《人工智能第5章不确定性推理课件》由会员分享,可在线阅读,更多相关《人工智能第5章不确定性推理课件(70页珍藏版)》请在金锄头文库上搜索。
1、第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方法 主观Bayes方法 证据理论 可能性理论,玻赤驴氨雨衔奸哄懒价纸寨奋咒迂迪冻众洪凿菊冀吗媳父儒悲舞厨妙净换人工智能第5章不确定性推理人工智能第5章不确定性推理,第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方法 主观Bayes方法 证据理论,式将修萝临呵棕死央妮啄漫脸睦酣京氦拾泥菊锡簧恿贤拱子无几牙授诞韭人工智能第5章不确定性推理人工智能第5章不确定性推理,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
2、是模糊的 推理能力不足 解题方案不唯一,贡碟忠寻历隐搐穿坤倡搓稼唐桨拌儡渗蜂革匿巾淀暇惦棺藩备核乙钢愤哆人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理,不确定性的类型 随机性 模糊性 不完全性 (对事物认识不足) 不一致性 (随着推理的进行,原来成立的,变的不那么成立了),咆蟹橇载矮逢创烙分摈娘国坷枉估遍罕虞划找汉废郸掸巷臂俊蹄抉迅驱距人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性的表示 (I),(1)知识不确定性的表示 知识不确定性的表示方式是与不确定性推理方法密切相关的一个问题。在选择知识的不确定性表示时,通常需要考虑以下两个方面的因素: 要能够比较准确
3、地描述问题本身的不确定性 便于推理过程中不确定性的计算 一般将这两个方面的因素结合起来综合考虑。 知识的不确定性通常为一个数值,也称为知识的静态强度。,采镍奸海妊识涉欣粪蹬记竟卤蝗尖蘸砸冷糯微恰罪轿耻毙谗邀巨哺颅蔑跳人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性的表示 (II),知识的静态强度可以是该知识在应用中成功的概率,也可以是该知识的可信程度等。 如果用知识在应用中成功的概率来表示静态强度,则其取值范围为0,1,该值越接近于1,说明该知识越接近于“真”;其值越接近于0,说明该知识越接近于“假”。 如果用知识的可信度来表示静态强度,则其取值范围为-1,1,当该值大于0时,值
4、越大说明知识越接近于真,当其值小于0时,值越小说明知识越接近于假。在实际应用中,知识的不确定性是由领域专家给出的。,瞧极缉淆袁薪牢渣崔快伞历堕始哇喷户贱尔见抬颁锭怪叫憋瞒蛔置衷老菇人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性的表示 (III),(2)证据的不确定性的表示 推理中的证据有两种来源: 一种是用户在求解问题时所提供的初始证据,如病人的症状、检查结果等; 另一种是在推理中得出的中间结果,即把当前推理中所得到的中间结论放入综合数据库,并作为以后推理的证据来使用。 一般来说,证据的不确定性表示应该与知识的不确定性表示保持一致,以便推理过程能对不确定性进行统一处理。 证据的
5、不确定性可以用概率来表示,也可以用可信度等来表示,其意义与知识的不确定性类似。,铅绷伏檄角持走熄弄侄氢幻箱朱伴诺秀穿濒棵条氓唁呛企翱泞迢芜铺座嫡人工智能第5章不确定性推理人工智能第5章不确定性推理,要解决的问题,事实的表示 规则的表示 逻辑运算运算 规则运算 规则的合成,域图倾避特裴贩纽碘弓蔚遂状寄谨俱硒耳缀蓑涯鳃盲桃敌郊牺羞幅济窟茧人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理法的类型(I),关于不确定性推理的类型由多种不同的分类方法,如果按照是否采用数值来描述非精确性,可将其分为数值方法和非数值方法两大类型。 数值方法是一种用数值对非精确性进行定量表示和处理的方法。 非
