Erforschung kombinierter Lernverfahren an praktischen BeispielenDas Hauptaugenmerk in diesem PPP-Projekt (Projektbezogenes
Personenaustausch-Programm) des DAAD liegt auf der
Künstlichen Intelligenz und dort auf der
Kombination verschiedener Lernverfahren (insbesondere des
Inductive Logic Programming, ILP, und der
Genetischen Algorithmen, GA) zur Entwicklung effizienter
Algorithmen, die die Vorteile der einzelnen
Verfahrensgruppen in sich vereinigen, gleichzeitig aber
die Nachteile der Einzelverfahren vermeiden.
An verschiedenen praktischen Beispielen werden die
überragenden Eigenschaften der neu entwickelten Methoden
quantitativ nachgewiesen.Die wesentlichen Ergebnisse des im Jahr 2002
abgeschlossenen Projektes lassen sich wie folgt
zusammenfassen:
Das am Lehrstuhl unter Leitung von Frau Dr. Kókai entwickelte GeLog-System vereinigt induktive Verfahren mit evolutionären Algorithmen. Im Vergleich mit verschiedenen Lernsystemen (FOIL, C4,5 und GEA) lieferte GeLog an fehlererhaltenen Daten die besten Klassifizierungsergebnisse.
Das GEA-System, eine von Zoltán Tóth entwickelte, einfach anwendbare und flexible Bibliothek für evolutionäre Programmierung, wurde um eine grafische Oberfläche (GraphGEA) erweitert, die die Einstellung der Parameter erleichtert und die Ergebnisse des Evolutionsprozesses (Entwicklung der Fitnesswerten, die besten Individuen, usw.) visualisiert. In der Literatur findet man kein vergleichbares System, das eine interaktive oder eine Offline Evolution ermöglicht.
Im Teilprojekt "Structural Image Description with Genetic Programming" (SID-GP) evolvierte Róbert Ványi Strukturen (z.B. Kettenkode oder Lindenmayer-Systeme) mit genetischer Programmierung und erzielte damit die genaueste Beschreibung von binären (schwarz-weiß) Bildern. Wie gut diese Beschreibung ist, wird von einer problemspezifischen Fitnessfunktion bestimmt, die das von der evolvierten Struktur erzeugte Bild mit dem Original vergleicht. Diese Idee wurde noch nie verfolgt.
Die Forschung von Szilvia Zvada zielte auf die Entwicklung von völlig neuen, induktiven Lernverfahren ab, die das Erlernen nicht vollständig angegebener attributierter Grammatiken ermöglichen, denen semantische und eventuell auch syntaktische Regeln fehlen. Im Rahmen des Projektes wurde die neue LAG-Methode (Learning of Attribute Grammars) entwickelt und ein auf LAG basierendes Lernsystem implementiert.
Außerdem wurde im Rahmen des Projektes die Weiterqualifikation des wissenschaftliches Nachwuchses gefördert: Frau Fischer hat an der Universität Szeged einen Kompaktkurs für PhD-Studenten mit dem Titel "Parsing Natural Languages" gehalten. Frau Fischer, Frau Kókai und Frau Zvada haben sich mit Vorlesungen aktiv am Sommerstudium "Informatica Feminale" der Universität Bremen beteiligt. | Projektleitung: Prof. em. Dr. Hans Jürgen Schneider
Beteiligte: apl. Prof. Dr.-Ing. Gabriella Kókai, Dr. Ingrid Fischer, Dr.-Ing. Szilvia Zvada, Zoltán Tóth, Dipl.-Inf. Robert Vanyi
Stichwörter: Maschinelles Lernen, Anwendungsbeispiele
Laufzeit: 1.1.2001 - 31.12.2002
Förderer: Deutscher Akademischer Austauschdienst (DAAD)
Mitwirkende Institutionen: Department of Computer Science,University of Szeged
Kontakt: Kókai, Gabriella
|