
- •1 Основные понятия
- •1.1 Происхождение и понимание термина «искусственный интеллект»
- •1.2 Подходы к пониманию проблемы
- •Тест Тьюринга и интуитивный подход
- •Символьный подход
- •Логический подход
- •Агентно-ориентированный подход
- •Гибридный подход
- •1.3 Модели и методы исследований Символьное моделирование мыслительных процессов
- •Работа с естественными языками
- •Представление и использование знаний
- •Машинное обучение
- •Биологическое моделирование искусственного интеллекта
- •Робототехника
- •Машинное творчество
- •Другие области исследований
- •Современный искусственный интеллект
- •Некоторые из самых известных ии-систем:
- •1.4. Классификация интеллектуальных систем
- •1.5 Методы поиска решений
- •Генетические алгоритмы
- •2. Представление знаний в системах искусственного интеллекта
- •2.1 Представление знаний
- •Формальная (Аристотелева) логика и логика высказываний
- •Как упростить логическую формулу?
- •Как решать логические задачи?
- •Решение логических задач средствами алгебры логики
- •Решение логических задач табличным способом
- •Решение логических задач с помощью рассуждений
- •Логика предикатов
- •3 Логическое программирование на прологе
- •Объекты данных
- •Представление списков
- •Некоторые операции над списками
- •Ограничение перебора
- •Пример Пролог программы
- •4 Логика предикатов второго порядка
- •5. Нечеткая логика
- •Нечеткие множества
- •Основные характеристики нечетких множеств
- •Методы построения функций принадлежности нечетких множеств
- •Операции над нечеткими множествами
- •Наглядное представление операций над нечеткими множествами
- •Свойства операций и
- •Нечеткая и лингвистическая переменные
- •Нечеткие высказывания и нечеткие модели систем
- •Нечеткая база знаний
- •6 Байесовы сети
- •6.1. Простейший логический вывод
- •6.2. Распространение вероятностей в эс
- •6.3. Последовательное распространение вероятностей
- •6.4. Экспертные системы, использующие субъективные вероятности
- •6.5 Байесовские сети доверия как средство разработки эс
- •6.5.1. Основные понятия и определения
- •6.5.2. Пример построения простейшей байесовской сети доверия
- •6.5.3. Процесс рассуждения (вывода) в байесовских сетях доверия
- •6.5.4. Байесовские сети доверия как одно из направлений современных экспертных систем
- •6.6 Сети доверия с условными гауссовскими переменными
- •6.6.1. Непрерывные случайные величины
- •6.6.2. Непрерывные гауссовские переменные
- •6.6.3. Числовые характеристики случайных величин
- •6.6.4. Совместное использование дискретных и непрерывных переменных в байесовских сетях доверия
- •6.6.5. Логический вывод в байесовских сетях доверия с непрерывными и дискретными состояниями
- •6.7 Экспертные системы на основе теории Демстера-Шеффера
- •6.7.1. Предпосылки возникновения новой теории.
- •6.7.2. Основы теории Демстера-Шеффера
- •6.7.3. Меры доверия и правдоподобия в тдш
- •6.7.4. Отличие тдш от теории вероятностей
- •6.7.5. Связь между тдш и классической теорией вероятностей
- •6.7.6. Комбинация функций доверия
- •7 Решатели проблем, основанных на знаниях
- •7.1 Семантические сети
- •7.2 Фреймы
- •7.3 Нейронные сети
- •7.4 Экспертные системы
- •Модель экспертных систем
- •7 Распознание образов Контурный анализ
- •Код Фримена
- •Современные программные и инструментальные средства создания искусственного интеллекта
6.7.2. Основы теории Демстера-Шеффера
Прежде
всего, остановимся на основных понятиях
и определениях ТДШ. Возможно, наиболее
основным понятием этой теории является
фрейм различения
,
определяемый как полное множество
взаимоисключающих событий. Роль фрейма
различения
в
ТДШ такая же, как роль выборочного
пространства
в
теории вероятностей. Однако отличие
заключается в том, что если в теории
вероятностей число возможных гипотез
равно
,
то в ТДШ число возможных гипотез равно
и
представляет собой все возможные
подмножества
.
Пример
1. Пусть полное множество взаимоисключаемых
событий связанных с перевозкой груза
включает в себя 4 события, определяющие
перевозки железнодорожным (ЖД),
автомобильным (Авто), морским (МТ) и
авиационным (Авиа) транспортом. В этом
случае фрейм различения
,
как и выборочное пространство
,
имеют по 4 элемента. Но если в теории
вероятностей число возможных гипотез
равно 4:
,
то в ТДШ число возможных гипотез будет
:
|
События |
|
|||
i |
ЖД |
Авто |
МТ |
Авиа |
|
0 |
0 |
0 |
0 |
0 |
|
1 |
0 |
0 |
0 |
1 |
{Авиа} |
2 |
0 |
0 |
1 |
0 |
{МТ} |
3 |
0 |
0 |
1 |
1 |
{МТ, Авиа} |
4 |
0 |
1 |
0 |
0 |
{Авто} |
- |
- |
- |
- |
- |
- |
7 |
0 |
1 |
1 |
1 |
{Авто, МТ, Авиа} |
- |
- |
- |
- |
- |
- |
15 |
1 |
1 |
1 |
1 |
{ЖД, Авто, МТ, Авто} |
ТДШ несколько по-иному трактует не только понятие гипотезы, но и её отрицание в теории Демстера - Шеффера:
гипотеза А означает "А и только А"
в то время как
А
означает "что угодно, но не А".
То есть ТДШ рассматривает наблюдение свидетельств против гипотезы как свидетельства поддержки отрицания гипотезы.
Пример 2. Если мы воспользуемся определениями гипотез из примера 1, то свидетельства, нарушающие гипотезу А={Авто} (т.е. автомобильный и только автомобильный транспорт) эквивалентно свидетельству, поддерживающему гипотезу А={МТ, ЖД, Авиа} (т.е. что угодно, но не автомобильный транспорт)
Рассмотрим еще одно фундаментальное понятие ТДШ, а именно понятие базовой вероятности. Пусть А - некоторое подмножество . Основная мера вероятности, обозначаемая m(A), - это базовая вероятность, приписываемая множеству А. Величина m(A) может рассматриваться как порция (или доля) от общего доверия, назначаемая точно А. Во многих аспектах это число может рассматриваться подобно обычной вероятности.
Функции р(А) и m(A) в первую очередь отличаются тем, что в теории вероятностей А должно быть отдельным элементом, в то время как в ТДШ А может содержать несколько элементов, т.е. являться множеством. Базовые вероятности должны удовлетворять двум основным свойствам:
1)
базовая вероятность нулевого события
равна 0 , т.е.
2)
сумма базовых вероятностей для всех
подмножеств фрейма различения равна
1, т.е.
.
Пример 3. Пусть в результате экспертного оценивания возможности транспортировки грузов 30% экспертов высказывались за использование автотранспорта, 20% - за железнодорожный, 10% - за морской, а 40% - за использование либо автомобильного, либо железнодорожного транспорта (не выделив предпочтение одного из них). Тогда базовые вероятности, назначаемые как порции от общего доверия экспертов к возможным транспортировкам, будут иметь значение:
m({Авто}) =0.3; m({ЖД})=0.2; m({МТ})=0.1
m({Авто, ЖД})=0.4
m(Ai)=0 во всех остальных 12-ти случаях
При этом должно выполняться второе свойство базовых вероятностей, т.е.
Отметим ещё одну особенность ТДШ по сравнению с теорией вероятностей. Так как А может являться не только конкретным элементом, но и множеством, то это позволяет задавать оценки базовых вероятностей для интервалов изменения случайных величин, не зная их законов распределения на этих интервалах.
Так, например, если в рамках теории вероятностей эксперт может предположить, что прибыль фирмы будет 50 тыс. руб. с вероятностью Р(50)=0.5, 60 тыс. руб. с вероятностью Р(60)=0.2 и т.д. для всех вероятных исходов, то в рамках ТДШ эксперт может дать следующие оценки прибыли фирмы: от 50 до 70 тыс. руб. с вероятностью m(50 - 70)=0.4, от 60 до 80 тыс. руб. с вероятностью m(60 - 80)=0.3
Другими словами, если для определения вероятности некоторой совокупности событий при использовании теории вероятностей необходимо знать вероятности всех элементарных исходов, то при использовании ТДШ это не обязательно. Однако платой за это является возможность получения только интервальных оценок, к способам, определения которых мы и переходим.