Escolar Documentos
Profissional Documentos
Cultura Documentos
14.11.08
Ablauf
14.11.08
Einfhrung
Umformen von Problemen in Graphen Allgemeine Betrachtung des Graphen Modifikation des Graphen Probleme knnen allgemein betrachtet werden
Vorteile dabei
Keine spezielle Lsung mehr fr verschiedene Lernprobleme Ein Algorithmus fr mglichst viele Aufgaben
Seminar Maschinelles Lernen 3
14.11.08
Begriffe
Muster
Views
14.11.08
CliP - Funktionsweise
14.11.08
Es wird nur nach identischen Mustern gesucht Isomorphe Teilgraphen werden nicht betrachtet
Spart Zeit und ist, nach den Autoren, ausreichend Alle isomorphen Teilgraphen zu finden ist NP vollstndig
14.11.08
Graphen
Pattern werden zu Knoten zusammengefasst Neue Knoten bekommen neue Farbe Bzw. Die enthaltenen Pattern
14.11.08
14.11.08
Umwandlung in Graphen
Klassifizierung von DNS-Sequenzen Makros um das Lsen von Gleichungen zu beschleunigen Finden von hheren Elementen in elektrischen Schaltungen
14.11.08
Graphen
14.11.08
10
Graphen
Makros
14.11.08
Graphen
Elektrische Schaltungen
Hierarchisches Modell Konzepte auf hheren Ebenen sollen gefunden werden Es soll problemlos mglich sein, auf die detailreichen Plne der unteren Ebenen zurckzugreifen
14.11.08
12
CLiP
Bestehen aus Pattern, die hufig gefunden wurden Bilden das Ergebnis des Algorithmus Werden gesucht um die Views zu bilden Und den Graphen zu verkleinern Ergeben einen neuen Knoten im Graph
Pattern
14.11.08
13
CLiP
blicherweise wird dabei die Anzahl der Knoten gegen die Anzahl der neuen Farben abgewogen
14.11.08
CLiP
14.11.08
15
Pattern Modification
14.11.08
16
CliP
14.11.08
17
CliP
14.11.08
18
Ergebnisse - Klassifizierung
14.11.08
19
Ergebnisse - Makros
Lsen von Gleichungen erster Ordnung Vorher 100 Sekunden Nachher 88 Sekunden CPU-Zeit
14.11.08
20
Ergebnisse - Schaltungen
14.11.08
21
Fazit
GBI vereinfacht bestimmte Probleme erheblich Erzeugt in kurzer Zeit sinnvolle Ergebnisse Hat das Potential deutlich optimiert zu werden
Isomorphe Teilgraphen
14.11.08
22
Quellen
Kenichi Yoshida, Hiroshi Motoda, Nitin Indurkhya: Graph-based induction as a unified learning framework. Applied Intelligence 4(3): 297-316 (1994)
14.11.08
23