人工智能第5章 不確定性推理(文件)
【正文】 度 有 ： 空集為零 意義 若 A屬于 Ｕ ，且不等于 Ｕ ，表示對 A的精確信任度 若 A等于 Ｕ ，表示這個數(shù)不知如何分配 1)( ???AmUA 0)( ??m 證據(jù)理論 (證據(jù)的不確定性 ) 信任函數(shù) ２ Ｕ → ［ 0,1］。 ??? ?ABm(B) 證據(jù)理論 (證據(jù)的不確定性 ) 設(shè)函數(shù) f(Bel(A), Pl(A)) ，則有如下特殊值： f(１ ,１ )： 表示 A為真 f( 1, 0)： 表示 A為假 f(０ ,１ )： 表示對 A一無所知 f( 0,０ )： 不可能成立 證據(jù)理論 ? 概述 ? 證據(jù)的不確定性 ? 規(guī)則的不確定性 ? 推理計算 證據(jù)理論 ? 概述 ? 證據(jù)的不確定性 ? 規(guī)則的不確定性 ? 推理計算 證據(jù)理論 (規(guī)則的不確定性 ) 定義： 其中 |A|、 |U|為集合內(nèi)元素個數(shù)。 ? ? ?? AYX 21 )Y(m)X(mK ? ????????? YX 21YX 21)Y(m)X(m)Y(m)X(?? 第四章 不確定性推理 The End 演講完畢，謝謝觀看！ 。 求 :f1(B) 規(guī)定： m({b1}, {b2}, ?,{b k}) = (f1(A)c1,f1(A)c2,?, f 1(A)ck) m (U) = 1 – ??k1iii c)A(f 證據(jù)理論 (推理計算 ) 證據(jù)的組合： m1, m2在 U上的合成 （對于同樣的證據(jù)，由于來源不同，得到二個概率分配函數(shù) m1, m2 ） 定義： m = m1⊙ m2 規(guī)定： m(Φ) = 0 ， m(A) = 其中 K－ 1＝ 1－ 且 K－ 1 ? 0。 ??AB m(B)?? AB Bm )( 證據(jù)理論 (證據(jù)的不確定性 ) 似然函數(shù) Pl：２ Ｕ → ［ 0,1］。 討論一組疾病 A發(fā)生的可能性時 ， A變成了單元（ 某些假設(shè) ） 的集合 。所以它比概率論更合適于專家系統(tǒng)推理方法。 第四章 不確定性推理 概述 確定性方法 主觀 Bayes方法 證據(jù)理論 可能性理論 第四章 不確定性推理 概述 確定性方法 主觀 Bayes方法 證據(jù)理論 可能性理論 證據(jù)理論 (Evident Theory) 概述 證據(jù)的不確定性 規(guī)則的不確定性 推理計算 證據(jù)理論 (Evident Theory) 概述 由 Dempster首先提出，并由他的學(xué)生 Shafer發(fā)展起來，也稱 DS理論。|( 2121 AAPAAPAAAP ?? 主觀 貝葉斯 方法 主觀 Bayes方法的評價 優(yōu)點： 計算方法直觀、明了。|(mi n)39。 由差值法從線上得到其它點的結(jié)果 ， 具體過程見教科書上例題 。（規(guī)則成立的充分性） 主觀 貝葉斯 方法 （ 規(guī)則的不確定性 ） B)|~AP(~B)|AP(~LN ?表示 A為假時，對 B的影響。 原有貝葉斯公式只考慮 A出現(xiàn)對 B的影響，沒有考慮A不出現(xiàn)的影響。（應(yīng)在分母加項） 規(guī)則 (推理計算 － 5） 評論 可信度方法的宗旨不是理論上的嚴(yán)密性，而是處理實際問題的可用性。 CF(A) 0， 規(guī)則 A ? B不可使用，即此計算不必進(jìn)行。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 此時 CF(B, A) 0。即 A發(fā)生更支持 B發(fā)生。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 規(guī)則 規(guī)則的不確定性度量 證據(jù)（前提）的不確定性度量。 新方法應(yīng)適用于證據(jù)為增量式地增加的情況 。 (2) 若算法 (1)中， C ( E ) = e(H),則 C(H) = e(H) (3) 若算法 (2)中， C1(H)=e(H)，則 C(H)=C2(H) C2(H)=e(H)，則 C(H)=C1(H) (4) 若算法 (1)中， C(H， E) = e(H),則 C(H) = e(H) (5) 在算法 (3)中， g3 (x1,…, xn) = min(x1,…,xn) (6)在算法 (4)中， g4 (x1,…, xn) = max(x1,…,xn) 第四章 不確定性推
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1