写点什么

AIGC 背后的技术分析 | 通过 EBG 学习概念 cup

作者:TiAmo
  • 2023-05-29
    江苏
  • 本文字数:1685 字

    阅读完需:约 6 分钟

AIGC背后的技术分析 | 通过EBG学习概念cup

01、解释学习过程和算法

解释学习一般包括下列 3 个步骤。


(1) 利用基于解释的方法对训练实例进行分析与解释,以说明它是目标概念的一个实例。


(2) 对实例的结构进行概括性解释,建立该训练实例的一个解释结构,以满足所学概 念的定义;解释结构的各个叶子结点应符合可操作性准则,且使这种解释比最初的例子适用于更大的一类例子。


(3) 从解释结构中识别出训练实例的特性,并从中得到更大一类例子的概括性描述,获取一般控制知识。


解释学习是把现有的不能用或不实用的知识转化为可用的形式,因此必须了解目标概念的初始描述。


1986 年,Mitchell 等人为基于解释的学习提出了基于解释的概括 (Explanation-BasedGeneralization,EBG)算法,该算法建立了基于解释的概括过程,并运用知识的逻辑表示和演绎推理进行问题求解。


EBG 过程如图 1 所示,其求解问题的形式可描述如下。



图 1 EBG 过程

给定:

(1) 目标概念(要学习的概念)(GoalConcept,TC)描述。

(2) 训练实例(目标概念的一个实)(TrainingExample,TE)。

(3) 领域知识(由一组规则和事实组成的用于解释训练实例的知识库)(Domain Theory,DT)。

(4) 可操作性准则 (说明概念描述应具有的形式化谓词公式)(Operationality Criterion,OC)求解:

训练实例的一般化概括,使之满足:

(1) 目标概念的充分概括描述 TC。

(2) 可操作性准则 OC。

其中,领域知识(DT)是相关领域的事实和规则,在学习系统中作为背景知识,用于证明训练实例(TE)为什么可以作为目标概念的一个实例,从而形成相应的解释。

TE 是为学习系统提供的一个例子,在学习过程中起着重要的作用,它应能充分地说明 TC。

操作准则 (OC)用于指导学习系统对目标概念进行取舍,使得通过学习产生的关于 TC 的一般性描述成为可用的一般性知识。

从上述描述中可以看出,在解释学习中,为了对某一目标概念进行学习,从而得到相 应的知识,必须为学习系统提供完善的领域知识以及能够说明目标概念的一个训练实例。

在系统进行学习时,首先运用 DT 找出 TE 为什么是 TC 之实例的证明(即解释),然后根据 OC 对证明进行推广。从而得到关于 TC 的一般性描述。即可供以后使用的形式化表示的一般性知识。

可把 EBG 算法分为解释和概括两步。

(1) 解释,即根据领域知识建立一个解释,以证明训练实例如何满足目标概念定义。目标概念的初始描述通常是不可操作的。

(2) 概括,即对第(1)步的证明树进行处理,对目标概念进行回归,包括用变量代替常量以及必要的新项合成等工作,从而得到所期望的概念描述。

由上可知,解释工作是将实例的相关属性与无关属性分离开;概括工作则是分析解释结果。

02、案例:通过 EBG 学习概念 cup

下面以学习概念 cup(杯子)为例说明 EBG(基于解释的概括方法)的学习过程。

(1) 目标概念:cup。

(2) 高级描述:cup(x)。

(3) 领域知识:stable(x)∧liftable(x)∧drinkfrom(x)→cup(x)has(x,y)∧concavity(y)∧upward-pointing(y)→drinkfrom(x)bottom(x,y)∧flat(y)→stable(x) light-weight(x)∧graspable(x)→liftable(x)small(x)∧madefrom(x,plastic)→light-weight(x) has(x,y)∧handle(y)→graspable(x)(部分中文解释:stable 稳定的;liftable 便于拿起;drinkfrom 可用来喝饮料;concavity 凹空;upward-pointing 向上指示;bottom 底;flat 平坦的;light-weight 轻质;graspable 可握住;plastic 塑胶。)(4) 训练例子:small(obj),madefrom(obj,plastic),has(obj,part1),handle(part1),has(obj,part2),concavity(part2),upward-pointing(part2),bottom(obj,b),flat(b)。

(5) 可操作性准则:目标概念必须以系统可识别的物理特征描述。

利用以上规则和事实,以 cup(obj)为目标逆向推理,可以构造如图 7-11(a)所示的解释结构,其叶子结点满足可操作性准则。

对解释进行概括,变常量为变量,便得到概括后的解释结构。

将此结构中的所有叶子结点作合取,就得到目标概念应满足的一般性的充分条件,以产生式规则形式表示为

IF small(V3)∧made-from(V3,plastic)∧has(V3,V10)∧handle(V10)∧has(V3,V25) ∧concavity(V25)∧upward-pointing(V25)∧bottom(V3,V37)∧flat(V37)THEN cup(V3)……(图 7-11(b))学到这条规则就是 EBG 的目的。



(a)解释结构



(b)形成规则

图 2 EBG 的学习过程


发布于: 刚刚阅读数: 3
用户头像

TiAmo

关注

有能力爱自己,有余力爱别人! 2022-06-16 加入

CSDN全栈领域优质创作者,万粉博主;阿里云专家博主、星级博主、技术博主、阿里云问答官,阿里云MVP;华为云享专家;华为Iot专家;亚马逊人工智能自动驾驶(大众组)吉尼斯世界纪录获得者

评论

发布
暂无评论
AIGC背后的技术分析 | 通过EBG学习概念cup_机器学习_TiAmo_InfoQ写作社区