Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Copyright (c) 2010 Varga György All rights reserved Tanulásra képes rendszerekről rendszerekről.

Hasonló előadás


Az előadások a következő témára: "Copyright (c) 2010 Varga György All rights reserved Tanulásra képes rendszerekről rendszerekről."— Előadás másolata:

1 Copyright (c) 2010 Varga György All rights reserved Tanulásra képes rendszerekről rendszerekről

2 Copyright (c) Varga György, 2010 Copyright (c) 2010 Varga György All rights reserved Tanulásra képes rendszerek az IT architektúrában Tanulásra képes rendszerek az IT architektúrában

3 KérésekKérések 1.Mobiltelefonok 2.Hang- vagy képrögzítés 3.Nem begyakorolt – tartalom, összeállítás 4.Kérdés-válasz: egy mondat 5.Aki tudja a válasz, várjon fél percet Copyright (c) 2010 Varga György All rights reserved

4 TartalomTartalom 1.Tanulásra képes rendszerekről 2.Informatikai rendszer architektúrájának kérdései 3.Példák (IT architektúra) 4.Ahol van még mit tanulni (mit csinálunk rosszul?) 5.Összefoglalás Copyright (c) 2010 Varga György All rights reserved

5 Tanulásra képes rendszerekről rendszerekről Önnek mi az elképzelése a tanulásról?

6 SzemléletSzemlélet Szemlélet Szemlélet: egy adott témához kapcsolódó felfogás vagy álláspont Felfogás: gondolkodásmód, elképzelés Gondolkodásmód: mód, aholgyan gondolkodunk (spontán, érzelemmel, racionálisan,..) Gondolkodás: belső elfoglaltság, amikor megpróbálunk egy felismerést megfogalmazni,elképzelések, emlékek és fogalmak alapján Copyright (c) 2010 Varga György All rights reserved A szemlélet alapja a hit, vagy a tudás

7 TanulóképesTanulóképes Mikor tanulóképes egy rendszer? Copyright (c) 2010 Varga György All rights reserved tanuló tanítjákönálló döntés megadják mit, hogyansaját képesség javítása Ha a változó körülményekhez jól tud igazodni

8 I. Tanulásra képes rendszerekről 1 Vezérlés és szabályozás 2 Visszacsatolások 3 Analízis 4 Tanulóképes rendszerek tulajdonságai 5 Matematika 6 Szemléletbeli problémák 7 Ami kimaradt 8 Technikai rendszerek 9 Összefoglalás Copyright (c) 2010 Varga György All rights reserved

9 1. Vezérlés és szabályozás Kibernetika: interdiszciplináris kutatási irány , matematika, biológia, szabályozás, társadalom - Norbert Wiener, Claude Shannon Legfontosabb eredményei: - vezérlés- és szabályozáselmélet - visszacsatolások - információelmélet (jel-elmélet) - állapottér (fázisdiagramm) vizsgálat Copyright (c) 2010 Varga György All rights reserved

10 1. Vezérlés és szabályozás Vezérlés: megadom, mit csinálj Szabályozás: beavatkozás az „elvárt” és „valós” összevetése alapján Copyright (c) 2010 Varga György All rights reserved csináld ezt Szakasz szabályzó

11 1. Szabályozás Szabályozás: részletesebb ábrázolás Copyright (c) 2010 Varga György All rights reserved Szakasz szabályzómérés szabályozott érték zavar valós elvárt eltérés

12 1. Szabályozás Szabályozás Adaptív: változó szakasz-tulajdonságok Copyright (c) 2010 Varga György All rights reserved Szakasz állapot Szakasz adott, modellje teljesen ismert, a szakasz tulajdonságai változhatnak, amit a szabályzóban található modell követ szabályzó zavar

13 2. Visszacsatolások – P N Kétféle visszacsatolás: negatív és pozitív Copyright (c) 2010 Varga György All rights reserved Negatív: folyamatos működésű rendszerekben a belső szabályozás negatív visszacsatolással működik Pozitív: a legkisebb változás is aránytalanul nagy változást idéz elő általában negatív asszociáció: rombolás

14 2. Visszacsatolások - pozitív Copyright (c) 2010 Varga György All rights reserved Pozitív visszacsatolás szükségszerűsége: szabályozás nélkül: atombomba szabályozással: atomerőmű  energianyerés biológia: véralvadás levélhullás (apoptózis)

