“INTELIGENTNI” RAČUNARSKI SISTEMI - Jovicic · “INTELIGENTNI” RAČUNARSKI SISTEMI Aleksandar Jovičić [email protected] (Da li Don Kihot još uvek jaše?)

““INTINTEELIGENTNILIGENTNI” ” RAČUNARSKIRAČUNARSKI SISTEMISISTEMI

Aleksandar JovičićAleksandar Jovičić[email protected]@jovicic.name

(Da li Don Kihot još uvek jaše?)(Da li Don Kihot još uvek jaše?)

Veštačka inteligencijaVeštačka inteligencija(Artificial Intelligence - AI)(Artificial Intelligence - AI)

■ Šta je prirodna inteligencijaŠta je prirodna inteligencija??■ Gde ona “stanuje”Gde ona “stanuje”■ Da li mozak radi kao računarDa li mozak radi kao računar??■ Da li “elektronski mozak” može Da li “elektronski mozak” može

da nas uništida nas uništi??■ Čemu sve to služiČemu sve to služi??

■ ΣΩΚΡAΤΗΣ, ΠΛAΤΩΝ, AΡΙΣΤΟΤEΛΗΣΣΩΚΡAΤΗΣ, ΠΛAΤΩΝ, AΡΙΣΤΟΤEΛΗΣ ... ...■ Hobs, Leibniz, Bool, BabbageHobs, Leibniz, Bool, Babbage ... ...■ Aiken, Eckert & Mauchly ...Aiken, Eckert & Mauchly ...

■ Turing, Shannon ...Turing, Shannon ...

BCBCXVIIXVII

XIXXIX18351835

19441944

19461946

19571957

Back to the future ...Back to the future ...

Prvih deset godinaPrvih deset godina ... ...

■ ““Sajmonovo predskazanjeSajmonovo predskazanje” ” ● svetski prvak u šahusvetski prvak u šahu!!

● veliki matematičarveliki matematičar!!

● superiorni psihologsuperiorni psiholog!!

■ Blistav početakBlistav početak■ EpilogEpilog ... ...

1. 1. fazafaza - - KognitivnaKognitivna simulacijasimulacija(1957-1962)(1957-1962)

■ Prevodjenje jezikaPrevodjenje jezika● mehanički rečnikmehanički rečnik

● mehanička sekretaricamehanička sekretarica

■ RešavanjeRešavanje problemaproblema● GGeneraleneral PProblemroblem SSolverolver (Newell & Simon)(Newell & Simon)

● igreigre

● dokazivanjedokazivanje teoremateorema

■ RaspoznavanjeRaspoznavanje oblikaoblika

Značaj neuspeha 1. fazeZnačaj neuspeha 1. faze

■ Marginalna svestMarginalna svest vsvsheuristički vodjeno pretraživanjeheuristički vodjeno pretraživanje

■ Tolerancija dvosmislenostiTolerancija dvosmislenosti vsvspreciznost oslobodjena kontekstapreciznost oslobodjena konteksta

■ Razlikovanje bitnog od nebitnogRazlikovanje bitnog od nebitnog vsvs pretraživanje na osnovupretraživanje na osnovupokušaja i greškepokušaja i greške

■ Jasno grupisanje Jasno grupisanje vsvsliste obeležjaliste obeležja

2. 2. fazafaza – – Semantička obrada Semantička obrada informacijainformacija (1962-1967)(1962-1967)

■ Samoorganizujući sistemiSamoorganizujući sistemi■ BobrowBobrow--ovov “ “STUDENTSTUDENT””

Program kojiProgram koji “ “Razume engleskiRazume engleski

■ Evans-Evans-ovov program analogijeprogram analogije■ QuillianQuillian--ovov programprogram

semantičkog pamćenjasemantičkog pamćenja

SimptomiSimptomi ... ...

■ Velika početna obećanjaVelika početna obećanja■ Munjevit start i početni uspesiMunjevit start i početni uspesi■ Kombinatorna eksplozijaKombinatorna eksplozija■ StravičanStravičan KRAHKRAH!!

