Az alabbi ket dolgozat elerheto a koglist-en:
--------------------------------------------------------------------
Cim: A tanulas bonyolultsaga a ``mindennapi'' neuronhalokban
Olah Beata & Szepesvari Csaba
Absztrakt:
Dolgozatunkban a neuronhalozatok toltesenek komplexitas-elmeleti
kerdeseivel foglalkozunk. A neuronhalozatok, pontosabban a
mesterseges neuronhalozatok idegrendszerunk absztrakt,
erosen leegyszerusitett modelljei.
A dolgozat egy resze Judd ``Neural network design and
the complexity of learning'' c. konyve
alapjan keszult (1990, A Bradford Book, MIT Press, Cambridge,
Massachuttes). Ebben a konyvben Judd bebizonyitott egy tetelt,
mely a neuronhalozatok toltesenek NP-teljesseget mondja ki.
Dolgozatunkban egy szigurobb, de jol kovetheto matematikai
keretbe helyezzuk Judd eredmenyet, kiemelve, hogy Judd
tetele a legrosszabb esetu komplexitasra vonatkozik.
Kideritjuk, hogy Judd tetele milyen halozat- es feladat-csaladokra
vonatkozik. Kovetkezmenykent bebizonyitjuk pl., hogy a
teljesitmeny elvu toltesi feladat is NP-teljes problema.
Kiderul azonban az is, hogy Judd tetele a ``mindennapi
neuronhalozatokra'' nem alkalmazhato, azaz epp
azon neuronhalozatok toltesenek nehezsegerol nem mondd
semmit, melyeket leggyakrabban hasznalnak.
Elsokent bebizonyitjuk, hogy a Judd-fele un. kiterjesztett
feladatokra ezen halok toltese is nehez, NP-teljes.
Viszont kiderul, hogy a problema nehezsege itt mar
a feladatok komplexitasaban rejlik. A ``hagyomanyos'', binaris
feladatok koreben a mindennapi halok toltese megoldhato!
Vegul, meg utoljara visszaterve Judd gondolatmenetehez, megvizsgaljuk
a neuronhalozatok altalanosito kepessegenek problemajat.
----------------------------------------------------------------------
Cim: Fogalom formalas altalanositassal adaptiv autonom rendszerben
Kalmar Zsolt & Szepesvari Csaba & Lorincz Andras
Absztrakt:
Az autonom rendszerek epitesenek celja kornyezetevel allando
interakcioban allo tanulo rendszerek megvalositasa.
A rendszer tanulasa arra iranyul, hogy oroklott szuksegleteit
(celjait) a leheto legnagyobb foku kielegitettsegi szinten tartsa.
Egy autonom rendszer szamara rendkivul fontos, hogy alkalmas
fogalmakat alkosson a kornyezeterol. Megfelelo fogalmak segitsegevel
meg nem latott helyzetekben is kepes lehet celjai elerese erdekeben
cselekedni. Hogy kell egy ``ures lappal'' indulo rendszernek ilyen
fogalmakat alkotnia? Hogyan lehet a megalkotott fogalom-bazist
karbantartani? Mi az egyes fogalmak alkalmazhatosagi kore? Hogyan vann
a fogalmak abrazolva?
A hagyomanyos mesterseges intelligencia paradigman belul mar a fenti
kerdesek jo resze is szokatlan. Az itt ismertetett megkozelites
meglehetosen ujkeleteu. Nezetunk szerint a fogalom alkotast
``gazdasagossagi'' megfontolasok alapjan kell megkozeliteni.
A dolgozatban a fogalom formalas elmeleti alapjait dolgozzuk ki a DC
modellre (Cs.Szepesvari & A.Lorincz: Behavior of an adaptive
self-organizing autonomous agent working with cues and competing
concepts. Adaptive Behavior, 2(2):131--160, 1994). Szamitogepes
szimulaciok segitsegevel bemutatjuk, hogy a kiterjesztett DC modell
kepes fogalmak alkotasara es hasznalatukra. A kialakult fogalmak, a
varakozasoknak megfeleloen, valoban nagyon hasznosnak bizonyultak. A
rendszer ``teljesitmenyet'' tobb mint ketszeresere noveltek, s
emellett az algoritmus memoriaigenye is csokkent. Az algoritmus es
kornyezenek szimulacios szoftvere objektum-orientalt fejlesztoi
eszkozokkel C++-ban keszult.
A dolgozat az ICANN'94 (Int.Conf.on Artificial Neural Networks)
konferencian megjeleno anyag kibovitett valtozata.
---------------------------------------------------------------------
A dolgozatokat a
get preprints kalmar_szepesvari_lorincz.ps
illetve
get preprints olah_szepesvari.ps
utasitasokkal lehet lekerni a listserv(a)cogpsyphy.hu cimrol.
FTP-vel is elerhetok a fenti neveken az ftp.cogpshyphy.hu cimrol
a koglist/preprints konyvtarbol.
A file-ok POSTSCRIPT formatumuak!!!
Mindenfele az anyagokkal kapcsolatos megjegyzest szivesen fogadok
Szepesvari Csaba
Szeged 6720, Aradi vrt. tere 1.
Bolyai Matematikai Intezet, JATE
szepes(a)csilla.inf.jate.u-szeged.hu