Wissensbasierte Systeme
Sommersemester 2015 Dr.-Ing. Roß (1. Grundlagen wissensbasiertert Systeme; 2. Methoden der Entscheidungstheorie; 3. Automatische Klassifikation; 4. Expertensysteme) WbS
Sommersemester 2015 Dr.-Ing. Roß (1. Grundlagen wissensbasiertert Systeme; 2. Methoden der Entscheidungstheorie; 3. Automatische Klassifikation; 4. Expertensysteme) WbS
Was ist die Zielstellung von Wissensbasierten Systemen? Und wie werden sie auch genannt?
Entwurf und Einsatz von WbS für den Menschen zur Lösung von automatisierungstechnischen Aufgaben durch den Menschen.
ähnliche Begriffe:
- Entscheidungshilfesystem
- Beratungssystem
- Expertensystem
Welche Einsatzgebiete für WbS gibt es? Wie lassen sie sich unterteilen?
online:
- Diagnose: Analyse von Informationen der Vergangenheit
- Überwachung: Analyse von Informationen der Gegenwart
- Steuerung: zielgerichteter Eingriff in der Gegenwart
- Vorhersage: Vorhersage der "Zukunft"
- Planung: Ableitung von Handlungsvarianten für die Zukunft
offline:
- Design: Erstellung bestimmter Spezifikationen die bestimmten Bedingungen genügen
- Instruktion: Vermittlung von Wissen
Welche Entscheidungsebenen gibt es und wie wirken sie zusammen?
s. Abb.
Welche Methoden der Informationsgewinnung und Wissensvermittlung gibt es?
- theoretische Prozessidentifikation
- experimentelle Prozessidentifikation
- entscheidungsverhalten des Menschen
- Analogiebetrachtung
- Expertenbeobachtung
- Expertenbefragung
Voraussetzung: Wissen und Information über Prozessstruktur, Prozesssignale und Steuerziele.
- nimmt von 1 bis 6 ab
Methoden zur Entscheidungsfindung:
zu 1. Polyoptimierung & Lernverfahren (z.B. Klassifikation)
zu 2. Entscheidungstheorie
Rest Fuzzy-Systeme
Zweckmäßige Realisierung:
Wechsel von 1 (Automaten) zu 6 (Mensch)
Beschreiben Sie das Konzept der Entscheidungsfindung!
Unterstützungsniveaus
- Entscheidungsvorbereitung (Entscheidungsdienliche Gewinnung und Aufbereitung von Information/Wissen)
- Erfassen/Archivieren
- Verdichtung/Selektion
- Wissensgewinnung
- Entscheidungsfindung
- Generierung von Entscheidungsvorschlägen durch unterschiedliche Strategien
- Entscheidungsrealisierung (ER)
- operative ER
- Alle Entscheidungsvorschläge werden vom Menschen überprüft und realisiert / nicht realisiert
- teilweise automatische ER
- Automatische ER über begrenzte Zeiträume => Entlastung von Routine
- bedingt automatische ER
- Entscheidungsrealisierung erfolgt nach Kompetenz
- Kompetenzprüfung: -> Mensch oder WbS
- operative ER
Bei welchen Prozesseigenschaften ist der Einsatz von WbS sinnvoll?
- Informationen sind ungenau, subjektiv, unsicher, umfangreich
- Systemverhalten wird durch quantitative und qualitative Größen bestimmt
- a priori Kenntnisse über das Systemverhalten sind gering
- Systemverhalten ist extrem nichtlinear
- es treten unvorhersehbare und/oder seltene Situationen ein
Warum ist der weitere Einsatz der Menschen erforderlich?
- spezielle Fähigkeiten und Fertigkeiten
- juristische Gründe
- ethische/ moralische Gründe
- ökonomishe Gründe
- politische Gründe
Welche Wissensarten gibt es?
konzeptionelles Wissen <-> exisodisches Wissen (Experimentelle Erfahrung)
deklaratives Wissen (Fakten) <-> prozedurales Wissen (handlungsorientiert)
abstraktes Wissen <-> Beispielwissen
Beipiel siehe Skript 1.4.
Beschreiben Sie die Architektur wissensbasierter Systeme!
s. Abb.
Wie lässt sich die Wissensermittlung in WbS zusammenfassen?
s. Abb.
Was ist Entscheidungstheorie?
Jeder Kombination ui <-> sj wird ein Ergebnis eij (Geld, Erfolg, Genugtuung, ...) zugeordnet.
ui = Reaktion
sj = Situation
eij = Ergebnis
Welche Arten von Entscheidungstheorie (ET) gibt es?
präskriptive ET
- Handlungsempfehlungen für reale Entscheidungssituationen
deskriptive ET
- Beschreibung und Erklärung tatsächlichen Entscheidungsverhaltens
Wie lassen sich Entscheidungssituationen aufteilen?