A gde suA gde su ... ...V

ešt

ačk

a inte

ligenci

jaV

ešt

ačk

a inte

ligenci

ja

■ ““Nauka koja činiNauka koja čini da mašine obavljajuda mašine obavljaju stvari koje bistvari koje bi zahtevale inteligencijuzahtevale inteligenciju kada bi ih obavljao čovekkada bi ih obavljao čovek””

M. Minsky, 1968M. Minsky, 1968

■ ““Oblast upravljanjaOblast upravljanja koja istražuje mogućnosti da se koja istražuje mogućnosti da se učini da se računar ponaša na način koji ljudi jedni učini da se računar ponaša na način koji ljudi jedni drugima priznaju kao ‘inteligentno’ ponašanjedrugima priznaju kao ‘inteligentno’ ponašanje””

Feigenbaum i McCorduck, 1983Feigenbaum i McCorduck, 1983

■ ““Deo naukeDeo nauke o računarima sumeren na stvaranje i o računarima sumeren na stvaranje i proučavanje računarskih programa koji ispoljavaju proučavanje računarskih programa koji ispoljavaju ponašajna svojstva koja mi identifikujemo kao ponašajna svojstva koja mi identifikujemo kao inteligentno ponašanjeinteligentno ponašanje - - znanjeznanje, , rezonovanjerezonovanje, , učenjeučenje, , rešavanjerešavanje problemaproblema, , razumevanjerazumevanje jezika i drjezika i dr.”.”

A. Barr, 1983A. Barr, 1983

definicijedefinicije

ŠTA DALJEŠTA DALJE?!??!?

■ Ekspertni sistemiEkspertni sistemi■ FuzzyFuzzy logikalogika■Neuronske mrežeNeuronske mreže■Data mining / KDDData mining / KDD■ Inteligentni agentiInteligentni agenti

““Vreme je novacVreme je novac!”!”

Ekspertni sistemiEkspertni sistemi(Expert Systems - ES)(Expert Systems - ES)

■ Šta suŠta su??■ Zašto su nastaliZašto su nastali??■Da li su bolji odDa li su bolji od

živih eksperataživih eksperata??■ Zašto ih onda koristitiZašto ih onda koristiti??

Zašto koristitiZašto koristiti ES ES ?!??!?

Ušteda u novcuUšteda u novcu Nehumani uslovi radaNehumani uslovi rada Nedostatak živog ekspertaNedostatak živog eksperta ... ...

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

Performanse

Procenat ljudi

Performanse tipičnog ekspertnog sistema

Performanse ljudi

Dobitak u performansama postignut korišćenjem ekspertnih sistema

PodelaPodela ES ES po tipupo tipu tehnologijetehnologije

■ TradicionalniTradicionalni((koriste uglavnom razradjene i uhodane koriste uglavnom razradjene i uhodane metode i tehnike predstavljanja znanjametode i tehnike predstavljanja znanja))

■ SavremeniSavremeni((mnogo razradjeniji sistemi za akviziciju mnogo razradjeniji sistemi za akviziciju znanja, sposobnost automatskog učenja, znanja, sposobnost automatskog učenja, bolji korisnički interfejs, nove tehnike za bolji korisnički interfejs, nove tehnike za predstavljanje znanjapredstavljanje znanja))Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

PodelaPodela ES ES po namenipo nameni

■ za interpretacijuza interpretaciju ( (identifikovanjeidentifikovanje//prepoznavanjeprepoznavanje objekata medju velikim brojem ulaznih podatakaobjekata medju velikim brojem ulaznih podataka),),

■ za dijagnozuza dijagnozu ( (otkrivanje nepravilnosti u radu nekog otkrivanje nepravilnosti u radu nekog sistemasistema//organizmaorganizma),),

■ za monitoringza monitoring ( (nadgledanje rada sistemanadgledanje rada sistema),),

■ za kontroluza kontrolu ( (kontrola proizvodnog procesakontrola proizvodnog procesa//stanjastanja),),

■ za predvidjanjeza predvidjanje ( (predvidjanje budućih dogadjaja na predvidjanje budućih dogadjaja na osnovu trenutnih stanjaosnovu trenutnih stanja),),

■ za dizajnza dizajn / / planiranjeplaniranje ((sklapanje računarskih sklapanje računarskih konfiguracija, izrada planovakonfiguracija, izrada planova), ),

■ za edukacijuza edukaciju / / instruktažuinstruktažu ( (podučavanje budućih podučavanje budućih eksperata, treningeksperata, trening))

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

PodelaPodela ES ES po tehnikamapo tehnikama predstavljanja znanjapredstavljanja znanja

