- •Компьютерные технологии в науке и образовании
- •Часть 2 Экспертные системы
- •Содержание
- •Лекция 1
- •2.1 Введение в экспертные системы.
- •2.1.1 Назначения и основные свойства экспертных систем
- •Состав и взаимодействие участников построения и эксплуатации экспертных систем
- •Преимущества использования экспертных систем
- •Особенности построения и организации экспертных систем
- •2.1.5 Основные режимы работы экспертных систем
- •2.1.6 Отличие экспертных систем от традиционных программ
- •2.1.7 Технология разработки экспертных систем
- •Лекция 2
- •2.2 Выявление знаний от экспертов.
- •2.2.1 Экспертное оценивание как процесс измерения.
- •Связь эмпирических и числовых систем.
- •Методы измерения степени влияния объектов.
- •2.2.3.1 Метод ранжирования.
- •Метод парных сравнений.
- •Метод непосредственной оценки.
- •Один из подходов к формированию и оценке компетентности группы экспертов.
- •Характеристика и режимы работы группы экспертов.
- •Лекция 3
- •2.3 Обработка экспертных оценок.
- •2.3.1 Задачи обработки.
- •2.3.2 Групповая экспертная оценка объектов при непосредственном оценивании.
- •Обработка парных сравнений.
- •Определение обобщенных ранжировок.
- •Замечания к определению групповых оценок.
- •Лекция 4
- •2.4 Экспертные системы с неопределенными знаниями.
- •2.4.1 Неопределенности в эс и проблемы порождаемые ими.
- •Теория субъективных вероятностей.
- •Байесовское оценивание.
- •Теорема Байеса как основа управления неопределенностью.
- •Лекция 5
- •2.5 Логический вывод на основе субъективной вероятности.
- •2.5.1 Простейший логический вывод
- •Распространение вероятностей в эс
- •Последовательное распространение вероятностей
- •Экспертные системы, использующие субъективные вероятности
- •Лекция 6
- •2.6 Байесовские сети доверия как средство разработки эс.
- •2.6.1 Основные понятия и определения
- •2.6.2 Пример построения простейшей байесовской сети доверия
- •Процесс рассуждения (вывода) в байесовских сетях доверия
- •Байесовские сети доверия как одно из направлений современных экспертных систем
- •Представление знаний с использованием байесовской сети доверия и условная независимость событий
- •Лекция 7
- •2.7 Диаграммы влияния.
- •2.7.1 Назначение и основные компоненты диаграмм влияния
- •2.7.2 Пример построения простейшей диаграммы влияния
- •Диаграммы влияния с несколькими вершинами решения
- •Лекция 8
- •2.8 Сети доверия с условными гауссовскими переменнами.
- •2.8.1 Непрерывные случайные величины
- •Непрерывные гауссовские переменные
- •Числовые характеристики случайных величин
- •Совместное использование дискретных и непрерывных переменных в байесовских сетях доверия
- •Логический вывод в байесовских сетях доверия с непрерывными и дискретными состояниями
- •Лекция 9
- •2.9 Экспертные системы на основе теории Демстера–Шеффера (тдш).
- •2.9.1 Предпосылки возникновения новой теории.
- •2.9.2 Основы теории Демстера–Шеффера
- •2.9.3 Меры доверия и правдоподобия в тдш
- •2.9.4 Отличие тдш от теории вероятностей
- •2.9.5 Связь между тдш и классической теорией вероятностей
- •2.9.6 Комбинация функций доверия
2.9.5 Связь между тдш и классической теорией вероятностей
Одной из главных особенностей ТДШ является то, что меры доверия и правдоподобия являются частным случаем интервальных вероятностей, то есть мера доверия – нижняя вероятность, а мера правдоподобия – верхняя вероятность, определённая на вложенных интервалах. Это открывает путь как для построения функции распределения доверий, так и её интерпретации.
Рассмотрим простейший пример, иллюстрирующий связь ТДШ с теорией вероятностей. Пусть оценивается возможность инвестирования финансовых средств либо в производство, либо в ценные бумаги. Для оценки состояния и принятия решения была привлечена группа экспертов, которая разделилась во мнениях и дала следующие оценки:
половина экспертов высказались за инвестирование средств в производство;
вторая половина, не отдав предпочтения какому-либо конкретному виду инвестирования, высказались за то, что возможны вложения, как в производство, так и в ценные бумаги.
