- •Contents
- •Введение
- •«Горячие точки» ии (д.А. Поспелов, г.С. Осипов)
- •Основные этапы развития ис (эс)
- •Классификация эс как приложений
- •Методы обработки плохоопределенной информации в ис (эс)
- •Теоретико-вероятностные методы оперирования с неопределенностью
- •Байесовские сети доверия (Bayesianbeliefnetworks)
- •Метод субъективных коэффициентов уверенности (субъективных вероятностей)
- •Теория свидетельств Демпстера-Шефера
- •Правило объединения свидетельств
- •Вероятностная логика
- •Поиск решения в условиях неопределенности с использованием деревьев решения (др)
- •Методы обработки неопределенности вGuru
- •Использование нечетких переменных
- •Обработка неопределенности лингвистического характера
- •Конструирование эс (соз)
- •Структура современных инструментальных средств для разработки эс
- •Классификация инструментальных средств конструирования эс
- •Тенденции развития инструментальных средств конструирования эс
- •Приобретение знаний
- •Средства приобретения знаний
- •Методы психосемантики
Вероятностная логика
Нильсон, Банди
Множество инциденций
w– множество элементарных событий
i(A),– инциденция А (множество элементарных событий, где А истинно)
Постулируется, что:
Для моделирования качественных рассуждений используются модальные логики (для представления правдоподобных рассуждений).
□ → L– вероятно
◊ → М
LA– вероятно А
LLA– вероятно, что вероятно А (менее вероятно, чемLA)
LnAслабееLmA, еслиn>m
Вводятся продукционные правила: если Е, то LnН
n– показатель доверия
Поиск решения в условиях неопределенности с использованием деревьев решения (др)
Конъюнктивные вершины
Р(ci&cj → R, k)
R
k
ci cj
k(ci) k(cj)
k(R) = f(k(ci),k)
Maxmin
k(R) = min{k(ci), k(cj)}k
Вероятностная логика
Дизъюнктивные вершины
Р(ci → R, ki)
Р(cj → R, kj)
R
ki kj
Pi Pj
ci cj
k(ci) k(cj)
Maxmin
k(R) = min{k(ci), k(cj)}k
Вероятностная логика
k(R) = k(ci)ki + k(cj)kj + k(ci)k(cj)ki kj
Пример
{Ri} – набор правил
{Fj} – наблюдаемые факторы (свидетельства)
{ci} – промежуточные заключения
R– целевое заключение
P1 = (F1 →c1, 0.8)
P2 = (F2 →c1, 0.7)
P3 = (F3 →c2, 1)
P4 = (F4&F5 →c3, 0.9)
P5 = (F6 →c6, 1)
P6 = (F7 →c6, 0.7)
P7 = (F8&F9 →c4, 0.4)
P8 = (c1&c2&c3 → c5, 0.9)
P9 = (c4→ c6, 0.8)
P10 = (c5&c6 → R, 1)
Построить ДР (обратный проход)
Видим, что Rвыводимо и есть альтернативные пути решения (ДР строим сверху-вниз)
R
P10
c5 c6
P9
P8 P5 P6
c1 c2 c3 c4
F6 F7
P1 P2 P3 P4 P7
F1 F2 F3 F4 F5 F8 F9
Вводится
Если меньше порогового значения (kпорог= 0,2), то данные не учитываются.
Пусть
Отсюда видно, что F2 иF6 не учитываются, т.к. < 0.2.
