Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói



Hasonló dokumentumok
Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

2. Hozzárendelt azonosítók alapján

Elektronikus kereskedelem. Automatikus azonosító rendszerek

Számítógépes döntéstámogatás. Genetikus algoritmusok

Algoritmusok Tervezése. 9. Előadás Genetikus Algoritmusok Dr. Bécsi Tamás

Dr. habil. Maróti György

Genetikus algoritmusok

Az Informatika Elméleti Alapjai

A genetikus algoritmus, mint a részletes modell többszempontú és többérdekű "optimálásának" általános és robosztus módszere

Megkülönböztetett kiszolgáló routerek az

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

értékel függvény: rátermettségi függvény (tness function)

TARTALOMJEGYZÉK. TARTALOMJEGYZÉK...vii ELŐSZÓ... xiii BEVEZETÉS A lágy számításról A könyv célkitűzése és felépítése...

Az Informatika Elméleti Alapjai

Genetikus algoritmusok az L- rendszereken alapuló. Werner Ágnes

Természetes szelekció és adaptáció

Képrekonstrukció 9. előadás

Populációgenetikai. alapok

Mesterséges Intelligencia MI

Szelekció. Szelekció. A szelekció típusai. Az allélgyakoriságok változása 3/4/2013

Evolúciós algoritmusok

Tartalomjegyzék. Tartalomjegyzék... 3 Előszó... 9

Megbízhatóság az informatikai rendszerekben

Universität M Mis is k k olol cic, F Eg a y kultä etem t, für Wi Gazda rts ságcha tudfts o w máis n s yen i scha Kar, ften,

értékel függvény: rátermettségi függvény (tness function)

Informatikai Rendszerek Tervezése

Informatikai Rendszerek Alapjai

Osztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január

Anyai eredet kromoszómák. Zigóta

Hátterükben egyetlen gén áll, melynek általában számottevő a viselkedésre gyakorolt hatása, öröklési mintázata jellegzetes.

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Simon Károly Babes Bolyai Tudományegyetem

Név KP Blokk neve KP. Logisztika I. 6 LOG 12 Dr. Kovács Zoltán Logisztika II. 6 Logisztika Dr. Kovács Zoltán

A Hardy-Weinberg egyensúly. 2. gyakorlat

Mesterséges Intelligencia MI

HÁLÓZATSZERŰEN MŰKÖDŐ LOGISZTIKÁVAL INTEGRÁLT TERMELÉSÜTEMEZÉS MEGOLDÁSA GENETIKUS ALGORITMUS ALKALMAZÁSÁVAL. OLÁH Béla

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak.

GROVER-algoritmus. Sinkovicz Péter. ELTE, MSc II dec.15.

Biológiai feladatbank 12. évfolyam

DNS viszgálatok, számítási módszerek

Bevezetés az informatikába

A genetikai lelet értelmezése monogénes betegségekben

Zenegenerálás, majdnem természetes zene. Bernád Kinga és Roth Róbert

3. Általános egészségügyi ismeretek az egyes témákhoz kapcsolódóan

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

Transzgénikus technológiák az orvostudományban A kövér egerektől a reumás betegségek gyógyításáig

RFID alapú azonosítási rendszerek

Billentyűzési ritmus alapú azonosítás és hitelesítés érintőképernyős mobileszközökön

Az Informatika Elméleti Alapjai

A kromoszómák kialakulása előtt a DNS állomány megkettőződik. A két azonos információ tartalmú DNS egymás mellé rendeződik és egy kromoszómát alkot.

Gépi tanulás. Neurális hálók, genetikus algoritmus. Közlekedési informatika MSc. Földes Dávid St. 405.

FÜGGVÉNYEK TULAJDONSÁGAI, JELLEMZÉSI SZEMPONTJAI

Az Informatika Elméleti Alapjai

Többgénes jellegek. 1. Klasszikus (poligénes) mennyiségi jellegek. 2.Szinte minden jelleg több gén irányítása alatt áll

Hidraulikus hálózatok robusztusságának növelése

Az Internet jövője Internet of Things

Képrekonstrukció 6. előadás

Intelligens Rendszerek Elmélete

Az alállomási kezelést támogató szakértői funkciók

Informatika Rendszerek Alapjai

Az Informatika Elméleti Alapjai. Információ-feldolgozó paradigmák A számolás korai segédeszközei

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények

Osztályozóvizsga követelményei

SAP EAM MRS és LAM megoldásainak gyakorlati bevezetési tapasztalatai

BIOLÓGIA HÁZIVERSENY 1. FORDULÓ BIOKÉMIA, GENETIKA BIOKÉMIA, GENETIKA

FÜGGVÉNYEK. A derékszögű koordináta-rendszer

Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén

Tisztán kivehetı tendencia: kommunikációs hálózatok egyre bonyolultabbakká válnak Hálózat bonyolultsága

