Các Kỹ Thuật Lập Luận Dựa Trên Sự Sử Dụng Lại

3.2. Lập luận dựa trên các trường hợp

3.2.1 Sử dụng lại tri thức và kinh nghiệm

Giả sử bạn yêu cầu 1 hệ thống giải quyết một vấn đề mà định danh cho 1 trường hợp trong đó đã từng có tiền lệ giải quyết trước đó.

Nếu hệ thống này giải quyết vấn đề này bằng cách bắt đầu lại từ đầu nó lại bắt đầu giống như nó đã từng giải quyết ở lần đầu tiên, bạn không muốn mô tả một hệ thống như vậy là hệ thống thông minh.

Tương tự, giả sử bạn yêu cầu 1 hệ thống giải quyết một vấn đề mà tương tự như một vấn đề đã giải quyết trước đó.

Bạn sẽ trông mong nó có khả năng tránh được việc phải giải quyết vấn đề lại từ đầu như trường hợp đầu tiên.

Ví dụ về bài toán tìm đường đi được mô tả trong đồ thị với các đỉnh và các cạnh như sơ đồ dưới đây:

Giả sử cần tìm đường đi từ SG đến CG trong khi đường đi từ SG đến SC đã được tìm ra trước đó.

Việc tìm đường từ SG đến CG có thể lấy lại kết quả của vấn đề đã giải quyết trước

đó.

Một ví dụ khác: Ta có 12x12=144.

Vậy 12X13=?

Có thể sử dụng lại kiến thức: (12x12)+12=156.

Vậy làm thế nào chúng ta có thể sử dụng lại tri thức và các kinh nghiệm quá khứ để giải quyết một vấn đề mới. Chúng ta sẽ sử dụng lại, hoặc lắp ghép tri thức và kinh nghiệm quá khứ của chúng ta vào việc giải quyết một vấn đề mới.

3.2.2 Các kỹ thuật lập luận dựa trên sự sử dụng lại

Lập luận dựa trên các trường hợp và quá trình suy luận dựa trên nguồn gốc sự giống nhau [30, 32,33,34].

 Ghi nhớ kinh nghiệm xử lý các vấn đề đã gặp.

 Giải quyết vấn đề bằng sử dụng lại các giải pháp cho các vấn đề tương tự đã gặp ở quá khứ.

Phương pháp tiến hành

 Biểu diễn các kinh nghiệm như các trường hợp

 Lưu trữ các đoạn của các vấn đề tương tự nhau đã được giải quyết như các trường hợp

 Lắp ghép các giải pháp tương tự cho mỗi trường hợp lưu trữ

Ưu điểm

 Tính hiệu quả và năng lực sử dụng

 Hiệu quả của kiến thức sử dụng (các trường hợp được cung cấp dễ dàng cho tương lai)

 Sự đáng tin cậy về mặt nhận thức

Lập luận dựa trên trường hợp

 Lập luận dựa trên trường hợp là một trong những kỹ thuật áp dụng trong trí tuệ nhân tạo thành công nhất trong những năm gần đây.

 Những vấn đề liên tục hoặc thường lệ về mặt địa điểm và những vấn đề

tương tự có những hướng giải quyết tương tự.

 Những vấn đề có đặc trưng lặp đi lặp lại về mặt địa điểm và những vấn đề

tương tự có những hướng giải quyết tương tự.

 Lập luận như một sự ghi nhớ. Thậm chí giải quyết những vấn đề từ sự bắt đầu sử dụng nguyên lý đầu tiên, những giải pháp của các vấn đề tương tự đã được giải quyết trước đó cũng có thể được gọi lại và sử dụng lại.

 Lập luận dựa trên trường hợp có hiệu quả và cần thu thập không nhiều kiến thức. Trong những trường hợp mới phức tạp việc không đủ điều kiện tìm ra

được 1 trường hợp có độ tương tự tốt nhất chấp nhận được, thì những trường hợp này được lắp ghép vào thành những trường hợp mới.

 Một hệ thống sử dụng lập luận dựa trên các trường hợp sẽ phải có một cơ sở dữ liệu về các trường hợp mẫu.

 Một trường hợp mẫu được mô tả một vấn đề mà đã từng được giải quyết trong quá khứ. Thông thường sẽ có 2 phần trong 1 trương hợp mẫu: sự mô tả về vấn đề và sự mô tả về giải pháp đã áp đụng để giải quyết vấn đề.

