Seminarji Slovenskega drustva za umetno inteligenco 1995

17.1.1995: Igor Kononenko (FER): On Biases in Estimating the Multi-Valued Attributes
7.3.1995: Damjan Bojadziev (IJS): Goedlov operator in meta-cirkularna interpretacija
14.3.1995: Ivan Bratko (FER, IJS): Pretirano prilagajanje in Occamova britev v strojnem ucenju
21.3.1995: Miha Kralj: Pregled karakteristik OS/2
28.3.1995: Tomaz Erjavec (IJS): Opis morfologije v sistemu ALE-RA: primer oblikoslovja slovenskega glagola
18.4.1995: Dragan Gamberger (Rudjer Boskovic Institute, Zagreb): A Minimization Approach to Propositional Inductive Learning
25.4.1995: Marijan Miletic (IJS): DSP - Digitalna obdelava nizkofrekvencnih signalov v realnemu casu
23.5.1995: Bogdan Filipic (IJS in Fakulteta za strojnistvo): Metode evolucijskega racunanja
13.6.1995: Martin Zitz (Universitaet fuer Bildungswissenschaften, Celovec): PEAPS - Possibilistic Expert Assessment and Pooling
29.6.1995: Dunja Mladenic (IJS): Avtomatsko nastavljanje parametra "m" pri naknadnem rezanju dreves: uporaba deterministicnih in stohasticnih optimizacijskih algoritmov
19.9.1995: Marko Robnik (FER): Izraba pomnilnika pri preiskovanju prostora s strategijo "najprej najboljsi" v linearnem prostoru
3.10.1995: Aram Karalic (IJS): Regresija v logiki prvega reda
17.10.1995: Andrej Blejec (Institut za biologijo): Racunalniske simulacije - pripomocek za razumevanje statistike
24.10.1995: Slobodan Ribaric (University of Zagreb, Faculty of electrical engineering and computing): Model za predstavitev casovno odvisnega znanja in sklepanje
21.11.1995: Matjaz Gams (IJS): Inteligentni agenti
5.12.1995: Ales Dobnikar, Tomaz Sef (IJS): Sinteza slovenskega govora
12.12.1995: Uros Lotric (FER): Uporaba ucenja z ojacanjem pri igri Krizci in krogci
19.12.1995: Andrej Blejec (Institut za biologijo): Intervalsko ocenjevanje statisticnih parametrov

