Univerzitet u Novom Univerzitet u Novom SaduSaduFakultet Tehničkih Fakultet Tehničkih NaukaNaukaSaobraćajni odsekSaobraćajni odsek

Znanje, učenje, teorija informacija i Znanje, učenje, teorija informacija i primena genetskog algoritmaprimena genetskog algoritma

Profesor: Student:Profesor: Student:Prof. dr Milorad K. Banjanin Jerković Milana Prof. dr Milorad K. Banjanin Jerković Milana 34413441

ZNANJE JEZNANJE JE......

„ „ obrađenobrađena a

informacijinformacija”a”

Myers (1996)

„informacija kombinovana sa

iskustvom, kontekstom,

interpretacijom i razmišljanjem”, i

“oblik informacije

visoke vrednosti”

Davenport (1997)

„znanje iskustvo ili informacija

koje se može saopštiti ili podeliti”.

Verna Allee (1997)

„ „ akciona akciona informacijainformacija

””

Tiwana (1999)

Pojmovni niz Pojmovni niz PODATAK – INFORMACIJA - ZNANJE -PRIMENJENO PODATAK – INFORMACIJA - ZNANJE -PRIMENJENO ZNANJE - INTELIGENCIJA - MUDROST – KAPACITET ZA ZNANJE - INTELIGENCIJA - MUDROST – KAPACITET ZA DELJENJE ZNANJA DELJENJE ZNANJA U ZAJEDNICAMA ZNANJA omogućavaU ZAJEDNICAMA ZNANJA omogućava objašnjavanje prirode znanja, naročito sa aspekta procesa objašnjavanje prirode znanja, naročito sa aspekta procesa upravljanjem znanjem.upravljanjem znanjem.

Da bi razumeli ovaj pojmovni niz neophodno je uspostaviti vezu Da bi razumeli ovaj pojmovni niz neophodno je uspostaviti vezu između činjenica sa jedne strane i pojedinih aspekata ovog niza sa između činjenica sa jedne strane i pojedinih aspekata ovog niza sa

druge strane.druge strane.

ČINJENICEČINJENICE

( Ričard Džordž 1999, činjenica je „iskaz o svetu kakav on jeste”)( Ričard Džordž 1999, činjenica je „iskaz o svetu kakav on jeste”)

Činjenice pripadaju svima koji ih koriste, ne mogu se lično Činjenice pripadaju svima koji ih koriste, ne mogu se lično posedovati. posedovati. Onog trenutka kada je neko poseduje činjenica Onog trenutka kada je neko poseduje činjenica postaje podatak. Podatak je kodirana činjenica, tako da se podaci postaje podatak. Podatak je kodirana činjenica, tako da se podaci koji predstavljaju činjenice mogu pojedinačno posedovati.koji predstavljaju činjenice mogu pojedinačno posedovati.

ČINJENICEIzvorna saznanja iz

procesa posmatranja, empiriskog

doživljavanja i istraživanja i

teoriskog osmišljavanja

određenih fenomena ili pojava koje su

naučno interesantne.

REALNE (fizičko rastojanje između dva grada utvrđeno merenjem)TEHNIČKE (činjenice o brojevima i matematičkim operacijama)

T-činjeniceNaučne

činjenice oblikovane rečenicama

naučnog jezika teorijskih

konstrukata.

P-činjeniceNaučne

činjenice koje mogu biti

individualne ili pojedinačne. Oblikuju se rečenicama

naučnog jezika.

E-činjeniceNaučne činjenice

oblikovane pomoću rečenica naučnog jezika empirijskih konstrukata

PODACIPODACI

U trenutku kada su činjenice registrovane ili zabeležene određenim U trenutku kada su činjenice registrovane ili zabeležene određenim jezičkim simbolima počinju da egzistiraju podaci. jezičkim simbolima počinju da egzistiraju podaci. Podaci su Podaci su kodovane činjenice. kodovane činjenice.

Podaci mogu biti:Podaci mogu biti: trajni ili perzistentnitrajni ili perzistentni(ako podaci registruju neke prošle događaje, (ako podaci registruju neke prošle događaje,

koji imaju istorijski značaj)koji imaju istorijski značaj) privremeniprivremeni (kada se njihove registrovane vrednosti pojavljuju (kada se njihove registrovane vrednosti pojavljuju

trenutno ili su promenljive u realnosti).trenutno ili su promenljive u realnosti).Za podatke nema značaja ko ih je zabeležio. Ukoliko su podaci Za podatke nema značaja ko ih je zabeležio. Ukoliko su podaci

uneseni u kompjuter, pripadaju onome ko je vlasnik kompjutera, uneseni u kompjuter, pripadaju onome ko je vlasnik kompjutera, jer je on vlasnik i svega onog što je u kompjuteru. jer je on vlasnik i svega onog što je u kompjuteru.

Podaci ne mogu postojati kao predmetPodaci ne mogu postojati kao predmet, pa se tako ne mogu ni , pa se tako ne mogu ni posedovati, osim ako postoje kao trake, flopi diskovi, CD, DVD i posedovati, osim ako postoje kao trake, flopi diskovi, CD, DVD i slično.slično.

Podatak je atributivni iskaz nekog entitetaPodatak je atributivni iskaz nekog entiteta. ‘. ‘'Entitet je svaka realna činjenica ili pojava u fokusu posmatranja 'Entitet je svaka realna činjenica ili pojava u fokusu posmatranja

koju registrujeo našim čulima, emocijama ili konstruišemo u koju registrujeo našim čulima, emocijama ili konstruišemo u procesu razmišljanja''.procesu razmišljanja''.

Resursi podataka informacionih sistema su obično organizovani u :Resursi podataka informacionih sistema su obično organizovani u : baze podataka baze podataka (sadrže obrađene i organizovane podatke)(sadrže obrađene i organizovane podatke) baze znanja baze znanja (sadrže znanje u raznim oblicima, npr. činjenice, (sadrže znanje u raznim oblicima, npr. činjenice,

pravila itd, a koriste ih sistemi za menađžment znanja i ekspertni pravila itd, a koriste ih sistemi za menađžment znanja i ekspertni sistemi.)sistemi.)

