Динамический ДСМ-метод. 
Вариант динамического метода автоматического порождения гипотез для обучения мобильного робота

Существующие ДСМ-системы работают с заранее заданным набором примеров. Примеры могут добавляться экспертом, если оказывается, что их недостаточно, но в этом случае каждый раз происходит перезапуск системы. Для робота такой вариант неприемлем из-за большой вычислительной сложности.

В работе [Добрынин, 2006a] была предложена модель динамического ДСМ-метода, в котором примеры могут добавляться в процессе функционирования системы. «В отличие от классического ДСМ-метода, который работает с замкнутым множеством исходных примеров и заранее определенными их свойствами, динамический ДСМ-метод позволяет работать в открытой среде с неизвестным заранее количеством примеров».

Такая особенность динамического ДСМ-метода накладывает определённые требования на алгоритм поиска пересечений. Очевидно, что он должен быть пошаговым, а не пакетным множество пересечений не должно полностью пересчитываться каждый раз. Исходя из этого, в данной работе был выбран алгоритм Норриса с некоторыми модификациями [Kuznetsov et al., 2002]. Ключевой проблемой метода Норриса является определение каноничности порождения пересечения: пересечение объектов называется каноничным, если оно порождается из родителей в порядке возрастания их номеров. Это необходимо для того, чтобы не порождать одно и то же пересечение многократно.

Самым же существенным отличием динамического ДСМ-метода от классического является отсутствие критерия завершения. В классическом ДСМ-методе им является достижение насыщения невозможность породить новые гипотезы. В динамическом варианте база фактов постоянно расширяется, и требуется сформулировать другое условие. Им может стать абдукция — познавательная процедура ДСМ-метода.