KI Artificial Intelligence Group - Dept. of Computer Science - TU Berlin
[ KI Home | Members | Publications | Research | Courses | Events | Support ]

Moderne Methoden des Maschinellen Lernens II

Studentisches Projekt im SS 98


Veranstalter


Organisation


Themen

Thema des Projekts ist die Kombination von Ansätzen der induktiven Programmsynthese, des Problemlösens und maschinellen Lernens im Hinblick auf die Entwicklung von Methoden der wissensbasierten Softwareentwicklung und des Fertigkeitserwerbs. Kognitionswissenschaftliche Ansätze werden einbezogen.

Dieses Semester bieten wir Themen aus folgenden vier Bereichen an:

Die ersten drei Themen sind unserer laufenden Forschung zum Thema "Induktion rekursiver Programmschemata" (siehe ECML-98 Papier, unten) zuzuordnen. Mit diesem Thema verfolgen wir drei Anliegen: (1) die Erweiterung der Mächtigkeit von Systemen der induktiven Programmsynthese durch Kombination mit Planungsverfahten und Methoden des analogen/fallbasierten Schließens, (2) einen Beitrag zur Entwicklung von Werkzeugen für die wissensbasierte Softwareentwicklung (und Lernsysteme) zu liefern, und (3) Anregungen für die Modellierung des menschlichen Fertigkeitserwerbs zu geben.

Unser Rahmenmodell (zum Teil implementiert in IPAL, siehe unten) besteht aus drei Komponenten: (1) einer Planungskomponente, bei der für Eingabebeispiele die (kürzesten) Operatorfolgen zu einem Zielzustand gefunden werden, die dann zu einem "Anfangsprogramm" kombiniert werden. Dies beschreibt die Erfahrungen, die ein Programmierer bei der Handsimulation macht. Das Ergebnis ist ein "Vorwärtsprogramm" ohne Schleifen (Rekursion); (2) einer Induktionskomponente, bei der ein Anfangsprogramm zu einem rekursiven Programm generalisiert wird. Dies beschreibt den induktiven Prozeß, den ein Programmierer bei der Erstellung einer neuen rekursiven Funktion vollzieht; und (3) einer Komponente zum analogen Schließen, bei der versucht wird ein Anfangsprogramm unter Umgehung der Induktion durch Adaptation eines bereits vorhandenen Programmschemas zu einer rekursiven Funktion zu falten. Bereits inferierte Programme werden als Schemata in einem Gedächtnis gespeichert und können zusätzlich als Erweiterung der Menge der built-in Funktionen aufgefaßt werden.

Das vierte Thema hat Bezug zum DFG-Schwerpunktprogramm "Raumkognition", in dem wir mit einem Projekt beteiligt sind. Das Navigieren in Labyrinthen kann als Spezialfall des Problemlösens betrachtet werden. Uns interessiert, wie beim Navigieren in einem Labyrinth Wissen über Routen erworben wird (vgl. Kennenlernen einer neuen Stadt) und wie dieses Wissen dazu verwendet werden kann, Überblickswissen aufzubauen (vgl. Stadtplan: Kenntnis von Abkürzungen, Verbindungen zwischen Routen). Als Grundalgorithmus für die Exploration des Labyrinths soll Tiefensuche mit Backtracking verwendet werden.

Weitere Informationen:


Nützliche Informationen

(to be continued...)


(schmid, 23/2/98)