规则式不确定知识加值处理推论模式课件.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《规则式不确定知识加值处理推论模式课件.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:
- 规则 不确定 知识 处理 推论 模式 课件
- 资源描述:
-
1、1 研 究 生:黃 金 榮九十四學年度第二學期台灣科技大學營建系博士班研究生定期報告九十四學年度第二學期台灣科技大學營建系博士班研究生定期報告Value-Added Treatment Inference Model for Rule-based Uncertainty Knowledge2AgendAAgendA1.論文題目與摘要論文題目與摘要2.論文研究流程論文研究流程3.規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯 4.規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式5.規則式不確定性知識加值處理推論模式規則式不確定性知識加值處理推論模式6.研究成果研究成
2、果7.結論結論31.論文題目與摘要論文題目與摘要Topic of reseArch規則式不確定性知識加值處理推論模式規則式不確定性知識加值處理推論模式(Value-Added Treatment Inference Model for Rule-based Uncertainty Knowledge)keywords條件機率條件機率(Conditional Probability),確定係數確定係數(Certainty Factor),知識加值知識加值(Knowledge Value-Added),可信度指數可信度指數(Reliable Factor),決策指數決策指數(Decision In
3、dex)41.論文題目與摘要論文題目與摘要ISSUE:1規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯 ISSUE:2規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式 ISSUE:3規則式不確定性知識加值處理推論模式規則式不確定性知識加值處理推論模式5知識庫中知識來源不同,專家意見不一,導致知識庫中知識存在相同意義、衝突或數據大小不一致。隨時空環境改變,新技術、新法規、新方法、新證據產生等因素,可能產生知識不適用。知識整體內涵及關聯無法顯現,且錯誤的知識,會導致錯誤的決策。BAckground1.論文題目與摘要論文題目與摘要6依據知識關聯,建構規則式不確定知識加值
4、處理推論模式,進行合併、整合、刪除、創新、及新增等加值處理作業。reseArch oBjecTive提升知識應用之附加價值。使知識表現更具整體性,知識間關聯映射及知識輔助決策指標能具體顯現,有效避免做出錯誤決策。1.論文題目與摘要論文題目與摘要71.Objective Formation2.文獻回顧文獻回顧 3.規則式知識相似度計算規則式知識相似度計算Next pagea.相似度衡量方法 b.知識再利用及知識加值c.不確定係數計算2.論文研究流程論文研究流程(1/2)4.知識相似度計算系統知識相似度計算系統 快速準確求得規則式知識相似度矩陣,確定知識間之關聯 85.知識關聯與知識關聯與確定確定
5、知識加值處理推論知識加值處理推論模式模式6.規則式不確定知識規則式不確定知識加值處理推論模式加值處理推論模式 End7.結論結論依據知識6種不同關聯,經合併、整合、刪除、創新及新增等加值推論處理(可信度指數理論)不確定知識6種不同關聯,經合併、整合、刪除、創新及新增等加值推論處理(決策指數理論)Up page2.論文研究流程論文研究流程(2/2)9摘要摘要3.ISSUE:1 規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯提出規則式知識使用O-A-RV結構表示。整合條件機率、向量矩陣、人工智慧,建構條件 機率知識相似度演算法及知識相似度計算系統。快速準確求得規則式知識相似度矩陣,確
6、定知識間之關聯。作為提升知識附加價值處理之知識來源。10規則式知識使用O-A-RV結構表示ISSUE:1 規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯規則式知識表示語法為IF前提(antecedent)THEN 結論(consequent)。無論前提或結論,均可使用一個句子(sentence)表示。使用物件(Object)、屬性(Attribute)、關係運算子(Relationship Operator)、語意值(Linguistic Value)等四部份組成O-A-RV結構表示。11句子句子O-A-RV結構表示結構表示ISSUE:1 規則式知識相似度計算及知識關聯規則式知識
7、相似度計算及知識關聯SentenceOARVThe temperature of the engine is more than 100 c.enginetemperature100 cThe vehicles color is red.vehiclecolor=redThe span of bridge is less than 50m.bridgespan50m前提向量前提向量=O1 A1 R1V1 O2 A2 R2V2 O3 A3 R3V3On An RnVn 第1個物件屬性 第2個物件屬性 第3個物件屬性 第n個物件屬性12O-A-RV分量轉換對應表示ISSUE:1 規則式知識相似度計
8、算及知識關聯規則式知識相似度計算及知識關聯資料型態運算性質說明Nominal無法比較大小,無法算術運算車子顏色,比較結果為真或假Ordinal有限個,但具有次序關係,可以比較大小,無法算術運算衣服尺寸型號:SMLXLInterval and ratio數值型資料,可以比較大小,也可以算數運算影響範圍:很小小中大x 與知識庫案例與知識庫案例Ky 等各種狀況之等各種狀況之RV分量之轉換對應分量之轉換對應其中其中:V1 為為x與與y的關係,的關係,V2 為為K與與y的關係,的關係,V3 為為T與與x的關係。的關係。max表示分量表示分量V之最大值再加之最大值再加R。min表示分量表示分量V之最小值再