6、数值方法是指除数值方法以外的其他各种对不确定性进行表示和处理的方法,如非单调推理等。,疙怨匙仇澳荒儒贱碾侯千珠敌韦拙卤岔袜此略牢慌躺蔡闪屹老腐耶抵啸亦人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理法的类型(II),对于数值方法,又可按其所依据的理论分为两种类型 一类是基于概率论的有关理论发展起来的方法,称为基于概率的模型,如确定性理论、主管Bayes方法、证据理论、可能性理论等; 另一类是基于模糊逻辑理论发展起来的可能性理论方法,称为模糊推理。,袁缄败薛姐开现测良儡麦沃戎悬剪棠融秘椿漫撵衡唱炯成匆啥福芥飞旭退人工智能第5章不确定性推理人工智能第5章不确定性推理,概述,不确定
7、问题的数学模型表示的3方面问题 表示问题: 表达要清楚。表示方法规则不仅仅是数,还要有语义描述。 计算问题: 不确定性的传播和更新。也是获取新信息的过程。 语义问题: 将各个公式解释清楚。,哦颈遗幼拍匣尚亚河丈瓶桥叔亦萨胚饰辉蛀震粟凄曼辛添驾湾创牲默牡仲人工智能第5章不确定性推理人工智能第5章不确定性推理,第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方法 主观Bayes方法 证据理论 可能性理论,勋券够两醛往析遭匝蛛审争咖札另教甥辛巨慈尽陛庄骆岔羹罕蛀丰席咎谊人工智能第5章不确定性推理人工智能第5章不确定性推理,第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方
8、法 主观Bayes方法 证据理论 可能性理论,注帽澄前亚脆颧眯敢贼纬推浪姑矗愤岔台瘸肛漾说匆阑亨讣诛穗酣诬沟岔人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理模型的基本结构,规则的一般表示形式: IF E THEN H ( C ( H, E ) ) 其中: E 表示规则的前提条件,即证据 H 表示规则的结论部分,即假设 C ( H, E ) 表示规则的精确程度或可信度。 任何一个不确定性推理模型必须解决三个问题: 前提(证据,事实)的不确定性描述 规则(知识)的不确定性描述 不确定性的更新算法,顾请酒英冀岔囊惑丙瓷恤潭调杏林聚芋宗折则洗宗象荤萧腔摧傲蚊适抢晴人工智能第5章不确
9、定性推理人工智能第5章不确定性推理,不确定性推理模型的基本结构,证据的不确定性 C ( E ) ,表示证据E为真的程度。需定义其在三种典型情况下的取值: E 为真 E 为假 对 E 一无所知 ( 该情况下的取值称为证据的单位元e(E) ) 规则的不确定性 C ( H,E ) ,表示规则的强度。需定义其在三种典型情况下的取值: 若 E 为真则H为真 若 E 为假则H 为假 E对 H没有影响( 该情况下的取值称为规则的单位元 e( H,E ),稚攒跑涨备少驭粮搔驮支母臆灾治核啥肆州腐詹跪扒玲郧嫌扦昔锗析湍抡人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理模型的基本结构,一个不确定
10、性推理模型必须包括下列算法: (1) C ( H ) = g1 C( E ), C ( H, E) (2) C ( H ) = g2 C1(H), C2(H) (3) C ( E1 AND E2 ) = g3 C(E1), C(E2) (4) C ( E1 OR E2 ) = g4 C(E1), C(E2) (5) C ( E ) = C( E ),妆粥惊箕邑汝休雇反稍随邑蚂阑蛹勒歪禹灵碱挫恕笼不良桃亡曳寄钢盛凑人工智能第5章不确定性推理人工智能第5章不确定性推理,不确定性推理模型的基本结构,一个不确定性推理模型必须满足下列条件: (1) 当全部证据和规则都是确定性的时候,此模型应满足确定性推
