ernesto costa sistemas periciais: abordagem baseada em modelos sistemas periciais baseados em...

30
Ernesto Costa emas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil BC incompletas / inconsistentes Explicações de Baixo Nível Lidar com Problemas não previstos: como? Validação difícil (grandes BC, ambientes dinâmicos) Aplicáveis em domínios restritos

Upload: internet

Post on 17-Apr-2015

107 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Sistemas Periciais Baseados em Conhecimento Empírico

Aquisição conhecimentoMoroso, difícilBC incompletas / inconsistentes

Explicações de Baixo NívelLidar com Problemas não previstos: como?Validação difícil (grandes BC, ambientes dinâmicos)Aplicáveis em domínios restritos

Page 2: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

SP baseados em ModelosConhecimento Profundo vs Conhecimento Superficial

Q u an ti ta tiv os Q ua li ta tiv os

C o nh e cim e n to

P rop a ga çã o d e R e str içõ es

In fe rê nc ia

S P :M o d e los

Page 3: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Modelos Quantitativos

As equações estabelecem restrições sobre os valores que as variáveis podem assumir!

I

V R V=R*I Lei de Ohm

I

V Cdt

dVCI

Page 4: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Modelos QualitativosAbstracção qualitativa

[V] = [I] [I] = [dV]

CaracterísticasAceita informação imprecisaInferências rápidasComputacionalmente custosaResultados eventualmente ambíguos

Page 5: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Inferência: propagação de restrições

QuantitativaF=40; m=4 a=10

Qualitativa[a] = + ; [m] = 0 [F]= +

F = m * a

Ambiguidadea=10 F=? ; m= ?[a]=+ ; [m] = - [F]=?

Page 6: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Aplicação ao DiagnósticoMetodologia Geral

Definir as equações do modeloDefinir valores iniciaisPropagar valores (respeitando as restrições) e definir os valores esperadosObservar os valores reais

Se diferente: estabelecer diagnóstico

Page 7: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Exemplo (Reiter)

M1

M2

M3

A2

A1

in1in2

in1in2

in1

in2

out

out

Page 8: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Sistema S=(DS,COMP)DS = descriçãoCOMP = componentes

DescriçãoGenérica:

AxiomasConcretos:

Topológicos:

)(2*)(1)()()( minminmoutmABmMul

)(2)(1)()()( ainainaoutaABaSom

)1(2*)1(1)1()1( MinMinMoutMAB

)1(1)1( AinMout

Page 9: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

ComponentesMul(M1); Mul(M2); Mul(M3) ; Som(A1); Som(A2)

Observações (OBS)in1(M1)=3in2(M1)=2in1(M2)=3in2(M2)=2in1(M3)=3in2(M3)=2out(A1)=10out(A2)=12

Page 10: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

DiagnósticoProblema OBScABcABDS n )}(),...,({ 1

M1

M2

M3

A2

A1

in1in2

in1in2

in1

in2

out

out

32

32

32

10

12

Page 11: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Um diagnóstico para S=(DS,COMP,OBS) é um conjunto mínimo tal que:

é consistente!

COMP

}|)({}|)({ COMPccABccABOBSDS

Page 12: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Determinar o diagnósticoConjunto de conflito

Todo o subconjunto de componentes{c1,...,ck}:

é inconsistente!Mínimo: se nenhum subconjunto próprio for de conflito

)}(),...,({ 1 kcABcABOBSDS

Page 13: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Conjunto de Candidatos (“hitting set”)Seja C uma colecção de conjuntos. Um CC para C é um conjunto H:

Será mínimo se nenhum subconjunto próprio de H for CC para C

CSSHSHCS

{},:

Page 14: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Teorema é um diagnóstico para (DS,COMP,OBS) sse for um CC mínimo para a colecção de conjuntos de conflito para (DS,COMP,OBS)

Como calcular o conjunto de candidatos?Através da árvore de conjunto de candidatos, Árvore-CC

COMP

Page 15: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Árvore-CCComo construir?

Seja F uma colecção de conjuntos. Uma Árvore-CC, A para F é uma Árvore-CC sse for a árvore etiquetada mais pequena com as seguintes propriedades:

A sua raiz terá etiqueta se F for o conjunto vazio; caso contrário a raiz terá por etiqueta um elemento de F.Se n for um nó de A, seja L(n) o conjunto das etiquetas associadas aos lados que ligam a raiz a n. Se n tiver por

etiqueta então n não terá sucessores. Se n tiver por etiqueta um conjunto de F, então terá tantos sucessores quantos o número dos seus elementos. Cada arco terá por etiqueta um elemento de . Cada novo nó n terá por etiqueta um conjunto S de F cuja intersecção com L(n) for o conjunto vazio, caso esse conjunto exista, caso contrário a sua etiqueta será .

Page 16: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Propriedades de uma Árvore-CC A para F

[consistência] Se n for um nó com etiqueta então L(n) é um conjunto de candidatos para F;

[completude]Cada conjunto de candidatos mínimo para F é dado por L(n) para algum nó n da árvore que tenha etiqueta .

