专家推理系统讲解
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
为了有效利用带有各种不确定性的信息和知识，实现复杂决策问题的 建模，Yang等提出来基于证据推理算法的置信规则库推理算法(RIMER)。
RIMER的基本思想：当输入信息x到来后，利用ER算法对BRB中的置 信规则进行组合，从而得到BRB的最终输出。
基于置信规则库的专家系统又称BRB系统，学习BRB系统建模，需要 掌握以下两点：
2.2 ER证据理论
2 证据推理算法
学习目的：
学习D-S算法 学习ER算法 对比DS和ER
2 证据推理
在工程实际中，除了定量、定性的信息，人类在决策过程中也具有不 可替代的作用，因此综合使用定量信息和专家提供的不完整的或不精确的 主观信息，对决策问题进行建模和分析是非常重要的。例如，在分析大型 复杂工程系统的安全性时，由于历史数据的缺乏，只能使用专家提供的信 息，而这些信息往往无法用定量数据描述。
DS证据理论是一种不确定推理理论，它力图克服Bayesian理论的不足， 所以我们还要了解Bayesian理论。
朴素贝叶斯
贝叶斯公式：
该定理有两个重要假设： ⑴独立性假设，即给定各个属性变量之间条件独立； ⑵一致性假设，即假设各个属性变量对变量的影响程度是一致的。
2.1 D-S证据理论
经典的归纳概率受限于其两个假设，难以合适的表达无知，区别 不信任和缺乏信任，因此我们提出了D-S证据理论，力图完整表达。 证据理论与Bayes理论区别： Bayes理论：需要有统一的识别框架、完整的先验概率和条件概率知识， 只能将概率分派函数指定给完备的互不包含的假设， 证据理论：用先验概率分派函数去获得后验的证据区间，证据区间量 化了命题的可信程度。可将证据分派给假设或命题， 提供了一定程度 的不确定性，即证据既可指定给互不相容的命题，也可指定给相互重 叠、非互不相容的命题。
IF和THEN之间的就是前提属性，通过逻辑与和或来连接，综合这些 证据，我们可以得到结论，这种动物就是老虎。
对于一个系统而言，通常会有许多条这样表示知识的规则，为了得 到最终目标，还需要将这些规则进行组合，关于组合在第2章中介绍。
1.2 基于置信规则库的专家系统
一个基本的规则库可由式（1-2）表示的一系列简单的IF-THEN 规则组成。如果在IF-THEN规则的输出部分加入置信度，并且同时考 虑前提属性权重和规则权重，就可以得到置信规则。把一系列的置信 规则集合到一起便构成了置信规则库（BRB）。
数据库
知识库
推理机
解释器
用户
人机接口
图1-1
专家
1.2 传统IF-THEN规则
基于IF-THEN规则的专家系统描述如下： R={x，A，D，F}
（1-1）
1.2 传统IF-THEN规则
例如：IF（有毛or哺乳）and((有爪子)and有利牙and前视)or吃肉）and 黄褐色and黑色条纹,THEN老虎
注：证据理论满足比概率论更弱的公理系统，当概率值已知时，证 据理论就变成了概率论。
2.1 D-S证据理论
80年代后，D-S理论引起了归纳逻辑、人工智能等 领域的专家的关注，目前的发展状况是：在理论上， 它缺乏一个大家所认同的解释，主要有以下几种: (1)上下概率解释；(2)随机译码范例；(3)可迁移信任模 型。
置信规则库专家系统 与复杂系统建模
讲解：王倩倩
置信系统
1. 专家系统及置信规则库专家系统的提出 2. 证据推理 3. 实例分析
1.专家系统及置信规则库专家系统的提出 学习目的：
了解专家系统的背景，及其结构、特点 了解置信规则库的表示方法 对比BRB系统与原专家系统的优势
1源自文库1 专家系统
2 证据推理
BRB系统用到的ER是在DS证据理论、决策理论、模糊理论、和传统IFTHEN规则库的基础上发展起来的，传统IF-THEN规则在上节中已学习，这 里我们继续学习D-S证据理论。
证据理论是由Dempster首先提出，并由沙佛Shafer进一步发展起来的一 种处理不确定性的理论，因此又称为D-S理论。
专家系统（ES）是人工智能领域最活跃和最广泛的领域之一，主要应 用于商业和工业领域，并以信息处理的主流兴起，代替传统的数据处理器。 按照发展阶段的不同，可以将ES分为5个阶段：基于规则的、基于框架的、 基于案例的、基于模型的、基于Web的。其中基于规则的专家系统是目前 最常用的方式，主要归功于大量成功的实例，以及简单灵活的开发工具， 它直接模仿人类的心理过程，利用一系列的规则来表示专家知识。
在描述置信库时，引入了权重参数，用来表达数据和知识的不确 定性，这些权值可以在知识获取阶段由专家设置：
前提属性权重：一个前提属性的相对重要性。 规则权重：反映该条规则相对于推理结果的重要性。
1.2基于置信规则库的专家系统
1.2基于置信规则库的专家系统
置信系统
1. 专家系统及置信规则库专家系统的提出 2.证据推理 3. 实例分析
接下来我们学习的基于置信规则库的专家系统就是基于规则的，并在 一般的IF-THEN规则上进行改进，可以更好处理各种信息。
1.1 专家系统
定义：专家系统， 首先要定义专家，顾 名思义，专家是指在 某一专业领域内，其 具有的专业知识与解 问题的能力达到很高 水平的学者。
专家系统：是指
