Самообучающиеся системы
Самообучающиеся системы основаны на методах автоматической классификации примеров реальной практики (обучение на примерах). Примеры накапливаются за определенный исторический период и составляют обучающую выборку, которая может быть:
1.
С «учителем» (для каждого примера задается в явном виде значение признака его принадлежности его к некоторому классу);2. Без «учителя» (система сама выделяет классы ситуаций по степени близости значения признаков классификации).
В результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность задачи к определенному классу.
К общим недостаткам самообучающихся систем относятся:
— возможная неполнота или зашумленность (избыточность) обучающей выборки (проблемы с адекватностью базы знаний);
— проблемы со смысловой ясностью зависимых признаков и соответственно неспособность объяснить пользователю полученных результатов.
— ограничения в размерности признакового пространства и соответственно неглубокое описание проблемной области.
В самообучающихся системах выделяются индуктивные системы, которые характеризуются обобщением примеров по принципу от частного к общему. Процесс классификации примеров осуществляется следующим образом:
1. Выявляется подмножество примеров, относящихся к одним и тем же подклассам, и определяются их значимые признаки.
2. По значению выбранного признака множество признаков разбивается на подмножества.
3. Выполняется проверка принадлежности образовавшегося подмножества примеров одному классу.
4. Если подмножество примеров принадлежит одному подклассу, то классификация заканчивается.
5. Для несовпадающих примеров классификация продолжается.
8.7.