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