The proportion 20-60-20 was chosen,

The proportion 20-60-20 was chosen, because it produced better results than 20-20-60, 20-30-50, 20-40-40, or 20-50-30. The number of rules for each category remained at 150 throughout training.
In the exemplar-based generalization procedure (EXM), the system started with an empty rule buffer and created two new rules each time a misidentification was made by the system or when there were no rules which qualified for the auction. Each of the two new rules was created by randomly assigning wild card (p = .5) or non-wild card status to each of the attribute positions of the training item. The non-wild card positions retained the values of the misidentified training item. The category assigned for the new rule was the category of the training item. This procedure is similar to Wilson’s (1985, p. 19) “create operator.” It differs in that it is triggered not only when no rule matches but also when the winning rule identifies the wrong category.
An option for each of these procedures is a feature called “attribute wild card tuning” (AWCT), which dynamically adjusts the wild card probability separately for each attribute. The new probability is computed as the weighted mean frequency of occurrence of a wild card in that position over all existing classifiers, but with each classifier weighted according to its fitness. This increases the chance that less informative attributes will be assigned wild-card status. We employed attribute wild-card tuning in all of the tests that follow, in-cluding the BIN and GRA runs in which there were 64 positions for tuning.
1. Strength-based bidding systems
We examined several variations of the more common methods of bidding and apportioning credit. For all of these methods, an initial strength value (NEWST) was assigned to each new rule, all rules were taxed each time an item was presented, and each rule that qualified for the auction paid a fixed proportion of its current strength for the privilege of attending. Two methods of apportioning credit to bidders were examined: winner-take-all and sharing in proportion to one’s bid. Two methods of bidding were also examined: proportional to strength and proportional to the product of strength and specificity. The algorithms examined in this research were based on the approach described by Wilson (1988). The basic algorithm for the SS approach was:
1. A match set [M] is selected consisting of all classifiers whose conditions are satisfied by the input string.
2. Each classifier in [M] makes a bid equal to its strength (condition STR) or equal to the product of its strength and specificity (condition SS). Specificity is defined as the number of non-wild card attributes.
3. The system makes its decision by selecting the classifier from [M] that has the highest bid and outputs the selected classifier’s category as the system’s decision.
4. A fixed reward value (200% of NEWST) is given to the highest bidder if it advocated the correct category (condition WTA) or is shared among all classifiers in [M] that advo-cated the correct category (condition SHR). Each reward share is proportional to the size of the classifier’s bid. If none of the classifiers in [M] advocate the correct category, no reward is given.
5. Every classifier in [M] has its strength reduced by a fixed proportion of its bid. This proportion was 10% in condition STR and 1.5% in condition SS. These values were selected to maximize performance under each of the two conditions.
6. Each classifier is taxed 1 unit of strength for each item that is presented. If the classifier’s strength drops below 1, the classifier is immediately removed from the rule buffer. In the random and hybrid conditions, the rule is replaced by a newly created classifier that represents the same category.
For each algorithm using these bidding systems, performance was examined under 4 dif-ferent values of NEWST. These values were 1000, 2000, 4000, and 8000. These values determine the length of time a rule can stay in the system without receiving all or part of the reward. If NEWST is initially set at 1000, a rule that receives no reward is discarded after 1000 training items because of taxation. If NEWST is initially set at 8000, the rule will stay in the system much longer before it is discarded for erroneous identifications or inactivity. With the higher settings for NEWST, the system can retain rules of higher specific¬ity that contribute to the system’s performance less frequently.