PODACIPODACI

Tradicionalni alfanumerički

brojevi i alfabetski znaci

Tekstualni podaci

Rečenice i paragrafi

Slikovni

Ljudski glas iostali zvukovi

Zvučni

Grafički oblici i slike

INFORMACIJEINFORMACIJE

Razlika između podataka i informacija je sledeća. Razlika između podataka i informacija je sledeća. Podaci su sirove Podaci su sirove činjenice ili indikatori posmatranja, najčešće o fizičkim činjenice ili indikatori posmatranja, najčešće o fizičkim fenomenima ili poslovnim transakcijama. fenomenima ili poslovnim transakcijama.

Tačnije, Tačnije, podaci su objektivne mere atributa, dok se informacija podaci su objektivne mere atributa, dok se informacija posmatra u kontekstu protoka i obrade informacijaposmatra u kontekstu protoka i obrade informacija. .

Informacija je bilo koji proizvod informacionog sistema i input Informacija je bilo koji proizvod informacionog sistema i input osobe u komunikacionom sistemu. Obezbediti informaciju je cilj osobe u komunikacionom sistemu. Obezbediti informaciju je cilj najvećeg broja istraživanja. najvećeg broja istraživanja.

Sakupljeni podaci se moraju transformisati u informacije koje će Sakupljeni podaci se moraju transformisati u informacije koje će odgovarati na pitanja istraživača.odgovarati na pitanja istraživača.

Njihova konverzacija je zapravo Njihova konverzacija je zapravo editovanjeeditovanje i i kodiranjekodiranje podataka. podataka.

Sami podaci se opisuju kao niz autputa iz svake operacije, koji Sami podaci se opisuju kao niz autputa iz svake operacije, koji nemaju vrednosno značenje (imaju samo atributivno značenje). nemaju vrednosno značenje (imaju samo atributivno značenje).

Informacije su podaci uređeni u modele koji imaju značenje.Informacije su podaci uređeni u modele koji imaju značenje. Informacija je podatak kome je pridruženo ili dato vrednosno Informacija je podatak kome je pridruženo ili dato vrednosno

značenje.značenje. Informacija je interpetacija podataka i uključuje podatak i Informacija je interpetacija podataka i uključuje podatak i

vrednosno značenje koje dobija njegovom obradom. vrednosno značenje koje dobija njegovom obradom. Informacija je percipirani podatak i predstavlja inkrement Informacija je percipirani podatak i predstavlja inkrement

znanjaznanja

Dimenzije atributa

informacionog kvaliteta

Dimenzija kvaliteta

forme ( jasnoća, celovitost,

tekstualnost i transmitivnost)

Dimenzija vremenskog

kvaliteta (tačnost,

dostupnost, frekventnost, aktualnost)

Dimenzija kvaliteta sadržaja

( preciznost, relevantnost,

konciznost, obim i performanse)

PRIMENJENO ZNANJEPRIMENJENO ZNANJE Primenjeno znanje je vid integracije elemenata mišljenja i Primenjeno znanje je vid integracije elemenata mišljenja i

osećanja koje su prepoznati u datom značenju. osećanja koje su prepoznati u datom značenju.

Podrazumeva individualno kombinovanje ideja, intuicije, iskustva Podrazumeva individualno kombinovanje ideja, intuicije, iskustva veština, procena, kontekst, motivacije i interpretacije. veština, procena, kontekst, motivacije i interpretacije.

Knjige, tehnologije, prakse, kulturna baština i tradicija su Knjige, tehnologije, prakse, kulturna baština i tradicija su transformisani potencijal resursa znanja dostupan svima. transformisani potencijal resursa znanja dostupan svima.

Bitan resurs kojim treba upravljati je organizaciono znanje. Bitan resurs kojim treba upravljati je organizaciono znanje. Upravljanje znanjem ili Upravljanje znanjem ili menadžment znanja menadžment znanja mora se mora se zasnivati na konceptima znanja i akcije, a oni se moraju zasnivati na konceptima znanja i akcije, a oni se moraju zasnivati na konceptu agencija. zasnivati na konceptu agencija.

Menadžment znanja se temelji na radu agencija koji obavljaju sledeće:Menadžment znanja se temelji na radu agencija koji obavljaju sledeće:

STVARAJU I PRIKUPLJAJU ZNANJESTVARAJU I PRIKUPLJAJU ZNANJE(unajmljivanjem eksperata u

odgovarajućim poljima, obučavanje osoblja, uvođenje novih tehnologija itd.)

SKLADIŠTE I ČUVAJU ZNANJESKLADIŠTE I ČUVAJU ZNANJE(''organizaciono učenje'' – očuvanje

znanja unutar agencije kada se jednom stekne)

PRISTUPAJU I KORISTE ZNANJEPRISTUPAJU I KORISTE ZNANJEIdentifikovanje relevantnih delova znanja

u suočavanju sa novim situacijama i izazovima i izgradnja takve strukture da se delovi znanja efikasno koristiti kada je

potrebno.

DISTRIBUIRAJU I ŠIRE ZNANJEDISTRIBUIRAJU I ŠIRE ZNANJEOmogućava da delovi agencija budu sposobni da komuniciraju jedni sa

drugima.

INTELIGENCIJAINTELIGENCIJA Znanje započinje sa informacionom bazom, ali dodavanjem Znanje započinje sa informacionom bazom, ali dodavanjem

inteligencije informaciji dolazi do njenog konvertovanja u znanje. inteligencije informaciji dolazi do njenog konvertovanja u znanje. Kapacitet osobe da upravlja svojim emocijama i interpersonalnim Kapacitet osobe da upravlja svojim emocijama i interpersonalnim odnosima. Emocionalna inteligencijaKreativna inteligencijaRazvoj odnosima. Emocionalna inteligencijaKreativna inteligencijaRazvoj novih, inventivnih koncepata kombinacijom prethodnih ideja. novih, inventivnih koncepata kombinacijom prethodnih ideja. Funkcioniše u uslovima žurbe i haosa. Funkcioniše u uslovima žurbe i haosa.

Inteligencija je više od znanja. Da bi stvorio, odnosno kreirao znanje Inteligencija je više od znanja. Da bi stvorio, odnosno kreirao znanje inteligentnom čoveku, koji je kreator znanja, potrebna je kreativna inteligentnom čoveku, koji je kreator znanja, potrebna je kreativna inteligencija sa tri dimenzije:inteligencija sa tri dimenzije:

Kapacitet osobe da upravlja svojim emocijama i interpersonalnim odnosima.