■ ESES sa deklarativnimsa deklarativnimpredstavljanjem znanjapredstavljanjem znanja((znanje je u odvojenim modulima, olakšano je znanje je u odvojenim modulima, olakšano je dodavanje novog znanja i izmena postojećeg ali se dodavanje novog znanja i izmena postojećeg ali se javlja problem brzinejavlja problem brzine))

■ ESES sa proceduralnimsa proceduralnimpredstavljanjem znanjapredstavljanjem znanja((znanje je ugradjeno u kod i otežano je dodavanje i znanje je ugradjeno u kod i otežano je dodavanje i izmena novog, medjutim dolazi do dobitaka u brziniizmena novog, medjutim dolazi do dobitaka u brzini))E

kspert

ni si

stem

iEks

pert

ni si

stem

i

StrukturaStruktura ESESEks

pert

ni si

stem

iEks

pert

ni si

stem

i

Korisnici

KORISNIČKI INTERFEJS

MEHANIZAM ZAKLJUČIVANJA

BAZA ZNANJA

RADNA MEMORIJA

Eksperti

Inženjer znanja

Predstavljanje znanjaPredstavljanje znanja

■ Semantičke mrežeSemantičke mreže■ TrojkeTrojke ObjekatObjekat--AtributAtribut--VrednostVrednost■ Produkciona pravilaProdukciona pravila■ FrejmoviFrejmovi■ LogikaLogika■ FuzzyFuzzy sistemisistemi

i neuronske mrežei neuronske mrežeEks

pert

ni si

stem

iEks

pert

ni si

stem

i

Semantičke mrežeSemantičke mreže

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

Program

Ekspertni sistem

je

Korisnički interfejs ima

Bazu znanja

ima

Mehanizam zaključivanja

ima

“MYCIN”

je

Dijagnostički ES

je vrste

Produkciona pravilaProdukciona pravila

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

b001: b001: prisutni simptomiprisutni simptomi je tačnoje tačno

... ... ako suako su SVISVI dole navedeni uslovi zadovoljenidole navedeni uslovi zadovoljeni Iznenadan bolIznenadan bol? ? nije netačnonije netačno Jak bolJak bol? ? je tačnoje tačno s001: s001: simptomi infekcijesimptomi infekcije je tačnoje tačno

Prisutni simptomi mastitisaPrisutni simptomi mastitisa

s001: s001: simptomi infekcijesimptomi infekcije je tačnoje tačno... ... ako suako su SVISVI dole navedeni uslovi zadovoljenidole navedeni uslovi zadovoljeni Bol u dojciBol u dojci?? nije netačnonije netačno Toplina u dojciToplina u dojci?? nije netačnonije netačno Otok na dojciOtok na dojci?? nije netačnonije netačno CrveniloCrvenilo?? nije netačnonije netačno s001 s001 bar jedan od poslednja tribar jedan od poslednja tri je tačnoje tačno

PostojePostoje simptomisimptomi infekcijeinfekcije

FrejmoviFrejmovi (Frames)(Frames)

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

Mehanizam zaključivanjaMehanizam zaključivanja

■ Backward chainingBackward chaining■ Forward chainingForward chaining■ Prepoznavanje uzorakaPrepoznavanje uzoraka■ Razrešavanje konflikataRazrešavanje konflikata■ Black boardBlack board■ LogikaLogikaEks

pert

ni si

stem

iEks

pert

ni si

stem

i

Pretraživanje na grafuPretraživanje na grafu

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

A

B C

D EF

G

• Pretraživanje po dubiniPretraživanje po dubini• Pretraživanje po širiniPretraživanje po širini

Forward chainingForward chainingEks

pert

ni si

stem

iEks

pert

ni si

stem

i

A

B C

D EF

• Vodjeno podacimaVodjeno podacima

G

Backward chainingBackward chainingEks

pert

ni si

stem

iEks

pert

ni si

stem

i

A

B C

D EF

G

• Vodjeno ciljemVodjeno ciljem

LogikaLogika

■ Iskazni računIskazni račun■ Predikatski računPredikatski račun

Eks

pert

ni si

stem

iEks

pert

ni si

stem

i

Modus PonensModus PonensA->B &A->B &AA

=>=>BB

FuzzyFuzzy skupoviskupovi

■ Šta suŠta su FuzzyFuzzy skupovi skupovi ??■Da li neko može da bude Da li neko može da bude

““malo mrtavmalo mrtav”” ??■Gde se koriste Gde se koriste ??■Koje su im prednostiKoje su im prednosti ? ?