Sicherheitssituation
- P(sj)=1, P(si)=0 für i≠j
Unsicherheitssituation
- Risikosituation
- P(sj)≠1 und bekannt
- Ungewissheitssituation
- P(sj) unbekannt
Spielsituation: sj wird bestimmt vom Handeln eines intelligenten Gegenspielers
Welche Entscheidungsregeln bei Ungewissheit gibt es?
- Minimax (Pessimistisch) -> Maximum der Minima bilden
- Maximax (Optimistisch) -> Maximum der Maxima bilden
- Hurtwitz (gewichtet) -> Max*Alpha + (1-Alpha)*Min
- Bestimmung von Alpha mit dem Experten -> Suche des Indifferenzpunktes
- Savage-Regel:
- Verlustminimierung
- 1.) Verlustmatrix aufstellen |(eij - max(eij))|
- 2.) Maxima der Zeilen aufstellen
- 3.) Minimum der Maxima bilden
Welche Entscheidungsregeln bei Risiko gibt es?
- Bayes-Regel
- Maximum der Erwartungswerte
- Erwartungswerte: Summe von (eij*pj)
- Erweiterte Bayes-Regel
- Problem: mehrere μi=μmax
- Hinzuziehen von σ2
- wenn σ klein = Risikoavers (scheu)
- Bernoulli-Prinzip
- Ermittlung der Nutzenwerte Nij=f(eij) mit dem Experten
- Zuordnung der Nutzenwerte: max(eij) = Nij = 1
- Bestimmung der restlichen Nij nacheinander (Indifferenzpunktsuche)
Was ist Klassifikation?
Vorschrift zur Zuordnung eines Objektes O zu einer oder mehreren Klassen.
Objekte:
- Belebte und unbelebte Systeme
- Abstrakta
Klasse:
- Objekte, die einheitliche Merkmale aufweisen
Merkmale:
- charakteristische Eigenschaften von Objekten
- quantitative Merkmale
- qualitative Merkmale
- Darstellung
- Momentanwert
- Zeitverläufe
Wie funktioniert der Bayes-Klassifikator?
Theorem von Bayes für i=2
P(1|sj)=(P(1)*p1(sj))/(P(1)*p1(sj)+P(2)*p2(sj))
P(2|sj)=(P(2)*p2(sj))/(P(1)*p1(sj)+P(2)*p2(sj))
Entscheidung:
- P(1|sj) > P(2|sj) => Klasse 1
- P(1|sj) < P(2|sj) => Klasse 2
=> Likelihood-Quotienten L(si) = P(1|sj)/P(2|sj)
=> L(sj) > 1 => Klasse 1; L(sj) < 1 => Klasse 2
Wie funktioniert der Abstands-Klassifikator?
Klassenrepräsentanten Si
(z.B. Schwerpunkte aus der Lernprobe bilden)
Gesucht: Geringster Abstand (di) zwischen den Sj und den Klassenrepräsentanten S'i
Lösung: ermittlung der Distanzen di
di =fʃ(Sj-S'i)
Entscheidung: S'j wird der Klasse i zugeorndet, für die di minimal ist
Welche Abstandsmaße gibt es?
- Euklidischer Abstand (Kreis)
- di=Summe von (sje-s'ie)^2
- Klassengrenze: der Klassifikator kann nicht entscheiden
- Manhattan-Distanz (Quadrat- Raute - klein)
- di= Summe von |sje - s'ie|
- Tschebyschow-Distanz (Quadrat - groß)
- di= max |sje - s'ie|
Tschebyschow und Manhattan kann man nicht nachmessen!
Man kann auch nicht sagen welches Verfahren am besten für jeweiligen Fall ist -> ausprobieren.
Wie funktioniert der Trennfunktionsklassifikator?
Ermittlung einer Trennfunktion dij(S) auf der Grundlage von Unterscheidungsfunktionen hi(S) und hj(S)
lineare Unterscheidungsfunktion:
hi(S)=wi0 + Summe von wie*Se
für 2 Merkmale und 3 Klassen:
h1=w10+w11*S1+w12*S2
h2=w20+w21*S1+w22*S2
h3=w30+w31*S1+w32*S2
Ermittlung der Trennfunktion über Abstandsklassifikation:
Euklidischer Abstand: hi = Summe von (Sje - S'ie)^2 = (S-S'i)^T*(S-S'i)
=> Grund Schnelligkeit => mit Bayes nicht machbar
Was ist die Mahalanobis-Distanz?
=> für gekrümmte Trennfunktionen!
hi = (S-S'i)^T*Ni^-1*(S-S'i)
-> hier nur Euklidischer Ansatz (für Ni^-1)
Wie lässt sich Klassifikation (Bezug Trennfunktion) zusammenfassen?
