第三章5不确定推理课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《第三章5不确定推理课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第三 不确定 推理 课件
- 资源描述:
-
1、13.8.2 关于结论的不确定性关于结论的不确定性 l关于结论的不确定性也叫做规则的不确定性,它表示当规则的条件被完全满足时,产生某种结论的不确定程度。3.8.3 多个规则支持同一事实时的不确定性 v基于模糊集理论的方法v基于概率论的方法3.8 不确定性推理2基本概念基本概念l1.什么是不确定性推理?l2.为什么要研究不确定性推理?l3.不确定性的表示和度量l4.不确定性的计算l5.不确定性推理方法的分类3基本概念基本概念(1/5)(1/5)l什么是不确定性推理?不确定性推理是建立在非经典逻辑上的一种推理,是对不确定性知识的运用与处理是从不确定性的初始证据出发,通过运用不确定性的知识,最终推出
2、既保持一定程度的不确定性,又是合理和基本合理的结论的推理过程。l例如:A发生的概率是0.7,A发生后B发生的概率是0.8。则A发生引起B发生的概率是0.7*0.8=0.564基本概念基本概念(2/5)(2/5)l为什么要研究不确定性推理?日常生活中含有大量的不确定的信息ES系统中大量的领域知识和专家经验,不可避免的包含各种不确定性。5不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一例如,多种原因引起同一种疾病。发烧可能因为感冒,也可能因为得了肺炎,需要
3、进一步的知识才能作出具体判断。6不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一勘探得到的地质分析资料不完备7不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一疾病的发病原因不十分明确。8不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描
4、述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一如他不高不矮,今天不冷不热等等。在这类描述中,通常无法以一个量化的标准来描述,所描述的事物通常处在一个大致的范围。比如,认为身高在165cm174cm之间的男士符合不高不矮的描述。9不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一噪声的存在干扰了人们对本源信息的认知,从而加大了认知上的难度。如语音信号、雷达信号中的噪音干扰带来的信息模糊。10不确定性推理方法研究产生的原因不确定性推理方法
5、研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一当需要对某个问题域进行划分时,可能无法找到一个清晰的标准。如根据市场需求情况调节公司产品的内容和数量。11不确定性推理方法研究产生的原因不确定性推理方法研究产生的原因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一必须考虑到实现的可能性,计算复杂度,系统性能。如计算机的实现能力,推理算法的规模扩大能力有限等12不确定性推理方法研究产生的原因不确定性推理方法研究产生的原
6、因l很多原因导致同一结果l推理所需的信息不完备l背景知识不足l信息描述模糊l信息中含有噪声l规划是模糊的l推理能力不足l解题方案不唯一没有最优方案,只有相对较优方案。不实施,不能做出最后判断。13l一个人工智能系统,由于知识本身的不精确和不完全,采用标准逻辑意义下的推理方法难以达到解决问题的目的。对于一个智能系统来说,知识库是其核心。在这个知识库中,往往大量包含模糊性、随机性、不可靠性或不知道等不确定性因素的知识。为了解决这种条件下的推理计算问题,不确定性推理方法应运而生。l由于人类认识水平的客观限制,客观世界的很多知识仍不为人们所认知。l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