FuzzyFuzzy funkcije pripadnosti funkcije pripadnosti

■Ko je visok a ko nizakKo je visok a ko nizak ?!??! ?!??!

Fuzz

yFu

zzy s

kupovi

sku

povi

160 200

nizaknizak visokvisok1

0.50

0170 190

0.25

0.75

ObliciOblici fuzzyfuzzy funkcija pripadnostifunkcija pripadnosti

Fuzz

yFu

zzy s

kupovi

sku

povi

NormalnostNormalnost fuzzyfuzzy skupaskupaFu

zzy

Fuzz

y s

kupovi

sku

povi

160 200

AA1

0.40

0180

BB

AA - - NormalanNormalanBB - - SubSub--normalannormalan

185

Osnovne operacije saOsnovne operacije sa fuzzyfuzzy skupovimaskupovima

Fuzz

yFu

zzy s

kupovi

sku

povi

PresekPresek

UnijaUnija

NegacijaNegacija

PresekPresek ...... ...... ffa*ba*b(x)=min{f(x)=min{faa(x),f(x),fbb(x)}(x)}

UnijaUnija ........ ........ ffa+ba+b(x)=max{f(x)=max{faa(x),f(x),fbb(x)}(x)}

NegacijaNegacija ... ... ff-a-a(x)=1-f(x)=1-faa(x)(x)

Operatori modifikacijeOperatori modifikacijeFu

zzy

Fuzz

y s

kupovi

sku

povi

Množenje skalaromMnoženje skalarom

Množenje skalaromMnoženje skalarom ... ... ffaAaA(x)=af(x)(x)=af(x)

StepenovanjeStepenovanje ... ... ffAAaa(x)=(f(x))(x)=(f(x))aa

NormalizacijaNormalizacija ... ... NORM(A)=A/f’NORM(A)=A/f’aa

Pojačavanje kontrastaPojačavanje kontrasta ... ... ffINT(A)INT(A)(x)={2(f(x)={2(faa(x)(x)22 ... /0<=f ... /0<=faa(x)<=0.5/,(x)<=0.5/, 1-2[1-f1-2[1-faa(x)](x)]22 ... /0.5<=f ... /0.5<=faa(x)<=1/}(x)<=1/}

StepenovanjeStepenovanje

NormalizacijaNormalizacija

AA

AA

Pojačavanje kotrastaPojačavanje kotrasta

AA

A’A’

A’A’

A’’A’’

AA

A’A’ A’A’

KoncentrisanjeKoncentrisanje ... CONC(A)=A... CONC(A)=A22

ProširenjeProširenje ... DIL(A)=A... DIL(A)=A0.50.5

ModifikatoriModifikatorilingvističkih izrazalingvističkih izraza

Fuzz

yFu

zzy s

kupovi

sku

povi

veomaveoma A = A = CONC(A)CONC(A)

manjemanje--viševiše A = A = DIL(A)DIL(A)

poneštoponešto A = A = NORM(A NORM(A i nei ne ( (veomaveoma A)) A))

tipatipa A = A = NORM(NORM(nene CONC CONC22(A) (A) ii DIL(A)) DIL(A))

priličnoprilično A = A = NORM(INT(A) NORM(INT(A) i nei ne INT(CONC(A))) INT(CONC(A)))

izuzetnoizuzetno A = A = NORM(INT(A))NORM(INT(A))

Neuronske mrežeNeuronske mreže■Da li neuronske mreže misleDa li neuronske mreže misle??■Da li one mogu da sanjajuDa li one mogu da sanjaju??■A za šta se one koristeA za šta se one koriste??■ Jkasdnj&^%$&*&jd&*## :)Jkasdnj&^%$&*&jd&*## :)■Koliko seKoliko se “ “računarskeračunarske

neuronske mreženeuronske mreže””razlikuju od biološkihrazlikuju od bioloških??

??????