Klassifikation:
- Bewertung über Wahrscheinlichkeiten
- Bewertung über Abstand zum Schwerpunkt
Probleme:
- zu große Überschneidungen
- zu langsam
3 Klassen -> 3 Trennfunktionen -> treffen sich in einem Punkt -> Sonst: Fehler
Was ist die Klassifikatorgüte?
PF = PF1 + PF2
Ermittlung anhand einer Prüffolge
PF = (nF1 + nF2)/n
Klassifikator-Gesamtentwurf:
- Anlernen mittels Lernprobe LP(S,K)
- Prüfen der Güte mittels Prüffolge PF(S,K)
- Entscheidung über Güte:
- Güte ausreichend? => Betriebsphase
- Güte nicht ausreichend => zurück zu 1
- anderer Klassifikatortyp
- größere und/oder eine andere LP
- andere/weitere Merkmale
Welche Anforderungen an die Wissensbasis und Ursachen gegen diese Anforderungen bei der Wissensermittlung gibt es?
- Vollständigkeit
- Ursachen für Unvollständigkeit:
- Aussagen mit unbekanntem Wahrheitswert
- falsche Wahrnehmung
- Abstraktion von unwichtigen Details
- ungenaue natürlich sprachliche Formulierungen
- Konsistenz
- Ursachen für Inkonsistenz:
- ungenaue natürlich sprachliche Formulierungen
- Wissen aus mehreren Quellen
- Ausnahmen, Spezialfälle
- ungenaue Modelle
Welche Wissensquellen gibt es und wie lassen sie sich einordnen?
Wissenserwerb durch:
- Literatur
- Experte
- Expertenbefragung
- Expertenbeobachtung
Lernen durch:
- Beispiel, Daten
Wie kann Expertenwissen erhoben werden?
WIssen sollte in möglichst uninterpretierter Form erhoben werden.
Techniken:
Befragung/Interview: explizites Erfragen von Information
- Vorteile:
- gezielte Behandlung bestimmter Themen
- Rückfragen möglich
- Nachteil:
- Experte versucht zu interpretieren
Beobachtung: Analyse von Handlungen
- Vorteil:
- Experte handelt in gewohnter Umgebung unter normalen Bedingungen
- Nachteile:
- langwierig
- rechtlich/ethisch oft bedenklich
Was ist bei der Wahl eines Experten zu beachten?
Anforderungen an einen Experten:
- es gibt (mindestens) einen Experten für die Mitarbeit
- der Experte verfügt über umfangreiche Erfahrung & notwendige Zeit
- Experte ist glaubwürdig und motiviert bzw. kann motiviert werden
- Experte vermittelt sein Wissen gut
- mit dem Experten kann gut zusammengearbeitet werden
Welche Expertenbefragungsarten gibt es?
- unstrukturiertes Interview
- Ziel:
- erster Überblick über den Problembereich
- kennenlernen und vertraut werden der beteiligten Personen
- Form: kein zielgerichtetes bzw. restriktives Vorgehen
- Ergebnis:
- generelle Problembeschreibung
- Begriffsbestimmungen
- Beschreibung typischer Szenarien
- Charakteristik späterer Nutzer
- Referenzdokumente
- Ziel:
- strukturiertes Interview
- Ziel:
- in systematischer Weise wird der gesamte Anwendungsbereich behandelt
- strukturierter Überblick
- Lücken und Inkonsistenzen werden beseitigt
- Form:
- Einführung (Ziel des Interviews, Liste der zu behandelnden Punkte)
- Interviewphase (Abarbeitung der angekündigten Punkte im Dialog)
- Zusammenfassung
- Ergebnis:
- strukturierter Problembereich
- umfangreiche Dokumentation dieses Problembereiches
- Ziel:
- fokusiert strukturiertes Interview
- Ziel: detailierte Beschreibung von
- Strukturen und Konzepten
- Funktionen, Komponenten
- Erklärung von Regeln
- Erklärung von Schlussfolgerungen
- Begründung von bestimmten Vorgehensweisen
- Form:
- Abarbeitung bestimmter Punkte in die Tiefe
- jede Äußerung des Experten wird hinterfragt bis die Antwort zufriedenstellend ist
- Ziel: detailierte Beschreibung von
- schriftliche Befragung
- Thema:
- Reihenfolge der Fragen, Wortlaut der Fragen zwingend vorgegeben
- Zeit-/Kostenersparnis
- mangelnde lokale Verfügbarkeit der/des Experten oder bei größeren Expertengruppen
- Thema:
- Delphi-Methode
- Ziel: mehrstufige Ermittlung von Gruppenmeinungen bei anonymen und nicht personalem Kontakt der Experten
- Form: mehrere Befragungsrunden in schriftlicher/mündlicher Form
- Problem: sehr zeitaufwendig
Welche Probleme können bei Interviews auftreten bzw. was ist bei der Durchführung zu beachten?
