AI不确定性推理方法.pptVIP

人工智能 主讲：于化龙 第7讲 不确定性推理方法 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 不确定性推理中的基本概念 推理：从已知事实（证据）出发，通过运用相关知识逐步推出结论或者证明某个假设成立或不成立的思维过程。 不确定性推理：从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。 不确定性推理中的基本概念 不确定推理方法的分类 模型方法：把不确定的证据和知识分别与某种度量标准对应起来，并给出更新结论不确定性的合适的算法。 控制方法：通过引入不确定的某些特征及相应的控制策略来限制或减少不确定性系统产生的影响。 不确定性推理中的基本概念 模型方法的分类 数值方法：对不确定性定量表示和处理 - 基于概率的方法 - 基于模糊理论的方法 非数值方法：除数值方法外的其它方法 - 逻辑方法 不确定性推理中的基本概念 不确定推理中的基本问题 不确定性的表示 - 证据不确定性的表示 - 知识不确定性的表示 推理计算 - 不确定性的传递问题：CF(E), CF(H, E) → CF(H) - 证据不确定性的合成问题：CF(E1), CF(E2) → CF(E1∧E2) 或者 CF(E1∨E2) - 结论不确定性的合成问题：已知CF(E1), CF(H, E1) 以及 CF(E2), CF(H, E2)，如何计算CF(H) 不确定性推理中的基本概念 不确定推理中的基本问题 不确定性的量度 - 要能充分表达相应知识及证据的不确定程度 - 范围的指定应便于专家及用户对不确定性的估计 - 要便于不确定性的推理计算 - 确定应是直观的，同时应有相应的理论依据 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 还记得贝叶斯公式吗？ 基于经典概率的不确定推理方法 - 产生式规则： E :前提条件, :结论 : 在证据 出现的条件下，结论 成立的确定性程度 单个证据的情况 - 产生式规则： - Bayes公式： 例: :结论, :证据。 已知： 求： 优点: 较强的理论背景和良好的数学特征，当证据及结论都彼此独立时计算的复杂度比较低。 缺点: 要求给出结论 的先验概率 及证据 的条件概率 。 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 学习要求 了解不确定性推理的基本概念 了解基于经典概率的不确定推理方法 掌握可信度不确定推理方法 可信度不确定推理方法 1976年，Stanford大学的Shortliffe等人提出了可信度的方法，并将其应用于MYCIN专家系统中。 可信度不确定推理方法 可信度：也成确定性因子，就是人们在实际生活中根据自己的经验或观察对某一事件或现象为真的相信程度。 - 主观性 - 经验性 可信度不确定推理方法 知识不确定性的表示： IF E THEN H (CF(H, E)) - E: 前提条件证据 - H: 结论 - CF(H, E): 该条知识的可信度 * CF(H, E)取值范围在[-1,1]之间 - CF(H, E) ＞0: E的出现增大了H为真的概率 - CF(H, E) ＜0: E的出现增大了H为假的概率 - CF(H, E) = 0: E与H无关 可信度不确定推理方法 证据不确定性的表示： - 单个证据表示：CF(E)取值范围[-1,1] - 组合证据表示： 合取：E=E1∧E2∧…∧En CF(E)=min{CF(E1), CF(E2) … CF(En)} 析取：E=E1∨E2∨…∨En CF(E)=max{CF(E1), CF(E2) … CF(En)} 可信度不确定推理方法 不确定性传递问题： - 已知CF(E)与CF(H, E)，求CF(H)？