《人工智能导论》04推理0(1).pptVIP

人工智能导论 方若宇 ryfang@stu.edu.cn 不确定性推理 概述 不精确思维并非专家的习惯或爱好所至，而是客观现实的要求。 很多原因导致同一结果 推理所需的信息不完备 背景知识不足 信息描述模糊 信息中含有噪声 规划是模糊的 推理能力不足 解题方案不唯一 在人类的知识和思维行为中，精确性只是相对的，不精确性才是绝对的。知识工程需要各种适应不同类的不精确性特点的不精确性知识描述方法和推理方法。 不确定问题的数学模型表示的3方面问题： 表示问题： 用什么方法描述不确定性。通常有数值表示和非数值表示方法 例如，对于如下的推理过程： R1：A1∧A2→B1 R2：A2∨A3→B2 R3：B1→B R4：B2→B 在描述这些规则时，采用的都是不确定性知识表示方式 语义问题：如何解释上述表示和计算的含义。 语义问题：目前多用概率方法。 P（B，A）可理解为当前提A为真时结论B为真的一种影响程度， P（A）可理解为A为真的程度。 特别关注的是P（B，A）的值： 1.A(T)→B(T), P（B，A）=? 2.A(T)→B(F), P（B，A）=? 3.B 独立于A， P（B，A）=? 对P（A）关注的是： 1.A为TRUE，P（A）＝？ 2.A为FALSE,P（A）＝？ 不确定性推理方法分类 不确定性推理方法可分为形式化方法和非形式化方法。 形式化方法有逻辑法、新计算法和新概率法。 逻辑法是非数值方法，采用多值逻辑和非单调逻辑来处理不确定性。传统的有基于概率理论的贝叶斯网络等。新计算法认为概率法不足以描述不确定性，从而出现了证据理论（也叫Dempster－Shafter， D-S方法），确定性方法（CF法）以及模糊逻辑方法。新概率法试图在传统的概率论框架内，采用新的计算方法以适应不确定性描述。 非形式化方法是指启发性方法，对不确定性没有给出明确的概念。 不确定性推理方法分类 不确定推理方法：工程方法、控制方法和并行确定性法。 工程法是将问题简化为忽略哪些不确定性因素。 控制法是利用控制策略来消除不确定性的影响，如启发式的搜索方法。 并行确定性法是把不确定性的推理分解为两个相对独立的过程：一个过程不计不确定性采用标准逻辑进行推理；另一过程是对第一个过程的结论加以不确定性的度量。前一过程决定信任什么后一过程决定对它的信任程度。 随机实验： 随机实验是一个可观察结果的人工或自然的过程，其产生的结果可能不止一个，且不能事先确定会产生什么结果。 样本空间： 样本空间是一个随机实验的全部可能出现的结果的集合，通常记作Ω，Ω中的点（即一个可能出现的实验结果）成为样本点，通常记作ω。 随机事件： 随机事件是一个随机实验的一些可能结果的集合，是样本空间的一个子集。常用大写字母A,B,C,…表示。 两个事件A与B可能有以下几种特殊关系： 包含：若事件B发生则事件A也发生，称“A包含B”，或“B含于A” 。 等价：若 ，即A与B同时发生或同时不发生，则称A与B等价，记作A=B。 互斥：若A与B不能同时发生，则称A与B互斥，记作AB=φ 对立：若A与B互斥，且必有一个发生，则称A与B对立，又称A为B的余事件，或B为A的余事件。 设A，B，A1，A2，…An为一些事件，它们有下述的运算： 交：记C=“A与B同时发生”，称为事件A与B的交，C={ω|ω∈A且ω∈B}，记作或。类似地用表示事件“n个事件A1, A2, …An同时发生”。 并：记C=“A与B中至少有一个发生”，称为事件A与B的并，C={ω|ω∈A或ω∈B}，记作。类似地用表示事件“n个事件A1, A2, …An中至少有一个发生”。 差：记C=“A发生而B不发生”，称为事件A与B的差。 求余： 定义：设Ω为一个随机实验的样本空间，对Ω上的任意事件A，规定一个实数与之对应，记为P(A)，满足以下三条基本性质，称为事件A发生的概率： 若二事件AB互斥，即，则 以上三条基本规定是符合常识的。 定义：设{An, n=1, 2, …}为一组有限或可列无穷多个事件，两两不相交，且 ，则称事件族{An, n=1, 2, …}为样本空间Ω的一个完备事件族，又若对任意事件B有BAn=An或φ, n=1, 2, …，则称{An, n=1, 2, …}为基本事件族。 完备事件族与基本事件族有如下的性质： 定理：若{An, n=1, 2, …}为一完备事件族，则