人工智能不确定性推理精品PPT课件
合集下载
- 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)。
小王是个高
4
自然界中的不确定现象
随机 模糊 混沌 分形 复杂网络
5
随机性和模糊性是不确定性的基本内涵
✓随机性(偶然性)和随机数学
❖以贝叶斯公式为基础的贝叶斯理论,在人工智能中一直
是处理不确定性的重要工具
❖带可信度的不确定推理
❖证据理论
10
4.1 不确定性推理基本理论
●为什么要研究不确定性推理？ 现实世界的问题求解大部分是不良结构; 对不良结构的知识描述具有不确定性: 1) 问题证据(初始事实,中间结论)的不确定性; 2) 专门知识(规则)的不确定性.
11
什么是不确定性推理
不确定性推理是指从不确定性的初 始证据出发，通过运用不确定性 的知识，最终推理出具有一定程 度的不确定性，但又是合理或者 似乎合理的结论的思维过程。
9
思维的不确定性
思维有精确的一面，更有不 确定的一面。 人类习惯于用自然语言进行思维，思维的结果 往往是可能如何、大概如何等定性的结论。
人类还擅长通过联想的、直觉的、创造的 形象思维来思考，很少象计算机一样做精确的 数学运算或者逻辑推理，但是这并不妨碍人类 具有发达的、灵活的智能，并不妨碍人类具有 发达的、灵活的模式识别能力。
12
不确定性推理中的基本问题
在不确定性推理中,知识和证据都具有某种程度 的不确定性,这就为推理机的设计与实现增加了 复杂性和难度。除了要解决推理方向、推理方 法、控制策略等基本问题外，还需要解决以下 问题 ： ● 不确定性的表示和量度 ● 不确定性匹配 ● 不确定性的传递算法 ● 不确定性的合成
13
◆不确定性推理与通常的确定性推理的差别：
(1) 不确定性推理中规则的前件能否与证据事实匹配成功， 不但要求两者的符号模式能够匹配（合一），而且要求证据事 实所含的信度必须达“标”，即必须达到一定的限度。这个限 度一般称为“阈值”。
(2) 不确定性推理中一个规则的触发，不仅要求其前提能 匹配成功，而且前提条件的总信度还必须至少达到阈值。
14 前推理的证据.
确定度量方法和范围的原则
度量要充分表达相应知识及证据不确定性程度。 度量范围的指定应便于领域专家及用户对不确定
性的估计。 度量要便于对不确定性的传递和计算，对结论算
出的不确定性度量不能超出度量规定范围。 度量的确定是直观的，同时应有相应理论基础。
15
不确定性匹配
对于不确定性推理,由于知识和证据都具有不确定性,而 且知识所要求的不确定性与证据实际具有的不确定性程 度不一定相同，因而就出现“怎样才算匹配成功”的问 题
2
不确定性（狭义）
不确定性(uncertainty)就是一个命题(亦即 所表示的事件)的真实性不能完全肯定，而 只能对其为真的可能性给出某种估计。 例
如果乌云密布\电闪雷鸣，则可能要下暴雨。 如果头痛发烧，则大概是患了感冒。
3
不确切性（模糊性）
不确切性(imprecision)就是一个命题中所出现的 某些言词其涵义不够确切，从概念角度讲，也就是其 代表的概念的内涵没有硬性的标准或条件，其外延没 有硬性的边界，即边界是软的或者说是不明确的。 例
不确定性推理的一般算法
● 根据规则前提E的不确定性C(E)和规则强度f(H，E)
求 出 假 设 H 的 不 确 定 性 C(H) ， 即 定 义 一 函 数 g1 ， 使 C(H)=g1[C(E),f(H,E)]
● 根据分别由独立的证据E1和E2,求得的假设H的不确
定性C1(H)和C2(H)，求得证据E1和E2的组合所导致的假
对于这个问题,目前常用的解决方法是：
设计一个算法用来计算匹配双方相似的程度,另外再指定
一个相似的"限度",用来衡量匹配双方相似的程度是否落
在指定的限度内.如果落在指定的限度内,就称它们是可
匹配的,相应知识可被应用.
用来计算匹配双方相似程度的算法称为不确定性匹配算
16
法.用来指出相似的"限度"称为阈值.
