„Net Learning“ mokymo etapas. Kreditas: Frontiers Journals Būsenos erdvės sprogimo problema reiškia, kad Petri tinklų (PN) būsenos erdvė auga eksponentiškai didėjant PN dydžiui. Netgi pagrindinė pasiekiamumo problema apskritai yra NP-Hard problema. Įrodyta, kad savavališkų PN pasiekiamumo rinkinio lygiavertiškumo problema yra neišspręsta, išskyrus kai kuriuos PN poklasius. Tai reiškia, kad savavališkų PN pasiekiamumo problemos negalima tiksliai išspręsti. Šiais laikais nėra veiksmingo ir tikslaus algoritmo problemai išspręsti.
Changjun Jiang vadovaujama tyrimų grupė lapkričio 6 d. paskelbė savo naujus tyrimus iš duomenimis pagrįstos perspektyvos. Kompiuterių mokslo ribos.
Įkvėpta mašininio mokymosi, komanda pasiūlė metodą iš duomenimis pagrįstos perspektyvos, būtent „Net Learning“. PN (įvestys) ir atitinkamos užduotys (faktiniai išėjimai) yra įtraukiami kaip mokymo duomenys. Mokymo fazės metu metodas užkoduoja duomenis, kad gautų paslėptą informaciją giliaisiais neuroniniais tinklais, ir toliau nustato atitinkamų užduočių atvaizdavimo funkciją (ty modelį).
Metodas atnaujins giliųjų neuroninių tinklų parametrus naudojant atgalinį sklaidą ir pakoreguos modelį taip, kad atotrūkis tarp numatomos ir faktinės išvesties būtų kuo mažesnis. Numatymo fazėje apmokytas modelis naudojamas nežinomiems duomenims numatyti.
Atsižvelgiant į statinę PN topologiją ir jų unikalų dinaminio veikimo mechanizmą, turi būti sukurti tinkami mokymosi algoritmai, kad būtų galima atlikti kiekybinę PN analizę. Skirtingai nuo tradicinių PN analizės metodų, šiuo metodu gaunamas tikimybinis apytikslis sprendimas, išvengiant būsenos erdvės sprogimo problemos, kuri yra nauja perspektyva, kuri naudoja koreliacinį ryšį mašininio mokymosi srityje kaip apytikslę priežastingumo alternatyvą PN srityje.
„Net Learning“ įnešė naujo gyvybingumo PN sričiai. Daugeliu realių scenarijų kai kurias savybes sunku pagrįsti ir griežtai įrodyti. Remiantis su PN susijusiais duomenimis, „Net Learning“ pateikia mašininio mokymosi perspektyvą problemai išspręsti, o tai skatina PN srities plėtrą.
Daugiau informacijos: Hongda Qi ir kt., Petri tinklo mokymosi perspektyva, Kompiuterių mokslo ribos (2023). DOI: 10.1007/s11704-023-3381-5
Pateikė Frontiers Journals
Citata: nauja Petri tinklo mokymosi perspektyva (2023 m., lapkričio 8 d.), gauta 2023 m. lapkričio 8 d. iš https://techxplore.com/news/2023-11-perspective-petri-net.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