Расчет k(R) (прямой проход)
Maxmin (MM)
k(c1) = max{(0,90,8); (0,70)}= 0,72
k(c2) = 1
k(c3) = min{0,8; 0,9}0,9 = 0,72
k(c4) = min{0,7; 0,5}0,4 = 0,2
k(c5) = min{0,72; 1; 0,72}0,9 = 0,65
k(c6) = max{(0,70,8); (0,80,2)}0,56
k(R) = min{0,65; 0,56}= 0,56
Вероятностная логика
k(c1) = 0,80,9= 0,72
k(c2) = 1
k(c3) = 0,90,80,9 = 0,65
k(c4) = 0,40,70,5 = 0,14
k(c5) = 0,7210,60,9 = 0,42
k(c6) = 0,80,7 + 0,140,8 – 0,560,112 = 0,57
k(R) = 0,420,571 = 0,24
Если
R
0,6 0,5
с5 с6 (*) (**)
(*) = k(R) = max{0.56; 0.6} = 0.6
(**) = k(R) = max{0.6; 0.5} = 0.6
Зависит от максимальной ветки
Вероятностная логика
(*) = k(R) = 0.24 + 0.6 – 0.240.6 = 0.7
(**) = k(R) = 0.7 + 0.5 – 0.35 = 0.85
Методы обработки неопределенности вGuru
AND (&)
Pi = (ci → Ri, ki)
интерпретируется
а b
k(Ri) = f(a,b)
OR (v)
Pi = (ci → R, ki) → a
Pj = (cj → R, kj) → b
k(R) = f(a,b)
Основные логики: maxminи вероятностная
E.CFVA=xx
AND OR
Тип метода |
AND (&) |
OR (v) |
M |
Min{a,b} |
Max{a,b} |
Вероятностная (P) |
ab |
a + b – ab |
Смешанная (A) | ||
Специальная (B) |
(ab)(2 – min{a,b}) |
Max{a,b} + min{a,b}(1 – a)(1 – b) |
Пример
R– надежность поставщиков
R
Статус (с3)
Государс.
Индивид.
Частный
Корпор.
Удаленность
(с4)
Близко (<500км)
Далеко (>500км)
Финансовое состояние нет рекламаций
с1 с2
с11 с12
рентабельность нет задолженностей
P1 = (c1 →R; 0.9)
P2 = (c2 →R; 0.8)
P31 = (c3 = «гос» →R; 0.6)
P32 = (c3 = «корпор» →R; 0.5)
P33 = (c3 = «инд» →R; 0.4)
P34 = (c3 = «частн» →R; 0.4)
P41 = (c4 →R; 0.6)
P42 = (⌐c4 →R; 0.3)
P11 = (c11&c12 →c1; 1.0)
P12 = (⌐c11&c12 →c1; 0.6)
P13 = (c11&⌐c12 → ⌐c1; 0.6)
P14 = (⌐c11&⌐c12 → ⌐c1; 1.0)
Существенные факторы ставят первыми, т.к. в случае неудовлетворительных результатов можно сразу остановить консультацию.
Логика РР:
0,9 + 0,8 – 0,72 = 0,98
0,98 + 0,5 – 0,49 = 0,99
0,99 + 0,6 – 0,594 = 1,0
ММ:
Max{0,9; 0,8; 0,5; 0,6}= 0,9
Изменим дерево: с1 – 0,6; с2 – 0,6; с3 – 1; с4 – 1
Логика РР:
0,60,9 + 0,60,8 – 0,540,48 = 0,76
0,76 + 0,5 – 0,760,5 = 0,88
0,88 + 0,6 – 0,880,6 = 0,95
ММ:
Max{min{0,6; 0,9};min{0,6; 0,8};min{0,5; 1};min{0,6; 1}} = 0,6
P1 = (c1 → R; k1)
P2 = (c2 → R; k2)
R
k1= a k2=b
P1 P2
0.9 0.8
c1 c2
+ +
k(R) = a + b – ab
Если на c2 стоит –1, на с1 - +1, то:k(R) =a(1 –b)
k(R) = 0.9 + 0.8 – 0.72 = 0.98 – неправильно
k(R) = 0,90,2 = 0,18 – правильно
R
k1= a k2=b
P1 P2
0.9 0.8
c1 c2
+0,6 +0,6
k(R) = 0,60,9 + 0,60,8 – 0,540,48 = 0,76
Когда при с2 стоит -0,6, то k(R) = 0,60,9(1 – 0,80,6) = 0,28
При использовании вероятностной логики система не проверяет данные на удовлетворение аксиоме вероятности, поэтому это надо проверять вручную.
Ifk(R)50,then«поставщик надежен с коэффициентомk(R)»,else«поставщик не надежен с коэффициентом 100 -k(R)»