Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων

Σχετικά έγγραφα
ΜΑΘΗΜΑΤΑ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ ΠΑΡΑ ΟΣΕΙΣ ΑΣΚΗΣΕΙΣ ΚΑΘΗΓΗΤΕΣ/ΤΡΙΕΣ

Βιοµηχανικά Ατυχήµατα

Υπολογιστικό Πρόβληµα

ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ 6-2

«Τεχνογλωσσία VIII» Εξαγωγή πληροφοριών από κείμενα

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΜΕΤΑΒΑΤΙΚΕΣ ΠΡΟΫΠΟΘΕΣΕΙΣ ΑΠΟΚΤΗΣΗΣ ΠΤΥΧΙΟΥ

ΚΕΦΑΛΑΙΟ Μηχανική Μάθηση

Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές

Β Εξάµηνο Τίτλος Μαθήµατος Θ Φ Α.Π Ε Φ.E. Π.Μ Προαπαιτούµενα

Αιτιολόγηση με αβεβαιότητα

Εισαγωγικές Έννοιες. ημήτρης Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Εθνικό Μετσόβιο Πολυτεχνείο

Διαχείριση Ψηφιακού Περιεχομένου στο Επιχειρησιακό Περιβάλλον

ΩΡΟΛΟΓΙΟ ΠΡΟΓΡΑΜΜΑ. Δευτέρα

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Βιοπληροφορική και Πολυµέσα. Ειρήνη Αυδίκου Αθήνα

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 2: Μαθηματικό Υπόβαθρο

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3

Ανάλυση Χρονοσειρών. Κεφάλαιο Ανάλυση Χρονοσειρών

Εργασία στο µάθηµα Ανάλυση εδοµένων

µεθόδων αυτών, είναι απαραίτητη η δηµιουργία αντιπροσωπευτικού δείγµατος του Ιστού. Στόχος της εργασίας είναι η υλοποίηση και αξιολόγηση µεθόδων δειγµ

Αλγόριθµοι Γραφηµάτων

Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

ΠΡΟΣΟΜΟΙΩΣΗ. Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο.

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού

Ανάκληση Πληποφοπίαρ. Διδάζκων Δημήηριος Καηζαρός

HMY 220: Σήματα και Συστήματα Ι

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ

4.2.1 Α εξάμηνο Β εξάμηνο Γ εξάμηνο 4.2. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΝΑ ΕΞΑΜΗΝΟ

ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ. Καραγιώργου Σοφία

Κεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 2 ο : Βασικές έννοιες. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος:

Kalman Filter Γιατί ο όρος φίλτρο;

ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Στον παρακάτω πίνακα παρουσιάζονται οι δραστηριότητες που απατούνται για την υλοποίηση ενός μικρού έργου και η διάρκεια αυτών σε εβδομάδες.

Εισαγωγή στα Προσαρµοστικά Συστήµατα

Σύγχρονα συστήµατα προβλέψεων και µοντελοποίησης

ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι

Αλγόριθµοι και Πολυπλοκότητα

Μελέτη και Ανάπτυξη ενός Εργαλείου Υποβοήθησης στη Σχεδίαση µίας Βάσης εδοµένων Τύπου Graph από Τελικούς Χρήστες

Τα µπιτ και η σηµασία τους. Σχήµα bit. ΚΕΦΑΛΑΙΟ 1: Αποθήκευση εδοµένων (1/2) 1.7 Αποθήκευση κλασµάτων 1.8 Συµπίεση δεδοµένων 1.9 Σφάλµατα επικοινωνίας

Τεχνολογίες Υλοποίησης Αλγορίθµων

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο

ΑΡΙΘΜΗΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΑΞΙΟΠΙΣΤΙΑΣ ΣΥΣΤΗΜΑΤΩΝ

Κεφάλαιο 4. Δυναµικός Προγραµµατισµός (Dynamic Programming) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Α. Ερωτήσεις Ανάπτυξης

«Σχεδιασμός Ψηφιακών Συστημάτων σε FPGA» Εαρινό εξάμηνο Διάλεξη 8 η : Μηχανές Πεπερασμένων Κaταστάσεων σε FPGAs

9.1 Προτασιακή Λογική

Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Αναζήτηση Κατά Πλάτος

Μάθηµα: ιαχείριση Ενέργειας και Περιβαλλοντική Πολιτική. Καθηγητής Ιωάννης Ψαρράς. Εργαστήριο Συστηµάτων Αποφάσεων & ιοίκησης

Computing. Νοέμβριος Έκδοση 1.0

Κινητός και ιάχυτος Υπολογισµός (Mobile & Pervasive Computing) Ιστοσελίδα του µαθήµατος. Περιεχόµενα. ηµήτριος Κατσαρός, Ph.D.

