Главная » Просмотр файлов » Диссертация

Диссертация (1137435), страница 13

Файл №1137435 Диссертация (Модели, методы и комплексы программ построения зависимостей, основанные на решетках замкнутых множеств) 13 страницаДиссертация (1137435) страница 132019-05-20СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 13)

У AMH есть решение тогда и только тогда, когда у SAT естьрешение.Доказательство.(⇒) Пусть – дополнительная минимальная гипотезаобучающего контекста K± . Для начала заметим, что по Утверждению 1495и Утверждению 15 назначение корректно определено. Поскольку – непустое содержание контекста K+ , из Утверждения 14 и того, что ̸=– отношение контраноминальной шкалы следует, что + = { | ∈} ∪ {¬ | ¬ ∈ }.

Теперь ++ ∩ {1 , 2 , . . . , } = ∅, отсюда длялюбого (1 ≤ ≤ ) найдется некоторый ∈ + такой, что ∈/ + . Поопределению ℐ последнее означает, что литерал принадлежит . Такимобразом ( ) = .(⇐) Пусть – булево назначение переменных и () = . Тогда = . Заметим, что + = { | ∈ } ∪ {¬ | ¬ ∈ }, потомучто ℐ̸= это отношение контраноминальной шкалы и ∩ + = ∅, 1 ≤ ≤ .Предположим, что ∈ ++ для некоторого 1 ≤ ≤ .

Это эквивалентно тому, что + ⊆ + . Следовательно, по определению отношения ℐ , несуществует литерала ∈ такого, что ∈ . Поэтому, дизъюнкция не выполнена, а это противоречит тому, что выполняет КНФ . Такимобразом ++ = и – гипотеза. Поскольку не содержит ни одного { }, оно должно содержать дополнительную минимальную гипотезу(нестрого).2Утверждение 16. MHE не может быть решена за полиномиальное от выхода время, если ̸= .Доказательство. Пусть нашелся полиномиальный от выхода алгоритм , который генерирует все минимальные гипотезы за время(|+ |, | |, |ℐ+ |, |− |, |ℐ− |, ), где – количество минимальных гипотез.По этому алгоритму построим алгоритм ′ , который выполняется первые(|+ |, | |, |ℐ+ |, |− |, |ℐ− |, + 1) шагов алгоритма . Очевидно, если существует более, чем минимальных гипотез, то ′ сделает как минимум96Рис.

4.3. ∙ - максимальные нули, ∘ - минимальные единицы(|+ |, | |, |ℐ+ |, |− |, |ℐ− |, + 1) шагов (и наоборот) – следовательно мыможем решить AMH за полимномиальное время.2Важность этого результата для вычислительных наук определяетсятем, что задача перечисления минимальных гипотез эквивалентна специальной форме задачи дуализации монотонной булевой функции на решетке.Пусть B - полная конечная решетка и - монотонная булева функция на ней. Любая полная конечная решетка изоморфна решетке понятий[54], поэтому без ограничения общности можно считать, что B это решетка понятий B(, , ) для некоторого контекста K(, , ). Тогда для, ⊆ имеет место ⊆ ⇒ ((, ′ )) ≤ ((, ′ )).

Известно, чтолюбая монотонная булева функция на решетке однозначно определяетсясвоими минимальными единицами, т.е. множеством {(, ′ ) | (, ′ ) ∈B, ((, ′ )) = 1, ((, ′ )) = 0 ∀ ⊂ }. Мы можем представить мно-97жество минимальных единиц монотонной булевой функции как множествоминимальных гипотез контекста обучения, заданного контекстами K+ иK− , где K+ = K и объектные содержания контекста K− являются в точности всеми минимальными нулями . Аналогично, контекст обучения K±определяет монотонную булеву функцию на решетке понятий контекста K+ такую, что нули – это максимальные (по включению) объектныесодержания K− (см.

