Kooperatív és tanuló rendszerek - vizsga 2008-06-09

← Vissza az előző oldalra – Kooperatív és tanuló rendszerek

1. Gépi ágenseknél miért lényeges fogalom a szervezet? Mi jellemző egy szervezetre? Jellemezze néhány mondatban a "föderáció" ágens szervezetet!! (5 pont)

Cél:

• mérsékelt kölcsönhatások
• „erő a sokaságban”
• bizonytalanság csökkentése/lekezelése
• redundancia csökkentése, vagy explicit módon megnővelése
• olyan magas szintű célok formálizálása, amikről az egyedi ágensnek nincs tudomása

A föderáció:

• ágenscsoport feladja autonómiájának egy részét egy egyedi képviselőnek, aki a csoportot képviseli
• közvetítő, facilitator, médiator, alkusz (broker): csoporttagok csak vele kommunikálnak
• közvetítő elfogadja a képességek és a kívánalmak leírását lokális ágenstől, összeveti hasonló leírásokkal, amiket más csoportokat képviselő ágensektől kapja
• csoportnak így egységes, konzisztens interfésze van

2. Az ágensek logikai leírásában miért szükséges alkalmazni modális logikákat? Mit szoktunk kifejezni modális operátorok segítségével? (5 pont)

• Modális logika lehetővé teszi a hiedelmek kifejezését,
• Modális logika: ítéletkalkulus +
  • "négyzet" - "szükségszerű, hogy"
  • "rombusz" - "lehetséges, hogy"

3. Ágensrendszerek adottságaiból adódóan lehetséges a rendszerbiztonság és a hibatűrés további fokozása. Hogyan lehetne ehhez felhasználni az ágensek BDI modelljét? (5 pont)

• Szűkített kárelmélet + tervkészítés
  • don't disturb(C): megakadályozza a C káros cselekvés végrehajtását
  • vilolation(E,C): érzékeli, ha a C logikai állításba ütköző E feltételt igazba vizs a cselekvés
  • Nem hamis E esetén megoldás:
    • elhessegetés
    • szembesítés
    • kikerülés
    • elutasítás
• Hibatűrés:
  • Megoldható aktuális, tanú, bemérő ágensekkel
  • BDI modell apaján: alkusz ágensek szándéka, hogy nyilvántartsák egymást, ha valamelyikük "eltűnt", akkor elkötelezett szólni a többieknek. Ha nincs válasz, szereznek új alkuszt.

4. Magyarázza meg, hogy a FIPA szabvány hogyan írja elő egy örökölt szoftver ágensplatformon belüli használatát? (5 pont)

„Agent wrapper” csomagolás, hogy az új rendszerekkel legyen képes együttműködni

5. Kísérelje meg megfogalmazni, hogy mit is jelent az "együttműködési protokoll" fogalma! (5 pont)

• kerülni kritikus erőforrások terhelését
• feladatokat megfelelő képességekkel párosítani
• kommunikáció és szinkronizálás költségeinek csökkentése
• egyfajta GARANCIA: megjósolható viselkedés, tervezhetőség

6. Nyílt szervezetekben fontos szerephez jutnak információs alkusz ágensek. Internet környezet példáján magyarázza meg miért? Adja meg egy alkusz ágens közreműködését feltételező információkereső – információszolgáltató ágensek közötti protokoll informális lefolyását! (5 pont)

• infókereső ágens nem ismeri a címzettet, a tényleges címzettet az alkusz, ill. alkuszok „közössége” ismeri.
• Igénylő ágens → kérés → Facilitator
• Facilitator → továbbítás → Alkusz(ok)
• ...
• Alkusz → továbbítás → Ontológia-szerver
• Alkusz ← „lefordított kérés”, ágenslista ← Ontológia-szerver
• (Információforrás) ágens ← kérés ← Alkusz
• ....
• .... (pl. VH protokoll)
• .....
• (Információforrás) ágens → válasz → Alkusz
• Facilitator ← továbbítás ← Alkusz
• Igénylő ágens ← továbbítás ← Facilitator

