人工智能ArtificialIntelligence第四章.pptxVIP

人工智能

ArtificialIntelligence

第四章史忠植中国科学院计算技术研究所不确定性推理UncertaintyReasoning史忠植人工智能：不确定性推理12025/10/5

内容提要史忠植人工智能：不确定性推理22025/10/5概述 可信度方法 主观贝叶斯方法 证据理论 模糊逻辑和模糊推理 小结 321456

基本概念史忠植人工智能：不确定性推理32025/10/5不确定性推理是建立在非经典逻辑上的一种推理,是对不确定性知识的运用与处理是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合理或者近乎合理的结论的思维过程什么是不确定性推理?日常生活中含有大量的不确定的信息ES系统中大量的领域知识和专家经验，不可避免的包含各种不确定性。为什么要研究不确定性推理?

基本概念史忠植人工智能：不确定性推理42025/10/5不确定性推理的基本问题:表示问题:即采用什么方法描述不确定性.一般有数值表示和非数值的语义表示方法.计算问题:主要指不确定性的传播和更新,也即获得新信息的过程.主要包括:已知C(A),A?Bf(B,A),如何计算C(B)已知C1(A),又得到C2(A),如何确定C(A)如何由C(A1),C(A2)计算C(A1?A2),C(A1?A2)语义问题:指的是上述表示和计算的含义是什么,如何进行解释.

不确定推理方法的分类基本概念史忠植人工智能：不确定性推理52025/10/5形式化方法:在推理一级扩展确定性方法.逻辑方法:是非数值方法,采用多值逻辑、非单调逻辑来处理不确定性新计算方法:认为概率方法不足以描述不确定性,出现了确定性理论,确定性因子,模糊逻辑方法等新概率方法:在传统的概率框架内,采用新的计算工具以确定不确定性描述非形式化方法:在控制一级上处理不确定性如制导回溯、启发式搜索等等

内容提要史忠植人工智能：不确定性推理62025/10/52017概述 012018可信度方法 022019主观贝叶斯方法 032020证据理论 042021模糊逻辑和模糊推理 052022小结 06

知识的不确定性表示史忠植人工智能：不确定性推理72025/10/5产生式规则：IfEThenH(CF(H,E))CF(H,E)是该条知识的可信度，称为可信度因子或规则强度，表示当前提条件E所对应的证据为真时，它对结论H为真的支持程度。CF是根据经验对一个事物或现象为真的可信程度的度量CF(H,E)取值为：[-1,1]，

知识的不确定性表示史忠植人工智能：不确定性推理82025/10/5CF定义：CF(H,E)=MB(H,E)-MD(H,E)01MB:信任增长度，它表示因与前提条件E匹配的证据的出现，使结论H为真的信任增长度01MD：不信任增长度，它表示因与前提条件E匹配的证据的出现，对结论H的不信任增长度01

知识的不确定性表示史忠植人工智能：不确定性推理92025/10/5若P（H）=1MB(H,E)=max{P(H|E),P(H)}–P(H--------------------------------否则1-P(H)MB的定义：由条件概率和先验概率定义01若P（H）=0MD(H,E)=min{P(H|E),P(H)}–P(H)----------------------------------否则P(H)MD的定义：02

知识的不确定性表示史忠植人工智能：不确定性推理102025/10/5若P（H）=1MB(H,E)=max{P(H|E),P(H)}–P(H)----------------------------------否则1-P(H)MB的定义：由条件概率和先验概率定义若P（H）=0MD(H,E)=min{P(H|E),P(H)}–P(H)----------------------------------否则P(H)MD的定义：

知识的不确定性表示史忠植人工智能：不确定性推理112025/10/5MB(H,E)和MD(H,E)是互斥的：即一个证据不能既增加对H的信任度，又不能同时增加对H的不信任度当MB(H,E)0,MD(H,E)=0当MD(H,E)0,MB(H,E)=0

知识的不确定性表示史忠植人工智能：不确定性推理122025/10/5CF(H,E)0,则P(H|E)P(H):E的出现增加了H为真的概率，增加了H为真的可信度CF(H,E)0,则P(H|E)P(H):E的出现减少了H为真的概率，增加了H为假的可信度CF(H,E)=0,则P(H|E)=P