рис. 2). Таким образом, мы получили следующую задачу:Задача 12. Дуализация монотонной булевой функции на решетке (MBDL1)ВХОД: Формальный контекст K и множество нулевых значений булевойфункции на решетке понятий контекста K.ВЫХОД: Множество минимальных единиц .Симметричная этой задаче будетЗадача 13. Дуализация монотонной булевой функции на решетке (MBDL2)ВХОД: Формальный контекст K и множество единичных значений булевойфункции на решетке понятий контекста K.ВЫХОД: Множество максимальных нулей .ПосколькуперечислениеминимальныхгипотезэквивалентноMBDL1, MBDL1 не может быть решена за время полиномиальное отвыхода, если ̸= .

Заметим, что в случае булевой решетки эта задачаполиномиально эквивалентна Монотонной булевой дуализации (MonotoneBoolean Dualism) (см. [49]) и минимальные гипотезы в этом случае могутбыть построены за квазиполиномиальное от выхода время ((log ) ),где – сумма размера входа и длины записи множества минимальных98гипотез.Мы уже писали, что гипотезы контекста обучения K± находятсяво взаимно-однозначном соответствии с объемами контекста K = (− ∪+ , , ℐ+ ∪ ℐ− ), которые не содержат ни одного объекта из − . Более того, минимальные гипотезы соответствуют максимальным объемам и наоборот.

Рассмотрим контексты K′ + = (, + ∪ − , + ∪ − ) и K′ − = (− , + ∪− , =− ), где + = {(, ) | (, ) ∈ + }, − = {(, ) | (, ) ∈ − },⋃︀=− ∈− (, ). Множество содержаний контекста K′ + совпадает с множеством объемов контекста K. Заметим, что контекст K′ + задает решеткуB(K′ + ) , объектные содержания контекста K′ − задают единицы некоторойбулевой функции на решетке B(K′ + ), а максимальные нули этой функции являются максимальными содережаниями контекста K′ + , которые несодержат объектных содержаний контекста K′ − .

Таким образом, задачаMBDL2 эквивалентна задаче MHE.Как мы показали выше, в случае, когда решетка B задана формальным контекстом задача MBDL трудна, поэтому разумно рассмотреть другие способы задания решеток. Второй наиболее известный способ заданиярешетки понятий – задание системы замыканий посредством набора импликаций (базисом импликаций).

В работе [62] показано, что невозможнонайти все максимальные (по включению) супремум-неразложимые элементы за полиномиальное от выхода время, если ̸= , когда система замыканий задана базисом импликаций. Если рассмотреть задачу дуализации столько одним отрицательным примером – , то мы получимУтверждение 17. В случае, когда решетка B задана базисом импликаций,MBDL2 не может быть решена за полиномиальное от выхода время, если99 ̸= .Отметим, что, если немного изменить сведение из [62], то мы получим:Утверждение 18.

В случае, когда решетка B задана базисом импликаций,MBDL1 не может быть решена за полиномиальное от выхода время, если ̸= .4.3.Распределенное обучение гипотезамЧасто бывает ситуация, когда ДСМ-гипотез слишком много (дажеминимальных), что затрудняет обучение гипотезам и последующую классификацию. Пусть есть несколько обучающих контекстов с одинаковыммножеством признаков: K1± , . . . , K± . В качестве гипотез будем использовать только те гипотезы, которые являются гипотезами в каждом из контекстов.

Формально:SharedHypotheses(K± 1 , K± 2 , . . . , K± )1 C ← AllIntents(GetClosure(·), K+ 1 , K+ 2 , . . . , K+ )2 H ← { | ∈ C , * ∀ ∈ K− 1 ∪ K− 2 ∪ . . . ∪ K− }3 Minimize(H )4 return HГде – оператор замыкания общих содержаний, а – любой алгоритм АФП поиска всех замкнутых множеств, использующий оператор замыканий (например Next Closure)Условиями применения данной модели обучения могут служить следующие ситуации:1001. Несколько исследовательских групп проводят один и тот же эксперимент.2. Несколько наборов данных с одинаковым набором признаков описывают одну и ту же задачу, но объекты отличаются по своей природе.3. Общих содержаний намного меньше, чем содержаний в каждом изположительных контекстов.Ниже приводятся результаты экспериментов по классификации токсичности химических соединений ДСМ-методом с использованием общихгипотез.