利用存储在计算机内 的某一特定领域内的 专家知识，来解决过 去只有专家才能解决 的现实问题的计算机 系统。其基本结构图 如图1-1。
RIMER的基本思想：当输入信息x到来后，利用ER算法对BRB中的置 信规则进行组合，从而得到BRB的最终输出。
基于置信规则库的专家系统又称BRB系统，学习BRB系统建模，需要 掌握以下两点：
2.2 ER证据理论
2 证据推理算法
学习目的：
学习D-S算法 学习ER算法 对比DS和ER
2 证据推理
在工程实际中，除了定量、定性的信息，人类在决策过程中也具有不 可替代的作用，因此综合使用定量信息和专家提供的不完整的或不精确的 主观信息，对决策问题进行建模和分析是非常重要的。例如，在分析大型 复杂工程系统的安全性时，由于历史数据的缺乏，只能使用专家提供的信 息，而这些信息往往无法用定量数据描述。
DS证据理论是一种不确定推理理论，它力图克服Bayesian理论的不足， 所以我们还要了解Bayesian理论。
朴素贝叶斯
贝叶斯公式：
该定理有两个重要假设： ⑴独立性假设，即给定各个属性变量之间条件独立； ⑵一致性假设，即假设各个属性变量对变量的影响程度是一致的。
2.1 D-S证据理论
经典的归纳概率受限于其两个假设，难以合适的表达无知，区别 不信任和缺乏信任，因此我们提出了D-S证据理论，力图完整表达。 证据理论与Bayes理论区别： Bayes理论：需要有统一的识别框架、完整的先验概率和条件概率知识， 只能将概率分派函数指定给完备的互不包含的假设， 证据理论：用先验概率分派函数去获得后验的证据区间，证据区间量 化了命题的可信程度。可将证据分派给假设或命题， 提供了一定程度 的不确定性，即证据既可指定给互不相容的命题，也可指定给相互重 叠、非互不相容的命题。
IF和THEN之间的就是前提属性，通过逻辑与和或来连接，综合这些 证据，我们可以得到结论，这种动物就是老虎。
对于一个系统而言，通常会有许多条这样表示知识的规则，为了得 到最终目标，还需要将这些规则进行组合，关于组合在第2章中介绍。
1.2 基于置信规则库的专家系统
一个基本的规则库可由式（1-2）表示的一系列简单的IF-THEN 规则组成。如果在IF-THEN规则的输出部分加入置信度，并且同时考 虑前提属性权重和规则权重，就可以得到置信规则。把一系列的置信 规则集合到一起便构成了置信规则库（BRB）。
数据库
知识库
推理机
解释器
用户
人机接口
图1-1
专家
1.2 传统IF-THEN规则
基于IF-THEN规则的专家系统描述如下： R={x，A，D，F}
（1-1）
1.2 传统IF-THEN规则
例如：IF（有毛or哺乳）and((有爪子)and有利牙and前视)or吃肉）and 黄褐色and黑色条纹,THEN老虎
注：证据理论满足比概率论更弱的公理系统，当概率值已知时，证 据理论就变成了概率论。
2.1 D-S证据理论
80年代后，D-S理论引起了归纳逻辑、人工智能等 领域的专家的关注，目前的发展状况是：在理论上， 它缺乏一个大家所认同的解释，主要有以下几种: (1)上下概率解释；(2)随机译码范例；(3)可迁移信任模 型。
置信规则库专家系统 与复杂系统建模
讲解：王倩倩
置信系统
1. 专家系统及置信规则库专家系统的提出 2. 证据推理 3. 实例分析
1.专家系统及置信规则库专家系统的提出 学习目的：
了解专家系统的背景，及其结构、特点 了解置信规则库的表示方法 对比BRB系统与原专家系统的优势
1源自文库1 专家系统
2 证据推理
BRB系统用到的ER是在DS证据理论、决策理论、模糊理论、和传统IFTHEN规则库的基础上发展起来的，传统IF-THEN规则在上节中已学习，这 里我们继续学习D-S证据理论。
证据理论是由Dempster首先提出，并由沙佛Shafer进一步发展起来的一 种处理不确定性的理论，因此又称为D-S理论。
专家系统（ES）是人工智能领域最活跃和最广泛的领域之一，主要应 用于商业和工业领域，并以信息处理的主流兴起，代替传统的数据处理器。 按照发展阶段的不同，可以将ES分为5个阶段：基于规则的、基于框架的、 基于案例的、基于模型的、基于Web的。其中基于规则的专家系统是目前 最常用的方式，主要归功于大量成功的实例，以及简单灵活的开发工具， 它直接模仿人类的心理过程，利用一系列的规则来表示专家知识。
在描述置信库时，引入了权重参数，用来表达数据和知识的不确 定性，这些权值可以在知识获取阶段由专家设置：
前提属性权重：一个前提属性的相对重要性。 规则权重：反映该条规则相对于推理结果的重要性。
1.2基于置信规则库的专家系统
1.2基于置信规则库的专家系统
置信系统
1. 专家系统及置信规则库专家系统的提出 2.证据推理 3. 实例分析
接下来我们学习的基于置信规则库的专家系统就是基于规则的，并在 一般的IF-THEN规则上进行改进，可以更好处理各种信息。
1.1 专家系统
定义：专家系统， 首先要定义专家，顾 名思义，专家是指在 某一专业领域内，其 具有的专业知识与解 问题的能力达到很高 水平的学者。
专家系统：是指
利用存储在计算机内 的某一特定领域内的 专家知识，来解决过 去只有专家才能解决 的现实问题的计算机 系统。其基本结构图 如图1-1。