Emocionalna inteligencija

Kreativna inteligencija

Razvoj novih, inventivnih koncepata kombinacijom prethodnih ideja. Funkcioniše u uslovima žurbe i haosa.

Socijalna inteligencija

Rezultanta kognicije, emocija i motivacije koja utiče na efikasnu interpretaciju znanja i brzo učenje

MUDROSTMUDROST(Sternberg 1990 ''mudrost je kognitivna ekspertiza u oblastima (Sternberg 1990 ''mudrost je kognitivna ekspertiza u oblastima

koje se odnose na značenje i pragmatičnost života'')koje se odnose na značenje i pragmatičnost života'')

Mudrost je Mudrost je duboki interni produkt individualne inteligencije koja je u formi duboki interni produkt individualne inteligencije koja je u formi integrisanog znanja, vrednosti i iskustva već primenjena na najvišem integrisanog znanja, vrednosti i iskustva već primenjena na najvišem

nivou efekata i sa moralnim kvalitetima u komunikacionom ponašnju.nivou efekata i sa moralnim kvalitetima u komunikacionom ponašnju.

MUDROST

raste sa starošćuSposobnost ljudske inteligencije da se prilagodi na pravu

frekvenciju funkcionisanja u datoj

situaciji.

Kombinuje znanja i vrline koja se stiču

iskustvom i rezultanta je

procesa ličnog učenja na

dugotrajnoj osnovi

Prepoznaje se u veštinama rešavanja kritičnih životnih situacija

ZNANJE U INTELIGENTNOJ MREŽIZNANJE U INTELIGENTNOJ MREŽI( Pollany 1996, ( Pollany 1996, '''' Mi znamo više nego što možemo reći'')Mi znamo više nego što možemo reći'')

Znanje je Znanje je individualni resursindividualni resurs koji se koji se ne može osetiti, dodirnuti, ne može osetiti, dodirnuti, čuti, okusiti ili videtičuti, okusiti ili videti. . Znanje je jedini resurs koji se ne Znanje je jedini resurs koji se ne trošitroši. Individualno znanje je fundamentalni resurs pojedinca . Individualno znanje je fundamentalni resurs pojedinca čiji potencijal mu omogućava da inteligentno funkcioniše. čiji potencijal mu omogućava da inteligentno funkcioniše.

ZNANJE JE PROLAZNOvremenski

ograničeno za svoj potencijal primene

IDIOSINIDIOSINKKRAZIJE RAZIJE INDIVIDUALNOG INDIVIDUALNOG

ZNANJAZNANJA

IDIOSINIDIOSINKKRAZIJE RAZIJE INDIVIDUALNOG INDIVIDUALNOG

ZNANJAZNANJA

ZNANJE JE KONTEKSTUALNO

može da bude opasno i neodgovarajuće ukoliko ne

shvatamo razloge, pretpostavke i kontekst na

kojima je zasnovano

ZNANJE JE LIČNOne može se

upravljati znanjem koje je u glavama

pojedinca.

ZNANJE DODAJE

VREDNOSTorganizaciji

samo ukoliko zaposleni dele

međusobno lekcije.

Znanje možemo podeliti na:Znanje možemo podeliti na: ČinjeničnoČinjenično, ako opisuje ono što se eksplicitno zna ili je tako , ako opisuje ono što se eksplicitno zna ili je tako

zadano;zadano; IzvedenoIzvedeno, ako određuje uzročno-posledične veze iz kojih se , ako određuje uzročno-posledične veze iz kojih se

može izvosti novo, činjenično znanje.može izvosti novo, činjenično znanje.Znanje može biti:Znanje može biti: StatičkoStatičko – označava najčešće strukturne i semantičke – označava najčešće strukturne i semantičke

pojmove; zaključivanje prepoznavanjem ili nasleđivanjem. pojmove; zaključivanje prepoznavanjem ili nasleđivanjem. DinamičnoDinamično – odgovara odvijanju procesa, aktivnostima i – odgovara odvijanju procesa, aktivnostima i

funkcijskim odnosima; zaključivanje postaknuto događajem.funkcijskim odnosima; zaključivanje postaknuto događajem.

ZNANJE

IMPLICITNOZNANJE

ono koje je teško opisati ili izraziti

EKSPLICITNO ZNANJE

Ono koje se može lako napisati i kodifikovati,

relativno lako artikulisati i

saopštiti.

Teorija učenja zaključivanjem pretpostavlja da je ''učenje ciljno vođeni proces modifikovanja učenikovog znanja korištenjem učenikovog iskustva''. Ovaj proces je predstavljen prostornim prikazom znanja, odnosno traženjem znanja kroz prostor.

Traženje primenjuje bilo koji oblik zaključivanja: dedukcija, indukcija ili analogija i odnosi se i na odgovarajuće delove učenikovog prethodno prikupljenog znanja.

Teorija učenja zaključivanjem se zasniva na pretpostavci da je u cilju učenja učenik sposoban da izvodi zaključak i da ima memoriju koja pamti prethodno znanje neophodno za izvođenje novih zaključaka i upisuje ''korisne'' rezultate zaključivanja.

Proces učenja je nemoguće ispuniti bez ove dve navedene komponente, odnosno mogućnosti mišljenja i mogućnosti pamćenja i osvežavanja informacija u memoriji.

Ovu rečenicu možemo da predstavimo simboličkom jednačinom:UČENJE = ZAKLJUČIVANJE + PAMĆENJE

Tri osnovne komponente teorije učenja zaključivanjem su ulazna informacija (ulaz), prethodno znanje (PZ) i cilj učenja.

Osnovna ideja teorije učenja zaključivanjem jeste da se proces može označiti pomoću generičkih oblika odlučivanja koji se nazivaju transmutacijama znanja.

Transmutacija znanja uzima ulaz i prethodno znanje kao argumente i stvara novi deo znanja. Može primeniti bilo koju vrstu zaključivanja i predstavlja misleno jednostavne i razumljive jedinice transformacije znanja. Teorija smatra proces učenja traženje znanja kroz prostor koristeći transmutacije znanja kao operatore traženja.