7. Mit jelent a Perceptron kapacitás? Adja meg a pontos definíciót! Mennyiben támasztja alá a Perceptron kapacitás értékének alakulása a bázisfüggvényes hálózatok kialakításának szükségességét/lehetőségét? (4 pont)

• a perceptron kapacitása
  • adott mintapontszám (P) és dimenziószám (N) esetén a feladatok mekkora részére megoldás a perceptron (azaz mennyi lineárisan szeparálható kétosztályos osztályozási feladat van)
  • véletlenül választott mintapontok esetén $2^{P}$ kétosztályos szeparálás lehetséges
  • $L(P,N)$ ezek közül hány szeparálható lineárisan
  • a kapacitás: $C(P,N)={\frac {L(P,N)}{2^{P}}}$
  • $C(P,N)=1$, ha $P\leq N$ és $C(P,N)={\frac {2}{2^{P}}}\sum _{i=0}^{N-1}{P-1 \choose i}$, ha $P>N$
  • a kapacitás alakulása
    • a függvény képe: Neurális hálózatok és műszaki alkalmazásaik, 93. p. 4.3 ábra
    • ha N nagy és $P<2N$, akkor gyakorlatilag az összes kétosztályos szeparálás lineáris
    • ha $P/N>>2$, a lineárisan szeparálható esetek száma a 0-hoz tart
    • ha $P\leq N$ és a pontok általános elhelyezkedésűek, akkor mindig lehetséges a lineáris szeparálás
      • általános elhelyezkedésűek a pontok
        • ha Értelmezés sikertelen (formai hiba): {\displaystyle P &gt; N } és a P pontból nem tudunk kiválasztani N+1-et, melyek egy N-1 dimeziós hipersíkon helyezkednek el
        • ha $P\leq N$ és a P pont nem helyezkedik el egy N-2 dimenziós hipersíkon
    • konklúzió: ha kellően nagyra választjuk a N-t P-hez viszonyítva, akkor lineárisan szeparálható a feladat. Ezt fel lehet használni a hálózatok konstrukciójánál

8. Milyen választ ad egy egydimenziós CMAC hálózat, ha a tanítópontok pontosan C kvantumnyira vannak egymástól? Hogyan kell ilyen esetben megválasztani a tanulási tényezőt (bátorsági faktor, ), hogy a tanítás a lehető leggyorsabb legyen? Indokolja is meg a választ! Mi a helyzet, ha a tanítópontok távolsága C/k, ahol k a 2,…, C/2 tartományban tetszőleges egész szám? Minden válaszát indokolja is meg! (6 pont)

9. Mi a boosting eljárások célja és milyen két fő csoportja van a boosting eljárásoknak? A szűréssel történő boosting eljárás fő lépéseit adja meg! (4 pont)

10. Adja meg a MOE általános architektúrát és a kapuzó értékeket megadó szokásos összefüggést! Adja meg egy kétdimenziós feladatnál annak az egyenesnek az egyenletét, mely egyenes pontjaiban a szakértők szerepe azonos, feltételezve, hogy két szakértője van és a kapuzó hálózatok paramétervektorai

$v1=[21]^{T},v2=[32]^{T}$ ! (8 pont)

MOE: mixture of experts: szakértőegyüttes: több egszerűbb háló akalmazása

11. Mi az a kernel trükk, és milyen előnyök származhatnak az alkalmazásától? Származtassa a duális összefüggést a nemlineáris gyengítő változót is alkalmazó szupport vektor osztályozó gépnél! (8 pont)

Kernel trükk: olyan problémáknál, melyeknél a változók skaláris szorzata szerepel csak, a skaláris szorzatot lecserélhetjük a nagyobb dimenziós térben vett skaláris szorzatra.

Ennek (a nagyobb dimenziós térben vett skaláris szorzatnak) a kiszámításához nincsen szükség a nagyobb dimenziós térbe leképező függvényre (Φ(x)), csak a nagyobb dimenziós térben vett skalárszorzatra K(Φ(x), Φ(y)).