Xem xét những gì xảy ra khi một vấn đề mới được mô tả trong hệ thống:

Các vấn đề mẫu

Mô tả vấn đề đầu vào

Không gian vấn đề

1 vấn đề mẫu mới

1 giải pháp mới được tạo ra

Không gian giải pháp

Các giải pháp mẫu

Sơ đồ tổng thể về phương pháp lập luận dựa trên trường hợp[34]:

Target Problem

Case-Base

Các khâu trong chu trình lập luận dựa theo các trường hợp:

Lưu trữ (retrieve): từ mô tả của vấn đề mục tiêu được sử dụng để lưu trữ vào cơ sở dữ liệu các trường hợp mẫu.

Duyệt lại (revise): Một giải pháp mới được kiểm tra xem có thành công không. Với 1 chuyên gia là con người thật, việc duyệt lại có thể không cần thiết.

Sử dụng lại (reuse): Các trường hợp mẫu đã được lưu trữ sẽ được sử dụng lại trong tương lai với một giải pháp thích hợp.

Giữ lại (retain): Vấn đề mục tiêu với giải pháp của nó được thêm vào cơ sở dữ liệu các trương hợp mẫu.

Học là một sản phẩm phụ của việc giải quyết vấn đề. Mỗi một trường hợp mới của hệ thống có thể được sử dụng để gia tăng thêm trường hợp kinh nghiệm mà nó đã được sử dụng cho các dãy vấn đề tương tự sau này.

Lập luận dựa trên các trường hợp có thể sử dụng nhiệm vụ phân lớp, ví dụ như xác định có hay không điều trị ung thư là cần thiết cho các trường hợp đã cho trong quá khứ.

Lập luận dựa trên các trường hợp cũng có thể áp dụng để thiết kế nhiệm vụ, ví dụ như việc tối ưu kiểu dáng của các thành phần trong một lò nung.

3.2.3 Hàm đo sự tương tự trong lập luận dựa trên các trường hợp

Hàm đo độ tương tự giữa các trường hợp có thể đơn giản hoặc phức tạp tùy theo từng bài toán thực tế. Hàm này dựa trên không gian khoảng cách được xây dựng từ bản thân việc mô tả các vấn đề trong không gian vấn đề [33].

Một số ví dụ về hàm tương tự [34]:

Target Problem

Case

Type: Location: Bedrooms: Rcpt Rooms: Grounds: Age: Condition:

Bungalow Co.Cork 3

1/3 Acre New Excellent

Type: Location: Bedrooms:

Rcpt Rooms: Grounds:

Age: Condition: Price:

Bungalow Co.Cork 3

1/4 Acre

5 Years Excellent

120,000

Những quan hệ đặc trưng quan trọng được tính trong sự tương tự của các trường hợp.

Những đặc trưng quan trọng như vậy cần được ghi thành các mã và tính thành các trọng số.

Sim(T,C)=w1.Sim(ft ,fc )+…+w .Sim(ft ,fc )

1 1

n n

Trường hợp tương tự

Độ tương tự đặc trưng

Trọng số đặc trưng

Trong đó các trọng số của hàm tương tự có thể lấy giá trị rõ hay mờ tuỳ theo từng bài toán.

T và C là 2 trường hợp đang được tính độ tương tự với nhau.

fti, fci: tương ứng là các đặc tính của trường hợp T và trường hợp C,

Các điều kiện ràng buộc: wi[0,1];

wi=1;

Sim(ft1,fc1) là hàm đo độ tương tự giữa cùng một đặc tính của hai trường hợp, trường hợp mới và trường hợp mẫu. Sim(ft1,fc1) cũng được định nghĩa tùy theo các bài toán thực tế cụ thể.

Sim(ftn,fcn)[0,1];

Sim(T,C)[0,1];

Nếu Sim(T,C)=1 Thì trường hợp T hoàn toàn tương tự như trường hợp C, Nếu Sim(T,C)=0 Thì trường hợp T hoàn toàn khác với trường hợp C,

Nếu 0

tập các Sim(T,C) sẽ được sắp xếp từ cao xuống thấp để quyết định trường hợp nào là tương tự với đối tượng đang xét nhất.

Ví dụ về TH

42%

Target

Retrieved Case

65%

85%

55%

78%

Type: Location: Bedrooms: Rcpt Rms: Grounds: Age: Condition:

Price:

Bungalow Co. Cork 4

1/3 Acre New Excellent

+£10k

Type: Location: Bedrooms: Rcpt Rms: Grounds: Age: Condition:

+£5k

Price:

Bungalow Co. Cork 3

1/4 Acre New Excellent

£225k

£240k

Adaptation

3.2.4 Những hướng ứng dụng của lập luận dựa trên các trường hợp

Phân lớp và dự đoán. Các hệ hỗ trợ quyết định. Thiết kế và lập kế hoạch.