Входные данные для тестирования были взяты из материаловPredictive Toxicology Challenge и получены следующим образом:1. Обучающая выборка представляет несколько сотен химических соединений с указанием токсичности или нетоксичности каждого соединения.2. Химические соединения представлены соответствующими молекулярными графами (графами с метками вершин и ребер).3. Строятся все частые замкнутые подграфы молекулярных графов (споддержкой не ниже заданной).4.

Строятся положительный и отрицательный контексты, признакамикоторых являются частые замкнутые подграфы, а объекты - химические соединения.Всего было 4 базы данных по токсичности химических соединений({мыши, крысы} × {самки, самцы}).101support Err. Err. Mis. Mis. #Hyp. #Hyp.304,610,0 65,9 54,61324,02012,7 12,1 35,6 45,852134,01014,6 10,5 18,3 45,4104270,0516,0 10,4 15,1 45,8151389,75∙ Err. – процент ошибочной классификации при использовании общих гипотез∙ Err.

– процент ошибочной классификации при использовании классических гипотез∙ Mis. – процент неклассифицируемых объектов при использовании общих гипотез∙ Mis. - процент неклассифицируемых объектов при использовании классических гипотез∙ #Hyp. – количество минимальных общих гипотез∙ #Hyp. – среднее количество минимальных классических гипотез по 4 базам данных.Таблица 4.1.

Результаты классификации токсичности молекул.4.4.Устойчивость понятий и гипотезПодходы анализа данных использующие решетки понятий для кла-стеризации и инженерии онтологий часто встречают проблему слишкомбольшого количества понятий формального контекста. Было предложенонесколько индексов для измерения устойчивости понятий, таких как понятийная устойчивость [68, 75, 77], вероятность и разделение [66]. Индексыустойчивости использовалась во многих приложениях для выбора понятийкак бикластеров похожих объектов, например, в планировании медицинского лечения [58] или в группировании французских глаголов [45]. В [66]102авторы сравнили фильтрацию, основанную на различных индексах и их линейных комбинациях для восстановления данных. Линейные комбинациииндексов, которые показали наилучшие результаты в компьютерных экспериментах фильтрации понятий, использовали устойчивость с большимикоэффициентами.

Тем не менее, потенциальное ограничение, примененияустойчивости для больших данных это сложность ее вычисления (в [68, 75]было показано, что эта задача #P-полна). С.А. Объедков предложил [85]алгоритм для вычисления индекса устойчивости всех формальных понятий, используя решетку понятий.

Этот алгоритм был достаточно хорош впрактических применениях, но в худшем случае его сложность квадратична относительно размера решетки(которая сама может быть экспоненциальной относительно размера контекста). В этом разделе мы рассмотримзадачу приближенного подсчета устойчивости.Понятие устойчивости формального понятия впервые было былопредставлено в [68, 75] и используется в настоящее время, в слегка измененной форме из [77, 85].Определение 6. Пусть K = (, , ) – формальный контекст и (, ) –формальное понятие контекста K. Индекс (интенсиональной) устойчиво­сти (, ), или (), определяется следующим образом: (, ) =| ⊆ | ′ = |2||Индекс экстенсиональной устойчивость определяется двойственным образом: (, ) = () =|⊆| ′′ =|.2||водит к неправильному пониманию, индексыОбычно, когда это не прииопускаются.Числитель индекса интенсиональной устойчивости (, ) = | ⊆103 | ′ = | равняется количеству генераторов формального понятия(, ), таким образом∑︁2|| =(, )(,)≤(,)и(, ) =∑︁2|| ((, ), (, )),(,)≤(,)где (, ) – это функция Мёбиуса решетки понятий.

Характеристики

Список файлов диссертации

Модели, методы и комплексы программ построения зависимостей, основанные на решетках замкнутых множеств
Свежие статьи
Популярно сейчас
А знаете ли Вы, что из года в год задания практически не меняются? Математика, преподаваемая в учебных заведениях, никак не менялась минимум 30 лет. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6418
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее