- 1、本文档共108页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
人工智能原理第7章不精确推理(阅读)
人工智能原理第7章 不精确推理本章内容 7.1 不精确推理的必要性 7.2 贝叶斯概率推理 7.3 贝叶斯网络 7.4 可信度方法* 7.5 模糊推理 参考书目 7.1 不精确推理的必要性不精确推理的原因 / 方法 为什么要不精确推理 做不精确推理的原因有多种: 推理所需的信息不完备:竞争双方不知道对方信息 背景知识不足:疑难病症的机理 多种原因导致同一结果:疾病的诊断 信息描述模糊:目击者对嫌疑犯的描述 信息中含有噪声:做假帐,虚假统计报表,采集数据当中的噪声(雷达、声纳/化验)等 不精确推理的原因 规则是模糊的:定性描述,如“如果刑事犯罪猖獗,就应加大打击力度”等 推理能力不足:天气预报的计算 解决方案不唯一:多个方案如何选优的问题 两种不确定性 环境的不确定性—智能体几乎从来无法了解关于其环境的全部事实 反映环境的知识的不确定性—过于复杂而无组织—知识粥(knowledge soup) 不确定环境下的智能体行动 从智能体角度看,他不得不在不确定的环境下行动 克服这种不确定性的解决方案 1)条件规划 2)使用简单而不完全正确的模型 大部分时间模型或者规划可行,但有时会出现矛盾 理性决策—依赖于各种目标的相对重要性,也依赖于这些目标被实现的可能性 不确定性下的决策 不确定性的存在改变了智能体进行决策的方式 智能体要在各种规划的不同可能结果之间进行选择(有所偏好) 一种结果是一个被完全确定的状态—任何状态对于智能体来说都具有一定程度的有用性即效用,智能体将偏好具有更高效用的状态 决策理论=概率理论+效用理论 理性智能体选择能产生最高效用的行动 不精确推理 现实不确定性需要不精确推理,将数值计算引入推理过程 继续使用逻辑联结词 真假值概率化,以表示某种可靠程度 在推理的前提和结论之间建立概率公式(解释) 前提称为证据,结论称为假设 应用:专家系统中的推理网络 (PROSPECTOR系统/ MYCIN系统) 贝叶斯网络(Bayesian network) 智能体使用概率对行动结果(用事件之间的联系表示)进行预测,进而选择期望效用最高的行动 贝叶斯网络(也叫贝叶斯信念网)是一个节点标注了定量概率信息的有向图,反映了一个事件对于另一个事件的影响程度/表示了变量之间的依赖关系和概率信息 贝叶斯网络是事件之间联系的全面而形象的表示 知识粥(Knowledge Soup) 现实世界的复杂性和不确定性反映在智能体内部—异质的、不固定的、经常不一致的知识—称为知识粥 “粥体”包含小块(small chunk)—对应于规则、框架等,大块(large chunk)—对应于整个理论 这些“块”的内部是一致的,“块”之间可以是不一致的 从整体来说,知识往往具有这样的特性—模糊、不确定、随机、无知 7.2 Bayes概率推理7.2.1 有关概念和公式7.2.2 几率和似然比7.2.3 似然比应用 主观Bayes主义 主观Bayes主义: 将概率推理与归纳逻辑的解释联系起来,现实世界的一些因果关系可以形成一种信念,它并非在所有场合下都正确,可称为部分信念 / 表示这种信念的最好方法是概率方法,对概率的解释有若干种,其中Bayes创立了主观解释,也称为主观Bayes主义 其要点是:概率是个人的一种合理置信度,每个人的估计(概率)虽然各不相同,但应该满足概率的基本规律和其他某些客观规律,因而是合理的 7.2.1 有关概念和公式 在Bayes概率推理中,推理规则表示为 if E(前提/证据) then H(结论/假设)(LS, LN) 规则强度用LS/LN表示(也称为似然比) / 其不精确推理过程是:根据证据E的概率P(E),利用规则的LS和LN,把结论的先验概率P(H)更新为后验概率P(H|E),因而也称为概率传播 Bayes条件概率 Bayes条件概率:令假设H的先验概率为P(H),P(H)是指定的 / 证据E为真时H的条件概率为P(H|E),P(H|E)的一部分是指定的,一部分是根据P(H)和指定的P(H|E)计算出来的,这部分计算出的概率称为后验概率 条件概率P(H|E)可看作以一定概率成立的E→H的推理规则 概率公理 Bayes概率服从如下公理(Kolmogorov公理): (1)0≤P(H)≤1 (2)P(H=T)=1 / P(H=F)=0 (3)P(H∨G)=P(H)+P(G)—P(H∧G) / 当H和G互斥有P(H∨G)=P(H)+P(G) 特别有P(H)+P(﹁H)=1 / 一般地有∑P(Hi|E)=1即证据E下Hi的全体构成了一切可能的假设,其中任意Hi和Hj (i≠j)互斥 这样的概率公理是不能违反的(p364论证) 条件概率公式 条件概率公式 P(HG)=P(H|G)P(G)=P(G|H)P(H)
您可能关注的文档
最近下载
- 化工园区危险品运输车辆停车场建设标准.docx
- 雨水井劳务分包合同2024年通用.docx
- 老年人智能机培训课件.pptx VIP
- 体育教育专业职业生涯规划书发展报告大一全国大学生职业规划大赛模板范文1500字.pdf VIP
- 索尼特丽珑彩监_bvm20f1u_bvm20f1e_bvm20e1u_bvm20e1e_bvm14f1u_bvm14f1e_bvm14e1u_bvm14e1e_bvm14f5u_bvm14f5e_bv.pdf
- 一年级道德与法治《我是小学生啦》单元整体教学设计(1).doc VIP
- 南宋爱国诗词的内容和情感专题.ppt VIP
- 2024年新人教版七年级上册生物课件 第三章 微生物 第三节 真菌 .pptx
- iAStar-S3系列电梯专用变频器使用说明书_V2.03.pdf
- 2024年高一年级上册语文期末复习:文言文阅读 刷题练习题(含答案解析).pdf VIP
文档评论(0)