Page 17: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

ExemploF={{2,4,5},{1,2,3},{1,3,5},{2,4},{1,6}}

{2,4,5}

{1,2,3} {2,4}{1,3,5}

{1,6} {1,6}

1 16 6

{1,6} {1,6}

1 16 6

{1,6} {1,6}

1 16 6

24 5

13 5 1 2 3 2 4

L(n)={1,2,4} é um CC para F

Page 18: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Árvore-CC TruncadaCritérios de corte

(1) n= ;(2)(3)

')'()(:' ncortarnLnLn ')'()( ncortarnLnL

':',', SScortarSSASS {2,4,5}

{1,2,3} {2,4}{1,3,5}

{1,6} {1,6}

× × 1 16 6

{1,6}

× 1 6

{1,6}

× 1 6

24 5

13 5 1 2 3 2 4

× {1,6}

1 6

(1)

(2)

(3)

(1) (1) (1)

Page 19: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

TeoremaSeja F uma colecção de conjuntos, e A a Árvore-CC truncada para F. Então

é a colecção dos conjuntos de candidatos mínimos para F.

},|)({ nAnnL

Page 20: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

De novo o ExemploAlgoritmo

(1) Calcular a colecção dos conjuntos de conflito para (DS,COMP,OBS), F.(2) Construir a Árvore-CC truncada para F, A(3) Devolver como diagnósticos possíveis a colecção dos conjuntos de candidatos mínimos para F: },|)({ nAnnL

Para (1) é necessário um demonstrador de teoremas DT(DS,COMP,OBS) que devolve um conjunto de conflito caso exista, caso contrário devolve

Princípio de Resolução Propagação de restrições

Page 21: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Construção

M1

M2

M3

A2

A1

in1in2

in1in2

in1

in2

out

out

32

32

32

10

12

DT(DS,{M1,M2,M3,A1,A2},OBS) {A1,M1,M2}

Page 22: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Porquê {A1,M1,M2}?Propagação de restrições

De

Conclui-se

)1(2*)1(1)1()1( MinMinMoutMAB

)2(2*)2(1)2()2( MinMinMoutMAB )2(2)1(1)1()1( AinAinAoutAAB

)1(1)1( AinMout

)1(2)2( AinMout

6)1()1( MoutMAB

6)2()2( MoutMAB

12)1()2()1()1( AoutMABMABAAB

Page 23: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

A Árvore-CC

DT(DS,{M1,M2,M3,A2},OBS)

{A1,M1,M2}

{M1,M3,A1,A2}

{A1}{M1} {M2}

{M1}

DT(DS,{M2,M3,A1,A2},OBS)

DT(DS,{M1,M3,A1,A2},OBS)

{M3} {A1} {A2}×

×

DT(DS,{M1, A1,A2},OBS) DT(DS,{M1, M3,A1},OBS)

(1)(1)

Diagnóstico = {{A1}, {M1}, {M2,M3}, {A2,M2}}

Page 24: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

That’s All Folks

Page 25: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Exemplo (Garcia e Morales)

ModeloI=((A*B)*(C+D))+(C+D)H=(A*B)-(C+D)

RestriçõesE=A*B; G=E*F; I=G+F; F=C+D; H=E-F

M1

A2

A1

A3

M2

A

B E

H

C

D

G

F

I

Page 26: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Espaço de Candidatos (25=32)[]

A1 A2 A3 M1 M2

A1,A2 A1,A3 A1,M1 A1,M2 ...

A1,A2,A3 A1,A2,M1 A1,A2,M2 A1,A3,M1 ...

A1,A2,A3,M1 A1,A2,A3,M2 A1,A2,M1,M2...

A1,A2,A3,M1,M2

Page 27: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Valores Iniciais

Propagando

A=1 [] 0

B=2 [] 0

C=2 [] 0

Valor

Lista de Dependências

Ambiente

E=2 [M1] 0

F=5 [A1] 0

G=10 [A1,M1,M2] 0H=-3 [A1,A2,M1] 0

I=15 [A1,A3,M1,M2] 0

Valores Esperados!

D=3 [] 0

Page 28: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Observando!

Conjunto de Conflito Mínimo[A1,A3,M1,M2] A2 Eliminado!

Propagando (usando as restrições)

I=11 [] 1

G=6 [A1,A3] 1

E=6/5 [A1,A3,M2] 1

H=-19/5 [A1,A2,A3,M1] 1

Page 29: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Observando

E associado a M1 está OK!Eliminar M1 do CMS e todos os seus super-conjuntosEliminar M1 das listas de Dependências

Propagando

E= 2 [] 2

G= 10 [A1,M2] 2

H= -3 [A1,A2] 2

Page 30: Ernesto Costa Sistemas Periciais: abordagem baseada em Modelos Sistemas Periciais Baseados em Conhecimento Empírico Aquisição conhecimento Moroso, difícil

Ernesto Costa

Sistemas Periciais: abordagem baseada em Modelos

Observando...

Conjugando com o passado...

Candidatos: A3 ; M2 ; A3,M2

G= 7 [] 3

G= 6 [A1,A3] 1

G= 10 [A1,M2] 2A1 não é responsável!