التعلم الآلي القائم على القواعد

يُعدّ التعلّم الآلي القائم على القواعد (RBML) مصطلحًا في علوم الحاسوب يُقصد به أي أسلوب من أساليب التعلّم الآلي التي تُحدّد أو تتعلّم أو تُطوّر "قواعد" لتخزينها أو معالجتها أو تطبيقها. [ 1 ] [ 2 ] [ 3 ] وتتمثّل السمة المميزة لخوارزمية التعلّم الآلي القائمة على القواعد في تحديد واستخدام مجموعة من القواعد العلائقية التي تُمثّل مجتمعةً المعرفة التي يكتسبها النظام.

تشمل أساليب التعلم الآلي القائمة على القواعد استخراج المعرفة ، [ 4 ] وتعلم أنظمة التصنيف ، [ 5 ] وتعلم قواعد الارتباط ، [ 6 ] وأنظمة المناعة الاصطناعية ، [ 7 ] وأي طريقة أخرى تعتمد على مجموعة من القواعد، تغطي كل منها المعرفة السياقية.

على الرغم من أن التعلم الآلي القائم على القواعد يُعدّ مفهومياً نوعاً من الأنظمة القائمة على القواعد، إلا أنه يختلف عن الأنظمة التقليدية القائمة على القواعد ، والتي غالباً ما تُصمّم يدوياً، وعن غيرها من أدوات اتخاذ القرار القائمة على القواعد. ويعود ذلك إلى أن التعلم الآلي القائم على القواعد يطبّق شكلاً من أشكال خوارزميات التعلم، مثل نظرية المجموعات التقريبية [ 8 لتحديد مجموعة الميزات وتقليلها، ولتحديد القواعد المفيدة تلقائياً، بدلاً من أن يحتاج الإنسان إلى تطبيق معرفته المسبقة بالمجال لبناء القواعد يدوياً وتنسيق مجموعة القواعد.

قواعد

تتكون مخرجات التعلم الآلي القائم على القواعد من قواعد القرار، والتي عادةً ما تأخذ شكلتعبير "{IF:THEN}" (مثلاً: { IF 'condition' THEN 'result'}، أو كمثال أكثر تحديداً: {IF 'red' AND 'octagon' THEN 'stop-sign'} ). لا تُعدّ قاعدة القرار الفردية نموذجاً بحد ذاتها، إذ لا تُطبّق القاعدة إلا عند تحقق شرطها. لذلك، تتألف أساليب التعلّم الآلي القائمة على القواعد عادةً من مجموعة من القواعد، أو قاعدة معرفية ، تُشكّل مجتمعةً نموذج التنبؤ المعروف عادةً بخوارزمية القرار. ويمكن تفسير القواعد بطرق مختلفة تبعاً للمعرفة بالمجال، وأنواع البيانات (منفصلة أو متصلة)، وتركيباتها.

سفاح

يُعدّ RIPPER ( التقليم التدريجي المتكرر لإنتاج تقليل الخطأ ) متعلمًا لقواعد الاقتراحات اقترحه ويليام دبليو كوهين كنسخة محسّنة من IREP. [ 9 ]

ر. روزيتا

R.ROSETTA [ 10 ] هو تطبيق لإطار نظرية المجموعات التقريبية [ 11 ] ، يجمع الإحصاءات التوافقية ويقدم النتائج في شكل قواعد تصنيف "إذا-ثم". على سبيل المثال، إذا كان الجين أ مرتفعًا والجين ب منخفضًا، فإن القرار هو السرطان. تُولَّد هذه القواعد من خلال الاستدلال البولياني [ 12 ] ، حيث يتكون جزء "إذا" من عناصر متصلة، تُعرف باسم الواصفات (الأسلاف أو الجانب الأيسر)، بينما يمثل جزء "ثم" القرار (الخلف أو الجانب الأيمن).

انظر أيضاً

مراجع

  1. باسيل، جورج و.؛ غلاب، إنريكو؛ ماركيز، جولييتا؛ هولدسوورث، مايكل ج.؛ باكارديت، جاومي (2011-09-01). "بناء الشبكة الوظيفية في نبات الأرابيدوبسيس باستخدام التعلم الآلي القائم على القواعد على مجموعات بيانات واسعة النطاق" . خلية النبات . 23 (9): 3101-3116 . Bibcode : 2011PlanC..23.3101B . doi : 10.1105 / tpc.111.088153 . ISSN 1532-298X . PMC 3203449. PMID 21896882 .   
  2. م.، فايس، س.؛ ن.، إندورخيا (1995-01-01). "أساليب التعلم الآلي القائمة على القواعد للتنبؤ الوظيفي" . مجلة أبحاث الذكاء الاصطناعي . 3 (1995): 383-403 . arXiv : cs/9512107 . Bibcode : 1995cs.......12107W . doi : 10.1613/jair.199 . S2CID 1588466 . {{cite journal}}: صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  3. "GECCO 2016 | دروس تعليمية" . GECCO 2016. تم الاطلاع عليه بتاريخ 14-10-2016 .
  4. كوموروفسكي، يان؛ أورن، ألكسندر (فبراير 1999). "نمذجة القدرة التنبؤية لاختبارات القلب باستخدام المجموعات التقريبية" . الذكاء الاصطناعي في الطب . 15 (2): 167-191 . doi : 10.1016/s0933-3657(98)00051-7 . ISSN 0933-3657 . PMID 10082180 .  
  5. أوربانوفيتش، رايان جيه؛ مور، جيسون إتش. (22-09-2009). "أنظمة تصنيف التعلم: مقدمة شاملة، ومراجعة، وخارطة طريق" . مجلة التطور الاصطناعي وتطبيقاته . 2009 : 1-25 . doi : 10.1155/2009/736398 . ISSN 1687-6229 . 
  6. Zhang, C. and Zhang, S., 2002. Association rule mining: models and algorithms . Springer-Verlag.
  7. دي كاسترو، لياندرو نونيس، وجوناثان تيميس. أنظمة المناعة الاصطناعية: نهج جديد للذكاء الحسابي . سبرينغر ساينس آند بيزنس ميديا، 2002.
  8. ISBN 978-0-7923-1472-1.
  9. آغا، أرفين (2013). التطبيقات الطبية للذكاء الاصطناعي . دار نشر سي آر سي. رقم ISBN 9781439884331تم الاطلاع عليه بتاريخ 13 أغسطس 2017 .
  10. ^ جاربولوفسكي ، ماتيوس. ديامانتي، كليف؛ سمولينسكا، كارولينا؛ بالتزر، نيكولاس؛ ستول، باتريشيا؛ بورنيلوف، سوزان؛ أورن، ألكسندر؛ فوك، لارس. كوموروفسكي ، يناير (2021-03-06). "R.ROSETTA: إطار تعلم آلي قابل للتفسير" . بي إم سي للمعلوماتية الحيوية . 22 (1): 110. دوى : 10.1186/s12859-021-04049-z . ردمك 1471-2105 . بمك 7937228 . بميد 33676405 .   
  11. باولاك، زدزيسلاف (1982-10-01). "المجموعات التقريبية" . المجلة الدولية لعلوم الحاسوب والمعلومات . 11 (5): 341-356 . doi : 10.1007/BF01001956 . ISSN 1573-7640 . 
  12. براون، فرانك م. (1990). الاستدلال البولياني: منطق المعادلات البوليانية . نيويورك، نيويورك: سبرينغر. ISBN 978-1-4757-2078-5.