A simple factorial design was performed to examine the relative effectiveness of reward sharing versus winner-take-all, bidding on the basis of strength versus the product of strength and specificity, and rule creation by random, hybrid, or exemplar methods. In all of the conditions reported in the initial results (Tables 1, 2, 3, and 4), attribute values were represented as integers (INT) and the window size for defining a match was set at 1. The primary dependent measure for these analyses was the number of ite

Kết quả (Việt) 1:

Tỷ lệ 20-60-20 đã được lựa chọn, bởi vì nó sản xuất các kết quả tốt hơn 20-20-60, 20-30-50, 20-40-40, hoặc 20-50-30. Số lượng quy định cho mỗi thể loại vẫn còn 150 trong đào tạo.Trong thủ tục dựa trên khuôn tổng quát (EXM), các hệ thống bắt đầu với một bộ đệm rỗng quy tắc và tạo hai quy tắc mới mỗi lần nhầm một đã được thực hiện bởi hệ thống hoặc khi đã có quy định không đủ điều kiện cho cuộc đấu giá. Mỗi hai quy tắc mới được tạo ra bằng cách gán các thẻ hoang dã một cách ngẫu nhiên (p =.5) hoặc tình trạng thẻ không làm hoang dã để mỗi người trong số các vị trí thuộc tính của khoản mục đào tạo. Các vị trí phòng không-wild card vẫn giữ lại các giá trị của mục tung đào tạo. Các thể loại được gán cho các quy tắc mới là các loại mục đào tạo. Thủ tục này là tương tự như của Wilson (1985, trang 19) "tạo ra điều khiển." Nó khác ở chỗ nó được kích hoạt không chỉ khi không có quy tắc phù hợp mà còn khi xác định các quy tắc chiến thắng các loại sai.Một lựa chọn cho mỗi của các thủ tục này là một tính năng gọi là "thuộc tính thẻ tự nhiên điều chỉnh" (AWCT), mà tự động điều chỉnh các xác suất thẻ hoang dã một cách riêng biệt cho mỗi thuộc tính. Xác suất mới tính như tần suất có ý nghĩa trọng của sự xuất hiện của một thẻ hoang dã ở vị trí đó qua máy phân loại hiện có tất cả, nhưng với mỗi loại trọng theo thể dục của mình. Điều này làm tăng cơ hội ít thông tin thuộc tính sẽ được chỉ định tình trạng thẻ hoang dã. Chúng tôi sử dụng thuộc tính thẻ tự nhiên điều chỉnh trong tất cả các bài kiểm tra thực hiện theo, các BIN và GRA chạy trong đó có là 64 vị trí điều chỉnh cluding.1. sức mạnh dựa trên giá thầu hệ thốngChúng tôi kiểm tra một số biến thể của phương pháp phổ biến hơn đấu thầu và apportioning tín dụng. Cho tất cả các phương pháp, một giá trị ban đầu sức mạnh (NEWST) được gán cho mỗi quy tắc mới, tất cả quy tắc được đánh thuế mỗi khi một mục được trình bày, và mỗi quy tắc đủ điều kiện cho cuộc đấu giá thanh toán một tỷ lệ cố định sức mạnh hiện tại của mình cho các đặc quyền tham dự. Hai phương pháp apportioning tín dụng cho nhà thầu đã được kiểm tra: người chiến thắng-mất-tất cả và chia sẻ theo tỷ lệ một giá thầu. Hai phương pháp đấu thầu cũng đã được kiểm tra: tỉ lệ thuận với sức mạnh và tỉ lệ với các sản phẩm của sức mạnh và đặc trưng. Các thuật toán kiểm tra trong nghiên cứu này dựa trên cách tiếp cận này được mô tả bởi Wilson (1988). Các thuật toán cơ bản cho cách tiếp cận SS là:1. một trận đấu tập [M] được chọn bao gồm tất cả các máy phân loại có điều kiện được hài lòng bởi các chuỗi đầu vào.2. mỗi loại trong [M] làm cho giá thầu bằng sức mạnh của mình (điều kiện STR) hoặc bằng các sản phẩm của sức mạnh và độ đặc hiệu (điều kiện SS). Độ đặc hiệu được định nghĩa là số lượng thẻ không hoang dã thuộc tính.3. Hệ thống làm cho quyết định của mình bằng cách chọn loại từ [M] mà có giá cao nhất và