Model neuronaModel neurona

ZakonZakon “ “Sve ili ništaSve ili ništa””

QQwwi1i1

wwi2i2

wwinin

...

y=f(sum(xy=f(sum(xiiwwijij)-Q))-Q)

Neuro

nsk

e m

reže

Neuro

nsk

e m

reže

Funkcije aktivacijeFunkcije aktivacijeN

euro

nsk

e m

reže

Neuro

nsk

e m

reže

Q

Q

Neke osobineNeke osobine

■ Broj slojevaBroj slojeva■ RekurentnostRekurentnost■ ObučavanjeObučavanje■ Back-propagationBack-propagation

Neuro

nsk

e m

reže

Neuro

nsk

e m

reže

Vrste neuronskih mrežaVrste neuronskih mreža

■ PerceptronPerceptron ((nerekurentannerekurentan))

■ Hopfield-Hopfield-ovaova ((rekurentna jednoslojnarekurentna jednoslojna))

■ Boltzmann-Boltzmann-ova mašinaova mašina((modifikovanamodifikovana HopfieldHopfield--ovaova))

■ Celularne mrežeCelularne mreže ((po uzoru na ćelijske automatepo uzoru na ćelijske automate))

■ Heming-Heming-ovaova ((rekurentnarekurentna + + propagacionapropagaciona))

■ Kohonen-Kohonen-ovaova ((samoorganizujućasamoorganizujuća, , preslikavajućapreslikavajuća))

■ Dvostruko asocijativnaDvostruko asocijativna ((dvoslojnadvoslojna, , rekurentnarekurentna))Neuro

nsk

e m

reže

Neuro

nsk

e m

reže

Data miningData mining

““Računari su nam obećaliRačunari su nam obećalifontanu mudrostifontanu mudrosti

a sve što smo dobilia sve što smo dobilije samo poplava podatakaje samo poplava podataka””

Jedan isfrustrirani Jedan isfrustrirani menadžer iz SAD menadžer iz SAD

Knowledge DiscoveriesKnowledge Discoveriesin Databases (KDD)in Databases (KDD)

Data miningData mining* * StatističariStatističari, , analitičarianalitičari, , MenadžeriMenadžeri

* * IstraživačiIstraživači iz veštačke inteligencije i mašinskog učenjaiz veštačke inteligencije i mašinskog učenja

?!??!?!??!

KDD KDD ii Data miningData mining

Prikupljanje i raspakivanjePrikupljanje i raspakivanje uskladištenih podatakauskladištenih podataka

Velikabaza

podataka

Ciljnipodaci

SelekcijaSelekcija

Pretprocesirani podaci

Transformisani podaci

PretprocesiranjePretprocesiranje

TransformisanjeTransformisanje

Data miningData miningPattern-i/Trendovi

Znanje

TumačenjeTumačenje

KDD KDD ii Data miningData mining

Prikupljanje i raspakivanjePrikupljanje i raspakivanje uskladištenih podatakauskladištenih podataka

Velikabaza

podataka

Ciljnipodaci

SelekcijaSelekcija

Pretprocesirani podaci

Transformisani podaci

PretprocesiranjePretprocesiranje

TransformisanjeTransformisanje

Data miningData miningPattern-i/Trendovi

Znanje

TumačenjeTumačenje

Data Data WarehouseWarehouse

OLAPOLAP

NetrivijalnaNetrivijalnaekstrakcija informacija iz podatkaekstrakcija informacija iz podatka

za koje važi da suza koje važi da su::

implicitne,implicitne,prethodno nepoznateprethodno nepoznatei potencijalno korisnei potencijalno korisne

Frawley, 1992Frawley, 1992


1989

Ostali naziviOstali nazivi ... ...

■ Data miningData mining

■ Knowledge extractionKnowledge extraction

■ Data pattern processingData pattern processing

■ Data archeologyData archeology

■ Information harvestingInformation harvesting

■ SiftwareSiftware

■ ......


KDDKDD i srodne oblastii srodne oblasti

StatistikaStatistika•Podaci se ne koriste više putaPodaci se ne koriste više puta

((model se definiše unapredmodel se definiše unapred))•Generalizacija na populacijuGeneralizacija na populaciju

((na osnovu uzorkana osnovu uzorka))•Uglavnom numerički podaciUglavnom numerički podaci

Mašinsko učenjeMašinsko učenje (Machine Learning)(Machine Learning)•Znanje često nerazumljivo za korisnikaZnanje često nerazumljivo za korisnika•Komplikovaniji algoritmi bez učešća korisnikaKomplikovaniji algoritmi bez učešća korisnika•Manje podatakaManje podataka•Širi pojamŠiri pojam

KDDKDD zadacizadaci

■ KlasifikacijaKlasifikacija

■ Odredjivanje klasteraOdredjivanje klastera//taksonataksona

■ Utvrdjivanje zavisnosti unutar slogaUtvrdjivanje zavisnosti unutar sloga

■ Utvrdjivanje vremenskih zavisnostiUtvrdjivanje vremenskih zavisnosti

■ DiskriminacijaDiskriminacija//tipične vrednostitipične vrednosti

■ ......