Igor Kononenko (FER): On Biases in Estimating the Multi-Valued Attributes: In early works on decision tree induction it was soon realized that various heuristics tend to overestimate the attributes with more values. We analyse the biases of eleven measures for estimating the quality of the multi-valued attributes. The values of several well known functions tend to linearly increase with the number of values of an attribute: information gain, J-measure, gini-index, and relevance. The values of gain-ratio, distance measure, Relief, and the weight of evidence decrease for informative attributes and increase for irrelevant attributes. The bias of the statistic tests based on the chi-square distribution is similar but these functions are not able to discriminate among the attributes of different quality. We also introduce a new function based on the MDL principle whose value slightly decreases with the increasing number of attribute's values.
Damjan Bojadziev (IJS): Goedlov operator in meta-cirkularna interpretacija: Goedlov operator razsiri sistem formalne aritmetike F z dodajanjem Goedlovega stavka tega sistema: stavka, ki o sebi trdi, da ni dokazljiv v F (in zato tudi res ni). Meta-cirkularni interpreter opravlja podobno funkcijo v sistemu logicnega programiranja: krpa deduktivne luknje izhodiscnega sistema, npr. obicajnega Prolog interpreterja. Refleksivnost meta-cirkularnega interpreterja (ki lahko izvaja se samega sebe) pa navaja na hipotezo, da je lahko tudi Goedlov operator refleksiven: da pri razsirjanju sistema gleda tudi nase in uposteva svojo vlogo v tem razsirjanju. Refleksiven Goedlov operator bi omogocal hitrejse gibanje po zaporedju razsiritev aritmeticnega sistema, po katerem dirkata duh in stroj v obicajni verziji Goedlovskega argumenta o kognitivni premoci duha nad strojem.
Ivan Bratko (FER, IJS): Pretirano prilagajanje in Occamova britev v strojnem ucenju: Znano je, da pri ucenju iz nezanesljivih, sumnih podatkov dobimo razvejane hipoteze, ki se pretirano dobro prilegajo ucnim primerom. Take hipoteze so pogosto manj zanesljive od enostavnejsih hipotez. Ucinkovita metoda za obravnavanje sumnih podatkov je poenostavljanje naucenih hipotez, npr. z rezanjem odlocitvenih dreves. To se tudi sklada s principom Occamove britve, ki daje prednost krajsim hipotezam. Vendar nekateri eksperimentalni rezultati vzbujajo dvome. V predavanju bo podan pregled nekaterih novejsih in nasprotujocih si rezultatov o uspesnosti rezanja odlocitvenih dreves, utemeljenosti Occamovega principa ter o pretirano temeljitem preiskovanju prostora hipotez.
Miha Kralj: Pregled karakteristik OS/2: OS/2 je eden izmed 32-bitnih operacijskih sistemov za osebne racunalnike, ki se ni UNIX, zato je s svojo enostavnostjo in obenem zmogljivo zasnovo primeren za vse zahtevnejse uporabnike, ki jim DOS in Windows nista vec dovolj, UNIX pa jim je ze prevec. OS/2 je vecopravilen, vecniten odprt sistem, ki je zgrajen na IBM-ovi objektni osnovi SOM (System Object Model). SOM, oziroma DSOM (Distribuirani SOM) sta temelj vseh IBM-ovih operacijskih sistemov in predstavljata prvi korak proti DCE (Distributed Computing Enviroment). OS/2 s svojim konceptom predstavlja le eno izmed moznosti v trenutnem izboru operacijskih sistemov, a ga zaradi njegove enostavne ucljivosti in zmogljivosti ne smemo prezreti.
Tomaz Erjavec (IJS): Opis morfologije v sistemu ALE-RA: primer oblikoslovja slovenskega glagola: ALE (Attribute Logic Engine) je sistem za prepoznavanje naravnega jezika, primeren predvsem za opis sintakse. Morfologija je zajeta s pravili, ki iz osnovnih leksikalnih nizov generirajo vse oblike besed. Razsiritev ALE-R povezuje morfologijo in sintakso tako, da strukturira leksikalna pravila po paradigmah in pozicijskih razredih. Razsiritev ALE-A pa dodaja fonologijo (premene, naglasne sheme), ki predstavlja besedne oblike s koncnimi avtomati. Dodaten modul preko omejitev skrbi za njihovo dobro oblikovanost. ALE-RA integrira tri nivoje jezikovne analize (sintaksa, morfologija, fonologija) in je tako primeren za celovito predstavitev znanja o raznovrstnih jezikih. Nadaljnje razsiritve so mozne v smeri dvo-smernosti operacij (analiza in sinteza), njihove paralelizacije ter pokritja dodatnih jezikovnih fenomenov.

Dragan Gamberger (Rudjer Boskovic Institute, Zagreb): A Minimization Approach to Propositional Inductive Learning

An approach to the problem of propositional inductive learning of if-then-else rules, different from the commonly used ones, will be presented. Main differences are: literal selection process that searches for the smallest set of literals so that the completely correct rule for all learning examples can be constructed and the nonnormal form of the generated rules built by the search for necessary and sufficient conditions of example classes. It will be also presented how iterative application of the literal selection process can solve the problem of learning from noisy domains by appropriate exclusion of dubious learning examples. The results of application of the system that includes described algorithms on a few publicly available domains including breast cancer domain of Wisconsin hospitals will be discussed.

Marijan Miletic (IJS): DSP - Digitalna obdelava nizkofrekvencnih signalov v realnemu casu

Uspesen razvoj kompaktnega diska, digitalnega traku, hitrih telefonskih modemov, racunalniske grafike, televizije velike locljivosti, medicinskih tomografov in podobnih je tesno povezan s tehnologijo digitalnih signalnih procesorjev (DSP), ki omogocajo zahtevno matematicno obdelavo razlicnih procesov v realnemu casu. Na predavanju bo predstavljen pregled tehnik DSP s poudarkom na obdelavi govornih in radijskih signalov.

Bogdan Filipic (IJS in Fakulteta za strojnistvo): Metode evolucijskega racunanja

Evolucijsko racunanje pri resevanju problemov z racunalnikom posnema nacela evolucije bioloskih sistemov. Podrocje obsega vec verjetnostnih preiskovalnih oz. optimizacijskih metod. Najbolj znana metoda evolucijskega racunanja so genetski algoritmi, v to skupino pa sodijo se evolucijske strategije, evolucijsko programiranje in genetsko programiranje. V preglednem predavanju bodo podane osnove teh metod ter podobnosti in razlike med njimi. Sledil bo prikaz videa Genetic Programming, ki razlozi delovanje te metode in pokaze stevilne primere uporabe.

