Előre lánc vs hátra lánc - A 9 legfontosabb különbség a tanuláshoz

Tartalomjegyzék:

Anonim

Különbség a hátralánc és a hátralánc között

A mesterséges intelligencia területén két fontos stratégia van a továbblánc és a hátralánc. Eredete az AI Expert System Domain-je. Az AI egyik legszembetűnőbb kutatási területét, a Expert System-t vezették be az emberi szakértők döntési képességének követésére. Három komponensből áll:

  • Tudásbázis: Tartomány-specifikus és magas színvonalú tudás tárolása.
  • Bevezető motor: A döntés meghozatalához használja a Tudásbázis tudását.
  • Felhasználói felület: Interakciót biztosít az ES felhasználója és a szakértői rendszer között.

Az előremenő és hátraláncolás az a stratégia, amelyet a következtetési motor használ a levonásokhoz.

Előzetes láncolás: A következtetési motor előzetes láncolása révén átvizsgálja az összes tényt, feltételeket és következtetéseket, mielőtt az eredményt levonná, azaz egy szabálykészlettel kezdődik a műveleti lánc végrehajtására a végső döntés befejezéséhez. Ez a stratégia arra a következtetésre jut, hogy a tudásbázisból származó tudást manipulálja.

Ezt a stratégiát arra használják, hogy megválaszolja a „MI TOVÁBBI KÖVETKEZŐEN” kérdést.

Tulajdonságok:

  • Mivel fentről lefelé mozog, felülről lefelé történő megközelítésnek hívják.
  • Végkövetkeztetést von le az adatokból levonásokkal és az eredeti állapotból a célállapotba lépésével.

Hátralánc: Ebben a következtetési rendszer ismeri a végső döntést, megpróbálja kitalálni a feltételeket, amelyek a döntéshez vezettek. Leginkább a probléma okának felkutatására használják.

Ezt a stratégiát arra használják, hogy megválaszolja a „MIÉRT Ez a helyzet?” Kérdést.

Tulajdonságok:

  • Ebben a célokat részcélokra bontják, hogy tényt bizonyítsanak.
  • Ez egy célközpontú megközelítés
  • A bizonyításhoz a mély-első stratégiát alkalmazta.

Összehasonlítás a fejlövés és a hátralánc között (Infographics)

Az alábbiakban látható a 9 legnépszerűbb összehasonlítás a hátralánc és a hátralánc között :

Főbb különbségek az előremenő lánc és a hátralánc között

Beszéljünk néhány, a Forward Lánc és a Háttér Lánc közötti főbb különbségről:

  • Az előzetes láncolással arra a következtetésre lehet jutni, hogy a tényeket figyelembe vesszük, és továbbhaladunk a következtetési szabály alkalmazásával, hogy több adatot szerezzünk, mindaddig, amíg el nem éri a célt, míg a hátsó láncolás során a célt megteszik, és a következtetési szabály alkalmazásával visszalépünk. annak meghatározása, amely a cél oka lehet.
  • Az előzetes láncolás a szélesség első stratégiát használja a következtetés levezetésére, míg a hátralánc az első mélység stratégiát használja a tények megismerésére.
  • A tények begyűjtése és az eredmény levonása miatt az előzetes láncolást alulról felfelé irányuló megközelítésnek nevezik, míg a hátraláncot felülről lefelé irányuló megközelítésnek is nevezik.
  • Az előremenő láncolással a cél az adatokból származik, ezért adatvezérelt következtetési technikának nevezzük, míg a hátraláncolást az adatoknak a célból történő megszerzésére használjuk, és cél-vezérelt következtetési technikáknak nevezzük.
  • Az előző láncolás megvizsgálja a cél elérésének minden lehetséges módját, míg a hátralánc elkerüli a felesleges ösvényeket.
  • Mivel a Forward Chaining ellenőrzi az összes szabályt, ez lassú, míg a hátralánc gyors, mivel csak a szükséges szabályokat ellenőrzi.
  • Az előrehozott láncolat felhasználható a részvénypiacon a rendelkezésre álló adatok felhasználásával a részvények árának felderítésére, míg a hátrányos láncolás felhasználható egy olyan ok okának megismerésére, mint a rák.
  • Az előremenő láncolást olyan feladatokban használják, mint a tervezés, a megfigyelés, az értelmezés és a vezérlés alkalmazása, míg a hátraláncot a hibakeresési és diagnosztikai feladatokban.
  • Most már valószínűleg tisztában van a következtetési rendszer e két stratégiájával, és hogy ezek hogyan kapcsolódnak a szakértői rendszerhez. Nézze meg az alábbi ábrát, hogy megértse kapcsolatát:

  • A Szakértő és a Tudásbázis-mérnök létrehozza a Szakértői Rendszer Tudásbázisát, amelyet azután a következtetési rendszer stratégiái használnak az eredmény kiszámításához az előzetes láncolás esetén a tudásbázisban rendelkezésre álló tények és szabályok felhasználásával, vagy a cél okának megszerzésével a felhasználótól a célhoz való hozzájárulás, valamint a tény és a tudásbázis szabályai.

Előre- és hátralánc-összehasonlító táblázat

Az alábbi táblázat összefoglalja a hátralánc és a hátralánc összehasonlításait:

Előre láncolás Hátraláncolás
Kérdés típusa A Expert System ezt a stratégiát használja arra, hogy válaszoljon: „Mi történhet ezután?” A Expert System ezt a stratégiát használja arra, hogy válaszoljon: „Miért történik ez?”
Megközelítés A Bottom-Up megközelítést követi A fentről lefelé irányuló megközelítést követi
Stratégia típusa Ez a „szélesség első stratégiát” alkalmazza Ez a Mélység első stratégiát alkalmazza
Technika A továbbláncolás adatközpontú technika Ez egy célközpontú technika.
Cél Célja a következtetés megszerzése. Célja a lehetséges tények megismerése
Működési irány Előremenő irány, azaz tényről eredményre megy Visszafelé irányuló irány, azaz eredményből tényekre megy.
Következtetések száma Végtelen számú következtetést vonhat le Végleges számú következtetést von le
Alkalmazás Megfigyelési, tervezési, értelmezési és ellenőrzési alkalmazásokhoz használják. Vényköteles, hibakeresési és diagnosztikai alkalmazásokban használják.
Sebesség Lassú, mivel az összes szabályt be kell tartania Gyors, mivel csak néhány szabályt kell használnia.

Következtetés

Ebben a cikkben különbségeket tapasztaltunk az előremenő láncok és a hátraláncok között, azok fő különbségei között. Remélem, hasznosnak találja ezt a cikket.

Ajánlott cikkek

Ez útmutatóként szolgál az elülső lánc és a hátsó lánc közötti legnagyobb különbséghez. Itt tárgyaljuk a Forward Chaining vs Backward Chaining kulcsfontosságú különbségeket az infographics és az összehasonlító táblázat segítségével is. Lehet, hogy megnézi a következő cikkeket is, ha többet szeretne megtudni -

  1. Mesterséges intelligencia problémái
  2. Mesterséges intelligencia technológia
  3. Pareto diagram a Tableau-ban
  4. Break vs Continue