KlasifikacijaKlasifikacija

PodaciPodaci pripadajupripadaju nekojnekoj odod unapredunapred utvrdjenihutvrdjenih klasaklasa

Prihod StarostIstorija

transakcijaUlazni slojUlazni sloj

Medju-slojMedju-sloj

Disciplinovanštediša

Problematičanštediša

Izlazni slojIzlazni sloj

Neuronska mrežaNeuronska mreža

PodaciPodaci pripadajupripadaju nekojnekoj odod unapredunapred utvrdjenihutvrdjenih klasaklasa

PrihodPrihod > > $40,000? $40,000?

StarostStarost < 40 < 40 godinagodina

Stablo odlučivanjaStablo odlučivanja

KreditnaKreditna istorijaistorija > 2 > 2 godinegodine

NedisciplinovanNedisciplinovanštedišaštediša

DisciplinovanDisciplinovanštedišaštediša

DisciplinovanDisciplinovanštedišaštediša

nene dada

nene dada nene dada

KlasifikacijaKlasifikacija

Odredjivanje klasteraOdredjivanje klastera

Klase nisu unapred poznateKlase nisu unapred poznatei formiraju se na osnovu podatakai formiraju se na osnovu podataka

((maksimalna sličnost unutar klasamaksimalna sličnost unutar klasa iimaksimalna razlika medju klasamamaksimalna razlika medju klasama))

■ Cluster analysisCluster analysis

■ Vizuelne metodeVizuelne metode

Odredjivanje klasteraOdredjivanje klastera

Klase nisu unapred poznateKlase nisu unapred poznatei formiraju se na osnovu podatakai formiraju se na osnovu podataka

((maksimalna sličnost unutar klasamaksimalna sličnost unutar klasa iimaksimalna razlika medju klasamamaksimalna razlika medju klasama))

■ Cluster analysisCluster analysis

■ Vizuelne metodeVizuelne metodePotencijalan kupac

“Osvojen” od konkurencije

Utvrdjivanje zavisnostiUtvrdjivanje zavisnostiunutar slogaunutar sloga

Predikcija jednog podatkaPredikcija jednog podatkana osnovu drugogna osnovu drugog

u okviru iste transakcijeu okviru iste transakcije//slogasloga((UtvrdjivanjeUtvrdjivanje patternpattern--aa))

■ Apriori Apriori algoritamalgoritam

■ DHP DHP algoritamalgoritam

■ ...... • 95% 95% kupacakupaca Coca-ColaCoca-Cola, , kupujekupuje i i kokice proizvodjačakokice proizvodjača А А

• 87% 87% kupacakupaca Coca-ColaCoca-Cola i kokicai kokica proizvodjačaproizvodjača А, А, kupuje i grisinekupuje i grisine

UtvrdjivanjeUtvrdjivanjevremenskih zavisnostivremenskih zavisnosti

Predikcija jednog podatkaPredikcija jednog podatkana osnovu drugogna osnovu drugog

zavisno od redosleda ili vremenazavisno od redosleda ili vremena

■ MPTPMPTP algoritamalgoritam

■ Vizuelne metodeVizuelne metode

• 73% 73% kupaca koji kupe televizorkupaca koji kupe televizor, , u u periodu odperiodu od 3 3 meseca kupe i DVD plejermeseca kupe i DVD plejer

• 87% 87% posetilacaposetilaca mestamesta А А posleposle togatoga poseteposete i mestoi mesto BB

DiskriminacijaDiskriminacija / /tipičnetipične vrednostivrednosti

IdentifikovanjeIdentifikovanje osobinaosobina koje su koje su dovoljne za razlikovanje dve klasedovoljne za razlikovanje dve klase

Utvrdjivanje tipičnih vrednosti koje Utvrdjivanje tipičnih vrednosti koje služe kao reference za poredjenjesluže kao reference za poredjenje

• Osobe koje plaćaju gotovinomOsobe koje plaćaju gotovinomsu štedljivijesu štedljivije

• TipičanTipičan ““srpski biznismensrpski biznismen” ” imaimamobilnimobilni telefon, zlatni lanac i skup autotelefon, zlatni lanac i skup auto

