人工智能-第5章-不确定性推理.pptVIP

2021/3/23 5.5.3 不确定性的传播与更新 组合证据的不确定性 “与”计算:A1∧A2→B CF(A1∧A2) = min{CF(A1), CF(A2)} “或”计算:A1∨A2→B CF(A1∨A2) = max{CF(A1), CF(A2)} “非”计算: CF(~A) = - CF(A) 2021/3/23 不确定性的传递算法 若已知规则为IF A then B (CF(B,A)),且证据A的可信度为CF(A),则结论B的可信度为 CF(B) = CF(B,A) X max{0,CF(A)} CF(B) = CF(B,A) CF(B,A) CF(A) 0 CF(A)=1,证据为真,结论B的可信度为规则的可信度 CF(A)0,证据某种程度为真 CF(A)0,证据某种程度为假 在可信度方法的不精确推理中,并没有考虑证据为假对结论B所产生的影响。 2021/3/23 结论不确定性的合成算法（一） 多条知识支持同一结论时,结论不确定性的合成计算方法 由规则A1→B可求得CF1(B),同时又有规则A2→B可求得CF2(B),如何根据这两条规则计算最终合成后的可信度CF(B) CF1(B)CF2(B)是同时发生,即可以是分别从两条完全独立的途径得到的知识。 2021/3/23 分两步求解 第一:分别对每一条知识求出CF(B) CF1(B) = max{0,CF(A1)} X CF(B,A1) CF2(B) = max{0,CF(A2)} X CF(B,A2) 第二:用下述公式求出A1A2对B的综合影响形成的可信度CF(B) CF(B) = CF1(B) + CF2(B) – CF1(B)CF2(B) CF1(B) + CF2(B) + CF1(B)CF2(B) CF1(B) + CF2(B) CF1(B) ≥0 CF2(B) ≥0 CF1(B) 0 CF2(B) 0 CF1(B) 与 CF2(B) 符号不同 该公式不满足组合交换性 2021/3/23 在已知结论原始可信度的情况下,结论可信度的更新计算方法 已知证据A的可信度CF(A),结论B的原有可信度CF(B),求A通过规则A→B,作用到B后,B的可信度的更新值CF(B|A) 结论不确定性的合成算法（二） 2021/3/23 由于证据A不是必然发生,所以必须对可信度的情况进行讨论。 CF(A)=1时,A必然发生,即证据肯定出现 CF(B|A) = CF(B) + CF (B,A) (1– CF(B)) CF(B) + CF(B,A) (1+ CF(B)) CF(B) + CF(B,A) CF(B) ≥0 CF(B,A) ≥0 CF(B) 0 CF(B,A) 0 其他 2021/3/23 0CF(A) ≤ 1时,A可能发生 CF(B) + CF(A) CF (B,A) (1– CF(B)) CF(B) + CF(A) CF (B,A) (1+ CF(B)) CF(B) + CF(A) CF (B,A) CF(B) ≥0 CF(A) CF (B,A) ≥0 CF(B) 0 CF(A) CF (B,A) 0 其他 CF(B|A) = CF(A) 0时,A不可能发生,规则A→B不可用,即认为不可能发生的事件对B没有影响。 2021/3/23 例5.4 已知 R1: A1→B1 CF(B1,A1)=0.8 R2: A2→B1 CF(B1,A2)=0.5 R3: B1∧A3→B2 CF(B2, B1∧A3)=0.8 CF(A1)=CF(A2)=CF(A3)=1 CF(B1)=CF(B2)=0 计算CF(B1)、CF(B2) 2021/3/23 （1）对知识R1R2分别计算CF1(B1)和CF2(B1) CF1(B1) = max{0,CF(A1)} X CF(B1,A1)=0.8 CF2(B1) = max{0,CF(A2)} X CF(B1,A2)=0.5 （2）利用合成算法计算B1的综合可信度 CF(B1)=CF1(B1) + CF2(B1) – CF1(B1)CF2(B1) =0.8+0.5-0.8*0.5=0.9 2021/3/23 （3）计算B1∧A3的可信度 CF(B1∧A3)=min(CF(A3),CF(B1))=0.9 （4）计算B2的可信度 CF(B2) = max{0,CF(B1∧A3)} X CF(B2, B1∧A3) =0.9*0.8=0.72 2021/3/23