Các vấn đề liên quan đến cá nhân con người.

Chương 4. Một số phương pháp tính toán mềm áp dụng cho việc dự đoán liều lượng thuốc chống đông

4.1. Phương pháp thăm dò sử dụng các luật cơ bản

4.1.1 Hệ thống luật thu thập từ thực tế

a) Ngµy thø nhÊt (ngµy mæ): ch−a dïng thuèc chèng ®«ng.

b) Ngµy thø hai: (24-48 h sau mæ):

a. Nhãm nguy c¬ ®«ng m¸u cao:

ii. TiÒn sö t¾c m¹ch hÖ thèng

iii. Rung nhÜ tr−íc mæ hoÆc míi xuÊt hiÖn sau mæ

iv. NhÜ tr¸i gi·n qu¸ to trong mæ

v. Tû lÖ prothrombin sau mæ > 70% (INR < 1,5).

Uèng 2mg acenocoumaron (1/2 viªn Sintrom4mg) (t−¬ng ®−¬ng 10mg warfarin hay 10mg fluindione (1/2 viªn Previscan20mg) lóc 19-20h tèi.

b. Nhãm nguy c¬ ch¶y m¸u cao:

i. Cßn dÉn l−u ngùc

iii. Tû lÖ prothrombin sau mæ < 30%.

iv. Ng−êi giµ (> 60 tuæi) hoÆc cã bÖnh tim m¹ch phèi hîp).

Uèng 1mg acenocoumaron (1/4 viªn Sintrom4mg) (t−¬ng ®−¬ng 5mg warfarin hay 5mg fluindione (1/4 viªn Previscan20mg) lóc 19-20h tèi.

v. Tiªm calciparin d−íi da

vii. Sau khi rót èng néi khÝ qu¶n th× uèng Sintrom víi liÒu nh− trªn,

®ång thêi duy tr× tiªm calciheparin hoÆc heparin träng l−îng ph©n tö thÊp tiªm d−íi da tõ 3-5 ngµy cho ®Õn khi ®¹t ng−ìng INR cÇn thiÕt.

c) Tõ ngµy uèng thuèc chèng ®«ng thø hai trë ®i:

§iÒu chØnh liÒu thuèc chèng ®«ng ®−êng uèng theo kÕt qu¶ xÐt nghiÖm ®«ng m¸u (INR, tû lÖ prothrombin).

T¨ng liÒu, kiÓm tra l¹i INR

Duy tr× liÒu sau khi INR ®· trong ng−ìng ®iÒu trÞ

INR trong ng−ìng

INR trªn ng−ìng vµ < 5,0

h¹ liÒu (gi¶m 1/2 hoÆc 1/3) hoÆc t¹m dõng mét ngµy vµ uèng víi liÒu thÊp h¬n.

INR > 5,0 vµ < 9,0

Kh«ng ch¶y m¸u ®¸ng kÓ

- T¹m ngõng thuèc chèng ®«ng 1-2 ngµy, kiÓm tra l¹i INR, uèng l¹i víi liÒu thÊp khi INR trong kho¶ng ®iÒu trÞ.

- Khi cã nguy c¬ ch¶y m¸u cao: t¹m dõng thuèc 1 ngµy, uèng 1-2,5 mg vitamin K1.

- NÕu cÇn kh«i phôc nhanh h¬n (ch¼ng h¹n cÇn mæ cÊp) th× uèng 2-4 mg vitamin K1 (INR sÏ gi¶m ®¸ng kÓ sau 24h)

INR > 9,0 vµ < 20

Kh«ng ch¶y m¸u ®¸ng kÓ

Dõng ngay thuèc chèng ®«ng, uèng 3-5mg vitamin K1 KiÓm tra l¹i INR sau 24-48h, lÆp l¹i nÕu cÇn,

Uèng l¹i víi liÒu thÊp khi INR trong ng−ìng ®iÒu trÞ.

INR > 20,

KÌm ch¶y m¸u nÆng

Dõng ngay thuèc chèng ®«ng, truyÒn tÜnh m¹ch chËm 10 mg vitamin K1

NÕu cÇn, truyÒn huyÕt t−¬ng t−¬i, tđa prothrombin tuú tr−êng hîp, cã thÓ lÆp l¹i 12h/lÇn.