4.3. Γραµµικοί ταξινοµητές

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Ενότητα 5: Εισαγωγή στην Προσομοίωση

ΕΙΣΑΓΩΓΗ ΣΤΙΣ Β ΣΕ Ε Σ Ι ΟΜΕΝ

ΑΝΑΛΥΣΗ ΚΙΝ ΥΝΟΥ ΣΕ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΥΓΕΙΑΣ

Εισαγωγή στην πληροφορική

Μαθηματική Λογική και Λογικός Προγραμματισμός

Στόχοι και Προοπτικές

Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής. Εξόρυξη Γνώσης από εδοµένα (Data Mining) Συσταδοποίηση. Γιάννης Θεοδωρίδης

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ

ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ

Κεφάλαιο 5: Εισαγωγή στην Προσομοίωση

Πιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.

Μηχανές Turing (T.M) I

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ

UML: Unified modelling language


Σύµφωνα µε την Υ.Α /Γ2/ Εξισώσεις 2 ου Βαθµού. 3.2 Η Εξίσωση x = α. Κεφ.4 ο : Ανισώσεις 4.2 Ανισώσεις 2 ου Βαθµού

18/ 07/ Σελίδα 1 6

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

Βασικές Έννοιες Αλγορίθμων. Βασικές Εντολές Αλγορίθμων (Κεφ. 2ο Παρ. 2.4)

Ροών Εργασίας σε ίκτυα Πλέγµατος για την Υ οστήριξη Ε ιχειρησιακών Λύσεων»

ΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΟΡΘΗ ΕΠΑΝΑΛΗΨΗ

Σποραδικές Μήτρες (Sparse Matrices) Αθανάσιος Μυγδαλ ας ΑΠΘ AΠΘ. 17 Μαρτίου 2010 c Α.Μ.

ιακριτές Μέθοδοι για την Επιστήμη των Υπολογιστών

Περιβαλλοντική Στατιστική

Μοντέλα. χαρακτηριστικά χωρίς να συνοδεύεται από λεπτοµέρειες.

βασικές έννοιες (τόμος Β)

Άξονας ανάπτυξης του µαθήµατος 3. Γενικός σκοπός του µαθήµατος. Το µάθηµα της Πληροφορικής στο Γυµνάσιο

Σχεδιασµός µιας Β. Εισαγωγή. Μετατροπή σε σχεσιακό -> είσοδο σε ένα Σ Β. Εισαγωγή. Ιδέες Ο/Σ Σχέσεις Σχεσιακό Σ Β

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

ΕΝ ΕΙΚΤΙΚΟ ΠΡΟΓΡΑΜΜΑ Ι ΑΣΚΑΛΙΑΣ ΜΑΘΗΜΑΤΩΝ

Μάθημα: Δ3. Δίκτυα Γνώσης και Σημασιολογικός Ιστός. Διάλεξη 01 & 02. Δρ. Γεώργιος Χρ. Μακρής

Μαθησιακές δραστηριότητες με υπολογιστή

ΜΑΘΗΜΑ 6. Σχήµατα ιαλειτουργικότητας Μεταδεδοµένων. Το RDF Το Warwick Framework. Ιόνιο Πανεπιστήµιο - Τµήµα Αρχειονοµίας - Βιβλιοθηκονοµίας

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 2: Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής

Λογικοί πράκτορες. Πράκτορες βασισµένοι στη γνώση

Μαθηματική Λογική και Λογικός Προγραμματισμός

Παράδειγμα «Ημίτονο και ζωγραφική!»: Έχει δει στα μαθηματικά τη γραφική παράσταση της συνάρτησης του ημιτόνου; Σας θυμίζει κάτι η παρακάτω εικόνα;

Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα

Θεωρία Υπολογισμού και Πολυπλοκότητα Μαθηματικό Υπόβαθρο

Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ορισµός του Προβλήµατος Ευθυγράµµιση : Εύρεση ενός γεωµετρικού µετασχηµατισµού που ϕέρνει κοντά δύο τρισδιάσ

ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ: ΜΑΘΗΜΑΤΙΚΑ ΣΤ ΔΗΜΟΤΙΚΟΥ «ΤΑ ΚΛΑΣΜΑΤΑ»

ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ

Transcript:

Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων Αναστάσιος Σκαρλατίδης 1,2 anskarl@iit.demokritos.gr επιβλέπων: Καθ. Βούρος Γ. 1 1 Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστηµάτων Πανεπιστήµιο Αιγαίου 2 Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών Εργαστήριο Τεχνολογίας Γνώσεων και Λογισµικού Ε.Κ.Ε.Φ.Ε. ηµόκριτος 24/05/2008

Περιεχόµενα 1 Εισαγωγή 2 Χρονική Αναπαράσταση Γνώσης 3 Μηχανική Μάθηση για Αναγνώριση Γεγονότων 4 Επίλογος

Προσδιορισµός Προβλήµατος Προσδιορισµός Προβλήµατος Γεγονός: µία ενέργεια για κάποια χρονική στιγµή ή χρονικό διάστηµα [(event 1, t start 1, t end 1 ), (event 2, t start 2, t end 2 ),...] Μάθηση ιεραρχικών µοντέλων για αναγνώριση γεγονότων Ταξονοµία: ιεραρχία µε ϐάση την οµοιότητα Μερωνυµία: ιεραρχία µε ϐάση την σχέση part-of Ενα γεγονός αποτελείται από άλλα υπογεγονότα τα οποία αποτελούν µέρος αυτού (part-of)

Προσδιορισµός Προβλήµατος Event sequence A A C...

Προσδιορισµός Προβλήµατος Συµβολική Αναπαράσταση Στηριζόµαστε µόνο στις χρονικές ιδιότητες υνατότητα για περισσότερο πολύπλοκων/εκφραστικών µοντέλων υνατότητα συµπερασµού Πρόβλεψη της εξέλιξης από µερική παρατήρηση Μοντέλα υψηλού επιπέδου: Αµεσα κατανοητά από τον άνθρωπο Αλληλεπίδραση µε τον άνθρωπο

Χρονική Αναπαράσταση Γνώσης Χρονική Αναπαράσταση Γνώσης Κλασική λογική: Ενα γεγονός είναι αληθές ή ψευδές εν εκφράζει µε κάποιο τρόπο τον χρόνο στον οποίο ισχύει Χρονική Αναπαράσταση: υνατότητα πρόβλεψης, σχεδιασµού ή εξήγησης ϕαινοµένων Γλώσσες Ενεργειών: Event Calculus Interval Temporal Logic Situation Calculus Temporal Description Logic

Χρονική Αναπαράσταση Γνώσης Χρονική Αναπαράσταση Γνώσης - ιαφορές Εκφραστικότητα Υπολογιστική πολυπλοκότητα Χαρακτηριστικά συµπερασµού (πχ. αρτιότητα, πληρότητα) Εννοια του χρόνου Χρονικά σηµεία Χρονικά διαστήµατα ιάρκεια Σειρά Επικάλυψη Περιοδικότητα (επανάληψη)

Χρονική Αναπαράσταση Γνώσης Χρονική Αναπαράσταση Γνώσης - ιαφορές Εκφραστικότητα Υπολογιστική πολυπλοκότητα Χαρακτηριστικά συµπερασµού (πχ. αρτιότητα, πληρότητα) Εννοια του χρόνου Χρονικά σηµεία Χρονικά διαστήµατα ιάρκεια Σειρά Επικάλυψη Περιοδικότητα (επανάληψη)

Χρονική Αναπαράσταση Γνώσης Χρονική Αναπαράσταση Γνώσης - ιαφορές Εκφραστικότητα Υπολογιστική πολυπλοκότητα Χαρακτηριστικά συµπερασµού (πχ. αρτιότητα, πληρότητα) Εννοια του χρόνου Χρονικά σηµεία Χρονικά διαστήµατα ιάρκεια Σειρά Επικάλυψη Περιοδικότητα (επανάληψη)

Χρονική Αναπαράσταση Γνώσης Χρονική Αναπαράσταση Γνώσης - ιαφορές Εκφραστικότητα Υπολογιστική πολυπλοκότητα Χαρακτηριστικά συµπερασµού (πχ. αρτιότητα, πληρότητα) Εννοια του χρόνου Χρονικά σηµεία Χρονικά διαστήµατα ιάρκεια Σειρά Επικάλυψη Περιοδικότητα (επανάληψη)