1.1. A B C D E A B C D E 2 3 5 4 52 3 5 4 5

Primer nalaženjaPrimer nalaženja zavisnosti unutar slogazavisnosti unutar sloga

AprioriApriori algoritamalgoritam

Baza podatakaBaza podataka

ID DataID Data1 A B C E1 A B C E2 A C D2 A C D3 B C D E3 B C D E4 B E4 B E5 C D E5 C D E6 C D E6 C D E

ss – – Faktor podrškeFaktor podrške(support)(support)

cc – – Faktor poverenjaFaktor poverenja(confidence)(confidence)

ss =50%=3 =50%=3cc = =7575%%






ss =50%=3 =50%=3cc = =7575%%

1.1. A B C D E A B C D E 2 3 5 4 52 3 5 4 5X







ss =50%=3 =50%=3cc = =7575%%






ss =50%=3 =50%=3cc = =7575%%

2.2. B C D E B C D E 3 5 4 53 5 4 5







ss =50%=3 =50%=3cc = =7575%%






ss =50%=3 =50%=3cc = =7575%%

3.3. BC BD BE CD CE DE BC BD BE CD CE DE 2 1 2 1 3 4 4 33 4 4 3

{{ B C D E B C D E }}







ss =50%=3 =50%=3cc = =7575%%

3.3. BC BD BE CD CE DE BC BD BE CD CE DE 2 1 2 1 3 4 4 33 4 4 3X X

{{ B C D E B C D E }}







ss =50%=3 =50%=3cc = =7575%%

4. 4. BE CD CE DE BE CD CE DE 3 4 4 33 4 4 3

{{ B C D E B C D E }}







ss =50%=3 =50%=3cc = =7575%%

5.5. CDE CDE 33

{{ B C D E B C D E }}{ { BE CD CE DE BE CD CE DE }}







ss =50%=3 =50%=3cc = =7575%%

33 B -> E B -> E 3 3 100%100%55 E -> B E -> B 3 3 60%60%55 C -> D C -> D 4 4 80%80%44 D -> C D -> C 4 4 100%100%55 C -> E C -> E 4 4 80%80%55 E -> C E -> C 4 4 80%80%44 D -> E D -> E 3 3 75%75%55 E -> D E -> D 3 3 60%60%

{{ B C D E B C D E }}

{{ CDE CDE }}44 CD -> E CD -> E 3 3 75%75%44 CE -> D CE -> D 3 3 75%75%33 DE -> C DE -> C 3 3 100%100%55 C -> DE C -> DE 3 60%3 60%44 D -> CE D -> CE 3 3 75%75%55 E -> CD E -> CD 3 60%3 60%

{ { BE CD CE DE BE CD CE DE }}






ss =50%=3 =50%=3cc = =7575%%


LiteraturaLiteratura

■ Hubert L. DreyfusHubert L. Dreyfus“ŠTA RAČUNARI NE MOGU“ŠTA RAČUNARI NE MOGU””

■ Miroslav JockovićMiroslav Jocković““VEŠTAČKA INTELIGENCIJAVEŠTAČKA INTELIGENCIJA””

■ Vladan DevedžićVladan Devedžić““EKSPERTNI SISTEMI ZA RADEKSPERTNI SISTEMI ZA RADU REALNOM VREMENUU REALNOM VREMENU””

■ Pero SubašićPero Subašić““FAZI LOGIKA I NEURONSKE MREŽEFAZI LOGIKA I NEURONSKE MREŽE””

■ Vladan DevedžićVladan Devedžić““INTELIGENTNI INFORMACIONI SISTEMIINTELIGENTNI INFORMACIONI SISTEMI””

““INTELIGENTNIINTELIGENTNI” ” RAČUNARSKI SISTEMIRAČUNARSKI SISTEMI

(Da li Don Kihot još uvek jaše?)(Da li Don Kihot još uvek jaše?)

DA SAMO ŠTO JE UMESTO KOPLJA UZEO PUŠKUDA SAMO ŠTO JE UMESTO KOPLJA UZEO PUŠKU

Aleksandar JovičićAleksandar Jovičić[email protected]@jovicic.name

http://www.jovicic.name/isp/iis.pdfhttp://www.jovicic.name/isp/iis.pdf

Documents

“INTELIGENTNI” RAČUNARSKI SISTEMI - Jovicic · “INTELIGENTNI” RAČUNARSKI SISTEMI Aleksandar Jovičić [email protected] (Da li Don Kihot još uvek jaše?)