7、。在人类的知识和思维行为中,精确性只是相对的,不精确性才是绝对的。知识工程需要各种适应不同类的不精确性特点的不精确性知识描述方法和推理方法。14师氏食狮史师氏食狮史l石室诗士施氏,嗜狮,誓食十狮。氏时时适市视狮。十时,适十狮适市。是时,适施氏适市。氏视是十狮,恃矢势,使是十狮逝世。氏拾是十狮尸,适石室。石室湿,氏使恃拭石室。石室拭,氏始试食是十狮尸。食时,始识是十狮尸,实十石狮尸。试释是事。15知识的不确定性知识的不确定性l难于用精确的概念来描述事物 eg 高与不高 比秃子多一根头发的人仍是秃子l专家系统中的不确定性表现在证据或事实的不确定性,第二是规则的不确定性,第三是推理的不确定性。秃子悖
8、论16关于证据的不确定性关于证据的不确定性l证据的歧义性l证据的不完全性l证据的不精确性l证据的模糊性l证据的可信性l证据的随机性同意总理开会I saw a man with a telescope身高大约1.70米年轻如果乌云密布且电闪雷鸣,则很可能要下暴雨。17关于规则的不确定性关于规则的不确定性l构成规则前件的模式的不确定性l观察证据的不确定性l规则前件的证据组合的不确定性l规则本身的不确定性l规则结论的不确定性Eg 如果患者发高烧且常流清鼻涕,则患者感冒可能牛顿定律宏观正确微观不适合18推理的不确定性推理的不确定性l推理的不确定性是指:由于证据和规则的不确定性在推理过程中的动态积累和传
9、播而导致推理结论的不确定性。l需要采用某种不确定性的测度,并能在推理过程中来传递和计算这种不确定性的测度,最终得到结论的不确定性测度。l根据不确定性测度计算方法的不同,不确定推理可以有基于概率理论的不确定推理,基于可信度理论的不确定推理和基于模糊理论的不确定推理.19研究和发展研究和发展lShortliffe等人1975年结合MYCIN系统的建立提出了确定性理论。lDURA等人1976在PROSPECTOR的基础上给出了概率法。lDempster Shafter同年提出证据理论,Zadeh两年后提出了可能性理论,1983年提出了模糊逻辑。20基本概念基本概念(3/5)(3/5)表示问题:即采用
10、什么方法描述不确定性.一般有数值表示和非数值的语义表示方法.计算问题:主要指不确定性的传播和更新,也即获得新信息的过程.主要包括:l已知C(A),AB f(B,A),如何计算C(B)l已知C1(A),又得到C2(A),如何确定C(A)l如何由C(A1),C(A2)计算C(A1A2),C(A1A2)语义问题:指的是上述表示和计算的含义是什么,如何进行解释.21 不确定性的度量是指不确定的程度。根据不同的需要,往往采用不同的数据和方法来度量知识、证据和结论不确定性的程度,同时还需要事先规定它的取值范围。在确定一种量度方法及其范围时,应注意以下几点:(1)量度要能充分表达相应知识及证据不确定性的程度
11、。(2)量度范围的指定应便于领域专家及用户对不确定性的估计。(3)量度要便于对不确定性的传递进行计算,而且对结论算出的不确定性量度不能超出量度规定的范围。(4)量度的确定应当是直观的,同时应有相应的理论依据。22 不确定性的计算主要指不确定性的传递和更新,也即获得新信息的过程。主要包括如下三个方面:1)不确定性匹配算法及阈值的选择 目前常用的解决方法是,设计一个算法用来计算匹配双方相似的程度,另外再指定一个相似的“限度”,用来衡量匹配双方相似的程度是否落在指定的限度内。如果落在指定的限度内,就称它们是可匹配的,相应知识可被应用,否则就称它们是不可匹配的,相应知识不可应用。上述中,用来计算匹配双
12、方相似程度的算法称为不确定性匹配算法,用来指出相似的“限度”称来阈值。基本概念基本概念(4/5)(4/5)23 2)组合证据的不确定性算法 知识的前提条件既可以是简单条件,也可以是用合取或析取把多个简单条件连接起来构成的复合条件。进行匹配时,一个简单条件对应于一个单一的证据,一个复合条件对应于一组证据,称这一组证据为组合证据。目前,用的较多的有如下3种:(1)最大最小法 C(E1 AND E2)=minC(E1),C(E2)C(E1 OR E2)=maxC(E1),C(E2)(2)概率方法 C(E1 AND E2)=C(E1)C(E2)C(E1 OR E2)=C(E1)+C(E2)-C(E1)
13、C(E2)(3)有界方法 C(E1 AND E2)=max0,C(E1)+C(E2)-1 C(E1 OR E2)=min1,C(E1)+C(E2)上述的每一组公式都有相应的适用范围和适用条件。24 3)不确定性的传递算法 求解问题时,一般都需要通过多步推理才能得出结论,并求出结论的不确定性。在这一过程中,不确定性是逐步传递的。因此,为了得到最终结论的不确定性,必须设计不确定性的传递算法。在不同的系统中,由于面向的领域问题有不同特性,所采用不确定性的表示方法不同,因而所用的算法也不一样。不确性的传递一般包括两个子问题:一是在每一步推理中,如何把证据及知识的不确定性传递给结论;二是在多步推理中,如