Χρονική Αναπαράσταση Γνώσης Χρονικές Σχέσεις - Allen Σχέση Σχήµα Περιορισµοί X equals Y X before Y, Y after X X meets Y, Y met-by X X.t s = Y.t s X.t e = Y.t e X.t e < Y.t s X.t e = Y.t s X finish Y, Y finished-by X X.t s > Y.t s X.t e = Y.t e X during Y, Y contains X X.t s > Y.t s X.t e < Y.t e X start Y, Y started-by X X overlaps Y, Y overlapped-by X X.t s = Y.t s X.t e < Y.t e X.t s < Y.t s X.t e > Y.ts X.t e < Y.t e

Χρονική Αναπαράσταση Γνώσης Προβλήµατα µε την προσέγγιση του Allen Πλήρης γνώση των χρονικών σχέσεων στα δεδοµένα Ατελής γνώση οδηγεί σε πολυπλοκότερες αναπαραστάσεις Θόρυβος στα δεδοµένα ιφορούµενες σχέσεις Πολλοί ισοδύναµοι κανόνες για την ίδια ακολουθία

Χρονική Αναπαράσταση Γνώσης Προβλήµατα µε την προσέγγιση του Allen Πλήρης γνώση των χρονικών σχέσεων στα δεδοµένα Ατελής γνώση οδηγεί σε πολυπλοκότερες αναπαραστάσεις Θόρυβος στα δεδοµένα ιφορούµενες σχέσεις Πολλοί ισοδύναµοι κανόνες για την ίδια ακολουθία

Χρονική Αναπαράσταση Γνώσης Προβλήµατα µε την προσέγγιση του Allen Πλήρης γνώση των χρονικών σχέσεων στα δεδοµένα Ατελής γνώση οδηγεί σε πολυπλοκότερες αναπαραστάσεις Θόρυβος στα δεδοµένα ιφορούµενες σχέσεις Πολλοί ισοδύναµοι κανόνες για την ίδια ακολουθία

Χρονική Αναπαράσταση Γνώσης Αλλες προσεγγίσεις Υποσύνολα των σχέσεων του Allen Semi-intervals Activity Relation Trees Υλοποίηση διαφορετικών προσεγγίσεων Unification-based Temporal Grammar Time Series Knowledge Representaion Μεγαλύτερη εκφραστικότητα Αποδοτικότερες υνατότητα αναπαράστασης από ατελή δεδοµένα

Αναγνώριση Γεγονότων Αναγνώριση Γεγονότων Εφαρµογές: Παρακολούθηση δικτύων, συστήµατα επιτήρησης χώρου, αναγνώριση σφαλµάτων κ.α. εδοµένα: ακολουθία από σύµβολα µαζί µε την χρονική τους σφραγίδα Μπορεί να εκφράζει: Σχέσεις σε ένα σύνολο γεγονότων Χρονικούς περιορισµούς µεταξύ γεγονότων Αλλους περιορισµούς, όπως προϋποθέσεις εµφάνισης γεγονότων/µοντέλου

Μοντέλα Συµβολικών ικτύων Συµβολικά δίκτυα - TCN Συσχετίσεις γεγονότων (κόµβοι) Χρονικοί περιορισµοί (ακµές) Αναπαράσταση χρόνου: Χρονικά σηµεία ή χρονικά διαστήµατα

Μοντέλα Συµβολικών ικτύων Συµβολικά δίκτυα - Petri-Nets ιµερές γράφηµα Place: γεγονός Transition: περιορισµός (χρονικός, λογικός) Μοντελοποίηση της δυναµικής συµπεριφοράς του συστήµατος Κατάσταση του συστήµατος: Ανεξαρτησία, αιτιότητα και δυνατότητα ταυτόχρονης εκτέλεσης Ισχυρό µαθηµατικό υπόβαθρο Πολλές παραλλαγές: Time Interval, Coloured, Stochastic Petri-Net etc.

