人工智能ch4节.pptVIP

证据的不确定性 初始证据 标识初始特征、顶点的确定性程度——用户给出 在构造的初始网络中标识各边的确定程度——用户给出 中间证据 中间证据的确定性程度（如激活度）由激活度传递计算获得 激活度传递计算 与具体应用相关 推理过程 根据问题及已知事实，形成初始语义网络 将初始网络与知识库中的语义网络进行匹配，找到相关的顶点 计算相关顶点的激活度，并与语义网络中对应顶点的激活度阈值比较，确定激活顶点集合 计算连接边上的激活度，并与激活度阈值比较，确定激活边集合 对激活的边进行顶点激活度传递 重复上述过程，直至没有新的顶点激活为止。上述过程形成的网络就是推理结果 例（书p.242） 设有如下知识 IF 动物身上有毛∧有乳 THEN 该动物为 动物1 0.9 IF 动物有犬齿∧有爪 THEN 该动物为 动物2 0.8 IF 动物身上为黄褐色∧有条纹 THEN 该动物为 动物3 0.7 IF 动物是动物1∧是动物2 THEN 该动物为 动物4 (0.8，0.7) IF 动物是动物3∧是动物4 THEN 该动物为 虎 (0.9，0.6) 动物识别语义网络 已知事实 某动物有毛、有乳、有犬齿、有爪、黄褐色、有条纹 推理过程 由已知事实构造的初始网络仅含3个孤立顶点 按知识库中的语义网络计算动物4的激活度 x动物4=min{0.9，0.8}=0.80.7 动物4被激活 计算传递到动物4的激度： x动物4 =x动物4 ??动物4=0.8?0.8=0.64 考虑动物3，计算虎顶点的激活度 x虎=min{0.64，0.7}=0.640.6 虎顶点被激活 计算传递到虎顶点的激度： x虎 =x虎 ??虎=0.64?0.9=0.576 由此，所描述的动物为虎的确认程度为0.576 考虑：由或连接的边和特征激活 §7、非单调推理 基本观点 非单调性是人类认识客观世界的基础 非单调推理是获取和更新知识的主要途经之一 缺省推理规则 赖特缺省规则 规则形式： 说明 A(x),Bi(x),C(x)分别称为缺省规则的先决条件、默认条件和结论，它们都是自由变量x的合式公式（一阶谓词演算） M称为模态算子，意义为：假定……是相容的，即在目前条件下其否定不可证明 规则的意义：如果A(x)成立，且没有否定Bi(x)的证据，则可推出结论C(x) 缺省规则分类 规范缺省 形式 含义：由先决条件成立，一般可推出默认条件，即将默认条件作为结论一般是成立的 例：书p.246 半规范缺省 形式 含义：除D(x)外，由先决条件A(x)一般可以推出结论C(x) 例：书p.246 不规范缺省 不属于上述两类的缺省推理都是不规范缺省推理 例： 界限理论 基本思想 在有限的条件下进行推理得出结论或作出相应的决策，而不去考虑大量没有明确说明的条件，因为这些条件是常识性的，都应该是不言而喻的 书p.247 陆汝钤，人工智能（下册），ch16 信任函数与似然函数的关系 由：Bel(A)+Bel(?A)= 有： PL(A)-Bel(A)=1-Bel(?A)-Bel(A)=1-(Bel(A)+Bel(?A)≥0 即： PL(A) ≥Bel(A) 由此称PBel(A)和PL(A)为对A信任的下限和上限，记为： A（Bel(A)，PL(A)) 分析： A（0，0）：Bel(A)=0，Bel(?A)=1-PL(A)=1，信任A为假 A（0，1）：Bel(A)=0，Bel(?A)=0，对A一无所知 A（1，1）：Bel(A)=1，Bel(?A)=0，信任A为真 A(0.25,1):Bel(A)=0.25，Bel(?A)=0，对A为真有0.25的信任度 A（0，0.85）：Bel(A)=0，Bel(?A)=0.15，对A为假有0.15的信任度 A（0.25，0.85）： Bel(A)=0.25，Bel(?A)=0.15，对A为真有0.25信任度，A为假有0.15信任度，即更相信A为真 小结： Bel(A)，表示对A为真的信任度 Bel(?A)，表示对?A为真（A为假）的信任度 PL(A)=1-Bel(?A)，表示对A为非假的信任度 PL(?A)=1-Bel(A)，表示对A为非真的信任度 PL(A)-Bel(A)=1-(Bel(A)+Bel(?A))，表示对A不知道的程度 概率分配函数的正交和 定义：设M1和M2是D上的两个概率分配函数，函数 M：2D?[0，1]，且满足 M（?）=0 称M为M1与M2的正交和，记为M=M