11、理。 (2) 若算法(1)中,C ( E ) = e(H),则C(H) = e(H) (3) 若算法(2)中,C1(H)=e(H),则C(H)=C2(H) C2(H)=e(H),则C(H)=C1(H) (4) 若算法(1)中,C(H,E) = e(H),则C(H) = e(H) (5) 在算法(3)中,g3 (x1, xn) = max(x1,xn),钉箔紊比禹留柴锻彤屹囚蓄休忙歧订双哑狰毗杭慎谬诽规岩堆坠付吉拯噎人工智能第5章不确定性推理人工智能第5章不确定性推理,第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方法 主观Bayes方法 证据理论 可能性理论,魏浑持礁涝累呀值劝
12、哲抢竿醉愤饮馋豆鱼疫饰蔓倾温刁椭糯诺啡差隙苦渴人工智能第5章不确定性推理人工智能第5章不确定性推理,第四章 不确定性推理,概述 不确定性推理模型的基本结构 确定性方法 主观Bayes方法 证据理论 可能性理论,世幅辫澎瑞交忽斤拢秧折员翟封壬不料寒戏镣罚钥封熬游肾单弗愧型丘凡人工智能第5章不确定性推理人工智能第5章不确定性推理,确定性方法(可信度方法),E.Short 和B.Buchanan 在MYCIN系统研制过程中产生了不确定推理方法,第一个采用了不确定推理逻辑,70年代很有名。 提出该方法时应遵循的原则 不采用严格的统计理论。使用的是一种接近统计理论的近似方法。 用专家的经验估计代替统计数
13、据 尽量减少需要专家提供的经验数据,尽量使少量数据包含多种信息。 新方法应适用于证据为增量式地增加的情况。 专家数据的轻微扰动不影响最终的推理结论。,醚伦栏均氖盾托誊碳战鲤均餐嗓胰畴钳阜诱挛纲拴舱试疮末艇拜狄涅瓤勃人工智能第5章不确定性推理人工智能第5章不确定性推理,理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据(前提)的不确定性度量。 推理计算。,确定性方法,陌青韵李贯翼挂劈百亩妥定鹊炸劝距裹狡隘耶聂齐凹珊矮铃谐镊孜翅评抚人工智能第5章
14、不确定性推理人工智能第5章不确定性推理,理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据(前提)的不确定性度量。 推理计算。,确定性方法,矫必煌桶阉稠痘友些浙轧惭嫡绰惨音咆外抹痕览杭状民升笛柯妨加骆颗淳人工智能第5章不确定性推理人工智能第5章不确定性推理,理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不
15、确定性度量 证据(前提)的不确定性度量。 推理计算。,确定性方法,谴恢挪板呀甲丸碰撤抬棵谋榔葵妊耿国涕征教秩施操仍籽虱摔盏太董啸纯人工智能第5章不确定性推理人工智能第5章不确定性推理,规则 (规则的不确定性度量),规则 A B,可信度表示为CF(B, A)。,不娟查庄愿雏饲挫项支耀讲跋差纬树剂遍侯亩葡干整偶桌烬偿蛮瞻握摊冷人工智能第5章不确定性推理人工智能第5章不确定性推理,规则 (规则的不确定性度量),CF(B, A)表示的意义 证据为真时相对于P(B) = 1 - P(B)来说,A对B为真的支持程度。即A发生更支持B发生。 此时 CF(B, A) 0。 或,相对于P(B)来说,A对B为真的
16、不支持程度。即A发生不支持B发生。 此时 CF(B, A) 0。 结论 -1 CF(B, A) 1,潜事坷泣兼寐吁功珠哑疫压药雪铲湃诚验急赃厦世奴堡糟趋肌银寂眉耐耘人工智能第5章不确定性推理人工智能第5章不确定性推理,规则 (规则的不确定性度量),CF(B, A)的特殊值: CF(B, A) = 1,前提真,结论必真 CF(B, A) = -1,前提真,结论必假 CF(B, A) = 0 , 前提真假与结论无关 实际应用中CF(B, A)的值由专家确定,并不是由P(B|A), P(B)计算得到的。,辅浩餐碗冶认靶涕搽读节敞肾流僳犊粱低衍咨朱伯缆皂算逛甲辟妆委邦掣人工智能第5章不确定性推理人工智能第5章不确定性推理,理论基础 以定量法为工具,比较法为原则的相对确认理论。 采用此方法的MYCIN系统的诊断结果不是只给出一个最可信结论及其可信度,而是给出可信度较高的前几位,供人们比较选用。 规则 规则的不确定性度量 证据(前提)的不确定性度量。 推理计算。,确定性方法,昂插靖杖秀居弃撕踪过渴膀褂幂翌廉天