|
학습을 위한 일반적인 EBL 접근 방식을 상술하며, EBL를 문제 해결 성능 향상을 위해 사용할 때 일어나는 문제를 토론한다. 특별히, 우리는 문제 해결 경험으로부터 탐색 제어 지식을 학습하기 위해 PRODIGY 문제 해결 시스템에서 구현된 하나의 방법을 탐구한다. 응용 도메인뿐만 아니라 문제 해결자 자체의 구조에 대한 지식과 함께 PRODIGY의 학습 구성 요소를 제공함으로, 우리는 문제 해결 성능을 최적화를 위한 전략의 구현에 EBL을 사용할 수 있다. 이러한 지식-기반 접근 방식은 PRODIGY에게 특별한 도메인에서 문제를 해결할 때, 그 성능을 급속히 향상시킬 수 능력을 제공한다. 1950년대 후반, John McCarthy는 “우리의 궁극적인 목적은 인간이 하는 것과 같이 효율적으로 그들의 경험으로부터 학습하는 프로그램을 만드는 것이다.”라고 선언하였다. EBL 패러다임은 학습과정을 지도하기 위한 도메인 이론을 사용함으로 효율적인 학습을 향한 중요한 걸음을 내딛는다. PRODIGY는 문제 해결 성능 향상을 위한 일반적인 방법으로 EBL를 채택함으로 다음 걸음을 내딛는다.
다음절에서 우리는 EBL 패러다임을 재검토하고, 몇몇 예제를 보인다. 다음, 우리는 문제 해결 성능 향상을 위해 EBL를 채용했을 때 일어나는 문제들을 토론한다. 그 다음, 어떻게 PRODIGY가 문제 해결 효율성을 향상하기 위해 제어지식을 학습하는지를 자세히 상술하며, PRODIGY를 다른 EBL 문제 해결 시스템과 비교함으로 결론을 내린다.
2. EBL 패러다임
설명-기반 학습의 발달은 탐구적인 연구로부터 보다 일반적이고 잘 정의된 방법으로의 점진적인 이행으로 특징 되어지는 협력적이고, 진화적인 노력으로 이루어져 왔다. EBL의 뿌리는 STRIPS, HACKER, Waterman의 포커 게임과 같은 초기 분석적 학습 프로그램으로 거슬러 올라간다. 이와 같은 프로그램들은 기본적인 경험에 따라 성능을 향상시킨다. 이름이 생기기 이전에 개발된 EBL의 선조들은 체계적으로 방…(생략)
|
1. Aho, A.V., Sethi, R. and Ullman, J.D., Compilers: Principles, Techniques and Tools (AddisonWesley. Readlne. MA. 1986).
2. Anderson, J.R., Knowledge Compilation: The general learning mechanism, in: Proceedings International Machine Learning Workshop, Montecello. IL (1983) 203-212.
3. Ranerjl, R.B., Artificial Intelligence: A Theoretical Approach (Elsevier North-Holland. NewYork. 1980).
4. Bennett, S.W., Approximation in mathematical domains, in. Proceedings IJCAI-87, Milan, Italy (1987) 239-241.
5. Bergadano, F. and Giordann, A., A knowledge intensive approach to concept induction, in: Proceedings Fifth International Conference on Machine Learning. Ann Arbor, MI (1988) 305-317
6. Bhatnagar, n., A correctness proof of explanation-based generalization as resolution theorem proving, in: Proceedings AAAI Spring Symposium on Explanation-Based Learning (1988) 220-225
7. Braverman, M.S. and Russell, S.J., IMEX: Overcoming intractability in explanation-based learning, in: Proceedings AAAI-88. St. Paul. MI (1988) 575-579.
8. Brownston, L., Farrell, R., Kant, E. and Marty, N., Programming Expert Systems in OPS5: An Introduction to Rule-Based Programming (Addison-Wesley Reading. MA. 1985).
9. Carbonell, J.G., Subjective Understanding: Computer Models of Belief Systems (UMI Research Press, Ann Arbor, MI, 1981)
10. Carbonell, J.G., Derivational analogy and its role in problem solving, in: Proceedings AAA1-83. Washington, DC (1983) 64-69.....
|
ٷΰ
인공 지능과 인지 과정 연구 Explanation-Based Learning A Problem Solving Perspective.hwp
[Size :
1 Mbyte
]
ٱ