Algoritam se može napisati ovako:Algoritam se može napisati ovako:Zadato:Zadato:

ULAZNO ZNANJE (UZ), ULAZNO ZNANJE (UZ), podrazumeva svaku informaciju podrazumeva svaku informaciju (činjenice, primere itd.) koju učenik prima iz okoline ili (činjenice, primere itd.) koju učenik prima iz okoline ili rezultate prethodnih koraka učenja;rezultate prethodnih koraka učenja;

CILJ (G), CILJ (G), opisuje kriterijume koje treba zadovoljiti izlazno opisuje kriterijume koje treba zadovoljiti izlazno znanje (IZ) kako bi učenje bilo odgovarajuće;znanje (IZ) kako bi učenje bilo odgovarajuće;

PRETHODNO ZNANJE (PZ) PRETHODNO ZNANJE (PZ) predstavlja dio znanja koje je učenik predstavlja dio znanja koje je učenik već posedovao, a koje je primenjivo tokom procesa učenja;već posedovao, a koje je primenjivo tokom procesa učenja;

TRANSMUTACIJE (T), TRANSMUTACIJE (T), su operatori koji vrše promenu znanja u su operatori koji vrše promenu znanja u prostoru znanja.prostoru znanja.

Odrediti:Odrediti: izlazno znanje (IZ) koje zadovoljava cilj (G) primenom izlazno znanje (IZ) koje zadovoljava cilj (G) primenom

transmutacija iz skupa (T) na ulazno znanje (UZ) i prethodno transmutacija iz skupa (T) na ulazno znanje (UZ) i prethodno znanje (PZ).znanje (PZ).

Vrste zaključivanjaVrste zaključivanja Osnovno svojstvo svake transmutacije znanja jeste vrsta Osnovno svojstvo svake transmutacije znanja jeste vrsta

zaključivanja. zaključivanja. Ona obeležava transmutaciju u dimenziji Ona obeležava transmutaciju u dimenziji istinito-pogrešno i tako određuje valjanost znanja koje je istinito-pogrešno i tako određuje valjanost znanja koje je izvedeno pomoću nje. izvedeno pomoću nje.

Svaka vrsta zaključivanja može da proizvede primenjivo znanje Svaka vrsta zaključivanja može da proizvede primenjivo znanje koje je potrebno zapamtiti za buduću primenu. Iz tog razloga koje je potrebno zapamtiti za buduću primenu. Iz tog razloga potpuna teorija učenja mora u sebe uključiti i potpunu teoriju potpuna teorija učenja mora u sebe uključiti i potpunu teoriju zaključivanja, koja uzima u obzir sve moguće vrste zaključivanja, koja uzima u obzir sve moguće vrste zaključivanja. zaključivanja.

Konkluzivna dedukcija

Konkluzivna indukcija

Kontingentna dedukcija

Kontingentna indukcija

DEDUKTIVNO INDUKTIVNO

KONKLUZIVNO

KONTINGENTNO

strogo štiti istinu

strogo štiti laž

slabo štiti istinu

slabo štiti laž

Transmutacija Transmutacija se posmatra kao transformacija koja uzima kao se posmatra kao transformacija koja uzima kao argumente:argumente:

skup iskaza (S), skup iskaza (S), skup entiteta (E) i skup entiteta (E) i prethodno znanje (PZ),prethodno znanje (PZ),

a proizvodi :a proizvodi : novi skup iskaza (S*) i/ilinovi skup iskaza (S*) i/ili novi skup entiteta (E*) i/ili novi skup entiteta (E*) i/ili novo prethodno znanje (PZ*). novo prethodno znanje (PZ*).

Transmutaciju možemo i simbolički da zapišemo:Transmutaciju možemo i simbolički da zapišemo: T: S, E, PZ →S*, E*, PZ*.T: S, E, PZ →S*, E*, PZ*.

Proizvode znanje

Manipulišu znanjem

-predstavljaju oblike Zaključivanja,-menjaju informacijski Sadržaj ulaznog znanja,-izvode se na iskazima koji imaju istinit status

-ulazno znanje posmatraju kao podatke ili objekte kojima treba manipulisati,-uključuju brisanje komponenata znanja u (iz) posmatrane strukture znanja, -fizički prenos ili kopiranje znanja u/iz baza znanja

Model, aksiomi i jednačine procesa opažanjaModel, aksiomi i jednačine procesa opažanja

Na slici je sa R je označen posmatrač koji može biti ljudsko biće ili fizička naprava; S obeležava izvor informacije koje posmatra posmatrač R.

Ako pretpostavimo da je izvor S opisan parom prostora Ω i Ω*, S:= , gde Ω označava prostor simbola tj. sintaksni prostor, dok Ω* označava prostor značenja, tj. semantički prostor.

Prostor Ω sačinjen je od elemenata α, a Ω* se sastoji od elemenata a. Između elemenata prostora Ω i elemenata u prostoru Ω* postoji pridružena veza koju možemo da izrazimo na sledeći način: određeni par nazivamo leksemom, tj. obraćamo mu se kao simbolu i pridruženom značenju.

Sa druge strane element a posmatramo kao objekt u našem stvarnom svetu, a element α kao njegovu sliku. Ovo predstavlja statičnu definiciju.

SLIKASIMBOLIKA

Ω

OBJEKATSEMANTIKA

Ω*

agg 1211*

agga 2221*

α

a

α*

a*

Izvor informacija S

Posmatrač R

Rezultat opažanja

*,

Uvodeći dinamiku u sistem pomoću definicije Uvodeći dinamiku u sistem pomoću definicije procesa procesa opažanja opažanja dobijamo sledeće.dobijamo sledeće.

Ako posmatrač R posmatra neki objekat ili je objekat Ako posmatrač R posmatra neki objekat ili je objekat nadgledan fizičkom napravom i apsolutno opažanje se opisuje nadgledan fizičkom napravom i apsolutno opažanje se opisuje parom . Istovremeno se posmatraju i α i a da bi se parom . Istovremeno se posmatraju i α i a da bi se dobile njihove tačne vrednosti. dobile njihove tačne vrednosti.