Hinweis:
- Interview ausführlich Planen (Inhalt und Reihenfolge der Fragen, Ort, Zeitpunkt, Zeitdauer)
- jedes Interview bearbeiten bevor ein neues begonnen wird
- Lernen der Terminologie des Experten/Fachgebiets
- Experten motivieren und Motivation aufrechthalten
Probleme:
- Experten vergessen wichtige Dinge zu sagen, weil sie es für unwichtig halten
- Experten vergessen wichtige Dinge zu sagen, weil sie es als bekannt voraussetzen
- komplexeres Wissen kann oft nicht verbal ausgedrückt werden
- Experten können unter Umständen ihre Vorgehensweisen nicht erklären
- Experten können auch nicht bereit sein, ihr Wissen preis zu geben (Extremfall: falsche Aussagen)
Welche Expertenbeobachtungsarten gibt es?
Experten fällt es häufig schwer ihre Handlugnen zu formulieren
komplexe Handlungen können schwer verbal formuliert werden
Überprüfung von interviewtem Wissen
- Beobachtung: Beobachten des Experten während seiner normalen Arbeit ohne einzugreifen
- mit Anwesenheit des Wissensingenieurs (WI)
- ohne Anwesenheit des WI (Film-/Tonbandaufnahmen zwingend erforderlich)
- Protokollanalyse: Experte löst einen Anwendungsfall und beschreibt dabei sein Vorgehen
- -> Fallbeispiele stellen repräsentativen Querschnitt der Expertentätigkeit dar
- typische Aufgaben
- Aufgaben mit eingeschränkten Informationen
- Aufgaben mit anderen Restriktionen
- konkurrente Protokollanaylse: gleichzeitiges Problemlösen und gleichzeitiges Denken
- meist ein vollständiger Pfad der Problemlösung
- Problem: lautes Denken
- Sonderform: WI "spielt" Experte
- Retrospektive Protokollanaylse: Expertenbefragung sofort nach der Problemlösung
- Denkprozess während der Problemlösung wird nicht durch Reden beeinflusst
- Problem: Beschreibung nicht mehr 100% authentisch mit dem Vorgehen bei der Problemlösung
- -> Fallbeispiele stellen repräsentativen Querschnitt der Expertentätigkeit dar
- Introspektion: Ein Problem wird theoretisch gelöst. Experte beschreibt sein theoretisches Vorgehen.
Nach welchen Kriterien lässt sich die Qualität der Methoden beurteilen?
Effektivität: Ausmaß der Ergebnisse
Objektivität: Ausmaß der Unabhängigkeit der Ergebnisse vom WI
Reliabilität: Zuverlässigkeit der Ergebnisse
Effizienz: ökonomische Angemessenheit
Feldzugangsadäquatheit: Grad der Akzeptanz durch den Experten
Vergleichen Sie maschinelles und menschliches Lernen!
Lernen:
- Verändern von Verhalten
- Erwerb von Wissen
- Erwerb von Geschicklichkeit
Menschliches Lernen:
- Auswendig lernen
- Lernen durch Tun
- Lernen durch Analogiebetrachtungen
- Lernen durch Beobachten
- Lernen aus Beispielen
Maschinelles Lernen:
- Deduktion: wendet allgmeines Wissen auf speziellen Fall an
- Induktion: Formulierung von allgmeinem Wissen aus speziellen Fällen
- Abduktion: Form des numerischen Schließens bei Unsicherheit
Welche Lernmethoden gibt es?
- überwachtes Lernen z.B. Klassifikator
- unüberwachtes Lernen, erkennen von Strukturen in Daten (z.B. Clusteranalyse)
- Reinforcement learning, Lernen durch Rückmeldung aus der Umwelt
Was sind Entscheidungstabellen und welche Analysen werden darauf angewendet?
Eine Entscheidungstabelle ist eine formale Darstellung von Wenn-Dann-Regeln. Diese können aus Entscheidungsbäumen gewonnen werden und auch umgekehrt für die Erstellung von Entscheidungsbäumen verwendet werden.
Strukturanalyse:
Auffinden von:
- Widersprüchen (Bedingungen sind gleich, Aktionen verschieden)
- Redundanzen (Bedingungen und Aktionen sind gleich => Beispiele sind identisch)
- Konsolidierungen (Aktionen gleich, Bedingungen außer 1 sind gleich => Beispiele können zusammengefasst werden) -> kann durch "-" dargestellt werden (=> irrelevant)
jedes Beipiel wird mit allen anderen verglichen
Vollständigkeitsanalyse:
Feststellen von fehlenden Regeln
Allgemein: 2^Summe aller Bedingungswerte = mögliche Regelanzahl
Verringerung der Regelanzahl bei sich gegenseitig ausschließenden Bedingungswerten
-
- 1 / 34
-
Flashcards
Was ist die Zielstellung von Wissensbasierten Systemen? Und wie werden sie auch genannt?