14、何把初始证据的不确定性传递给最终结论。对于第一个子问题,在不同的不确定推理方法中所采用的处理方法各不相同,这将在下面的几节中分别进行讨论。对于第二个子问题,各种方法所采用的处理方法基本相同,即把当前推出的结论及其不确定性量度作为证据放入数据库中,供以后推理使用。25 4)结论不确定性合成 推理中有时会出现这样一种情况:用不同知识进行推理到得到了相同结论,但不确定性程度却不相同。此时,需要用合适的算法对它们进行合成。若有n条独立的证据i(i=1,2,n),分别求得结论H的不确定性为Ci(H)。则所有证据i的组合导致结论H的不确定性C(H),即定义算法g,使得 C(H)=gC1(H),C2(H),
15、Cn(H)在不同的不确定性推理方法中所采用的合成算法g各不相同,这将在以下的各节中分别予以讨论。26基本概念基本概念(5/5)(5/5)不确定推理方法的分类l形式化方法形式化方法:在推理一级扩展确定性方法在推理一级扩展确定性方法.逻辑方法逻辑方法:是非数值方法是非数值方法,采用多值逻辑、非单调逻采用多值逻辑、非单调逻辑来处理不确定性辑来处理不确定性新计算方法新计算方法:认为概率方法不足以描述不确定性认为概率方法不足以描述不确定性,出出现了确定性理论现了确定性理论,主观贝叶斯方法主观贝叶斯方法,证据理论和模糊证据理论和模糊逻辑等逻辑等新概率方法新概率方法:在传统的概率框架内在传统的概率框架内,采
16、用新的计算工采用新的计算工具以确定不确定性描述具以确定不确定性描述l非形式化方法非形式化方法:在控制一级上处理不确定在控制一级上处理不确定性性如制导回溯、启发式搜索等等如制导回溯、启发式搜索等等27l不确定性推理方法可分为形式化方法和非形式化方法。形式化方法是对确定性推理方法的扩展,它包括逻辑法、新计算法和新概率法。逻辑法是非数值方法,它采用多值逻辑和非单调逻辑来处理不确定性。新计算法认为一般的概率方法不足以描述不确定性,从而出现了确定性理论、主观贝叶斯方法和证据理论等方法。新概率法则试图在传统的概率论框架内,采用新的概率计算方法以适应不确定性描述。非形式化方法则是指启发性方法,通过在控制上处
17、理不确定性,但对不确定性没有给出明确的概念。28常见不确定性推理方法的基本思想常见不确定性推理方法的基本思想l信念网络()信息网络也称贝叶斯网络,是由 年给出的,属于证据推理中的贝叶斯家族,使用概率论方法。信念网络是无圈有向图(),其中结点都是变元,弧表示相关变元间的依赖关系。变元有一些取值对应于互不相同的假设或观察。依赖性强度由条件概率确定。由于通常的概率推理计算量很大,信念网络理论试图利用问题中的独立性信息减少计算量。信念网络提供了一种有效机制利用和检测独立性,从而为古老的概率推理注入了新的活力。该方法现已广泛应用,成为最有影响的不确定性推理方法。沿着这一思路,提出了概率相似性网络理论,相
18、似性网络可以利用更多的独立性信息。29l确定因子方法()在专家系统出现之前,概率论、证据理论和模糊集合论已经得到很大发展。当专家系统研究开始时,研究人员试图发展适合于基于规则的知识密集型系统不确定性管理方案。年代早期,提出了著名的确定因子方法,并用于处理系统中的不确定性信息。l在系统中,知识库是一组形如:证据()假设的规则组成,其中,表示在给定观察下假设的可信度。l可信度可以通过两个函数计算:()(,)。其中,(,)表示:证据成立时,假设相信程度的增加;(,)表示:证据成立时,假设被怀疑程度的增加。的值,表示的否定被确认,表示被确认。值得指出的是,证明了确定因子的原始定义与其综合函数是不协调的
19、,并且提出了确定因子的一种概率解释。指出的修正确定因子理论是理论的一个特殊情形。30l主观贝叶斯方法主观贝叶斯方法最早用于探矿专家系统的设计。主观贝叶斯方法除了使用通常的贝叶斯公式外,还使用一种变形的贝叶斯公式来计算在给定观察下某一假设成立的概率。新的公式基于更多的条件独立性假设。31l证据理论证据理论又称理论,最早由 在年代提出,年代经 发展成现在的形式。证据理论的提出旨在解决概率论推理的两上困难:概率论不能很好地表示无知,一个信念与其否定的主观概率之和为。事实上,概率论推理的两个困难是有密切联系的:无知使得我们对某一命题及其否定的相信程度之和可能不为;而和不为说明信念中有无知。证据理论用两