Drugim rečima Drugim rečima posmatrač se koristi sa α da bi odredio a i posmatrač se koristi sa α da bi odredio a i obrnuto, koristi se sa a da odredi α, primenom veznih pojava obrnuto, koristi se sa a da odredi α, primenom veznih pojava između α i a.između α i a. Tome dodajemo pretpostavku da postoji Tome dodajemo pretpostavku da postoji potpuna simetrija između uloga posmatrane dve varijable, potpuna simetrija između uloga posmatrane dve varijable, tako da se proces može opisati tako da se proces može opisati rekurzivnom šemom α→a, a→ rekurzivnom šemom α→a, a→ α, α, što znači što znači

simbol se preslikava u značenje, a značenje se preslikava u simbol se preslikava u značenje, a značenje se preslikava u simbol.simbol.

a,

Proces opažanja se zasniva na sledećim aksiomima:Proces opažanja se zasniva na sledećim aksiomima: Glavni zadatak posmatrača R je određivanje tačnih Glavni zadatak posmatrača R je određivanje tačnih

vrednosti α i avrednosti α i a.. Rezultat opažanja može biti veće ili manje Rezultat opažanja može biti veće ili manje približenje tačnosti, pa tako dobijamo dve vrednosti α* i a* približenje tačnosti, pa tako dobijamo dve vrednosti α* i a* posmatranih varijabli, koje su linearna kombinacija α i a:posmatranih varijabli, koje su linearna kombinacija α i a:

(1) (2)(1) (2)

Proces opažanja se obavlja tako da ne razara informaciju niti Proces opažanja se obavlja tako da ne razara informaciju niti stvara novu .stvara novu .

Za poseban slučaj kada je α≡a, tj. kada vezni uticaji deluju Za poseban slučaj kada je α≡a, tj. kada vezni uticaji deluju između α i α samoga, proces opažanja se redukuje na:između α i α samoga, proces opažanja se redukuje na:

α*=G αα*=G α

gde G označava konstantno pojačanje gde G označava konstantno pojačanje Pretpostavka da se informacija ili nesigurnost može meriti Pretpostavka da se informacija ili nesigurnost može meriti

Shannonovom entropijomShannonovom entropijom

agg 1211* agga 2221*

Na osnovu izloženih aksioma možemo da postavimo informacioni Na osnovu izloženih aksioma možemo da postavimo informacioni model procesa opažanja. model procesa opažanja.

Prvo je neophodno odrediti koeficijente . Na osnovu teorije Prvo je neophodno odrediti koeficijente . Na osnovu teorije informacije možemo izraziri entropije svake od posmatranih informacije možemo izraziri entropije svake od posmatranih veličina α i a posebno s H(α) i H(a).veličina α i a posebno s H(α) i H(a).

Takođe se može dobiti i zajednička entropije parova : Takođe se može dobiti i zajednička entropije parova :

H(α*,a*) = H(α, a) +

Ako želimo da aksiom II o očuvanju informacije bude valjan, tada mora da važi da je H(α*, a*)=H(α, a).

Posledica toga jeste da drugi član u prethodnom izrazu bude jednak

nuli, tako da sledi: Prethodnu jednačinu može da zadovolji više Prethodnu jednačinu može da zadovolji više funkcija. Jedan od slučajeva možemo da izaberemo da tražene funkcija. Jedan od slučajeva možemo da izaberemo da tražene koeficijente predstavljaju sledeće četiri funkcije:koeficijente predstavljaju sledeće četiri funkcije:

= cosh ω, = sinh ω, = sinh ω, = cosh ω= cosh ω, = sinh ω, = sinh ω, = cosh ω

ω R ( R je skup realnih brojeva) je parametar kojim podešavamo ω R ( R je skup realnih brojeva) je parametar kojim podešavamo svojstva posmatrača.svojstva posmatrača.

ijg

dadggggldap 21122211,

121122211 gggg

11g 12g 21g 22g

Uvrštavajući koeficijente u jednačine (1) i (1) dobijamo sledeće izraze: α* = α cosh ω + a sinh ω (2) a* = α sinh ω + a cosh ω (3)

Zaključak je sledeći: Ako posmatrač R nadgleda par varijabli koje su iz skupa realnih brojeva, i kao rezultat vidi par , tada postoji ω koje takođe pripada skupu realnih brojeva i zadovoljava jednačine (2) i (3).

Posmatranje nesigurnosti Pretpostavku da je α simbol u fizičkom smislu te reči, a da je a stvarni ili

apstraktni objekat koji pripada skupu realnih brojeva i nema numeričko značenje.

Ukoliko posmatrač direktno opaža količine neizvesnosti sadržane u α i a, kažemo da je posmatrač direktno osetljiv na veličine entropija H(α) i H(a).

Kada primimo reč α i njeno značenje a, očigledno je da se ne mogu brojčano vrednovati.

U smislu teorije informacije brojne vrednosti koje su pridružene α i a, a stvarno se mogu vrednovati su entropije H(α) i H(a).

Prijemnik se koristi mogućim značenjem reči da bi otkrio njenu simboliku i obrnuto na osnovu simbolike primljene reči otkriva njenu semantiku.

Tako je moguće primeniti postupke opisane u prethodnom poglavlju sa brojnim vrednostima odgovarajućih entropija.

ijg

a, **,a

Posmatrane entropije H(α*) i H(a*) možemo smatrati Posmatrane entropije H(α*) i H(a*) možemo smatrati relativnim (α) i (a) i primenom jednačina opažanja dobijamo:relativnim (α) i (a) i primenom jednačina opažanja dobijamo:

(α) = H(α) cosh ω + H(a) sinh ω (α) = H(α) cosh ω + H(a) sinh ω (a) = H(α) sinh ω + H(a) cosh ω(a) = H(α) sinh ω + H(a) cosh ω Iz jednačina se vidi da parametar ω zavisi od posmatranog Iz jednačina se vidi da parametar ω zavisi od posmatranog

para i od posmatrača R, tako da možemo da ga para i od posmatrača R, tako da možemo da ga napišemo i u obliku . napišemo i u obliku . Parametr ω ima značenje faktora Parametr ω ima značenje faktora učenjaučenja: ako je negativno znanje je pogrešno, a ako su : ako je negativno znanje je pogrešno, a ako su vrednosti pozitivne znanje je pravilno. vrednosti pozitivne znanje je pravilno.

Ako parametar imaju vrednost jednake nuli nema prethodnog Ako parametar imaju vrednost jednake nuli nema prethodnog znanja o izvornim informacijama. znanja o izvornim informacijama.