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA

Evolúció. Dr. Szemethy László egyetemi docens Szent István Egyetem VadVilág Megőrzési Intézet

Universität M Mis is k k olol ci c, F Eg a y kultä etem t, für Wi Gazda rts ságcha tudft o sw máis n s yen i scha Kar, ften,

Függvények 1. oldal Készítette: Ernyei Kitti. Függvények

Robotok inverz geometriája

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények

ÜGYFÉLKAPU AZONOSÍTÁSI SZOLGÁLTATÁS

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Internet of Things 2

Robotika. Kinematika. Magyar Attila

Matematika 8. osztály

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

12. évfolyam esti, levelező

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Az egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?

Csoportmódszer Függvények I. (rövidített változat) Kiss Károly

A Hardy Weinberg-modell gyakorlati alkalmazása

A genetikai sodródás

Keresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék

KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / Mezei Ferenc üzletág-igazgató

függvény grafikonja milyen transzformációkkal származtatható az f0 : R R, f0(

Network front-end. Horváth Gábor. Kovács Róbert. ELTE Informatikai Igazgatóság

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

ÁLLATTENYÉSZTÉSI GENETIKA

Felvételi tematika INFORMATIKA

NetPay technikai áttekintés partnereink számára

Mesterséges neurális hálózatok II. - A felügyelt tanítás paraméterei, gyorsító megoldásai - Versengéses tanulás

Mellékelten továbbítjuk a delegációknak a D048897/03 számú dokumentumot.

Átírás:

Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus terminológia Természetes Mesterséges Kromoszóma Karakterfüzér (sztring) (a sejtek örökletes tulajdonságokat hordozó anyaga) Gén Jellemző, karakter (az öröklődő tulajdonságokkat hordozó kromoszóma egy része, (nukleinsav molekula)) Allél A karakter (jellemző) értéke Lókusz Karakter pozíció Genotípus Karakterfüzér szerkezet (az örökletes tulajdonságok összessége) Fenotípus Paraméter készlet (az élőlény alaktani és élettani sajátosságainak összessége. Az örökletes és a környezet együttes hatására létrejött megjelenési alak) IRE 5/4 A természet általános kereső algoritmusa: a genetikus algoritmus A genetikus algoritmus működése. Az optimalizálandó rendszer leírása (mesterséges kromoszómába) A rendszerre jellemző változók. Kezdeti generáció egymást követő generációk IRE 5/ GA GA GA GA IRE 5/5 Az élet információ tárolói A genetikus algoritmus alkalmazásának feltételei. Egyértelmű rendszerleírás egy rendszerváltozókat tartalmazó karakterfüzérbe az un. mesterséges kromoszómába.. Reprezentatív populáció, ami azonos formában különböző jellemzőkkel bíró egyedek (rendszerek) leírását tartalmazza. 3. Alkalmas mérési módszer, mellyel a vizsgált rendszerek jóságát meg lehet határozni. IRE 5/3 IRE 5/6

A genetikus algoritmusok operátorai Alap operátorok: Szelekció Kereszteződés Mutáció Alacsony szintű operátorok: Dominancia Inverzió Törlődés Halkítás (erősítés) Andrew Z. Fire Craig C. Mello Orvosi Nobel díj 006. 0.. Mario Capecchi Oliver Smithies Martin Evans 007. 0. 08 Kikapcsolás knock out Populációra vonatkozó operátorok: Migráció Házassági korlátozás Jóság transzformáló függvények IRE 5/7 A relatív jósággal (fitness) arányos un. rulettkerék algoritmus. Az egyedek jóságának meghatározása: Fi=f(Ii). A populáció összes tagja jóságának meghatározása: n 3. Az egyedek relatív jóságának kiszámítása: S = F i i= (Teljes Relatív Fitness TRF=): 4. és 00 közötti szám hozzárendelése a populáció minden tagjához a relatív jóságuknak megfelelően. (n = a jelenlegi populáció mérete) 5. Egy m véletlen szám generálása és 00 között (m: az új populáció mérete) 6. m egyed (génstruktúrájának) másolása az új generációba, IRE 5/0 Kiválasztási mechanizmusok Kereszteződés A relatív jósággal (fitness) arányos un. rulettkerék algoritmus Csak a legjobbakat kiválasztó algoritmus elicista S = n i= F i Paraméterek: kiinduló sztringek: kereszteződési pontok száma kereszteződési pontok helye új sztringek: 3 4 5 6 7 8 Paraméterek: populáció méret, Reprodukciós arány (állandó, csökkenő, bővülő,..) IRE 5/8 IRE 5/ A genetikus algoritmus alkalmazásának menete. A mesterséges kromoszóma (leíró adatfüzér) szerkezetének kidolgozása (változók és jellemzői). Kezdeti populáció létrehozása 3. A populációt alkotó egyedek értékelése, az abszolút- majd a relatív jóság meghatározása 4. A genetikus operátorok alkalmazásával új populáció létrehozása (pl.:szelekció, keresztezés, mutáció, stb ) 5. A 3.-ik és a 4.-ik lépés ismétlése, amíg a megállási feltétel nem teljesül. IRE 5/9 Paraméterek: Mutáció kiinduló sztring: új sztring: mutációs helyek száma mutációs változás tartománya M M M M IRE 5/