Martin Zitz (Universitaet fuer Bildungswissenschaften, Celovec): PEAPS - Possibilistic Expert Assessment and Pooling

The main task of processing expert opinions presented here is to group and pool expert opinions about a certain number of variables to get better results. This is done by quantifying certain aspects of the supplied data and an ordering of the groups. In a next step the opinions of the group-members are pooled with some pooling functions, resulting in a new "virtual expert" opinion about the variable. The main advantage of this approach is that (1) the values of the variables are not given as "one shots", and (2) a certain number of errors, e.g. underestimation, can be reduced. The author will present this method of Expert Assessment based on the ideas by Mrs. Sandri, Brasil, and show a rough idea of his PROLOG implementation.

Dunja Mladenic (IJS): Avtomatsko nastavljanje parametra "m" pri naknadnem rezanju dreves: uporaba deterministicnih in stohasticnih optimizacijskih algoritmov

Dolocanje vrednosti parametrov algoritma za strojno ucenje definiramo kot optimizacijski problem. Za ocenjevanje kvalitete dolocene nastavitve parametrov uporabimo precno preverjanje klasifikacijske tocnosti odlocitvenih dreves, zgrajenih s podanimi vrednostmi parametrov. Za gradnjo odlocitvenih dreves uporabimo sistem Magnus Asistent. Na seminarju bo predstavljeno avtomatsko dolocanje vrednosti parametra "m", uporabljenega pri naknadnem rezanju odlocitvenih dreves. Na problemu uporabimo deterministicne in stohasticne optimizacijske algoritme ter primerjamo njihovo delovanje in rezultate.

Marko Robnik (FER): Izraba pomnilnika pri preiskovanju prostora s strategijo "najprej najboljsi" v linearnem prostoru

Korf je leta 1993 predstavil preiskovalni algoritem RBBFS po nacelu "najprej najboljsi", ki deluje v prostoru, ki je linearna funkcija dolzine resitve; to je bila bistvena izboljsava v primerjavi z algoritmi tipa A*, ki delujejo v eksponentnem prostoru. RBFS porabi zelo malo pomnilnika, vsekakor dosti manj, kot ga je na voljo v danasnjih racunalnikih, zato sem ga izboljsal tako, da lahko uporablja ves pomnilnik, ki je na voljo. Predstavil bom tri strategije izrabe pomnilnika in rezultate pri igri osmih ploscic in problemu trgovskega potnika.

Aram Karalic (IJS): Regresija v logiki prvega reda

Predstavili bomo algoritem za ucenje prologovih programov, ki uporabljajo realne spremenljivke. Algoritem uporablja predznanje v obliki poljubnih prologovih procedur, z njim lahko modeliramo dinamicne sisteme (se ucimo iz casovnih vrst) in poiscemo razlicne regresijske modele za razlicne dele atributnega prostora. Predstavili bomo osnovne ideje algoritma in njegove aplikacije na nekaterih realnih sistemih.

Andrej Blejec (Institut za biologijo): Racunalniske simulacije - pripomocek za razumevanje statistike

Za ponazoritev nekaterih statisticnih pojmov in metod si lahko pomagamo z graficno podprtimi racunalniskimi simulacijami. Pri statisticnih simulacijah pripravimo podatke z vnaprej znanimi statisticnimi lastnostmi, te pa potem skusamo razkriti s statisticno analizo. Z dinamicno in interaktivno grafiko lahko ponazorimo pomen statisticnih pojmov in delovanje statisticnih metod. Pri razvoju simulacijskih programov si lahko pomagamo s splosnimi programskimi jeziki (npr. Pascal) ali pa posezemo po razvitejsih statisticnih okoljih (npr. S-Plus ali XLispStat). Moznosti, ki jih ponujajo posamezna razvojna okolja, si bomo ogledali na primerih, ki so zanimivi in uporabni pri pouku statistike.

Slobodan Ribaric (University of Zagreb, Faculty of electrical engineering and computing): Model za predstavitev casovno odvisnega znanja in sklepanje

Na seminarju bo podan kratek pregled shem za predstavitev casovno odvisnega znanja. Prikazana bo shema za predstavitev znanja, ki temelji na prilagoditvi Petrijevih mrez. Shema se uporablja za predstavitev in sklepanje v casovno bogatih domenah.