Uzimajući u obzir dva para posmatranja i možemo Uzimajući u obzir dva para posmatranja i možemo da napišemo združene relativne entropije koje pišemo ovako:da napišemo združene relativne entropije koje pišemo ovako:

rH

rH a,

a, b,

sinh),(cosh),(),( baHHH r

Pravila sastavljanja parametara opažanjaPravila sastavljanja parametara opažanja

Ovaj izraz pokazuje da je posmatranje β poslano, a ostvareno αOvaj izraz pokazuje da je posmatranje β poslano, a ostvareno α. . Situacija je identična kao kod izračunavanja verovatnoća Situacija je identična kao kod izračunavanja verovatnoća

zavisnih događaja, tako da se možemo poslužiti odgovarajućim zavisnih događaja, tako da se možemo poslužiti odgovarajućim rezultatima. rezultatima.

Opažanju β odgovaraju parametri i uz zadato α , koje Opažanju β odgovaraju parametri i uz zadato α , koje nazivamo parametre opažanja. nazivamo parametre opažanja.

Vrednost ima svojstva kao i uslovna verovatnoća kaja Vrednost ima svojstva kao i uslovna verovatnoća kaja možemo da primenimo na dva slučaja:možemo da primenimo na dva slučaja:

zadani su i , a tražimo ,zadani su i , a tražimo , poznate vrednosti su i , a tražimo .poznate vrednosti su i , a tražimo .

/

/ /u

)1)(( // uuuuu

/u

u u /uu /u u

Pravila sastavljanja parametara opažanjaPravila sastavljanja parametara opažanja

Ovaj izraz pokazuje da je posmatranje β poslano, a ostvareno Ovaj izraz pokazuje da je posmatranje β poslano, a ostvareno αα. .

Situacija je identična kao kod izračunavanja verovatnoća Situacija je identična kao kod izračunavanja verovatnoća zavisnih događaja, tako da se možemo poslužiti odgovarajućim zavisnih događaja, tako da se možemo poslužiti odgovarajućim rezultatima. rezultatima.

Opažanju β odgovaraju parametri i uz zadato α , Opažanju β odgovaraju parametri i uz zadato α , koje nazivamo parametre opažanja. koje nazivamo parametre opažanja.

Vrednost ima svojstva kao i uslovna verovatnoća kaja Vrednost ima svojstva kao i uslovna verovatnoća kaja možemo da primenimo na dva slučaja:možemo da primenimo na dva slučaja:

zadani su i , a tražimo ,zadani su i , a tražimo , poznate vrednosti su i , a tražimo .poznate vrednosti su i , a tražimo .

u /u u

Uslovna relativna entropijaUslovna relativna entropija

Uslovna relativna entropija je definisana relacijom:

kada posmatrač razmatra poruku za predani on se otvoreno obraća poruci koja je dobijena na osnovu leksema .

Zapravo posmatrač razmatra sintaksno prostor H(b/ αa).

Relativna entropija uz određene uslove može može biti i veća i

manja od uslovne entropije: > i <

Relativni uzajamni sadržaj informacije Relativni uzajamni sadržaj informacije zavisi od vrste posmatranog

procesa posmatranja tako da postoji nekoliko modela relativnog uzajamnog sadržaja informacije

)/()(),( rrr HHH

r r a,

),( rH )/( H ),( rH )/( H

U procesu posmatranja u kome izvor predaje par sintaksa, semantika, a posmatrač razmatra entropije, ukupna količina informacije, odnosno u nastavku nazvana relativni uzajamni sadržaj informacije koju daje , a odnosi se na definisana je sledećim izrazom:

= H( ) - = = H( ) -

Ova definicija se može objasniti na osnovu modela opažanja: Ako pretpostavimo da posmatrač R želi da otkrije simbol ne

razmatrajući kakvo on značenje može imati. Tada je sa entropijom H( ) opisana početna nesigurnost u odnosu

na . Da bi otkrio simbol posmatrač pravi eksperiment . U ovoj fazi procesa opažanja posmatrač se koristi ne samo

parom već i značenjem b koje može imati ako je poznat .

Tada postupak otkrivanja opisujemo relativnom entropijom umesto .

);( rI )/( rH )/()/()( // abHuaHu

a, a,

)/( rH )/( H

Informaciona delotvornost sistema odlučivanja

U prethodnom izlaganju je razmatrano da veliku važnost u postupcima otkrivanja istine informacije ima posmatrač i njegovo znanje o posmatranim pojavama koje je izraženo u procesu učenja parametrom u, ali je malo govoreno o tome kako doći do znanja i kako se njime koristiti.

Rezultat posmatranja dobija se na osnovi procesiranja opažene simbolike i semantike i donošenja određene odluke bez obzira da li je posmatrač čovek ili naprava sa umetnom inteligencijom.

Tako stečeno znanje se primenjuje pri izgradnji algoritama obrade.

Najvažniji je sastavljanje delotvornih algoritama po kojima se sprovodi obrada informacija.

Jedan od najznačajniji problema jeste postupak u kome određene akcije ili rezultati zavise od niza logičkih odlučivanja koja se obavljaju nad skupom informacija na osnovu prethodno stečenog znanja.

Opis znanja na osnovu koga želimo napraviti algoritam obrade obično se daje tablicom odlučivanja, dijagramom toka itd.

Zbog informacione analize delotvornosti algoritma, radi formalizacije takvog opisa prikladniji je prikaz pomoću stabla odlučivanja.

Za realizaciju jednog algoritma moguća su različita rešenja. Za realizaciju jednog algoritma moguća su različita rešenja. Da bi se odredila opšta mera delotvornosti i optimalnosti pored Da bi se odredila opšta mera delotvornosti i optimalnosti pored primenjivanih mera kao što su: primenjivanih mera kao što su: veličinaveličina memorije, prosečna cena memorije, prosečna cena

ili vreme ili vreme izvođenja, potrebno je uvesti novi pojam izvođenja, potrebno je uvesti novi pojam visina granevisina grane.. Visina grane je definisana Visina grane je definisana

brojem čvorovabrojem čvorova koje treba koje treba preći od korena do preći od korena do posmatrane grane.posmatrane grane.

Visina nula se nalazi pre Visina nula se nalazi pre korena stabla odlučivanja, korena stabla odlučivanja, odnosno pre odnosno pre početnog čvora. početnog čvora.

Najveća visina grane Najveća visina grane odgovara visini stabla, odgovara visini stabla, zapravo to je najduži put zapravo to je najduži put od korena do završnog od korena do završnog čvora. čvora.

rs

Da bi smo odredili opštu meru delotvornosti algoritma, potrebno je definisati skup nenegativnih celih brojeva, , i=0,1,...,R takav da je 0= < <... < <, gde označava visinu stabla, tj. R označava broj čvorova odlučivanja na najdužem putu.