kết quả đầu ra của loại lựa chọn thể loại như quyết định của hệ thống.4. cố định phần thưởng giá trị (200% NEWST) được trao cho người trả giá cao nhất nếu nó ủng hộ các thể loại chính xác (điều kiện WTA) hoặc được chia sẻ giữa tất cả các máy phân loại trong [M] mà advo-cated các thể loại chính xác (điều kiện SHR). Mỗi phần thưởng là tỷ lệ thuận với kích thước của loại giá thầu. Nếu không có máy phân loại trong [M] ủng hộ các thể loại chính xác, không có phần thưởng được đưa ra.5. mỗi loại trong [M] có sức mạnh của nó giảm một tỷ lệ cố định giá của mình. Tỷ lệ này là 10% trong điều kiện STR và 1,5% trong điều kiện SS. Những giá trị đã được lựa chọn để tối đa hóa hiệu suất dưới mỗi hai điều kiện.6. mỗi loại là đánh thuế 1 đơn vị của sức mạnh cho mỗi mục được trình bày. Nếu sức mạnh loại giảm xuống dưới 1, loại ngay lập tức được loại bỏ khỏi bộ đệm quy tắc. Trong điều kiện ngẫu nhiên và hybrid, các quy tắc được thay thế bằng một loại mới được tạo ra đại diện cho cùng thể loại.Đối với mỗi thuật toán sử dụng các hệ thống đặt giá thầu, hiệu suất đã là kiểm tra giá trị dưới 4 c-ferent của NEWST. Những giá trị này là 1000, 2000, 4000 và 8000. Những giá trị xác định khoảng thời gian quy định có thể ở lại trong hệ thống mà không nhận được tất cả hay một phần của phần thưởng. Nếu NEWST ban đầu được thiết lập tại 1000, một quy tắc mà sẽ nhận được phần thưởng không được bỏ đi sau 1000 huấn luyện mục vì thuế. Nếu NEWST ban đầu được thiết lập tại 8000, các quy tắc sẽ ở lại trong hệ thống lâu trước khi nó được bỏ đi cho giấy tờ chứng sai hoặc không hoạt động. Với cài đặt cao hơn cho NEWST, Hệ thống có thể giữ lại các quy tắc của cao specific¬ity đóng góp vào hiệu suất của hệ thống ít thường xuyên hơn.Một thiết kế giai thừa đơn giản được thực hiện để kiểm tra hiệu quả tương đối của các phần thưởng chia sẻ so với chiến thắng-mất-tất cả, đặt giá thầu trên cơ sở sức mạnh so với các sản phẩm của sức mạnh và đặc trưng, và nguyên tắc sáng tạo bằng cách ngẫu nhiên, lai hoặc phương pháp khuôn. Trong tất cả các điều kiện được báo cáo trong các kết quả ban đầu (bảng 1, 2, 3 và 4), giá trị thuộc tính đã được đại diện như là số nguyên (INT) và kích thước cửa sổ để xác định một trận đấu đã được thiết lập tại 1. Các biện pháp phụ thuộc chủ yếu cho các phân tích là số ite

Kết quả (Việt) 3:

Tỷ lệ 20-60-20 lựa chọn, vì nó nhiều hơn 20-20-60, 20-30-50, 20-40-40 kết quả tốt hơn, hay 20-50-30.Trong toàn bộ tập luyện, mỗi loại luật vẫn giữ trong số 150.Trong quá trình của dựa trên (EXM), bắt đầu với một hệ thống luật đệm trống và tạo ra hai luật mới, mỗi lần là bởi hệ thống hoặc khi không có quy luật, có khả năng bán đấu giá.Mỗi một luật mới được phân phối ngẫu nhiên Wild Card (P =. 5) hoặc trạng thái phi hoang dại, với mỗi tập thuộc tính của dự án đã vào vị trí.Vị trí của Wild card không giữ lại sai lầm của chương trình đào tạo giá trị.Vì theo luật mới quy định của chương trình huấn luyện hạng là hạng.Quá trình này tương tự như Wilson (1985, p. 19) "tạo ra hoạt động này." sự khác biệt là nó gây ra không chỉ là khi không phù hợp khi trúng thưởng quy luật cũng nhận diện sai Hạng.Trong chương trình này mỗi lựa chọn là một loài gọi là "điều chỉnh thuộc tính Wild Card" (năm), qua động thái điều chỉnh riêng biệt cho mỗi thuộc tính xác suất của một thằng điên.Tính toán xác suất mới trọng số của tần số trung bình của một bài tự do xảy ra ở mọi vị trí