Entwurf und Einsatz von WbS für den Menschen zur Lösung von automatisierungstechnischen Aufgaben durch den Menschen.
ähnliche Begriffe:
- Entscheidungshilfesystem
- Beratungssystem
- Expertensystem
Welche Einsatzgebiete für WbS gibt es? Wie lassen sie sich unterteilen?
online:
- Diagnose: Analyse von Informationen der Vergangenheit
- Überwachung: Analyse von Informationen der Gegenwart
- Steuerung: zielgerichteter Eingriff in der Gegenwart
- Vorhersage: Vorhersage der "Zukunft"
- Planung: Ableitung von Handlungsvarianten für die Zukunft
offline:
- Design: Erstellung bestimmter Spezifikationen die bestimmten Bedingungen genügen
- Instruktion: Vermittlung von Wissen
Welche Entscheidungsebenen gibt es und wie wirken sie zusammen?
s. Abb.
Welche Methoden der Informationsgewinnung und Wissensvermittlung gibt es?
- theoretische Prozessidentifikation
- experimentelle Prozessidentifikation
- entscheidungsverhalten des Menschen
- Analogiebetrachtung
- Expertenbeobachtung
- Expertenbefragung
Voraussetzung: Wissen und Information über Prozessstruktur, Prozesssignale und Steuerziele.
- nimmt von 1 bis 6 ab
Methoden zur Entscheidungsfindung:
zu 1. Polyoptimierung & Lernverfahren (z.B. Klassifikation)
zu 2. Entscheidungstheorie
Rest Fuzzy-Systeme
Zweckmäßige Realisierung:
Wechsel von 1 (Automaten) zu 6 (Mensch)
Beschreiben Sie das Konzept der Entscheidungsfindung!
Unterstützungsniveaus
- Entscheidungsvorbereitung (Entscheidungsdienliche Gewinnung und Aufbereitung von Information/Wissen)
- Erfassen/Archivieren
- Verdichtung/Selektion
- Wissensgewinnung
- Entscheidungsfindung
- Generierung von Entscheidungsvorschlägen durch unterschiedliche Strategien
- Entscheidungsrealisierung (ER)
- operative ER
- Alle Entscheidungsvorschläge werden vom Menschen überprüft und realisiert / nicht realisiert
- teilweise automatische ER
- Automatische ER über begrenzte Zeiträume => Entlastung von Routine
- bedingt automatische ER
- Entscheidungsrealisierung erfolgt nach Kompetenz
- Kompetenzprüfung: -> Mensch oder WbS
- operative ER
Bei welchen Prozesseigenschaften ist der Einsatz von WbS sinnvoll?
- Informationen sind ungenau, subjektiv, unsicher, umfangreich
- Systemverhalten wird durch quantitative und qualitative Größen bestimmt
- a priori Kenntnisse über das Systemverhalten sind gering
- Systemverhalten ist extrem nichtlinear
- es treten unvorhersehbare und/oder seltene Situationen ein
Warum ist der weitere Einsatz der Menschen erforderlich?
- spezielle Fähigkeiten und Fertigkeiten
- juristische Gründe
- ethische/ moralische Gründe
- ökonomishe Gründe
- politische Gründe
Welche Wissensarten gibt es?
konzeptionelles Wissen <-> exisodisches Wissen (Experimentelle Erfahrung)
deklaratives Wissen (Fakten) <-> prozedurales Wissen (handlungsorientiert)
abstraktes Wissen <-> Beispielwissen
Beipiel siehe Skript 1.4.
Beschreiben Sie die Architektur wissensbasierter Systeme!
s. Abb.
Wie lässt sich die Wissensermittlung in WbS zusammenfassen?
s. Abb.
Was ist Entscheidungstheorie?
Jeder Kombination ui <-> sj wird ein Ergebnis eij (Geld, Erfolg, Genugtuung, ...) zugeordnet.
ui = Reaktion
sj = Situation
eij = Ergebnis
Welche Arten von Entscheidungstheorie (ET) gibt es?
präskriptive ET
- Handlungsempfehlungen für reale Entscheidungssituationen
deskriptive ET
- Beschreibung und Erklärung tatsächlichen Entscheidungsverhaltens
Wie lassen sich Entscheidungssituationen aufteilen?
