- •Литература:
- •Введение
- •Введение
- •Т → тi (тi– отображения текста)
- •ТекстАрхетипы – вещи для того, чтобы объяснить японцу, в чьем
- •Основные направления ии.
- •8. Мультиагентные с-мы (мас). Метод решения проблем
- •Основные этапы развития Интеллектуальных Систем. Направления ии. Направления
- •Развитие эс.
- •Классификация эс как приложения.
- •1. По типу приложения:
- •2. По типу проблемной области:
- •3. По стадии существования.
- •4. На какую вс ориентировано приложение.
- •Основные отличия данных от знаний
- •Обработка плохооопределеннлой информации в эс (соз)
- •Метод обработки неопределенности на основе субъективных коэффициентов уверенности (метод mycin).
- •Метод обработки неопределенности в guru
- •Обработка плохоопределенной информации с использованием Дерева Решений
- •Обработка неопределенностей лингвистического характера.
- •Операции на шкалах.
- •Извлечение знаний
- •Классификация методов извлечения знаний.
- •Методы и системы приобретения знаний.
- •Инструментальные средства. Конструирование эс
- •Классификация инструментальных средств конструирования эс (ис)
Обработка плохооопределеннлой информации в эс (соз)
Природа неопределенности
Неопределенность исходной информации (данных).
Неопределенность в знаниях, с коэффициентом правдоподобия.
Неопределенность при задании цели.
1) Для принятия более качественных решений желательно снять неопределенность:
* получение доп. информации
* использование субъективных предпочтений ЛПР
2) Выбор адекватной логики обработки неопределенностей
- вероятностные методы
- интервальная вероятность
- n-арные логики
- непрерывнозначные (нечеткие) логики
- субъективные коэффициенты уверенности и операции над ними.
Теоретико-вероятностные методы обработки неопределенностей
- степень принадлежности, уверенности
Метод Байеса
PiСiRi
PiEH
P(H/E) – апостериорная вероятность истинностиHпри свидетельствеEили коэффициент правдоподобия.
- истин. (наличия) Х
OR(H/E)∞
R(H/E) = 1 – гипотеза не влияет на свидетельство
R(H/E) < 1 – контр свидетельство
R(H/E) > 1 – свидетельство
Определение: Ei Ej R(H/E) >R(H/E)
Обычно вводят пороговое значение R, ниже к-го гипотезаfalse, выше –true.
Для случая одного свидетельстваE
P(H/E) – вероятность, при к-ой гипотеза не принимается.
Психологи установили для человека.
1– инт. по правдоп.
2– надо считать.
3– интервал правдоподобияH.
P(H(E1…En)),E1…En– свидетельства
Если E1…En– независимы
- т.к. ф-ла учитывает как свидетельства, так и контр свидетельства.
W– важность свидетельства
{Hj}j=1…m– мн-во гипотез
{Ei}i=1…n– мн-во свидетельств
Если Ei взаимно независемы, то справедливо:
PP(H); Pi+ = P(E/H); Pi–P(Ei/H)
Пример: с-ма диагностики.
{Hj}j=1…m- множ-во диагнозов;
{Ei}i=1…n- множ-во свидетельств.
Информация (знания) о гипотезах
БЗ<H,P,n, {Nei,Pi+,Pi–}>
БДИнформация о симптомах
<Nei, название, источник получения>
Пример:
I путь.Отсутствие эпидемии.
- в БЗ: <грипп; 0,01; 2; {(1;0,99;0,01),(2;0,9;0,1)}>
- в БД: <1; t0; запрос>
<2; насморк; запрос>
P(H) = 0,01
Пусть имеется только 1 симптом E1(t0):
Имеется E2(насморк):
Имеются E1,E2 (t0и насморк):P(H/Ei,E2) = 0,9
II путь. Эпидемия,P(H) = 0,1
E1 (t0) P(H/E1) = 0,9
E2 (H) P(H/E2) = 0,5
E1,E2 (t0и насморк)P(H/E1,E2) ≈ 1
Если есть статистика, то все свидетельства определяются след. образом:
Ограничения на схемы Байеса:
Независимость E1
Сложности с учетом неопределенности свидетельств.
Учет правдоподобности E1
бывают разные шкалы
a{0, 1}a{0, 100}a{1, 0.5}
Лингвистическая шкала:
0 – не присутствует
1 – очень слабо
2 – слабо
3 – средне
4– сильно
5 – очень сильно
Вместо P(H/E) используемP(H/А)
P(H/A) = P(H/E) P(E/A) + P(H/E) P(E/A)
13.11.02
Использование к-значной и непрерывной логики.
Невыполн. закона искл. третьего в человеческих рассуждениях.
P(X) +P(X) = 1 не выполн.
Отсутствие зоны неопределенности:
Поскольку в человеческих рассуждениях P(Н) +P(Н) не всегда = 1, возможна ситуация неопределенности:
Логики трехзначные: {0; ½; 1}
четырехзначные: {t;f; 0;r}0 - противоречие,r- неoпределенность
шестизначные: { t;f; +½; -½; 0;r}
Интервальные вероятности:
Мы можем гарантировать, что вероятность попадает в интервал P(H)P(H)P(H)
Когда гипотеза сложная
P(H) = P(Hi) P(H) =UP(Hi)