人工智能邏輯推理論文(2)
人工智能邏輯推理論文
人工智能邏輯推理論文篇二
人工智能中不確定性推理方法比較
一、引言
許多比較復(fù)雜的人工智能系統(tǒng)往往含有復(fù)雜性、不完全性、模糊性和不確定性。不確定性是智能系統(tǒng)開(kāi)發(fā)實(shí)現(xiàn)中的一個(gè)本質(zhì)特征，不確定性推理是解決傳統(tǒng)的專(zhuān)家系統(tǒng)知識(shí)的脆弱性和推理的單調(diào)性的一個(gè)重要手段。眾所周知，確定性推理存在許多的缺點(diǎn)和不足，在運(yùn)動(dòng)的規(guī)律下，精確性往往是相對(duì)的;不精確性才是必然的。不確定理論是概率論、可信性理論、信賴性理論的統(tǒng)稱，目前專(zhuān)家學(xué)者在研究和實(shí)驗(yàn)的基礎(chǔ)上提出不少確定推理的模型，如基于概率論的主觀Bayes方法、基于模糊集的可能性理論、Dem Pster-Shafer的證據(jù)理論方法、粗糙集方法、數(shù)據(jù)挖掘的方法、模糊邏輯推理等，本文對(duì)一些常用的基本理論，推理方法進(jìn)行了總結(jié)。
二、主觀bayes方法s
(一)簡(jiǎn)介。主觀Bayes方法是由R.O.Duda等人在1976年提出的，是對(duì)Bayes公式修正形成的一種不確定推理模型，并在地礦勘探專(zhuān)家系統(tǒng)PROSPECTOR中得到了成功的應(yīng)用。
(二)優(yōu)勢(shì)與缺點(diǎn)。1.主觀bayes方法中的計(jì)算公式是在概率論的基礎(chǔ)上發(fā)展起來(lái)的，具有堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ)。2.知識(shí)的靜態(tài)強(qiáng)度LS與LN是由專(zhuān)家根據(jù)自己的領(lǐng)域經(jīng)驗(yàn)知識(shí)給出的，避免了大量的統(tǒng)計(jì)工作。它既用LS給出證據(jù)E對(duì)結(jié)論H的支持強(qiáng)度，還同時(shí)使用LN支持E對(duì)H的必要性程度，全面客觀的反映了證據(jù)與結(jié)論之間的因果聯(lián)系，提高了推出結(jié)論的正確性。3.主觀bayes方法不僅給出在證據(jù)E肯定存在和肯定不存在的前提條件下由H的先驗(yàn)概率更新為后驗(yàn)概率的方法，而且還給出了在證據(jù)E不確定的前提下將前驗(yàn)概率更新為后驗(yàn)概率的方法。
(三)缺點(diǎn)。1.Bayes公式的應(yīng)用條件是很?chē)?yán)格的，它要求各事件相互獨(dú)立，若證據(jù)間存在依賴關(guān)系，此方法不成立。2.一個(gè)事件或命題的概率是在大量的統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上計(jì)算出來(lái)的，盡管有時(shí) 比 相對(duì)容易得到，但要想得到這些數(shù)據(jù)仍是一件相對(duì)困難的工作。
三、基于證據(jù)理論的證據(jù)推理方法
(一)簡(jiǎn)介。證據(jù)理論最早是基于德姆斯特的研究，他試圖用一個(gè)概率范圍而不是單個(gè)的概率值去模擬不確定性。莎弗進(jìn)一步的研究方向用于處理不確定、不精確以及間或不準(zhǔn)確的信息。在證據(jù)理論中，引入信任函數(shù)來(lái)度量不確定性，并引用似然函數(shù)來(lái)處理由于“未知”引起的不準(zhǔn)確，并且不必事先得到所表示知識(shí)的先驗(yàn)概率。
(二)不確定性的表示。1.概率分配函數(shù)。設(shè)函數(shù)m滿足
;
，則稱m是 上的概率分配函數(shù)， 被稱為A的基本概率函數(shù)。
2.信任函數(shù)。對(duì)于任意的A包含于 有
表示在當(dāng)前的環(huán)境下，對(duì)假設(shè)集A的信任程度，也是其值為A的所有子集的基本概率之和。
3.似然函數(shù)。對(duì)任意的A包含于 有：
表示對(duì)A為非假的信任度。
4.類(lèi)概率函數(shù)。
類(lèi)概率函數(shù)可以用來(lái)度量證據(jù)A的不確定性。
(三)優(yōu)勢(shì)與缺點(diǎn)
Dempster-Shafer理論和主觀貝葉斯方法之間的基本區(qū)別就是在于對(duì)不確定的處理。在未知時(shí)，主觀貝葉斯方法必須按等量概率的原則進(jìn)行分配，也被稱為是無(wú)差別原理。應(yīng)用無(wú)差別原理在兩種前提條件下會(huì)發(fā)生極端情況，即必須為反面假設(shè)的情況分配一個(gè)概率，這樣最終會(huì)導(dǎo)致荒謬的結(jié)論，極大地影響了推
斷結(jié)果的準(zhǔn)確性。然而，Dempster-Shafer理論 并不強(qiáng)迫為未知或者反面假設(shè)分配一個(gè)信任概率。相反，只需要為那些信任的 環(huán)境中的子集分配一個(gè)m。對(duì)于沒(méi)有分配信任的特殊子集被認(rèn)為是不被信任的，它們只是僅僅與環(huán)境有關(guān)。從而極大的改善主觀bayes方法推出荒謬結(jié)論的情況。
四、結(jié)束語(yǔ)
不確定推理是高級(jí)智能系統(tǒng)開(kāi)發(fā)實(shí)現(xiàn)中的一個(gè)重要研究領(lǐng)域，不確定性推理原理 應(yīng)用到科研和工業(yè)生產(chǎn)中都取得了初步的成效。另一方面，確定性推理也是解決傳統(tǒng)的專(zhuān)家系統(tǒng)知識(shí)的脆弱性和推理單調(diào)性的一個(gè)非常重要的手段，不確定性推理經(jīng)過(guò)多年的 發(fā)展已經(jīng)建立了完整的體系和成熟的研究方法，今后必然會(huì)有更廣闊的應(yīng)用場(chǎng)所。當(dāng)然，不確定性推理也存在著一些不足，對(duì)于不同的問(wèn)題沒(méi)有通用的問(wèn)題表示的方法，也沒(méi)有通用的問(wèn)題計(jì)算的模型。這些都有待于今后的改進(jìn)和完善。
人工智能邏輯推理論文相關(guān)文章：
1.人工智能邏輯論文