不确定性的表示与量度
知识不确定性的表示 在确立其表示方法时,有两个直接相关的因素需 要考虑: 1) 要能根据领域问题的特征把其不确定性比较 准确地描述出来,满足问题求解的需要; 2) 要便于推理过程中对不确定性的推算. 证据不确定性的表示 在推理中,有两种来源不同的证据: 1) 一种是用户在求解问题时提供的初始证据; 2) 另一种是在推理中用前面推出的结论作为当
不确定性人工智能
4.1 不确定性推理基本理论 4.2 可信度方法 4.3 主观Bayes方法 4.4 D-S证据理论 4.5 模糊集理论
1
不确定性的产生与来源
➢来自人类的主观认识与客观实际之间存 在的差异 ➢产生原因
✓事物发生的随机性 ✓人类知识的不完全、不可靠、不精确 和不一致 ✓自然语言中存在的模糊性和歧义性
▪引入信任函数和似然函数来描述命题的不确定性
▪当先验概率已知时,证据理论就变成了概率论
✓模糊性(非明晰性)和模糊数学
❖模糊集合论,隶属度
❖粗糙集理论
❖Vague 集理论
▪通过对模糊对象赋予真、假隶属函数,从正、反两个方面来处理
6
模糊性
混沌
混沌是一种确定性系统中出现的类似随 机的过程。因为很难对初值确定得非常 精确，近似相同的初值产生很不相同的 貌似随机的结果。初值敏感性导致过程 的不确定性和不可预测性。
蝴蝶效应：亚马逊河热带雨林中的一只 蝴蝶扇动了两下翅膀，可能两周之后会 引发美国德克萨斯州的一场龙卷风。
“失之毫厘，差之千里”。初始条件的 微小的差别能引起结果的巨大的差异。
7
复杂网络: Internet
❖具有小世界效应和无尺度特性
8
不确定性
➢认知的不确定性 ✓感知的不确定 ✓记忆的不确定性 ✓思维的不确定性 ➢知识本身的不确定性
设的不确定性C(H)，即定义一函数g2，使
C(H)=g2[C1(H),C2(H)]
证使●C据(根EE11据和E两E2)2=的个g3合证[C取据(EEE111)和,ECE2(的2E的2不)不]确确定定性性，C(即E1定)和义C一(E函2)，数求g3出，
17
证C●(E据1根EE1据2和)=两gE42个[的C证(析E据1)取E,1C的和(EE不22)的]确不定确性定，性即C(E定1)义和函C(E数2)g，4 ，求使出
4
自然界中的不确定现象
随机 模糊 混沌 分形 复杂网络
5
随机性和模糊性是不确定性的基本内涵
✓随机性(偶然性)和随机数学
❖以贝叶斯公式为基础的贝叶斯理论,在人工智能中一直
是处理不确定性的重要工具
❖带可信度的不确定推理
❖证据理论
10
4.1 不确定性推理基本理论
●为什么要研究不确定性推理？ 现实世界的问题求解大部分是不良结构; 对不良结构的知识描述具有不确定性: 1) 问题证据(初始事实,中间结论)的不确定性; 2) 专门知识(规则)的不确定性.
11
什么是不确定性推理
不确定性推理是指从不确定性的初 始证据出发，通过运用不确定性 的知识，最终推理出具有一定程 度的不确定性，但又是合理或者 似乎合理的结论的思维过程。
9
思维的不确定性
思维有精确的一面，更有不 确定的一面。 人类习惯于用自然语言进行思维，思维的结果 往往是可能如何、大概如何等定性的结论。
人类还擅长通过联想的、直觉的、创造的 形象思维来思考，很少象计算机一样做精确的 数学运算或者逻辑推理，但是这并不妨碍人类 具有发达的、灵活的智能，并不妨碍人类具有 发达的、灵活的模式识别能力。
12
不确定性推理中的基本问题
在不确定性推理中,知识和证据都具有某种程度 的不确定性,这就为推理机的设计与实现增加了 复杂性和难度。除了要解决推理方向、推理方 法、控制策略等基本问题外，还需要解决以下 问题 ： ● 不确定性的表示和量度 ● 不确定性匹配 ● 不确定性的传递算法 ● 不确定性的合成
13
◆不确定性推理与通常的确定性推理的差别：
(1) 不确定性推理中规则的前件能否与证据事实匹配成功， 不但要求两者的符号模式能够匹配（合一），而且要求证据事 实所含的信度必须达“标”，即必须达到一定的限度。这个限 度一般称为“阈值”。
(2) 不确定性推理中一个规则的触发，不仅要求其前提能 匹配成功，而且前提条件的总信度还必须至少达到阈值。
14 前推理的证据.