20、个数值信任度和似然度来表示不确定性,信任度相当于概率的下界,似然度相当于概率的上界。32l可能性理论可能性理论是基于模糊集合论提出的一种不确定性推理方法,后经和等人发展,成为一种重要的推理方法。可能性理论能处理模糊不确定性和不完全信息,其表示不确定性信息的手段是使用可能性度量和必然性度量。尽管从度量上看,可能性理论的度量是证据理论度量的特例,但是这不等于说可能性理论是证据理论的一个特例。事实上,可能性理论具有自己的传播、修正手段,它所处理的对象是带有模糊性的信息。33l粗略集理论粗略集理论是 年提出的一种处理不确定性的方法。该理论特别适合于处理知识获取过程中的不致性。在粗略集理论中,计算一个划
21、分的上、下似是基本的研究问题。基于上、下近似,两组不同的规则集就可以算出来,这就是确定性规则和可能性规则。确定性规则可以使用经典逻辑进行演算。可能性规则由一些数据(其中可能有冲突)支持。可能性可以使用经典逻辑或者任何一种不确定处理方法进行处理。该方法的一个优点是确定性规则和可能性规则可以分开来处理,另一个优点是不需关于数据的定量化信息。34l非单调推理经典的非单调推理方案主要研究在信息或知识不完全情况下如何推出一些合理的可错的结论问题。因此,非单调推理属于定性不确定性推理的范畴。由于大多数非单调推理方案缺乏信念强度的评价手段,因此非单调推理与其它不确定性推理的结合研究逐渐活跃起来。35不确定性
22、推理方法不确定性推理方法确定性理论主观贝叶斯方法证据理论36一一.确定性理论确定性理论 1975年,肖特里菲(E.H.Shortliffe)提出一种不确定性推理方法,并应用于专家系统MYCIN。它以产生式作为知识表示方法,以确定性因子或称可信度作为不确定性的度量。371.1.知识的不确定性表示知识的不确定性表示 规则以AB表示,其中前提A可以是一些命题的合取或析取。可信度CF(B,A)作为规则不确定性度量,它的作用域为-1,1。定义4.11 规则AB,结论B的可信度被定义为)(P)|(P)(P)(P)|(P)(P)|(P)(P1)(P)|(P),(CFBABBBABBABBBABAB当当 CF
23、(B,A)的定义借用了概率,但它本身并不是概率。因为CF(B,A)可取负值,CF(B,A)+CF(B,A)不必为1甚至可能为0。38 定义4.12 CF(B,A)=MB(B,A)-MD(B,A)其中MB为信任增长程度,当MB(B,A)0时,有P(B|A)P(B),表示证据A的出现增加了对B的信任程度。MD为不信任增长程度,当MD(B,A)0时,有P(B|A)P(B),表示证据A的出现增加了对B的不信任程度。定义4.13其他若)(P1)(P)(P),|(Pmax1)(P,1),(MBBBBABHAB其他若)(P)(P)(P),|(Pmin0)(P,1),(MDBBBABHAB39 对于同一个证据
24、A,若存在n个互不相容的假设Bi(i=1,2,n),则1),(CF1HHini因此,若发现专家给出的可信度CF(B1,A)=0.6,CF(B2,A)=0.7,即出现B1和B2互不相容,则说明规则的信度是不合理的,应当进行适当调整。40 在确定性的逻辑推理过程中,前提(规则A B的左部A,也就是证据)要么为真,要么为假,不允许不真不假的情况出现。但是在很多不确定性推理问题中,前提或证据本身是不确定的,介于完全的真和完全的假之间。为了描述这种不确定性的程度,引入了证据的可信度。2.2.证据的不确定性表示证据的不确定性表示41 在推理过程中,不可避免要计算原始证据的与、或、非,还要计算多条规则的使用
25、对计算结果的综合影响。于是,在已知规则和原始证据的可信度度量的情况下,如何计算新的组合证据或规则的不确定性,就成了很关键的问题。在不确定性的传播与更新中,必须解决证据的与、或、非的不确定性计算问题。(1)组合证据的不确定性算法 CF(A1A2An)=minCF(A1),CF(A2),CF(An)CF(A1A2An)=maxCF(A1),CF(A2),CF(An)(2)证据“非”的计算 CF(A)-CF(A)(3)不确定性的传递算法:根据证据和规则的可信度求其结论的可信度。若已知CF(B,A)和证据的可信度CF(A),则结论的可信度CF(B)为 CF(B)=CF(B,A)max0,CF(A)3.
展开阅读全文