Μοντέλα Συµβολικών ικτύων Αναγνώρηση µε Συµβολικά ίκτυα Προοπτική Αναγνώριση Γεγονότων (Forward Recognition) ιατηρεί σύνολο συµβολικών δικτύων Μπορούν να προβλεφθούν οι πιθανές ακολουθίες µεταγενέστερων χρονικά γεγονότων (-) Τα γεγονότα είναι οριοθετηµένα στο χρόνο (-) ιατηρεί όλα τα µερικώς αναγνωρισµένα δίκτυα Αναδροµικής Αναγνώρισης Γεγονότων (Backward Recognition) Καταγράφονται όλα τα ατοµικά γεγονότα που έχουν παρατηρηθεί Ενα γεγονός να αναγνωρίζεται αναλύοντας το σύνολο των αποθηκευµένων ατοµικών γεγονότων (-) ιατήρηση όλων των γεγονότων που έχουν αναγνωριστεί προηγουµένως (-) Ανάγκη επανυπολογισµού των όλων σχέσεων κάθε ϕορά Συνδυασµός Προοπτικής µε Αναδροµική Αναγνώριση Γεγονότων Ελαττώνει την πολυπλοκότητα Βελτίωση της απόδοσης της αναγνώρισης γεγονότων

Μοντέλα Συµβολικών ικτύων Μάθηση Συµβολικών ικτύων Μάθηση Temporal Constraint Networks Syntactic pattern recognition Frequent Patterns Inductive Logic Programing Συνήθως ανολοκλήρωτη µάθηση δικτύων Σχέσεις των γεγονότων Ατελής µάθηση χρονικών περιορισµών Τελικό µοντέλο από τον χρήστη του συστήµατος Μάθηση Petri-Nets TIPN-ML Self-Learning Process Mining

Γραφικά Μοντέλα Γραφικά Μοντέλα Γράφηµα που αναπαριστά τις ανεξαρτησίες µεταξύ των τυχαίων µεταβλητών Κατευθυνόµενα µοντέλα Bayesian networks Hidden Markov Models Propagation Networks Conditional Random Fields Μη κατευθυνόµενα Markov random fields Πληθώρα εφαρµογών: Αναγνώριση ϕωνής, Μηχανική Οραση, Συστήµατα Παρακολούθησης κλειστών χώρων κ.α

Γραφικά Μοντέλα Μάθηση Γραφικών Μοντέλων Η διαδικασία µάθησης γραφικών µοντέλων: 1 Μάθηση της δοµής του µοντέλου µέθοδοι µάθησης γραφηµάτων ή µε αλγόριθµους αναζήτησης/βελτιστοποίηση 2 Μάθηση κατανοµών των τυχαίων µεταβλητών Καλή συµπεριφορά σε ϑόρυβο Μάθηση από πλήρες ή ελλιπές σύνολο δεδοµένων

Χρονικοί Κανόνες Χρονικοί κανόνες Συµβολική αναπαράσταση χρονικής γνώσης: Κατηγορηµατική λογική Γραµµατικοί κανόνες, αναπαράσταση σε ϕυσική γλώσσα Μαθηµατική λογική, κτλ. υνατότητα άµεσης χρήσης µηχανής συµπερασµού Αλγόριθµοι από το πεδίο της Ανάλυσης Συµβολικών Χρονοσειρών Μάθηση µε συχνότητες εµφάνισης γεγονότων

Επίλογος Συµπεράσµατα Αναπαράσταση χρόνου Αναπαράσταση µερωνυµιών Συµβολικά ίκτυα Χρονικοί περιορισµοί Χρονικές εξαρτήσεις Λογικοί περιορισµοί εν εφαρµόζουν σε δεδοµένα µε ϑόρυβο Γραφικά Μοντέλα Μάθηση δοµής και κατανοµών τυχαίων µεταβλητών Καλή συµπεριφορά στο ϑόρυβο εν εκφράζουν άµεσα εξαρτήσεις και περιορισµούς Μάθηση κανόνων Ανάλυση Συµβολικών Χρονοσειρών Μάθηση απλών προτύπων

Επίλογος Στόχοι Μάθηση από χρονικά δεδοµένα Καρδιογράφηµα (ECG) Κίνηση δεδοµένων δικτύου κ.α Αυτόµατη Κατασκευή Μοντέλων Σχέσεις γεγονότων Χρονικοί περιορισµοί Ιεραρχία από µερωνυµικές σχέσεις γεγονότων Καλή συµπεριφορά στο ϑόρυβο Αυξητική Μάθηση Πρόσθεση νέων µοντέλων Βελτίωση µοντέλων

Επίλογος Ευχαριστώ για τον χρόνο σας! Απορίες;