确定度量方法和范围的原则
度量要充分表达相应知识及证据不确定性程度。 度量范围的指定应便于领域专家及用户对不确定
性的估计。 度量要便于对不确定性的传递和计算，对结论算
出的不确定性度量不能超出度量规定范围。 度量的确定是直观的，同时应有相应理论基础。
15
不确定性匹配
对于不确定性推理,由于知识和证据都具有不确定性,而 且知识所要求的不确定性与证据实际具有的不确定性程 度不一定相同，因而就出现“怎样才算匹配成功”的问 题
2
不确定性（狭义）
不确定性(uncertainty)就是一个命题(亦即 所表示的事件)的真实性不能完全肯定，而 只能对其为真的可能性给出某种估计。 例
如果乌云密布\电闪雷鸣，则可能要下暴雨。 如果头痛发烧，则大概是患了感冒。
3
不确切性（模糊性）
不确切性(imprecision)就是一个命题中所出现的 某些言词其涵义不够确切，从概念角度讲，也就是其 代表的概念的内涵没有硬性的标准或条件，其外延没 有硬性的边界，即边界是软的或者说是不明确的。 例
不确定性推理的一般算法
● 根据规则前提E的不确定性C(E)和规则强度f(H，E)
求 出 假 设 H 的 不 确 定 性 C(H) ， 即 定 义 一 函 数 g1 ， 使 C(H)=g1[C(E),f(H,E)]
● 根据分别由独立的证据E1和E2,求得的假设H的不确
定性C1(H)和C2(H)，求得证据E1和E2的组合所导致的假
对于这个问题,目前常用的解决方法是：
设计一个算法用来计算匹配双方相似的程度,另外再指定
一个相似的"限度",用来衡量匹配双方相似的程度是否落
在指定的限度内.如果落在指定的限度内,就称它们是可
匹配的,相应知识可被应用.
用来计算匹配双方相似程度的算法称为不确定性匹配算
16
法.用来指出相似的"限度"称为阈值.
不确定性的表示与量度
知识不确定性的表示 在确立其表示方法时,有两个直接相关的因素需 要考虑: 1) 要能根据领域问题的特征把其不确定性比较 准确地描述出来,满足问题求解的需要; 2) 要便于推理过程中对不确定性的推算. 证据不确定性的表示 在推理中,有两种来源不同的证据: 1) 一种是用户在求解问题时提供的初始证据; 2) 另一种是在推理中用前面推出的结论作为当
不确定性人工智能
4.1 不确定性推理基本理论 4.2 可信度方法 4.3 主观Bayes方法 4.4 D-S证据理论 4.5 模糊集理论
1
不确定性的产生与来源
➢来自人类的主观认识与客观实际之间存 在的差异 ➢产生原因
✓事物发生的随机性 ✓人类知识的不完全、不可靠、不精确 和不一致 ✓自然语言中存在的模糊性和歧义性
▪引入信任函数和似然函数来描述命题的不确定性
▪当先验概率已知时,证据理论就变成了概率论
✓模糊性(非明晰性)和模糊数学
❖模糊集合论,隶属度
❖粗糙集理论
❖Vague 集理论
▪通过对模糊对象赋予真、假隶属函数,从正、反两个方面来处理
6
模糊性
混沌
混沌是一种确定性系统中出现的类似随 机的过程。因为很难对初值确定得非常 精确，近似相同的初值产生很不相同的 貌似随机的结果。初值敏感性导致过程 的不确定性和不可预测性。
蝴蝶效应：亚马逊河热带雨林中的一只 蝴蝶扇动了两下翅膀，可能两周之后会 引发美国德克萨斯州的一场龙卷风。
“失之毫厘，差之千里”。初始条件的 微小的差别能引起结果的巨大的差异。
7
复杂网络: Internet
❖具有小世界效应和无尺度特性
8
不确定性
➢认知的不确定性 ✓感知的不确定 ✓记忆的不确定性 ✓思维的不确定性 ➢知识本身的不确定性
设的不确定性C(H)，即定义一函数g2，使
C(H)=g2[C1(H),C2(H)]
证使●C据(根EE11据和E两E2)2=的个g3合证[C取据(EEE111)和,ECE2(的2E的2不)不]确确定定性性，C(即E1定)和义C一(E函2)，数求g3出，
17
证C●(E据1根EE1据2和)=两gE42个[的C证(析E据1)取E,1C的和(EE不22)的]确不定确性定，性即C(E定1)义和函C(E数2)g，4 ，求使出