人工智慧之不確定推理方法

人工智慧課程複習筆記專題

人工智慧緒論

人工智慧之知識表示

人工智慧之搜尋方法

人工智慧之經典邏輯推理

人工智慧之專家系統

人工智慧之不確定推理方法

人工智慧之機器學習

現實世界中的大多數問題是不精確、非完備的。

不確定性推理泛指除精確推理以外的其它各種推理問題。包括不完備、不精確知識的推理，模糊知識的推理，非單調性推理等。

不確定性推理過程實際上是一種從不確定的初始證據出發，通過運用不確定性知識，最終推出具有一定不確定性但卻又是合理或基本合理的結論的思維過程。

問題：前提是不確定的，事實也是不確定的

方法：設計乙個計算相似度的演算法，給出相似度的限度

標誌：相似度落在規定限度內為匹配，否則為不匹配

組合證據不確定性的計算

含義：知識的前提條件是多個證據的組合。

方法：最大最小方法（合取取最小，析取取最大），概率方法

不確定性的傳遞

主要問題：

1）如何用證據的不確定性去更新結論的不確定性

2）如何在推理中把證據的不確定性傳遞給最終結論

解決方法：

對1），不同推理方法解決方法不同

對2），方法相同，把當前結論及其不確定性作為新的結論放入綜合資料庫。依次傳遞直到得出最終解。

非精確性結論的合成

含義：多個不同知識推出同一結論，且不確定性程度不同

方法：視不同推理方法而定

可信度是指人們根據以往經驗對某個事物或現象為真的程度的乙個判斷，或者說是人們對某個事物或現象為真的相信程度。

表示形式：

在c-f模型中，知識是用產生式規則表示的，其一般形式為：

if e then h (cf(h, e))　

其中，e是知識的前提條件；h是知識的結論；cf(h, e)是知識的可信度。

例子

if 發燒 and 流鼻涕 then 感冒 (0.8)

表示當某人確實有「發燒」及「流鼻涕」症狀時，則有80%的把握是患了感冒。

2.2可信度的定義和性質

可信度的定義

mb:相對於可信度餘值的增長，取最大，確保得正數

md：相對於不可信度的增長，取最小，確保分母得負數

可信度的性質

1）互斥性

當mb(h, e)>0時，md(h, e)=0

當md(h, e)>0時，mb(h, e)=0

2）值域

3）典型值

cf(h,e)=1,e的出現使h為真

cf(h,e)=-1,e的出現使h為假

cf(h,e)=0,e的出現對h無影響

4)對h的信任增長度等於對非h的不信任增長度

5)對同一前提e，若支援若干個不同的結論hi(i=1,2,…,n)，則

證據不確定性的表示

1）不確定性的表示：

證據的不確定性也是用可信度來表示的，其取值範圍也為[-1,1]　

若e為初始證據，其值由使用者給出。

若e為中間結論，其值可通過計算得到。

2）不確定的含義

否定資料的不確定性計算

cf(¬e)=- cf(e)

組合證據的不確定性計算

合取 cf(e)=min

析取 cf(e)=max

不確定性的傳遞

cf(h)=cf(h, e)×max

結論不確定性的合成

按以下2步計算：

(1) 分別對每條知識求出其cf(h)。即

cf1(h)=cf(h, e1) ×max

cf2(h)=cf(h, e2) ×max

(2) 用如下公式求e1與e2對h的綜合可信度

例子設有如下一組知識：

r1：if e1 then h (0.9)

r2：if e2 then h (0.6)

r3：if e3 then h (-0.5)

r4：if e4 and ( e5 or e6) then e1 (0.8)

已知：cf(e2)=0.8，cf(e3)=0.6，cf(e4)=0.5，cf(e5)=0.6, cf(e6)=0.8

求：cf(h)=?

解：由r4得到：

cf(e1)=0.8×max

= 0.8×max}

=0.8×max}}

=0.8×max}}

=0.8×max}

=0.8×max = 0.4

由r1得到：cf1(h)=cf(h, e1)×max

=0.9×max = 0.36

由r2得到：cf2(h)=cf(h, e2)×max

=0.6×max = 0.48

由r3得到：cf3(h)=cf(h, e3)×max

=-0.5×max = -0.3

根據結論不精確性的合成演算法，cf1(h)和cf2(h)同號，有：

cf12(h)和cf3(h)異號，有：

即綜合可信度為cf(h)=0.53

人工智慧 5 不確定性推理

不確定性推理實際上是一種從不確定的初始證據出發，通過運用不確定性知識，最終推出具有一定程度的不確定性但卻又是合理或基本合理的結論的思維過程。1 不確定性的表示 知識的不確定性表示 乙個數值，表示相應知識的確定性程度，知識的靜態強度。證據的不確定性表示 證據的不確定性可以用概率來表示，也可以用可信程度...

人工智慧 確定性推理

搜尋的過程實際上就是轉化為在狀態空間圖上尋找一條從初識節點到目標節點的路徑。bfs 寬度優先搜尋 dfs 深度優先搜尋 ucs 一致代價搜尋 又名dijkstra演算法，由bfs拓展而來 dfs遍歷到目標節點就結束，因此找到的不一定是最短的路線，但bfs 適用於沒有權重路徑的移動過程 ucs每次用最...

《人工智慧》之《確定性推理》習題解析

教材 人工智慧及其應用 蔡自興等，2016m清華大學出版社 第5版 參考書 對應同系列部落格 人工智慧 之 確定性推理 圖搜尋過程如下 建立乙個只含有起始節點s的搜尋圖g，把s放到乙個叫做open的未拓展節點表中。建立乙個叫做closed的已拓展節點表，初始化為空表。loop 若open表是空表，則...