trong hệ thống phân loại này, nhưng các trọng số theo phân loại của tập thể dục.Nó làm tăng cơ hội, số tài sản sẽ được phân phối thông tin thẻ của trạng thái.Chúng ta sử dụng thuộc tính hoang dại điều chỉnh tất cả các xét nghiệm sau đó, bao gồm mệt và GRA chạy là có 64 vị trí điều chỉnh.1.Theo lời của hệ thống dựa trên cường độ.Chúng tôi đã kiểm tra theo lời so sánh cách thông thường có vài thay đổi tín dụng và phân phối.Tất cả các phương pháp này, ban đầu giá trị cường độ (mới) được phân vào mỗi một luật mới quy định, tất cả đều bị mỗi lần đưa ra một dự án, mọi luật lệ, đủ khả năng trả tiền tỷ lệ tham gia đấu giá cố định cho đặc quyền, và cường độ dòng điện.Tín dụng phân phối của nhà thầu hai phương pháp kiểm tra: thắng ăn hết, một người có giá tỷ lệ chia sẻ.Hai loại phương pháp đấu thầu cũng bị kiểm tra: cường độ tỷ lệ thuận với cường độ và cường độ của các sản phẩm cụ thể và tỉ lệ.Trong nghiên cứu này đều là những thuật toán dựa trên phương pháp được miêu tả bởi Wilson (1988).Thuật toán cơ bản của phương pháp là: thép không gỉ1.Khớp tập [m] đã được lựa chọn bởi tất cả các phân loại, nó thỏa mãn điều kiện là do nhập chuỗi.2.Trong [m] mọi tiến hành trả giá bằng cường độ của nó (điều kiện STR) hoặc bằng sức mạnh của nó và sản phẩm cụ thể (điều kiện SS).Cụ thể được định nghĩa là Phi hoang dại thuộc tính con số.3.Hệ thống này có giá cao nhất bằng cách phân loại phân loại, và đầu ra đã lựa chọn phân loại phân loại như quyết định của hệ thống phân loại.4.Một sửa đổi lại giá trị (200% mới) cho người trả giá cao nhất. Nếu nó đề xướng đúng loại (điều kiện WTA) hay là [m], bênh vực cho đúng giữa phân loại phân loại tất cả chia sẻ (điều kiện của Sha ` ban).Mỗi giải thưởng cổ phiếu tỷ lệ thuận với kích thước phân loại có giá.Nếu không được phân loại trong [m] Chúa đúng loại, không ban thưởng.5.Mỗi một phân loại ở [m] có sức mạnh của nó giảm. Một tỷ lệ cố định, nó có giá.5% và tỷ lệ này cho 1.5% kiện SS STR.Những giá trị được chọn để tối đa hóa thành Performance hai điều kiện.6.Mỗi loại là thuế mỗi một dự án, đã đề nghị một đơn vị mạnh.Nếu mạnh xuống còn 1 thì ngay lập tức từ thường xuyên giáp các đô thị trong bộ nhớ đệm gỡ bỏ.Trong điều kiện ngẫu nhiên và hỗn hợp, thường xuyên được thay thế bằng một mới tạo ra, nên có nghĩa là cùng một hạng.Các thuật toán sử dụng những hệ thống tuyển đấu thầu cho 4 loài khác nhau, thể hiện giá trị theo nghiên cứu mới.Những giá trị riêng biệt cho 100020004000 và 8000.Giá trị này có thể quyết định một luật trong thời gian dài trong hệ thống ở đây, và không nhận tất cả hay phần thưởng.Nếu ban đầu định mới là 1000, một luật lệ, không nhận được phần thưởng 1.000 huấn luyện sau khi bỏ dự án vì thuế.Nếu mới thiết lập ban đầu cho 8000, nên thường xuyên trong hệ thống lâu nó sẽ là sai lầm hay idle xác định bỏ hoang.Mới thiết lập hệ thống cao hơn, có thể giữ cao hơn cụ thể, giúp hệ thống ¬ Performance ít thường xuyên hơn quy định.Một cách đơn giản để thiết kế thừa tiến hành xem xét thưởng. Chia sẻ với người thắng cuộc sẽ lấy hết hiệu lực tương đối mạnh, ở với cường độ và nền tảng sản phẩm cụ thể nhẹ, và sử dụng ngẫu nhiên, hỗn hợp thường xuyên tạo mẫu vật, hoặc phương pháp.Trong tất cả các trường hợp báo cáo kết quả ban đầu (trong bảng 1, 2, 3, 4), giá trị tài sản bị chia cho số nguyên (cái), được dùng để định nghĩa một khớp với kích cỡ của cửa sổ đặt cho% 1.Những phân tích chủ yếu dựa vào là dân sự.