15 2. Visszacsatolás – P+N Copyright (c) 2010 Varga György All rights reserved Pozitív és negatív együtt: instabiltás Olyan szabályozott körben, ahol pozitív és negatív visszacsatolások is vannak, az instabilitás valószínűsége nagyobb mint nulla Instabilitás: annak a lehetősége, hogy a rendszer irányíthatatlanná, szabályozhatatlanná válik, vagy olyan állapotba jut, ami számunkra kedvezőtlen és onnan visszahozni nem lehet

16 2. Visszacsatolás – P+N Copyright (c) 2010 Varga György All rights reserved Pozitív és negatív együtt: oszcillálás lehetősége Példa: rókák és nyulak száma egy relatív zárt rendszerben

17 2. Visszacsatolás – P+N Copyright (c) 2010 Varga György All rights reserved

18 2. Fázistér Copyright (c) 2010 Varga György All rights reserved Fázistér technika: a rendszer változóit absztakt térben jelenítjük meg, amelyben egyetlen pont leírja az egész rendszert

19 3. Analízis Copyright (c) 2010 Varga György All rights reserved XVI-XVII. század: komplex rendszerek megismerésének módja: vegyük szét elemekre, az elemeket vizsgáljuk meg Biológiában ez nem vezet eredményre Léteznek „kiemelkedő tulajdonságok” (emergente Eigenschaften) : amelyek megjelenése nem magyarázható meg a részek tulajdonságaival Leibniz: a tanulás képessége a „késszé összeálló rendszer tulajdonsága”

20 4. Tanulóképes rendszerek tulajdonságai Copyright (c) 2010 Varga György All rights reserved Tanulóképes rendszerek tanulóképes rendszernek kezdetben több stabilitási pontja van (a fázistérben) a tanulás folyamata által jut el egy stabil pontból egy másik esetleg stabil pontba a tanulás feltételez önismeretet és egy modellt a külvilágról az önismeret itt: mivel, hogyan reagál a rendszer, a reagálásnak milyen visszahatása van a rendszerre önjavítás képessége ami elromlott, ki kell javítani jobb reakció érdekében: működő egységet hatékonyabbá tenni

21 4. Tanulóképes rendszerek tulajdonságai Copyright (c) 2010 Varga György All rights reserved Nem determinisztikus döntés ennifény több fénytöbb enni A napozó egysejtű esete (Gánti Tibor) Itt túl sok egysejtű él: kevés ennivaló, kevés fény. Merre megy barátunk?

22 4. Tanulóképes rendszerek tulajdonságai Copyright (c) 2010 Varga György All rights reserved Tanulóképes rendszerekben önjavítás képessége a biológiában: pl. bicepsz Hogyan nőnek az izomok?

23 4. Tanulóképes rendszerek tulajdonságai Copyright (c) 2010 Varga György All rights reserved Tanulóképes rendszerekben önjavítás képessége: „működő egységet hatékonyabbá tenni” nem létezhet pozitív visszacsatolás nélkül Tanulásra képes rendszerekben kötelezően létezik pozitív visszacsatolás Pozitív visszacsatolás  instabilitás A tanulásra képes rendszerek – kivétel nélkül – instabil rendszerek

24 4. Mikor tanulóképes egy rendszer? Mikor tanulóképes egy rendszer? Copyright (c) 2010 Varga György All rights reserved Minden – analóg vezérléstechnikával leírt – tanuóképes rendszerben van pozitív visszacsatolás, ezért ilyen modellben leírt rendszer instabil. és ebben a folyamatban nem determinisztikus döntés is történik (trial&error, „szubjektív”) Ha változó körülményekhez jól tud igazodni Tanulás: önjavítás nem determinisztikus módon

25 4. Tanulóképes rendszerek tulajdonságai - összefoglalás Copyright (c) 2010 Varga György All rights reserved Tanulóképes rendszerek tanulóképes rendszer instabil (a fázistérben) nemdeterminisztikus döntésre képes a tanulás folyamata által jut el egy közel stabil pontból egy másik közel stabil pontba a tanulás feltételez önismeretet és egy modellt a külvilágról az önismeret itt: mivel, hogyan reagál a rendszer, a reagálásnak milyen visszahatása van a rendszerre önjavítás képessége ami elromlott, ki kell javítani jobb reakció érdekében: működő egységet hatékonyabbá tenni A tanulás folyamata nem determiniszikus és nem reprodukálható