Matjaz Gams (IJS): Inteligentni agenti

V svetu se odpira novo podrocje inteligentnih sistemov, tj. inteligentni agenti. Namesto ekspertnih sistemov, ki skusajo nadomestiti eksperte, skusajo inteligentni agenti nadomestiti agente, npr. zavarovalniske agente, potovalne agente, tajnice itd. Podobno, kot nevronske mreze, je bil osnovni pristop znan ze pred desetimi leti, sedaj pa ponovno ozivlja. Prejsnjega miselnega guruja Minskyja nadomescajo operativno usmerjeni raziskovalci kot Pattie Maes in Oren Etzioni. Posebej si bomo ogledali agente na Internetu, kajti v boju z informacijsko preobremenitvijo so agenti pozeli vidne uspehe. Inteligentne tajnice na razlicnih nivojih svetujejo ali izvrsujejo bolj ali manj zapletene zahteve uporabnikov.

V Sloveniji smo zaorali ledino s sistemom IOI, ki je popravljal crkovne napake v operacijskem sistemu VAX/VMS. Dasiravno so bila mnenja o primernosti metodologije s strani zunanjih opazovalcev deljena, sva bila avtorja (Hribovsek magisterij, Gams raziskovalni mentor) ugodno presenecena nad mocjo novega pristopa. Kot pri vsaki novi metodologiji pa je tudi tu potrebno, da se `vzivis' v novo miselnost.

Ales Dobnikar, Tomaz Sef (IJS): Sinteza slovenskega govora

Sinteza govora predstavlja umetno generiranje govora iz danega besedila. Skupaj s komplementarnim podrocjem razpoznavanja govora postaja eden on pomembnejsih alternativ tako komunikacije clovek-stroj, kot tudi komunikacije clovek-clovek. V zadnjem casu so se razvile razlicne ucinkovite tehnike za manipuliranje z akusticnimi posnetimi deli govora. Kvaliteta sistemov za sintezo govora pa ni pogojena samo z razvojem tehnologije, ampak predvsem s poznavanjem parametrov posameznega jezika in govora, ki so praviloma precej specificni.

Na seminarju bo predstavljena problematika sinteze govora, razvoj sistema za sintezo govora na Institutu J. Stefan in metoda za modeliranje in konkatenacijo akusticnih delov govora.

Uros Lotric (FER): Uporaba ucenja z ojacanjem pri igri Krizci in krogci

Na preprosti igri Krizci in krogci (Tic-Tac-Toe) sem preizkusil uspesnost metod ucenja z ojacanjem. Pri teh metodah program vnaprej pozna pravila igre, med igranjem pa ga obvescamo le o izidu posamezne partije. Dober algoritem se lahko nauci igrati tako dobro, da ne izgubi nobene partije, ceprav med ucenjem nima nobenega znanja o taktikah in strategijah. Zelo hitro se algoritem nauci igrati povprecno dobro, za igro brez porazov pa potrebuje zelo veliko ucenja.

Andrej Blejec (Institut za biologijo): Intervalsko ocenjevanje statisticnih parametrov

Verjetnostne porazdelitve pojavov navadno skusamo opisati s pomocjo njihovih parametrov, na primer povprecja, standardne deviacije in podobno. Vrednost parametra lahko ocenimo tockovno, tako da za oceno vzamemo ustrezno vzorcno vrednost. Vzorcne vrednosti se od vzorca do vzorca spreminjajo, zato skusamo opisati njihovo porazdelitev. Ta opis, opis vzorcne porazdelitve ocen, pa nam pomaga pri intervalski oceni parametra. Ce poznamo vzorcno porazdelitev, lahko za parameter dolocimo interval zaupanja, ki bolje doloca mozne vrednosti parametra. Pri dolocanju intervalov zaupanja se srecamo z vrsto statisticnih pojmov, kot so standardna napaka ocene, vzorcna porazdelitev, pristranost ocene in ne nazadnje tudi sama stopnja zaupanja.

S pomocjo racunalniske simulacije in dinamicne grafike si bomo ogledali ozadje, na katerem temelji dolocevanje intervalov zaupanja. Poskusili bomo razjasniti nekaj kljucnih statisticnih pojmov, ki so nujni za razumevanje in interpretacijo intervalov zaupanja.