projektgruppe kimas case-based reasoning

UNIVERSITY OF

PADERBORN

Projektgruppe KIMAS

Case-based Reasoning

5.9.2003

Li Liu

UNIVERSITY OF

PADERBORN

Projektgruppe KIMAS - CBR 2/32

Gliederung

1. Case-based Reasoning 2. Retrieval

2.1 Fallrepräsentation2.2 Ähnlichkeitsbestimmung

3. Revise4. Reuse5. Retain6. Fazit

UNIVERSITY OF

PADERBORN


CBR

Künstliche Intelligenz reasoning by remembering Zielfall (target case): zu lösendes

Problem/Fall Basisfall (base case): Problem/Fall mit

Lösung im Speicher CBR-System sucht einen Basisfall mittels

des Zielfalls und löst das Zielproblem mit Hilfe der Lösung des Basisfalls.

UNIVERSITY OF

PADERBORN


Ein einfaches Beispiel von CBR

ZielfallBasisfall

UNIVERSITY OF

PADERBORN


CBR-Modell

Zielfall

Basisfall

UNIVERSITY OF

PADERBORN


Auszüge der Geschichte von CBR

1977 USA: R. Schrank, Uni. Yale, Dynamic Memory Theory

1983 USA: J. Kolodner, CYRUS, erstes implementiertes System, Frage-Antwort-System

Seit 1998: zunehmendes Interesse in USA

1988-1991 Deutschland: M. Richter, Universität Kaiserslautern, komplexe technische Diagnose in MOLTKE

Seit 1991: zunehmendes Interesse in Europa

UNIVERSITY OF

PADERBORN


Zyklus des CBRs

Retrieve:• Finde einen ähnlichen

Fall bzw. eine Menge ähnlicher Fälle

Reuse:• Lösung übertragen und

anpassen

Revise:• Lösung

überprüfen/verbessern Retain:

• gemachte Erfahrung speichern

UNIVERSITY OF

PADERBORN


Fallrepräsentation

Was ist ein Fall? Ein Stück Wissen in Kontext, das eine

Erfahrung repräsentiert Beschreibt einen speziellen Fall Unabhängig von anderen Fällen Keine Regel!

Problem

Solution

Case 001

more informations

UNIVERSITY OF

PADERBORN


Repräsentationsformalismen

Wichtig in CBR Attribut-Wert-Paare:

Typ: Integer, String, Datum, Hyperlink etc.

Beispiel: Preis: 80,99 Euro

Formalisierungsregeln der Fälle möglichst identisch

Eindeutige Lösung für jedes Problem Adaptierter Fall als neuen Fall mit neuer Lösung

einfügen

WertAttribut

UNIVERSITY OF

PADERBORN


Beispiel für Fallrepräsentation

Feste Attributmenge:

Problem (Symptome):- Fehler: Fernlicht funktioniert nicht- PKW Typ: VW Golf II, 1,6 L- Baujahr: unbekannt- Batteriespannung: 13,6 V- Zustand der Scheinwerfer: unbekannt- Sichtprüfung Lichtschalter: OK (klickt)

Lösung:- Diagnose: Fernlichtsicherung defekt- Abhilfe: Fernlichtsicherung austauschen

CASE

1

Problem (Symptome):- Fehler: Fernlicht funktioniert nicht- PKW Typ: VW Golf II, 1,6 L- Baujahr: unbekannt- Batteriespannung: 13,6 V- Zustand der Scheinwerfer: unbekannt- Sichtprüfung Lichtschalter: OK (klickt)

Lösung:- Diagnose: Fernlichtsicherung defekt- Abhilfe: Fernlichtsicherung austauschen

CASE

1

Variable Attributmenge:

UNIVERSITY OF

PADERBORN


Ähnlichkeitsbestimmung

Zentraler Begriff in CBR

Parameter: Ci Problembeschreibungen für Fall i

SIM(C1,C2) Ähnlichkeitsmaß zwischen Fall 1 und Fall 2 p Anzahl der Attribute wj Gewicht (weight) des Attributes j

simj Ähnlichkeit (similarity) für Attribut j

p

jj

p

jjj

w

CCsimw

CCSIM

1

1

2,1

2,1

UNIVERSITY OF

PADERBORN


Vergleich das neue Problem mit Fall 1

SIM(new, Case1) = [ 6*0.8 + 1*0.4 + 1*0.6 + 6*0.9 + 6* 1.0 ] / 20 = 0.86

Problem (Symptome):- Fehler: Abblendlicht funktioniert nicht- PKW Typ: VW Golf II, 1,6 L- Baujahr: 1993- Batteriespannung: 13,6 V- Zustand der Scheinwerfer: OK- Sichtprüfung Lichtschalter: OK (klickt)