9、減之最小值再減R。18RV分量(Interval and ratio)轉換對應表示ISSUE:1 規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯Transforming Mapping for x y,Tx and Ky Transforming Mapping for x y,T=x and Ky Transforming Mapping for x y,Ty 19RV分量(Interval and ratio)轉換對應表示ISSUE:1 規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯20RV分量(Interval and ratio)轉換對應表示ISSUE:1
10、規則式知識相似度計算及知識關聯規則式知識相似度計算及知識關聯當當測試案例測試案例 x1 T x2與知識庫案例與知識庫案例 y1 K”Rule 1:IF a1 THEN V42Rule 2:IF a1 THEN V30Rule 3:IF a1 THEN V52Rule 4:IF a1 THEN V60Then constant value added inferences of this knowledge set RF are as follows:Rule 1:IF a1 THEN V30(RF=0)Rule 2:IF a1 THEN 30V 42(RF=0.25)Rule 3:IF a1
11、THEN 42V 52(RF=0.5)Rule 4:IF a1 THEN 5260(RF=1)44可信度指數表示實例:ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式Example 2:if in knowledge base there are five rules with same antecedent a1Rule 1:IF a1 THEN V30Rule 3:IF a1 THEN V52Rule 4:IF a1 THEN V60Rule 5:IF a1 THEN V=50Then the value added of this knowledge se
12、t is inferenced below:Rule 1:IF a1 THEN V 30(RF=0.4)Rule 2:IF a1 THEN 30V42(RF=0.6)Rule 3:IF a1 THEN 42V 52(RF=0.4,V 50)Rule 4:IF a1 THEN V=50(RF=0.6)Rule 5:IF a1 THEN 52V60(RF=0.6)Rule 6:IF a1 THEN V 60(RF=0.4)45不同關聯知識群之加值處理推論模式ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式NOT c1a1Rule 3c1NOT a1Rule 2c1a
13、1Rule 1ConsequentAntecedent Knowledge Previous knowledgeInference RF=RF4c1NOT a1Rule 4RF=RF3c1a1Rule 3RF=RF2NOT c1a1Rule 2Denote by RFInnovateRF=RF1c1a1Rule 1Remark Value-added treatmentReliable factor ConsequentAntecedent KnowledgeKnowledge value-added treatmentNOT c1a1Rule 3c1NOT a1Rule 2c1a1Rule
14、1ConsequentAntecedent Knowledge Previous knowledgeInference RF=RF4c1NOT a1Rule 4RF=RF3c1a1Rule 3RF=RF2NOT c1a1Rule 2Denote by RFInnovateRF=RF1c1a1Rule 1Remark Value-added treatmentReliable factor ConsequentAntecedent KnowledgeKnowledge value-added treatmentValue-Added treatment inference of knowledg
15、e sets with same antecedent 46不同關聯知識群之加值處理推論模式ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式Value-Added treatment inference of knowledge sets with same consequentc1a3Rule 3c1a2Rule 2c1a1Rule 1Consequent AntecedentKnowledgePrevious knowledgeInference RF=RF3c3a1Rule 5RF=RF2c2a1Rule 4there are contradictions
16、among consequents c1,c2,c3,or variable data size,denoted by RFInnovateRF=RF1c1a1Rule 3MergeRF=1NOT c1 OR NOT c2 OR NOT c3NOT a1 OR NOT a2 OR NOT a3 Rule 2No contradiction among consequents c1,c2,c3,or no variable data sizeMergeRF=1c1a1 OR a2 OR a3Rule 1Remark Value-added treatmentReliable factor Con
