人工智能第5章.pptVIP

人工智能基础 第5章 进一步的推理方法 5.1 非单调推理 5.1.1 单调推理与非单调推理 单调推理是指为真的语句的数目随时间而严格增加。新语句的加入、新定理的证明都不会使已有语句或定理变得无效。如谓词逻辑中的推理 非单调推理是相对于经典逻辑的单调性而言的，是指在系统中为真的语句数目并非岁时间而严格增加。新加入语句或定理可能引起原有语句或定理变成无效。如默认推理、常识推理 5.1.2 默认逻辑 默认逻辑是在信息不完全和前提缺省的情况下，默认一些先决条件而进行的推理。 默认逻辑认为，如果一个命题是真的，则必存在一个公理来说明它是真的。如果公理不存在，就假设它是假的。 这种默认被看作是一种规则，用公式可表示为： α（x）：mβ1（x）,…mβm (x) ／w(x) 5.2 非单调推理系统TMS TMS用于协助其他推理程序维持系统的正确性，它的作用是在其他程序所产生的命题之间保持相容性，从而保持知识的一致性。 5.2.1 TMS的依据 TMS认为任何信念都来自于一定的理由，信念决不会独立存在。 5.2.2 TMS中信念的状态 TMS的一个命题P可取两种状态: P处于In状态，若至少有一个当前可接受的理由，则说它是当前信念集中一个成员。 P处于Out状态，若没有当前可接受的理由或不存在理由，则说它不是当前信念集中的一个成员。 P处于In状态时相信为真，P处于Out状态时不相信为真。 TMS认为矛盾应作为一个状态，尽管是暂时，但对处理而言，尚需一定时间，所以专门设有一个矛盾（Contradictor）状态 5.2.3 TMS中信念的表示方法 TMS用节点表示信念，若该节点表示的信念为In状态，称为In节点。 每个节点都有一组论据，即信念的理由。信念的理由称为证实，由一组其他的信念组成。若这组理由每一个均有效，则所说明的信念也有效。 有两种特殊的理由： 在信念间循环论证，这是要消除的。 基本类型的信念，是证实其他信念的基础。 引入两个概念： 前提：被信任，不需要任何理由。 假设：属当前信念集中的一员，但它的理由是依赖于当前信念集之外的信念。 5.2.4 TMS中的证实和推理 在TMS中，理由表示成证实表的形式，只有当证实表有效时才能起到证实的作用。TMS采用两种证实表： 支持表 SL 形式为(SL(Inlist)(Outlist)) 条件证明 CP 形式为（CP结论（In假设）（Out假设）） 支持表与条件证明的区别 支持表的有效性依赖Inlist与Outlist中节点的当前状态;而CP的有效性与IH和OH中节点当前状态无关，因为它只是记录一个逻辑推导，推导本身的成立与CP中节点当前所处状态无关。 5.3Dempster-Shafer(D-S)证据理论 识别框架 在D-S证据理论中，一个样本空间称为一个识别框架，它由一系列对象构成。 设原始集θ={q1，q2，…，qn}为一组可能判别假设的集合，q1，q2，…，qn之间是相互排斥的，且q1，q2，…，qn已列出了全部互斥的判别假设，作如下定义： 2θ={{￠}，{q1 }，…，{qn}，{q1，q2},{q1，q3},…,{q1，qn},…,{qn-1,qn},{q1，q2，q3},…,{q1，q2，qn}} 基本概率分配函数BPA 定义5.1 m(x)以[0,1]区间的一个值来赋予2θ→[0,1] 令m（￠）=0，由于知道总有某一假设集为真，所以可以令∑z∈2vm(z)=1 置信函数 定义5.2 置信函数Bel:θ→[0,1],并且满足：对任何A θ,Bel(A)=∑m(z) 置信函数具有如下性质： （1）对于单元素集合A,Bel(A)=m(A) （2）对于θ，有Bel(θ)=∑z∈2vm(z)=1 （3）Bel（￠）=m(￠)=0 置信区间 定义5.3 对一特定区间A,它的置信程度由置信区间来描述：[Bel(A),p﹡(A)] 证据的组合函数 对D-S证据理论的评价 （1）优点：可用它来表示对肯定程度的肯定，而其他方法是不能表示的。相信某个事实A不等于其余的部分，就是表示不信任A。 （2）D-S证据理论的主要缺点在于它比较复杂，其原因是：它要遍列出识别框架中的一切子集，这是一个很大的空间；它没给出如何求基本概率的分配函数以及如何根据结果作出决策。 5.4 不确定性推理 5.4.1 不确定性 1.数据的不确定性 数据的不确定性主要来源于：随机性；模糊性；不精确性；不完全性。 2.知识表示的不确定性 知识表示的不确定性主要来源于： 许多知识是由专家根据似然或统计或联想而得