Sicherheitssituation
- P(sj)=1, P(si)=0 für i≠j
Unsicherheitssituation
- Risikosituation
- P(sj)≠1 und bekannt
- Ungewissheitssituation
- P(sj) unbekannt
Spielsituation: sj wird bestimmt vom Handeln eines intelligenten Gegenspielers
Welche Entscheidungsregeln bei Ungewissheit gibt es?
- Minimax (Pessimistisch) -> Maximum der Minima bilden
- Maximax (Optimistisch) -> Maximum der Maxima bilden
- Hurtwitz (gewichtet) -> Max*Alpha + (1-Alpha)*Min
- Bestimmung von Alpha mit dem Experten -> Suche des Indifferenzpunktes
- Savage-Regel:
- Verlustminimierung
- 1.) Verlustmatrix aufstellen |(eij - max(eij))|
- 2.) Maxima der Zeilen aufstellen
- 3.) Minimum der Maxima bilden
Welche Entscheidungsregeln bei Risiko gibt es?
- Bayes-Regel
- Maximum der Erwartungswerte
- Erwartungswerte: Summe von (eij*pj)
- Erweiterte Bayes-Regel
- Problem: mehrere μi=μmax
- Hinzuziehen von σ2
- wenn σ klein = Risikoavers (scheu)
- Bernoulli-Prinzip
- Ermittlung der Nutzenwerte Nij=f(eij) mit dem Experten
- Zuordnung der Nutzenwerte: max(eij) = Nij = 1
- Bestimmung der restlichen Nij nacheinander (Indifferenzpunktsuche)
Was ist Klassifikation?
Vorschrift zur Zuordnung eines Objektes O zu einer oder mehreren Klassen.
Objekte:
- Belebte und unbelebte Systeme
- Abstrakta
Klasse:
- Objekte, die einheitliche Merkmale aufweisen
Merkmale:
- charakteristische Eigenschaften von Objekten
- quantitative Merkmale
- qualitative Merkmale
- Darstellung
- Momentanwert
- Zeitverläufe
Wie funktioniert der Bayes-Klassifikator?
Theorem von Bayes für i=2
P(1|sj)=(P(1)*p1(sj))/(P(1)*p1(sj)+P(2)*p2(sj))
P(2|sj)=(P(2)*p2(sj))/(P(1)*p1(sj)+P(2)*p2(sj))
Entscheidung:
- P(1|sj) > P(2|sj) => Klasse 1
- P(1|sj) < P(2|sj) => Klasse 2
=> Likelihood-Quotienten L(si) = P(1|sj)/P(2|sj)
=> L(sj) > 1 => Klasse 1; L(sj) < 1 => Klasse 2
Wie funktioniert der Abstands-Klassifikator?
Klassenrepräsentanten Si
(z.B. Schwerpunkte aus der Lernprobe bilden)
Gesucht: Geringster Abstand (di) zwischen den Sj und den Klassenrepräsentanten S'i
Lösung: ermittlung der Distanzen di
di =fʃ(Sj-S'i)
Entscheidung: S'j wird der Klasse i zugeorndet, für die di minimal ist
Welche Abstandsmaße gibt es?
- Euklidischer Abstand (Kreis)
- di=Summe von (sje-s'ie)^2
- Klassengrenze: der Klassifikator kann nicht entscheiden
- Manhattan-Distanz (Quadrat- Raute - klein)
- di= Summe von |sje - s'ie|
- Tschebyschow-Distanz (Quadrat - groß)
- di= max |sje - s'ie|
Tschebyschow und Manhattan kann man nicht nachmessen!
Man kann auch nicht sagen welches Verfahren am besten für jeweiligen Fall ist -> ausprobieren.
Wie funktioniert der Trennfunktionsklassifikator?
Ermittlung einer Trennfunktion dij(S) auf der Grundlage von Unterscheidungsfunktionen hi(S) und hj(S)
lineare Unterscheidungsfunktion:
hi(S)=wi0 + Summe von wie*Se
für 2 Merkmale und 3 Klassen:
h1=w10+w11*S1+w12*S2
h2=w20+w21*S1+w22*S2
h3=w30+w31*S1+w32*S2
Ermittlung der Trennfunktion über Abstandsklassifikation:
Euklidischer Abstand: hi = Summe von (Sje - S'ie)^2 = (S-S'i)^T*(S-S'i)
=> Grund Schnelligkeit => mit Bayes nicht machbar
Was ist die Mahalanobis-Distanz?
=> für gekrümmte Trennfunktionen!
hi = (S-S'i)^T*Ni^-1*(S-S'i)
-> hier nur Euklidischer Ansatz (für Ni^-1)
Wie lässt sich Klassifikation (Bezug Trennfunktion) zusammenfassen?