26 5. Matematika 1 Nemlineáris egyenletek 2 Fraktálok Copyright (c) 2010 Varga György All rights reserved

27 5. Matematika Copyright (c) 2010 Varga György All rights reserved Nem mindenkinek tetszik, de szükségszerű: nem lineáris egyenletek matematikája (káoszelmélet) Nemlineáris rendszerek: amelyeket nem lehet lineáris egyenletekkel leírni: pl. gázok turbulens viselkedése

28 5. Matematika Copyright (c) 2010 Varga György All rights reserved Hagyományos felfogás: lineáris egyenletek leírják a rendszert – folyamatos függvény, deriválható Nemlineáris rendszerek: amelyeket nem lehet lineáris egyenletekkel leírni: pl. gázok turbulens viselkedése Komplex rendszereket csak komplex függvényekkel lehet leírni? Nem: egyszerű determinisztikus fügvénnyel A kezdeti feltételek apró változása a viselkedés nem gyanított gazdagságát adhatja A látszólagos kaotikus viselkedés rendezett strukúrákat, finom és szép ábrázatokat eredményezhet

29 5. Matematika Copyright (c) 2010 Varga György All rights reserved Visszacsatolás és iteráció: egyszerű iteráció nagy komplexitást hozhat létre Példa: x  kx(1-x), ahol 0 < x < 1 (pék transzformáció) Lehetetlen megjósolni, bizonyos (nagy számú) lépés után mi lesz x értéke Nemlineáris egyenletek: a viselkedés pontos előrejelzése lehetetlen

30 5. Matematika Copyright (c) 2010 Varga György All rights reserved Edward N.Lorenz(1963): egyszerű három paraméteres egyenletrendszer meteorológiai előrejelzésre Megfigyelés: rendkívül érzékeny a kezdeti paraméterek kicsi változására is  előrejelzés lehetetlen Pillangó-hatás(1979): „Brazilia felett egy pillangó szárnylebbenése akár egy tornádót is okozhat Texas felett dx/dt = R(y-x) dy/dt = x(P-z) – y dz/dt = xy - Bz

31 5. Matematika Copyright (c) 2010 Varga György All rights reserved Megfigyelés: az előrejelzés lehetetlensége, hogy egy adott időpontban az attraktor a fázistér melyik pontján halad át Előrejelzés lehetelensége  kaotikus rendszer  káoszelmélet káosz elmélet === nemlineáris egyenletek matematikája

32 5. Matematika- fraktálgeometria Copyright (c) 2010 Varga György All rights reserved Benoit Mandelbrot: önmagukhoz hasonló geometriai alakok tanulmányozása (felhő: 7 nagyságrend) Fraktálok: önmagukhoz hasonló alakzakok, önmagukat kicsinyítve tartalmazzák

33 5. Fraktálgeometria példák Copyright (c) 2010 Varga György All rights reserved Menger szőnyeg: nényszög közepét – oldalak szerint egyharmad arányban – kivágjuk Sierpinki háromszög : lyukas háromszög

34 5. Julia halmazok Copyright (c) 2010 Varga György All rights reserved Gaston Julia (1918): Julia halmaz Kc azon komplex számok halmaza, amelyekre az iterált négyzetes komplex fügvény Qc(z) = z2 + c korlátos marad Kc := {c€C; lim |Qnc(z)| < 0-0} n  0-0

35 5. Julia halmaz Copyright (c) 2010 Varga György All rights reserved

36 5. Julia halmaz Copyright (c) 2010 Varga György All rights reserved

37 5. Julia halmaz Copyright (c) 2010 Varga György All rights reserved

38 5. Julia halmaz Copyright (c) 2010 Varga György All rights reserved

39 5. Fraktálok Milyen különbségek vannak az előző két kép között? Copyright (c) 2010 Varga György All rights reserved Különálló területek, vagy egy összefüggő ábra

40 5. Mandelbrot halmaz Copyright (c) 2010 Varga György All rights reserved Mandelbrot halmaz: azon komplex számok halmaza, amelyekre z = (o + i0) kezdőértékkel az iterált négyzetes komplex fügvény Qc(z) = z2 + c korlátos marad Kc := {c€C; lim |Qnc(0)| < 0-0} n  0-0 Mandelbrot halmaz: Julia halmaz a z=0 kezdőértékkel Julia sejtése: ezek a halmazok összefüggő területet adnak