Как в условиях заключений этих двух групп экспертов найти вероятность P1по вложению инвестиций в производство и вероятность P2об инвестициях в ценные бумаги.
Обозначим p(A1) и p(A2) доли экспертов, давших первую и вторую оценки. В рассматриваемом примере это будет p(A1) = 0,5 и p(A2) = 0,5. Пусть p(BjïAi) – условная вероятность того, что на j–й вариант инвестирования указывает i–я группа экспертов (j=1,2 и i=1,2). Тогда, следуя классической теории вероятностей и используя формулу полной вероятности, можно записать:
P1 = P(A1) × P(B1ïA1) + P(A2) × P(B1ïA2)
P2 = P(A1) × P(B2ïA1) + P(A2) × P(B2ïA2)
Но если первая группа экспертов чётко определилась с выбором в пользу первого варианта, то есть
P(B1ïA1) = 1 и P(B2ïA1) = 0,
то этого мы не можем сказать о второй группе экспертов. Использование классической теории вероятностей и байесовского подхода к приятию решению приводит к тому, что если у нас нет сведений о распределении вероятности событий (в нашем примере вероятности выбора вариантов инвестирования второй группой экспертов), то принимается, что это распределения равномерное, то есть
P(B1ïA2) = P(B2ïA2) = 0.5
Однако это предположение может быть ошибочным и, принимая его, мы заведомо вносим ошибку или погрешность, нигде не учитываемую при вычислении P1и P2, значения которых в этом случае будут
P1= 0.5×1 + 0.5×0.5 = 0.75
P2= 0.5×0 + 0.5×0.5 = 0.25
Можно рассмотреть другой способ расчёта P1и P2. Возьмём крайние случаи, когда условные вероятности выбора варианта инвестирования второй группой экспертов берут:
-
P(B1ïA2)
P(B2ïA2)
случай 1
0
1
случай 2
1
0
Тогда расчёт по формуле полной вероятности для каждого из этих случаев даст
-
P1= P(B1)
P2= P(B2)
случай 1
0.5×1 + 0.5×0 = 0.5
0.5×0 + 0.5×1 = 0.5
случай 2
0.5×1 + 0.5×1 = 1
0.5×0 + 0.5×0 = 0
Таким образом, получены нижние и верхние вероятности, определяющие границы P1=[0.5; 1] и P2=[0; 0.5]. Вероятности P1и P2, соответствующие всем возможным распределениям условных вероятностей р(BjïAi), находятся в приведённых границах.
Использование ТДШ для этого же примера позволяет на основе мнений каждой из групп экспертов назначить базовые вероятности m({B1}) = 0.5 и m({B1,B1}) = 0.5, на основе которых можно определить функции доверия и правдоподобия для каждого из вариантов инвестирования:
-
Инвестирование в производство
Инвестирование в ценные бумаги
Bel({B1}) = m({B1}) = 0.5
Pl({B1})=1-Bel(ù{B1})=1-Bel({B2})=1
Bel({B2}) = m({B2}) = 0
Pl({B2})=1-Bel(ù{B2})=1-Bel({B1})=0.5
Из полученных результатов легко видеть, что функции доверия и правдоподобия есть нижние и верхние вероятности, которые в общем случае могут быть получены на основе методов классической теории вероятностей и полностью с ней согласуются.
Вместе с тем следует отметить, что стремление получить с использованием классической теории вероятностей «точную» оценку вероятности является естественным в инженерной практике, но далеко не всегда оправданным. Такая оценка может только ввести в заблуждение относительно принятия решения, а не указывать на реальное состояние дел.
Если вернуться к рассматриваемому примеру, то можно увидеть, что «точная» оценка может быть далека от истинной. Так «точной» оценкой P1вместо 0.75 может быть на самом деле любая точка в интервале [0.5; 1].
На ширину интервала существенное влияние оказывает доля экспертов, в высказываниях которых содержится некоторая степень неопределённости или незнания. Если в рассматриваемом примере 3/4экспертов можно отнести к первой группе, а1/4– ко второй, то «точные» оценки по формуле полной вероятности будут иметь вид:
P1= 0.75×1 + 0.25×0.5 = 0.875
P1= 0.75×0 + 0.25×0.5 = 0.125,
а их верхние и нижние оценки, полученные как с использованием классической теории вероятностей, так и ТДШ позволяют определить их интервальные значения P1=[0.75; 1] и P2= [0; 0.25].