Klassifikation:
- Bewertung über Wahrscheinlichkeiten
- Bewertung über Abstand zum Schwerpunkt
Probleme:
- zu große Überschneidungen
- zu langsam
3 Klassen -> 3 Trennfunktionen -> treffen sich in einem Punkt -> Sonst: Fehler
Was ist die Klassifikatorgüte?
PF = PF1 + PF2
Ermittlung anhand einer Prüffolge
PF = (nF1 + nF2)/n
Klassifikator-Gesamtentwurf:
- Anlernen mittels Lernprobe LP(S,K)
- Prüfen der Güte mittels Prüffolge PF(S,K)
- Entscheidung über Güte:
- Güte ausreichend? => Betriebsphase
- Güte nicht ausreichend => zurück zu 1
- anderer Klassifikatortyp
- größere und/oder eine andere LP
- andere/weitere Merkmale
Welche Anforderungen an die Wissensbasis und Ursachen gegen diese Anforderungen bei der Wissensermittlung gibt es?
- Vollständigkeit
- Ursachen für Unvollständigkeit:
- Aussagen mit unbekanntem Wahrheitswert
- falsche Wahrnehmung
- Abstraktion von unwichtigen Details
- ungenaue natürlich sprachliche Formulierungen
- Konsistenz
- Ursachen für Inkonsistenz:
- ungenaue natürlich sprachliche Formulierungen
- Wissen aus mehreren Quellen
- Ausnahmen, Spezialfälle
- ungenaue Modelle
Welche Wissensquellen gibt es und wie lassen sie sich einordnen?
Wissenserwerb durch:
- Literatur
- Experte
- Expertenbefragung
- Expertenbeobachtung
Lernen durch:
- Beispiel, Daten
Wie kann Expertenwissen erhoben werden?
WIssen sollte in möglichst uninterpretierter Form erhoben werden.
Techniken:
Befragung/Interview: explizites Erfragen von Information
- Vorteile:
- gezielte Behandlung bestimmter Themen
- Rückfragen möglich
- Nachteil:
- Experte versucht zu interpretieren
Beobachtung: Analyse von Handlungen
- Vorteil:
- Experte handelt in gewohnter Umgebung unter normalen Bedingungen
- Nachteile:
- langwierig
- rechtlich/ethisch oft bedenklich
Was ist bei der Wahl eines Experten zu beachten?
Anforderungen an einen Experten:
- es gibt (mindestens) einen Experten für die Mitarbeit
- der Experte verfügt über umfangreiche Erfahrung & notwendige Zeit
- Experte ist glaubwürdig und motiviert bzw. kann motiviert werden
- Experte vermittelt sein Wissen gut
- mit dem Experten kann gut zusammengearbeitet werden
Welche Expertenbefragungsarten gibt es?
- unstrukturiertes Interview
- Ziel:
- erster Überblick über den Problembereich
- kennenlernen und vertraut werden der beteiligten Personen
- Form: kein zielgerichtetes bzw. restriktives Vorgehen
- Ergebnis:
- generelle Problembeschreibung
- Begriffsbestimmungen
- Beschreibung typischer Szenarien
- Charakteristik späterer Nutzer
- Referenzdokumente
- Ziel:
- strukturiertes Interview
- Ziel:
- in systematischer Weise wird der gesamte Anwendungsbereich behandelt
- strukturierter Überblick
- Lücken und Inkonsistenzen werden beseitigt
- Form:
- Einführung (Ziel des Interviews, Liste der zu behandelnden Punkte)
- Interviewphase (Abarbeitung der angekündigten Punkte im Dialog)
- Zusammenfassung
- Ergebnis:
- strukturierter Problembereich
- umfangreiche Dokumentation dieses Problembereiches
- Ziel:
- fokusiert strukturiertes Interview
- Ziel: detailierte Beschreibung von
- Strukturen und Konzepten
- Funktionen, Komponenten
- Erklärung von Regeln
- Erklärung von Schlussfolgerungen
- Begründung von bestimmten Vorgehensweisen
- Form:
- Abarbeitung bestimmter Punkte in die Tiefe
- jede Äußerung des Experten wird hinterfragt bis die Antwort zufriedenstellend ist
- Ziel: detailierte Beschreibung von
- schriftliche Befragung
- Thema:
- Reihenfolge der Fragen, Wortlaut der Fragen zwingend vorgegeben
- Zeit-/Kostenersparnis
- mangelnde lokale Verfügbarkeit der/des Experten oder bei größeren Expertengruppen
- Thema:
- Delphi-Methode
- Ziel: mehrstufige Ermittlung von Gruppenmeinungen bei anonymen und nicht personalem Kontakt der Experten
- Form: mehrere Befragungsrunden in schriftlicher/mündlicher Form
- Problem: sehr zeitaufwendig
Welche Probleme können bei Interviews auftreten bzw. was ist bei der Durchführung zu beachten?