Tako da opštu meru delotvornosti definišemo kao:

gde je strogo pozitivna funkcija i izražava željenu meru delotvornosti prema kojoj sprovodimo analizu: veličinu memorije, prosečnu cenu ili srednje vreme izvođenja upoređujući visinu grana i .

Pomoću algoritma obrade celokupni sadržaj informacije skupa informacijskih jedinica koji je bio nepoznat na početku se otkriva nakon određenog broja ispitivanja i jednoznačno im se dodeljuju rezultati. Posmatrajući stablo odlučivanja, neizvesnost je maksimalna na ulazu u stablo , tj. entropija = na visini grane i=0 je maksimalna i jednaka entropiji skupa rezultata.

Sa porastom i, odnosno prolaskom kroz stablo odlučivanja sve više se saznaje o sadržaju skupa informacijskih jedinica tako da se entropija smanjuje do konačne vrednosti nula na i=R.

Tada je skup informacionih jedinica potpuno poznat.

is0s 1Rs RsRs

R

iii ssgG

11 ),(

),( 1 ii ssg

is1is

0H )(H

iH

is

GENETSKI ALGORITMIGENETSKI ALGORITMI

Tradicionalni algoritmi ne mogu da reše sve probleme traženja iz više razloga.

Podaci mogu biti neregularni, odnosno mogu imati previše smetnji, teško je postaviti odgovarajući model za rešenje problema ili rešavanje problema traje predugo.

U takvim slučajevima primenjujemo genetske algoritme (GA). Genetski algoritmi predstavljaju relativno novu vrstu stohastičkih

algoritama traženja. Stohastički algoritmi su oni koji primenjuju verovatnoću kao pomoć

pri traženju rešenja. Genetski algoritmi se osnivaju po analogiji sa biološkim

organizmima gde se postupkom razvojne selekcije tokom određenog broja generacija dobijaju željena svojstva ili prirodnom selekcijom ostaju oni koji imaju najbolja svojstva za preživljavanje.

Genetički algoritmi predstavljaju novi, inovativni, pristup algoritmima traganja. Po definiciji i strukturi su adaptivni.

Preživljavanje najpogodnijih rešenja vodi ka napredovanju traženja, a uz pomoć mutacije genetički algoritam može istražiti potpuno neočekivane puteve rešenja.

Tako dolazimo do rešenja, slično kao u ljudskom ponašanju, koristeći se delom analitikom, delom intuicijom a pomalo i srećom.

Primena genetičkog algoritmaPrimena genetičkog algoritma Rečnik genetičkog algoritmaRečnik genetičkog algoritma

Hromozom Struktura u kojoj je opisan kod koji opisuje kako se biološki

organizam može izgraditi.

Genotip potpun skup hromozoma

Fenotip rezultantni organizam

pojedinačna struktura od koje se sastoji svaki hromozom

Geni

U seksualnoj reprodukciji između dva roditeljska fenotipa se roditeljski hromozomi kombinuju određenim načinom i kao rezultat se dobije dečiji fenotip sa odgovarajućim hromozomom.

Tako deca nasleđuju određena svojstva svakog od roditelja. Ukoliko naslede najbolja svojstva svakog od roditelja, smatra se

da će biti sposobnije za preživljavanje i dalju reprodukciju.

Genetički algoritam je vrlo primenjiv u telekomunikacijama. Primer koji je u nastavku obrađen je raspodela poslova koje treba obraditi na više procesora na osnovi zahteva za uspostavljanjem poziva ili usluge.

Svaki od zahteva za obradu se sastoji od određenog broja elementarnih poslova (ET). Na obavljanje poslova se uvek troši jednako procesorsko vreme . Oblik svakog zahteva određuje da li će se neki od elementarnih poslova odvijati paralelno ili serijski.

U sledećem primeru je primenjen genetski algoritam kako bi U sledećem primeru je primenjen genetski algoritam kako bi ukupan broj ET raspodelili na određen broj procesora. ukupan broj ET raspodelili na određen broj procesora.

Na narednoj slici je prikazano 10 zahteva sledovima brojeva koji Na narednoj slici je prikazano 10 zahteva sledovima brojeva koji označavaju koliko ET se može obaviti paralelno u jednoj fazi označavaju koliko ET se može obaviti paralelno u jednoj fazi obrade. Za prvi zahtev imamo sled 3,4,4,6,6,2. obrade. Za prvi zahtev imamo sled 3,4,4,6,6,2.

t

Prvi broj označava da se u prvoj fazi može obaviti 3 ET Prvi broj označava da se u prvoj fazi može obaviti 3 ET paralelno, drugi da u drugoj 4 ET paralelno itd. paralelno, drugi da u drugoj 4 ET paralelno itd.

Ako postoji dovoljno procesorskog kapaciteta u svakoj fazi za Ako postoji dovoljno procesorskog kapaciteta u svakoj fazi za najmanje 6 faza se može obraditi celi zahtev. najmanje 6 faza se može obraditi celi zahtev.

Situacija se komplikuje ako se istovremeno pojavi više Situacija se komplikuje ako se istovremeno pojavi više zahteva različitih oblika, što je prikazano na slici, gde je zahteva različitih oblika, što je prikazano na slici, gde je ukupan broj ET po intervalu 36,39,34.48,25,10,4. ukupan broj ET po intervalu 36,39,34.48,25,10,4.

Primenom genetskog algoritma ukupan broj ET raspoređujemo Primenom genetskog algoritma ukupan broj ET raspoređujemo na 5 procesora. Tako dobijamo ukupno vreme završetka svih na 5 procesora. Tako dobijamo ukupno vreme završetka svih poslova najmanje. poslova najmanje.

