Розв’язання логічних задач на основі машинного навчання

У статті запропоновано спосіб розв’язання логічних задач‑головоломок на основі машинного навчання. Спосіб розраховано на попередню формалізацію задач у вигляді опису властивостей та відношень між ними. Оскільки кожна властивість має множину можливих значень, розв’язання задачі методами перебору має...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2019
Автори: Шаповалова, Світлана Ігорівна, Бараніченко, Олексій Миколайович
Формат: Стаття
Мова:Ukrainian
Опубліковано: Kamianets-Podilskyi National Ivan Ohiienko University 2019
Онлайн доступ:http://mcm-tech.kpnu.edu.ua/article/view/184523
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Mathematical and computer modelling. Series: Technical sciences

Репозитарії

Mathematical and computer modelling. Series: Technical sciences
Опис
Резюме:У статті запропоновано спосіб розв’язання логічних задач‑головоломок на основі машинного навчання. Спосіб розраховано на попередню формалізацію задач у вигляді опису властивостей та відношень між ними. Оскільки кожна властивість має множину можливих значень, розв’язання задачі методами перебору має комбінаторну складність. При великій кількості властивостей та їх значень час розв’язання стрімко зростає.В останні роки окремим напрямом досліджень з машинного навчання стало розв’язання логічних задач такого типу. Однак існуючі рішення цього напряму мають ряд недоліків, насамперед вони не завжди гарантують коректне розв’язання.У роботі представлено спеціальну мережу зв’язків для навчання розв’язанню логічних задач, а також їх формалізацію для представлення цій мережі. Мережа містить обчислювальні вузли, які відображають відношення між властивостями, та вузли вхідних шарів, які задають значення цих відношень.© С. І. Шаповалова, О. М. Бараніченко, 2019Розв’язання кожної задачі відбувається шляхом автоматичного створення мережі зв’язків з її подальшим навчанням до отримання розв’язку. Приведено геометричну інтерпретацію n‑мірної мережі зв’язків та її (n – 1)-мірних шарів. Наведено формалізацію представлення навчальної вибірки та алгоритм навчання. Представлено механізм розв’язання логічних комбінаторних задач.Наведено приклади задач, які є традиційними тестами в системах логічного програмування та продукційних (експертних) системах, а також задач з ресурсу bAbI таких класів: two supporting facts, two arguments relations, positional reasoning.Експериментально доведено ефективність запропонованого способу.Визначено перспективи подальших досліджень, які по­в’язані зі створенням лексико-синтаксичного аналізатора для автоматичного представлення властивостей, їх значень та відношень між ними.Запропонований спосіб є універсальним і не залежить від характеристик поточної задачі, таких як кількості властивостей та їх значень.