Tez No	İndirme	Tez Künye	Durumu
21618		Qualitative system identification / Nitel sistem tanılama Yazar:AHMET CELAL CEM SAY Danışman: PROF. DR. SELAHATTİN KURU Yer Bilgisi: Boğaziçi Üniversitesi / Fen Bilimleri Enstitüsü Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Kalitatif sistem = Qualitative system ; Yapay zeka = Artificial intelligence	Onaylandı Doktora İngilizce 1992 176 s.
NİTEL SİSTEM TANILAMA Yapay Zeka'nın nitel uslamlama alanındaki bu araştırmanın temel katkısı, nitel sistem tanılama algoritması QSI'in geliştirilmesidir. QSI'm girdisi, tanılanacak sistemin nitel davranışlarının bir betimlemesidir. Çıktısı bu davranışları gösteren sistemin Kuipers'in QSIM nitel benzetim algoritmasının biçeminde ve sistemin girdide belirtilmemiş "derin" parametrelerini de içerebilen bir kısıt modelidir. Nitel modellemeye QSI yaklaşımı sistem parametrelerinin "anlamları" hakkında hiç bir varsayım yapmaz ve bilgiye gereksinmez. QSI geniş biçimde tartışılmakta ve örneklenmektedir. Diğer katkılar, bir grup "sahte" QSIM davranışını elemek için yeni bir yöntem ve bir sonradan tahmin algoritmasıdır. Sahte davranışları azaltma konusuna başka yaklaşımların aksine, burada sunulan yöntem girdideki model hakkında kısıtlayıcı varsayımlar gerektirmez. Belli bir tür sahte davranışın saf QSIM'in model kısıtlan için kullanılan karşılık değer takımlarında sadece nokta değerlerin tutulması konusundaki İsrarı nedeniyle ortaya çıktığı saptanmıştır. Sunulan çözüm, verilen işletim örnekleri ve ispatların da gösterdiği gibi, algoritmanın genel karmaşıklığını kötüleştirmeden daha doğru çıktıların oluşmasını sağlar. Sonradan tahmin, değişim yasaları ve şimdiki durum verildiğinde olasıgeçmişleri bulma işidir. Algoritmayı elde etmek için, zamanın "geçişi" ile ilgili değişikliklerin yanısıra, benzetimce üretilen durum ağacını yorumlamanın farklı bir yöntemi getirilmiştir. Tanı uygulamaları için umut vaadeden bu uslamlama türüyle ilgili konular tartışılmıştır.
IV QUALITATIVE SYSTEM IDENTIFICATION The main contribution of this research in the qualitative reasoning area of Artificial Intelligence is the development of the qualitative system identification algorithm QSI. QSI's input is a description of the qualitative behaviors of the system to be identified. Its output is a constraint model (possibly containing "deep" parameters absent in the input) of that system, in the format of Kuipers' qualitative simulation algorithm QSIM. The QSI approach to qualitative modeling makes no assumptions and requires no knowledge about the "meanings" of the system parameters. QSI is discussed in detail. Other contributions are a new method of eliminating a class of spurious QSIM predictions, and an algorithm for postdiction. Unlike other approaches to spurious behavior reduction, the method presented here does not require restricting assumptions about the input model. A particular kind of spurious behavior is shown to be caused by pure QSIM's insistence on assigning only point values to "corresponding value tuples" associated with model constraints. The solution put forward here preserves the overall complexity of the algorithm, while producing fewer incorrect predictions, as shown by the presented reports of the case runs and proofs. Postdiction is the task of finding out the possible pasts of the system underconsideration, given the laws of change and the current state. For obtaining the algorithm, a different scheme of interpreting the tree built by simulation is imposed, as well as the handling of the "flow" of time. Issues of this reasoning task, which is promising for diagnosis applications, are discussed.