Psychologie Lexikon der Argumente

Home Screenshot Tabelle Begriffe

 
Hypothesen: Hypothesen sind Annahmen, die vor dem Durchführen von Versuchen aufgestellt werden, um die Ergebnisse dieser Versuche damit zu vergleichen. Hypothesen müssen sich aus einer zumindest rudimentär vorhandenen Theorie speisen, die festlegt, was zum Bereich der involvierten Gegenstände, der verwendeten Begriffe und möglicher Folgen gehört und was nicht dazu gehören kann. Im Verlauf der Theoriebildung gibt es eine wechselseitige Korrektur von Annahmen und Versuchsergebnissen und dem Bestand an Begriffen und Sätzen der Theorie.

_____________
Anmerkung: Die obigen Begriffscharakterisierungen verstehen sich weder als Definitionen noch als erschöpfende Problemdarstellungen. Sie sollen lediglich den Zugang zu den unten angefügten Quellen erleichtern. - Lexikon der Argumente.

 
Autor Begriff Zusammenfassung/Zitate Quellen

KI-Forschung über Hypothesen - Lexikon der Argumente

Norvig I 768
Hypothesen/Beispiele/Lernen/AI-Forschung/Norvig/Russell: [eine Lernregel für Entscheidungen benötigt Beispiele.] Beispiele [werden] durch Attribute beschrieben.
Norvig I 769
Jede Hypothese sagt voraus, dass eine bestimmte Menge von Beispielen - d.h. diejenigen, die ihrer Kandidatendefinition entsprechen - Beispiele für das Zielprädikat ((s), d.h. eine Beschreibung der resultierenden Aktion) sein werden. Dieses Set wird als die Erweiterung des Prädikats bezeichnet. Zwei Hypothesen mit unterschiedlichen Erweiterungen sind daher logisch inkonsistent miteinander, da sie in ihren Vorhersagen für mindestens ein Beispiel nicht übereinstimmen.
Norvig I 770
Ein Beispiel kann falsches und negativ für die Hypothese sein, wenn die Hypothese besagt, dass sie negativ sein sollte, in Wirklichkeit aber positiv ist. Ein Beispiel kann falsch und positiv für die Hypothese sein, wenn die Hypothese besagt, dass sie positiv sein sollte, aber in Wirklichkeit negativ ist.
Momentan beste Suche nach der Hypothese (engl. current-best-hypothesis search): Die Idee hinter der Suche nach der current-best-hypothesis besteht darin, eine einzige Hypothese beizubehalten und sie beim Auftauchen neuer Beispiele anzupassen, um die Konsistenz zu wahren. Der grundlegende Algorithmus wurde von John Stuart Mill (1843)(1) beschrieben und ist möglicherweise sogar schon früher entdeckt worden.
Verallgemeinerung: Die Erweiterung der Hypothese muss verstärkt werden, um [das Beispiel] einzubeziehen.
Norvig I 771
Spezialisierung: Die Erweiterung der Hypothese muss verringert werden, um das Beispiel auszuschließen.
Norvig I 772
Aktuell bester Lernalgorithmus (engl. current-best-learning (CBL) algorithm): (...) Generalisierung und Spezialisierung sind auch logische Beziehungen zwischen Hypothesen. Wenn Hypothese h1 mit Definition C1 eine Verallgemeinerung von Hypothese h2 mit Definition C2 ist, dann müssen wir folgendes haben:

∀x C2(x) ⇒ C1(x).