Hinweis:
- Interview ausführlich Planen (Inhalt und Reihenfolge der Fragen, Ort, Zeitpunkt, Zeitdauer)
- jedes Interview bearbeiten bevor ein neues begonnen wird
- Lernen der Terminologie des Experten/Fachgebiets
- Experten motivieren und Motivation aufrechthalten
Probleme:
- Experten vergessen wichtige Dinge zu sagen, weil sie es für unwichtig halten
- Experten vergessen wichtige Dinge zu sagen, weil sie es als bekannt voraussetzen
- komplexeres Wissen kann oft nicht verbal ausgedrückt werden
- Experten können unter Umständen ihre Vorgehensweisen nicht erklären
- Experten können auch nicht bereit sein, ihr Wissen preis zu geben (Extremfall: falsche Aussagen)
Welche Expertenbeobachtungsarten gibt es?
Experten fällt es häufig schwer ihre Handlugnen zu formulieren
komplexe Handlungen können schwer verbal formuliert werden
Überprüfung von interviewtem Wissen
- Beobachtung: Beobachten des Experten während seiner normalen Arbeit ohne einzugreifen
- mit Anwesenheit des Wissensingenieurs (WI)
- ohne Anwesenheit des WI (Film-/Tonbandaufnahmen zwingend erforderlich)
- Protokollanalyse: Experte löst einen Anwendungsfall und beschreibt dabei sein Vorgehen
- -> Fallbeispiele stellen repräsentativen Querschnitt der Expertentätigkeit dar
- typische Aufgaben
- Aufgaben mit eingeschränkten Informationen
- Aufgaben mit anderen Restriktionen
- konkurrente Protokollanaylse: gleichzeitiges Problemlösen und gleichzeitiges Denken
- meist ein vollständiger Pfad der Problemlösung
- Problem: lautes Denken
- Sonderform: WI "spielt" Experte
- Retrospektive Protokollanaylse: Expertenbefragung sofort nach der Problemlösung
- Denkprozess während der Problemlösung wird nicht durch Reden beeinflusst
- Problem: Beschreibung nicht mehr 100% authentisch mit dem Vorgehen bei der Problemlösung
- -> Fallbeispiele stellen repräsentativen Querschnitt der Expertentätigkeit dar
- Introspektion: Ein Problem wird theoretisch gelöst. Experte beschreibt sein theoretisches Vorgehen.
Nach welchen Kriterien lässt sich die Qualität der Methoden beurteilen?
Effektivität: Ausmaß der Ergebnisse
Objektivität: Ausmaß der Unabhängigkeit der Ergebnisse vom WI
Reliabilität: Zuverlässigkeit der Ergebnisse
Effizienz: ökonomische Angemessenheit
Feldzugangsadäquatheit: Grad der Akzeptanz durch den Experten
Vergleichen Sie maschinelles und menschliches Lernen!
Lernen:
- Verändern von Verhalten
- Erwerb von Wissen
- Erwerb von Geschicklichkeit
Menschliches Lernen:
- Auswendig lernen
- Lernen durch Tun
- Lernen durch Analogiebetrachtungen
- Lernen durch Beobachten
- Lernen aus Beispielen
Maschinelles Lernen:
- Deduktion: wendet allgmeines Wissen auf speziellen Fall an
- Induktion: Formulierung von allgmeinem Wissen aus speziellen Fällen
- Abduktion: Form des numerischen Schließens bei Unsicherheit
Welche Lernmethoden gibt es?
- überwachtes Lernen z.B. Klassifikator
- unüberwachtes Lernen, erkennen von Strukturen in Daten (z.B. Clusteranalyse)
- Reinforcement learning, Lernen durch Rückmeldung aus der Umwelt
Was sind Entscheidungstabellen und welche Analysen werden darauf angewendet?
Eine Entscheidungstabelle ist eine formale Darstellung von Wenn-Dann-Regeln. Diese können aus Entscheidungsbäumen gewonnen werden und auch umgekehrt für die Erstellung von Entscheidungsbäumen verwendet werden.
Strukturanalyse:
Auffinden von:
- Widersprüchen (Bedingungen sind gleich, Aktionen verschieden)
- Redundanzen (Bedingungen und Aktionen sind gleich => Beispiele sind identisch)
- Konsolidierungen (Aktionen gleich, Bedingungen außer 1 sind gleich => Beispiele können zusammengefasst werden) -> kann durch "-" dargestellt werden (=> irrelevant)
jedes Beipiel wird mit allen anderen verglichen
Vollständigkeitsanalyse:
Feststellen von fehlenden Regeln
Allgemein: 2^Summe aller Bedingungswerte = mögliche Regelanzahl
Verringerung der Regelanzahl bei sich gegenseitig ausschließenden Bedingungswerten