41 5. Miért érekes a Mandelbrot halmaz? Copyright (c) 2010 Varga György All rights reserved Julia halmazt értékelhetjük úgy, mint egy fázistér-ábra Csak azok a Julia ábrák érdekesek, amelyekben a halmazelemek összefüggő területet alkotnak Amennyiben egy rendszert csak ezen a területen belül engedjül létezni, a rendszer működőképes (korlátos) maradhat Egy – nemlineáris egyenletekkel leírt – rendszer stabilitása nagyon érzékeny a pontos kezdeti feltételekre Megjegyzés: nincs kijelentésünk a gyűjtőpontok (attraktor) számáról – Lorenz attraktor: 2 A Mandelbrot halmaz szélei fraktálok

42 5. Mandelbrot: alma-emberke Copyright (c) 2010 Varga György All rights reserved

43 5. Alma-emberke részlet Copyright (c) 2010 Varga György All rights reserved

44 5. Alma-emberke részlet Copyright (c) 2010 Varga György All rights reserved

45 6. Szemléletbeli problémák Copyright (c) 2010 Varga György All rights reserved A tanulás folyamatában döntések egy része nem determinisztikus ha a döntés nem manifelsztálódik a külső vagy belső modellben  az „alkotó” soha nem tudja meg, mikor miért döntött a rendszer úgy ahogy tette  a teljes tanulási folyamat nem ismételhető meg determinisztikusan Ez az a pont, ahol a műszaki embereket kirázza a hideg!

46 7. Ami kimaradt Copyright (c) 2010 Varga György All rights reserved Mi az a jelenség vagy folyamat, ami jellemző a tanulóképes rendszerekre, és még nem volt róla szó? Mire iszik a magyar ember?

47 7. Ami kimaradt Copyright (c) 2010 Varga György All rights reserved észlelés kocsmamegbeszélés tanulság nem tanulság felejtés

48 7. Ami kimaradt Copyright (c) 2010 Varga György All rights reserved - Új környezetben a régi reakciók egy része felesleges - Amire nincs szükség: el kell felejteni A felejtés tudatos is lehet Különbséget kell tenni a lényeges és lényegtelen között

49 7. Ami kimaradt Copyright (c) 2010 Varga György All rights reserved Lényegtelen – felejtés - észlelés Az észlelést tudatunk – a lényeges, lényegtelen alapján – jelentősen befolyásolja Az, hogy mit tartunk lényegtelennek, észlelésünket is befolyásolja. Nagyon jelentősen. Példa?

50 8. Technikai rendszerek Copyright (c) 2010 Varga György All rights reserved Tanulóképes technikai rendszer reprodukciója (másolása): - tanulóképes rendszer reprodukciója egyszerű - már „tanult” rendszer másolása csak akkor egyszerű, ha a rendszer működés közben is fizikailag jól körülhatárolt és elválaszható környezetétől Példa: tanított ideghálózat-szimuláció (férfi-nő)

51 8. Technikai rendszerek Copyright (c) 2010 Varga György All rights reserved Tanulóképes technikai rendszer önreprodukciója: - nem foglalkozunk vele Számítógép vírusok: adaptációra képes „alkotások” - Kérdés: hogyan vizsgálják meg, hogy befogadót (az adott számítógépet) már megfertőződöt-e az adott vírustól?

52 9. Összefoglalás Tanulásra képes rendszerek Copyright (c) 2010 Varga György All rights reserved Környezet észlelés döntés d/n lényeges tévedésváltozás felejtés emlékezet negatív és pozitív visszacsatolású, instabil rendszer beavatkozás

53 Copyright (c) 2010 Varga György All rights reserved Informatikai rendszer architektúrájának kérdései Tanulásra képes rendszerek az IT architektúrában

54 Copyright (c) 2010 Varga György All rights reserved Példa (IT architektúra) Önök nem únják még?

55 Copyright (c) 2010 Varga György All rights reserved Ahol van még mit tanulni (mit csinálunk rosszul?) Ahol van még mit tanulni (mit csinálunk rosszul?) A közös tudás egyben közös kincs is.

56 Copyright (c) 2010 Varga György All rights reserved Önnek mi az elképzelése a tanulásról? Önnek mi az elképzelése a tanulásról? Köszönöm türelmüket és figyelmüket!

57 V É G E


Letölteni ppt "Copyright (c) 2010 Varga György All rights reserved Tanulásra képes rendszerekről rendszerekről."

Hasonló előadás


Google Hirdetések