HUGIN软件培训教程介绍-2012.pdf

HUGIN软件培训教程介绍 2012年 目录 1、人工智能专家系统 2、贝叶斯网络 3、课程安排 2 人工智能 1、人工智能系统是由人类制造的智能化的设备或者服务 • 不确定情况下进行推理并做出决定 • 由数据/经验获得信息 • 有效的解决问题并且应对新形势 2、利用AI （人工智能系统）的理由 • 自动执行任务 • 自动进行推理并且做出决定 • 由数据得到额外的知识和信息 3 专家系统 3、专家系统 • 第一个专家系统建于60年代末 专家系统=知识库+推理引擎 • 第一个专家系统作为计算机专家模型被构建，比如处理以 下生产规则： 条件-结果 条件-行动 4、在许多系统中，需要处理不确定因素 • 由确定因素x，可以得出确定结果f （x） • 确定因素“A和B”是确定因素A和确定因素B的结合式 • 由不确定性结合的代数式并不能保证数学上的一致性，并 可能导致不正确的结果 4 人工智能专家系统 5、基于规则的系统的问题 • 表示法并不一定模块化 • 大量的努力和维护 • 大型知识库的一致性 • 他们没有准确的表示因果知识 • 现存的推理方法不能处理相关证据 • 数值表示的不确定性不健全 • 对于不同的故障忽略当前的信息 • 没有明确的关于成本和效益的行法 • 专家系统作为替代的规范 5 人工智能专家系统 6、规范专家系统 • 对问题区域进行建模，而不是针对专家系统 • 支持专家系统，不能代替专家系统 • 使用古典概型演算和决策理论，不进行不确定性演算 • 封闭的世界代表一个给定的问题域 • 域模型假设某些特定的背景下或文中的模型是有效的 7、规范系统——特征 • 基于贝叶斯网络的系统和（具有有限记忆体）受影响的图是 规范的，并且具有以下特征： • 表示因果关系的走势 • 加强概率关系的强度 • 代表公众喜好 • 基于预期效用最大化的建议 6 人工智能专家系统 8、动机 • 选择基于模型系统的原因有以下5点： • 基于过程的系统是语义不清楚，而基于模型的系统相反 • 使用表示因果关系的语言，使用提供模拟诊断和预后的单 一的知识库 • 知识和数据都可以用来构建贝叶斯网络 • 适应个人设置 • 利用概率论使得他与决策和效用理论相接简单 9、对各个方面进行推理，我们有不确定的因果关系 • 寒冷（C）可能会导致打喷嚏（S） • 过敏（A）可能会导致打喷嚏（S） 7 人工智能专家系统 相互间的推理 正常推理 诊断推理 我们想要一个各向同性的代表-支持在各个方面的推理 8 二、贝叶斯网络