 Mért adatok: egy elég szabályos fogyasztó 9 napi fogyasztása

13 Kérdőív adatok: Két fogyasztó, mindkettő azt válaszolta, hogy inkább délelőtt fogyaszt: De/Du arany: 1,3 De/Du arany: 6, óra 14 óra 22 óra óra 14 óra 22 óra

14 Hogyan kombináljuk össze ezeket az infókat, algoritmusokat? Csoport 1????... Csoport N Kérdőív elemzés Mért adatok elemzése Bemeneti adatok ellenőrzése, korrekciója Bemeneti adatok (mérések, kérdőív adatok, fogyasztói jellemzők)

15 A problémák közös jellemzői Az ismereteink nagyon eltérő formában adottak (törvények, ökölszabályok, mért adatok, kérdőívek stb.) Az ismereteink és/vagy a mért értékeink nagyon bizonytalanok Nagyon kevés az ismeret semmit se dobhatunk el

16 A különböző szakértelem integrálása külön komponenssel (MOE) Mixture of Experts (MOE) Kimenet=g 1.y1+g 2.y 2 + +g n.y n Kapuzó hálózat g 1 g 2... g n Szakértő 1 Szakértő 2... Szakértő n x

17 A különböző szakértelem integrálása (MOE) A kapuzó hálózat mondja meg, hogy melyik bemeneti tartományban melyik szakértőben mennyire bízzunk (g 1, g 2, ) T u l l a j d o n s á g 2 Szakértő 1 Szakértő 2 Szakértő 2 Szakértő 3 Tulajdonság 1 A kapuzó hálózatot mintákkal tanítjuk

18 A különböző szakértelem integrálása - a szakértők bizonytalansága alapján (Tóth Norbert PhD disszertáció) Kimenet=g 1.y 1 +g 2.y2+ +g n.y n Az #1 eredmény bizonytalansága g 1 Σ Az #n eredmény bizonytalansága g n Kiterjesztett (döntési fa) Kiterjesztett (döntési fa)... osztályozó 1 osztályozó 2 Kiterjesztett (döntési fa) osztályozó n x

19 Szimulációs példa (osztályozás): Class A Class B Decision Hyperplanes

20 Megoldás MOE-val: Class A Class B Classifier Separator Boundary

21 Megoldás a saját bizonytalanságbecslés segítségével

22 Az eredmények összehasonlítása Pontosságban ugyanolyan eredményeket lehetett elérni Előny, hogy minden döntéshez (eredményhez) előáll egy minősítés, mennyire vagyunk biztosak benne) Nem kell külön komponens a különböző tudás integrálásához Ha új szakértő lép be vagy ki, nem kell újratanítani a rendszert

23 Köszönöm a figyelmet!

Hasonló dokumentumok

SZAKÉRTŐI RENDSZEREK, JOGI TUDÁSALAPÚ RENDSZEREK. Strausz György október 2.

SZAKÉRTŐI RENDSZEREK, JOGI TUDÁSALAPÚ RENDSZEREK Strausz György 2015. október 2. MESTERSÉGES INTELLIGENCIA HF KONZULTÁCIÓ Fuzzy szakértői rendszerek Szabálytanulás Szakértői rendszer feladatok. Két alkalom