Um also eine Verallgemeinerung von h2 zu konstruieren, müssen wir einfach eine C1 Definition finden, die logisch durch C2 impliziert wird.
Norvig I 773
Der aktuell beste Lernalgorithmus und seine Varianten wurden in vielen maschinellen Lernsystemen verwendet, angefangen mit dem "arch-learning"-Programm von Patrick Winston (1970)(2).
Probleme/VsCBL-Algorithmus: 1. Es ist sehr teuer, alle vorherigen Beispiele bei jeder Modifikation erneut zu überprüfen. 2. Der Suchprozess kann sehr viel Backtracking erfordern.
Backtracking: entsteht, weil der Ansatz der aktuell besten Hypothese (current-best-hypothesis) eine bestimmte Hypothese als beste Vermutung wählen muss, obwohl er noch nicht über genügend Daten verfügt, um sich der Wahl sicher zu sein. Lösung: Was wir stattdessen tun können, ist, alle und nur die Hypothesen beizubehalten, die mit allen bisherigen Daten konsistent sind. >Vorwissen/AI-Forschung.
Versionsraum-Lernalgorithmus (engl. version space learning algorithm): Unter der Annahme, dass der ursprüngliche Hypothesenraum tatsächlich die richtige Antwort enthält, muss die reduzierte Disjunktion [von Hypothesen] immer noch die richtige Antwort enthalten, da nur falsche Hypothesen entfernt wurden. Die Menge der verbleibenden Hypothesen wird als Versionsraum (engl. version space) bezeichnet, und der Lernalgorithmus (...) wird als Versionsraum-Lernalgorithmus bezeichnet (auch der Algorithmus zur Eliminierung von Kandidaten).
Norvig I 776
Probleme/VsVersionsraum-Lernalgorithmus: a) Wenn die Domäne Rauschen oder unzureichende Attribute für eine exakte Klassifizierung enthält, wird der Versionsraum immer kollabieren.
b) Wenn wir eine unbegrenzte Disjunktion im Hypothesenraum zulassen, wird das S-Set [die spezifischste Grenze] immer eine einzige spezifischste Hypothese enthalten, nämlich die Disjunktion der Beschreibungen der bisher gesehenen positiven Beispiele. In ähnlicher Weise wird das G-Set [allgemeinste Grenze] nur die Negation der Disjunktion der Beschreibungen der negativen Beispiele enthalten. c) Bei einigen Hypothesenräumen kann die Anzahl der Elemente im S-Set oder G-Set exponentiell in der Anzahl der Attribute wachsen, obwohl es effiziente Lernalgorithmen für diese Hypothesenräume gibt.
Rauschen: Für das Problem des Rauschens wurde bisher keine völlig erfolgreiche Lösung gefunden. Das Problem der Disjunktion kann angegangen werden, indem man nur begrenzte Formen der Disjunktion zulässt oder indem man eine Verallgemeinerungshierarchie allgemeinerer Prädikate einführt.
Der reine Versionsraum-Algorithmus wurde zuerst im Meta-DENDRAL-System angewandt, das entworfen wurde, um Regeln für die Vorhersage zu lernen, wie Moleküle in einem Massenspektrometer in Stücke brechen würden (Buchanan und Mitchell, 1978)(3). >Vorwissen/Norvig.


1. Mill, J. S. (1843). A System of Logic, Ratiocinative and Inductive: Being a Connected View of the Principles of Evidence, and Methods of Scientific Investigation. J.W. Parker, London.
2. Winston, P. H. (1970). Learning structural descriptions from examples. Technical report MAC-TR-76,
Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology.
3. Buchanan, B. G.,Mitchell, T.M., Smith, R. G., and Johnson, C. R. (1978). Models of learning systems.
In Encyclopedia of Computer Science and Technology, Vol. 11. Dekker.


_____________
Zeichenerklärung: Römische Ziffern geben die Quelle an, arabische Ziffern die Seitenzahl. Die entsprechenden Titel sind rechts unter Metadaten angegeben. ((s)…): Kommentar des Einsenders. Übersetzungen: Lexikon der Argumente
Der Hinweis [Begriff/Autor], [Autor1]Vs[Autor2] bzw. [Autor]Vs[Begriff] bzw. "Problem:"/"Lösung", "alt:"/"neu:" und "These:" ist eine Hinzufügung des Lexikons der Argumente.
KI-Forschung

Norvig I
Peter Norvig
Stuart J. Russell
Artificial Intelligence: A Modern Approach Upper Saddle River, NJ 2010

Send Link

Autoren A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Z  


Begriffe A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Z