Lösung:- Diagnose: Abblendlichtsicherung defekt- Abhilfe: Abblendlichtsicherung austauschen

Problem (Symptome):- Problem: Bremslicht funktioniert nicht- PKW Typ: Audi 80- Baujahr: 1989- Batteriespannung: 12,6 V- Zustand der Scheinwerfer: OK

Ähnlichkeit

1 0

Sehr wichtiges Attribut: w = 6Weniger wichtiges Attribut: w = 1

0,8

0,4

0,90,6

1,0

UNIVERSITY OF

PADERBORN


Vergleich das neue Problem mit Fall 2

SIM(new, Case1) = [ 6*0.8 + 1*0.8 + 1*0.4 + 6*0.95 + 6*0 ] / 20 = 0.585

Fall 1 ist ähnlicher wegen „Zustand der Scheinwerfer“.

Problem (Symptome):- Fehler: Abblendlicht funktioniert nicht- PKW Typ: Audi A6- Baujahr: 1995- Batteriespannung: 12,9 V- Zustand der Scheinwerfer: Oberfläche beschädigt- Sichtprüfung Lichtschalter: OK (klickt)

Lösung:- Diagnose: Glühbirne defekt- Abhilfe: Abblendlicht austauschen


Ähnlichkeit

1 0

Sehr wichtiges Attribut: w = 6Weniger wichtiges Attribut: w = 1

0,8

0,8

0,950,4

0

UNIVERSITY OF

PADERBORN


Retrieval

Suche die ähnlichsten Erfahrungen (Fälle) im Speicher.

Beispiel: - Auto kaufen: Silber, Navigationssystem,

großer Kofferraum, Seitenairbags, 4-Motions, Diesel, < 30,000 Euro.

- Suche mit SQL-Anfrage- Kein solches Auto! - Ändern die Kriterien- Der Kunde möchte nur die Automodelle

sehen, die den meisten Kriterien genügen.

UNIVERSITY OF

PADERBORN


nearest-neighbour retrieval

UNIVERSITY OF

PADERBORN


Zyklus des CBRs




anpassen

Revise:• Lösung



UNIVERSITY OF

PADERBORN


Reuse

Wichtige Information: - Ähnlichkeit zwischen dem alten und neuen

Modell - übertragbare Teile

Kopieren

Anpassen

1. Wiederverwendung der alten Lösung (transformational reuse)

2. Wiederverwendung der alten Methoden (derivational reuse)

UNIVERSITY OF

PADERBORN


Reuse die Lösung vom Fall 1

Problem (Symptome):- Fehler: Abblendlicht funktioniert nicht- ...

Lösung:- Diagnose: Abblendlichtsicherung defekt- Abhilfe: Abblendlichtsicherung austauschen


CASE

1

Neue Lösung:- Diagnose: Bremslichtsicherung defekt- Abhilfe: Bremslichtsicherung austauschen

Lösung adaptieren

UNIVERSITY OF

PADERBORN


Zyklus des CBRs




anpassen

Revise:• Lösung



UNIVERSITY OF

PADERBORN


Revise

Bewertung des Falles durch:• Feedback nach Durchlauf• Bewertung von Experten

Kriterien: • Korrektheit der Lösung• Qualität der Lösung • anderes

Reparatur des Fehlers• Fehler erkennen • Fehler verbessern

UNIVERSITY OF

PADERBORN


Zyklus des CBRs




anpassen

Revise:• Lösung



UNIVERSITY OF

PADERBORN


Retain (Lernen) 1

Lernen von jedem Schritt: • Neue Erfahrung• Verbesserte Ähnlichkeit und wichtige Attribute

Bestimmung• Organisation/Indizieren der Datenbanken• Wissen von Adaption der Lösungen• Löschen der überflüssigen/ungültigen Fälle

Wissensbehälter (Richter, 1995):• Vokabular (benutzte Attribute)• Falldatenbank • Ähnlichkeitsbestimmung• Lösungsadaption

UNIVERSITY OF

PADERBORN


Retain 2

Fall aktualisieren, egal, wie das Problem gelöst wurde.

alten Fall erweitern neuen Fall konstruieren ungültigen/überflüssigen Fall löschen

Problem (Symptome):- Fehler: Bremslicht funktioniert nicht- PKW Typ: Audi 80- Baujahr: 1989- Batteriespannung: 12,6 V- Zustand der Scheinwerfer: OK- Sichtprüfung Lichtschalter: OK

Lösung:- Diagnose: Bremslichtsicherung defekt- Abhilfe: Bremslichtsicherung austauschen

CASE

3

Problem (Symptome):- Fehler: Bremslicht funktioniert nicht- PKW Typ: Audi 80- Baujahr: 1989- Batteriespannung: 12,6 V- Zustand der Scheinwerfer: OK- Sichtprüfung Lichtschalter: OK

Lösung:- Diagnose: Bremslichtsicherung defekt- Abhilfe: Bremslichtsicherung austauschen

CASE

3

UNIVERSITY OF

PADERBORN


Applikationsbeispiele 1

Expertensystem für Hühneraufzucht: • Speisekarten für Eierhühner nach dem Wissen

von Nahrung und Futter, • Falldatenbank und

Speiseadaptionsregeldatenbank

Landwirtschaftliche Expertenentscheidungssystem: • hohe Maisproduktion: Sortenkombinationen,

Düngeplanung und Feldmanagementmethode • Expertensystem der Diagnose für

Schweinekrankheiten.

UNIVERSITY OF

PADERBORN



Entscheidungshilfe bei Gericht:

• Ersten Beurteilungsentwurf erstellen

• Warnen vor möglichen falschen Anwendungen des Gesetzes

• Richtigkeit im Test in Taiwan über 90%

• Case-based Reasoning und Rule-based Reasoning Techniken zusammen eingesetzt

UNIVERSITY OF

PADERBORN



Militärische Anwendungsforschung in militärischen Szenarien (Krieg auf Papier):

• Case-based Reasoning kombiniert mit Group Decision Support System

• „Case-based Group Decision Support System“

• Ziel: militärische Simulation und Training gemeinsam anzubieten

UNIVERSITY OF

PADERBORN



UNIVERSITY OF

PADERBORN



Baudesign Übersetzungsmaschinen Kostenschätzungen

Online-Demos:http://www.empolis.de/products/prod_dem.asp • CarSmart• SmartCooking

Beispielprodukt: http://www.empolis.de/technology/tech_cas.asp

UNIVERSITY OF

PADERBORN


Software-Tools

ART*Enterprise Case-1 CaseAdvisor CasePower Eclipes - The Easy Reasoner CBR3 KATE ReCall

http://www.cbr-web.org

UNIVERSITY OF

PADERBORN


Anwendungsmöglichkeiten in KIMAS

Bot stellt Anfrage an CBR, was zu tun ist. Wenn unterlegen, Hilfe von anderen Bots

holen oder weglaufen und regenerieren? Wie weglaufen? …

Intelligente Bots

UNIVERSITY OF

PADERBORN


Fazit von CBR

Input: vorhandene Information Output: möglichst passende Lösung

Einfach zu benutzen: • Problembeschreibung mit natürlicher Sprache • auch für Nicht-Experten möglich

Funktioniert auch bei unvollständig vorhandenem Wissen

Akkumulator von Wissen Wissen in der Falldatenbank einfach zu updaten

und warten

Anfängliche Modellierung der Fälle und Ähnlichkeit sind wichtig.

UNIVERSITY OF

PADERBORN


Literatur

Janet Kolodner: Case-based Reasoning, Morgan Kaufmann, 1993

Watson, Ian: Applying case-based reasoning: Techniques for enterprise Systems, Morgan Kaumann Publishers, California, 1997

Lenz, Bartsch-Spörl, Burkhard, Wess. Case-Based Reasoning Technology: From Foundations to Applications, Springer-Verlag, 1998

Bergmann, Ralph: Grundlagen Fallbasierter Systeme, WS99/20, http://wwwagr.informatik.uni-kl.de/~bergmann/CBRVL2k/

...

projektgruppe kimas case-based reasoning

Documents