17、sequentAntecedent KnowledgeKnowledge value-added treatmentc1a3Rule 3c1a2Rule 2c1a1Rule 1Consequent AntecedentKnowledgePrevious knowledgeInference RF=RF3c3a1Rule 5RF=RF2c2a1Rule 4there are contradictionsamong consequents c1,c2,c3,or variable data size,denoted by RFInnovateRF=RF1c1a1Rule 3MergeRF=1NOT
18、 c1 OR NOT c2 OR NOT c3NOT a1 OR NOT a2 OR NOT a3 Rule 2No contradiction among consequents c1,c2,c3,or no variable data sizeMergeRF=1c1a1 OR a2 OR a3Rule 1Remark Value-added treatmentReliable factor ConsequentAntecedent KnowledgeKnowledge value-added treatment47規則式知識加值處理推論演算法架構(Rule-based Knowledge
19、Value-Added Treatment Inference Algorithm,RKVATIA)ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式Conditional Probability Knowledge Similarity AlgorithmConditional Probability Knowledge Similarity AlgorithmKnowledge Value-AddedTreatmentKnowledge Value-AddedTreatmentRule-basedKnowledgeRule-basedKnowledgeReli
20、able FactorTheoryReliable FactorTheoryKnowledge RelationshipKnowledge RelationshipKnowledge Value-AddedKnowledge Value-AddedConditional Probability Knowledge Similarity AlgorithmConditional Probability Knowledge Similarity AlgorithmKnowledge Value-AddedTreatmentKnowledge Value-AddedTreatmentRule-bas
21、edKnowledgeRule-basedKnowledgeReliable FactorTheoryReliable FactorTheoryKnowledge RelationshipKnowledge RelationshipKnowledge Value-AddedKnowledge Value-Added48規則式知識加值處理推論演算法(Rule-based Knowledge Value-Added Treatment Inference Algorithm,RKVATIA)ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式Input:一般規則式知識:
22、一般規則式知識Output:規則式加值處理知識:規則式加值處理知識Step 1:一般規則式知識表示:一般規則式知識表示O-A-RV結構結構Step 2:O-A-RV各分量轉換對應成數值並表成前提矩陣、結論矩陣及各分量轉換對應成數值並表成前提矩陣、結論矩陣及知識矩陣知識矩陣Step 3:計算兩兩前提相似度、兩兩結論相似度、兩兩知識相似度、前:計算兩兩前提相似度、兩兩結論相似度、兩兩知識相似度、前提結論相似度、結論前提相似度提結論相似度、結論前提相似度Step 4:建立前提相似度矩陣、結論相似度矩陣、知識相似度矩陣、前:建立前提相似度矩陣、結論相似度矩陣、知識相似度矩陣、前提結論相似度矩陣、結論前
23、提相似度提結論相似度矩陣、結論前提相似度Step 5:找出具有各種特殊關聯可以加值處理知識群:找出具有各種特殊關聯可以加值處理知識群Step 6:依知識關聯及可信度指數理論進行適當的加值推論處理:依知識關聯及可信度指數理論進行適當的加值推論處理 Step 7:儲存規則式加值處理知識:儲存規則式加值處理知識Step 8:停止:停止 49知識實例加值處理知識實例加值處理ISSUE:2 規則式確定性知識加值處理推論模式規則式確定性知識加值處理推論模式50摘要摘要5.ISSUE:3 規則式不確定知識加值處理推論模式規則式不確定知識加值處理推論模式提出可信度係數(RF)表示存在衝突或重疊或對應數據大小不
24、一致之知識可以採信程度確定指數(cf)顯示知識是否存在程度決策指數(RI)顯示知識輔助決策指標。依據知識關聯,建構規則式不確定知識加值處理推論模式進行合併、整合、刪除、創新、新增等加值處理作業,使知識經加值處理後,知識表現更具整體性,知識間關聯映射及知識輔助決策指標能具體顯現,有效避免做出錯誤決策。51單一前提知識確定係數單一前提知識確定係數(certainty factor,cf)計算計算ISSUE:3 規則式不確定知識加值處理推論模式規則式不確定知識加值處理推論模式Rule:IF THEN cfa,cfrule簡化表示 a,c cfa,cfrule=a,c cf知識之確定指數計算 cf=c
25、fa*cfrule其中cfa:單一前提發生之確定指數,表示該前提存在的機率,其值介於0與1之間。cfrule:規則推論之確定指數,表示該規則推論發生的機率,其值介於0與1之間。cf:組合單一前提及規則推論之知識淨確定係數,表示該知識存在的機率。定義其值介於0與1之間,52前提具有邏輯運算子前提具有邏輯運算子ANDAND,OROR知識確定係數計算知識確定係數計算ISSUE:3 規則式不確定知識加值處理推論模式規則式不確定知識加值處理推論模式53具有收斂對應具有收斂對應(多對一對應多對一對應)關聯知識確定係數計算關聯知識確定係數計算ISSUE:3 規則式不確定知識加值處理推論模式規則式不確定知識加
展开阅读全文