Generisani oblici zahteva:

3,4,4,6,6,2, 2,5,2,7,5,4, 6,4,2,4,6,1, 2,7,2,6, 3,2,1,6, 7,3,5,6,2, 3,46,3, 6,6,4,2, 3,2,5,5, 1,2,3,3,6,3,4,

ET po intervalu: 36,39,34,48,25,10,4suma 196visina 7

GENETSKI ALGORITAM

Raspodela na 5 procesora:

7,8,8,9,5,2,3 8,8,6,10,7,2,1 8,9,8,10,5,2,0 7,7,7,9,4,3,0 6,7,5,10,4,1,0

Vreme završetka: 48

Telekomunikacionim terminima možemo pridružiti sledeća značenja koristeći se opisanom terminologijom genetičkog

algoritma

7 8 8 9 5 2 3

6 7 5 8 4 1 0

Broj ETGENETSKI KOD

Raspodela FENOTIP

FAZEGENI

GENERACIJSKAPOPULACIJA

Procesorska listaHROMOZOM

Osnovni opis genetskog algoritma se može opisati u sledećim koracima:

Stvara se početna generacijska populacija pojedinca (fenotipa) slučajnim postupkom.

Određuje se pogodnost svakog pojedinca u razmatranoj populaciji. Vrši se selekcija roditelja za sledeću generaciju sa verovatnoćom

koja je srazmerna sa njihovom pogodnošću. Spojiti izabrane roditelje tako da se dobijaju potomci koji ulaze u

novu generaciju. Ponavljati korake 2-4 tokom nekoliko generacija.

Početna se populacija stvara tako da se broj ET slučajno raspodeli na procesore.

Za funkciju pogodnosti se uzima takva funkcija koju želimo da optimizujemo u reševanju problema.

Za problem višeprocesorske raspodele mogu se uzeti u razmatranje činioce kao što su propusnost, vreme završetka i procesorsko opterećenje za funkciju pogodnosti.

Genetski operatori Genetski operatori

Stvaranje nove generacije na osnovu postojeće populacije je jedna od funkcija genetskih operatora.

Nova generacija se stvara kombinovanjem ili preuređivanjem delova starih članova populacije.

Kombinovanjem dobrih delova strukture dva člana može se očekivati dobijanje boljih rezultata od prethodnih.

Ako ovu zamisao primenimo na problem višeprocesorske podele da određeni delovi neke podele mogu pripadati optimalnom rešenju. Kombinovanjem nekoliko takvih optimalnih delova dolazimo do optimalne podele.

Da bi ovu zamisao sproveli u delo moramo definisati određene operatore: mutaciju, reprodukciju i ukrštanje.

MutacijaMutacija

Mutacija predstavlja slučajno menjanje vrednosti genetskog koda na odgovarajućim mestima u raspodeli.

Spovodi se tako da se najboljoj raspodeli slučajno odabere faza između prve i najviše, potom uzme procesor sa najvećim opterećenjem i procesor sa najnižim opterećenjem pa se opterećenje podeli ravnomerno između njih..

7 8 8 9 5 2 3

2

8

4

6 7 5 10 4 1 0

7 8 8 9 5 2 3

6

8

4

6 7 5 6 4 1 0

MUTACIJA

FAZA hm FAZA hm

ReprodukcijaReprodukcija

Osnovni genetski operator je reprodukcija. To je proces koji oblikuje novu populaciju tako da se iz stare

populacije izaberu one jedinke koje imaju najveće vrednosti funkcije pogodnosti, jer one imaju najveću šansu da prežive u buduću generaciju.

To znači da dobre raspodele poslova imaju veliku vrednost funkcije pogodnosti i zbog toga moraju biti očuvane u sledećoj generaciji.

UkrštanjeUkrštanjeIz populacije se uzmu dve raspodele A i B od kojih se prave dve nove

raspodele C i D izmenivši delove raspodela A i B sledećim postupkom:

slučajno izaberemo fazu c koja deli procesorske liste na dva dela. leve delove raspodela ostavimo neizmenjene a desne ukrštamo

tako da desni deo raspodele A postaje desni deo raspodele D i obrnuto.

Ovom operacijom možemo da dobijemo raspodele koje su bolje od onih pre ukrštanja.

Sa određenom verovatnoćom ovu operaciju možemo primeniti na celokupnu populaciju.

7 8 8 9 5 2 3

2

8

4

6 7 5 10 4 1 0

9 5 2 3

7 8 8 9 5 2 3

2

8

4

6 7 5 10 4 1 0

Ukrštanje

RASPODELA A

RASPODELA BRASPODELA C

RASPODELA D

FAZA c FAZA c

ULAZRaspored ET po intervalimaZADANO:Broj generacija

GENERISANJE POČETNE POPULACIJE RASPODELA

ZADANO:broj procesora

broj raspodela u populacijiverovatnoća mutacijeverovatnoća ukrštanja

IZRAČUNAVANJEFUNKCIJE

POGODNOSTI

UKRŠTANJEPoboljšanje nove

generacije

REPRODUKCIJANova generacija

MUTACIJAPoboljšanje stare

generacije

Broj ge-neracija < zadanog

REZULTAT:Podela po procesorima

postignuto vreme završetka

DA

NE

Kada se iscrpi zadani broj generacija dobijamo Kada se iscrpi zadani broj generacija dobijamo rezultantnu rezultantnu generacijugeneraciju u kojoj se nalazi najbolja podela koja je do tada u kojoj se nalazi najbolja podela koja je do tada dobijena. dobijena.

Stabilnost funkcije pogodnosti Stabilnost funkcije pogodnosti u odnosu na promene nekih od u odnosu na promene nekih od promenjivih parametara je opšti kriterijum za zaustavljanje promenjivih parametara je opšti kriterijum za zaustavljanje genetičkog algoritma. genetičkog algoritma.

Kada se vrednost funkcije pogodnosti s obzirom na promenu Kada se vrednost funkcije pogodnosti s obzirom na promenu odabranog parametra više ne menja, to znači da smo za date odabranog parametra više ne menja, to znači da smo za date uslove postigli optimum i odvijanje genetičkog algoritma uslove postigli optimum i odvijanje genetičkog algoritma možemo zaustaviti. možemo zaustaviti.

Genetički algoritmi Genetički algoritmi kombinuju razvoj istraživanja. kombinuju razvoj istraživanja. Upravljanje istraživanjem vrše operatori ukrštanja i mutacije, dok Upravljanje istraživanjem vrše operatori ukrštanja i mutacije, dok

razvojem upravlja operator reprodukcije na temelju funkcije razvojem upravlja operator reprodukcije na temelju funkcije podobnosti. podobnosti.

Povećanjem razvoja smanjuje se istraživanje. Povećanjem razvoja smanjuje se istraživanje.