A genetikus algoritmus előnyei a hagyományos kereső algoritmusokhoz képest A keresési tér több pontját vizsgálja egyszerre (párhuzamosság) Csak jellemzőket tartalmazó sztringgel dolgozik, a változók értelmezésétől függetlenül, ezért általános keresési algoritmus A véletlenszerű változók használata miatt a lokális minimumokra kevésbé érzékeny. Mivel a keresési szabályok nem determinisztikusak, hanem valószínűségi szabályokat alkalmaznak, így az NP teljes jellegű problémákra is megközelítést adhat. IRE 5/3 Az elektronikus kereskedelmi rendszerek sikerének kiemelkedő tényezői: AAA Authentication: személy-, és eszköz azonosítás Mobil IP cím menedzsment Authorization: Accounting: hozzáférési jogok hozzárendelése a hálózati eszközökhöz, és szolgáltatásokhoz (pl. hozzáférési időszak, sávszélesség) számlázás (forgalom nyilvántartás, személyreszabott szolgáltatás kezelés) IRE 5/6 A genetikus algoritmusok korlátai Túlságosan nagy jóságú egyedek eluralhatják a populációt Ha csak minimális különbségek vannak az egyedek között akkor nincs javulás Részleges megoldások: Különböző jóság transzformáló eljárások a keresés előrehaladtával (pl. nagy különbségek kiegyenlítése a keresés elején, kis különbségek felnagyítása a keresés vége felé) f g (x i ) = α g + β g f(x i ) Automatikus azonosítási lehetőségek. Saját belső, elválaszthatatlan tulajdonságok alapján. Hozzárendelt azonosítók alapján Tipikus hozzárendelt azonosítók, kódok: Vonalkód Rádiófrekvenciás azonosító (RFID) Rendszám (járműveknél) Téri koordináták (GPS) IRE 5/4 IRE 5/7 Példa a GA alkalmazására 5 i= f(x) = 3x + x + 3.5x 3 +4x 4 +.7x 5 e Σ x i x i értelmezési tartománya -0-től +0-ig Kezdeti populáció száma: 0 Megállási feltétel: f(x) >=.47, vagy 0 5 generáció Eredmények: x, x, x 3, x 4, x 5 elért generációk száma Példa megoldás: x = 0.000000567=0, x = 0.00000005805=0, x 3 = 0.00000054=0, x 4 = -.0.00000049=-, x 5 =0.000000567=0, g= 78967 IRE 5/5 Automatikus személyazonosító rendszerek Hozzárendelt információ alapú Személyes jellemző alapú Biometrikus Tárgy alapú Tudás alapú Biológiai Viselkedéses kulcs jelszó, kulcsszó (mechanikus. (PIN, PUK) elektronikus) azonosító kód igazolvány (elektronikus jelvény, kitűző aláírás) azonosító kártya (mechanikus, elektronikus) rádiófrekvenciás azonosító (RFID, NFC) bőrmintázat (ujjnyomat, kéznyomat) arc (kép, termogramm) kéz (geometria, erezet) szem (írisz, retina) illat DNS kézírás (íráskép, dinamika) beszédhang gépelési ritmus járási mód IRE 5/8

Bőrmintázat (ujj, tenyér) azonosítás lenyomat, nyomat, nyom? Ujjnyomat vétel a reptéren az USAban IRE 5/9 IRE 5/ Azonosító pontok (minuciák) keresése a bőrmintázaton Binarizálás Orientáció Arc azonosítás Vékonyítás Minutia keresés IRE 5/0 IRE 5/3 A személyazonosítás a reptéren Az arc termogrammja () IRE 5/ IRE 5/4

Az arc termogrammja (3) Az automatikus azonosítás folyamata Jellemzők mérése Azonosító jegyek számítása Referencia Referencia létrehozása Referencia-Vizsgálat Vizsgálat 3 Keresés Azonosítás Vizsgálati mód 4 Összevetés Hitelesítés IRE 5/5 IRE 5/8 Íriszkód előállítása IRE 5/6 Beszédhang (beszélő) azonosítás IRE 5/7