關(guān)于我們
書單推薦
新書推薦
|
人工智能及應(yīng)用
本書共11章,主要包括人工智能的基本概念、知識表示技術(shù)、搜索策略、邏輯推理技術(shù)、不確定性推理方法、專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識別、Agent和多Agent系統(tǒng)、人工智能程序設(shè)計(jì)語言以及人工智能在電力系統(tǒng)中的應(yīng)用。
作為世界三大尖端技術(shù)之一,人工智能(ArtificialIntelligent)自1956年誕生之日起,就成為科學(xué)發(fā)展史上一顆令人矚目的新星,吸引著無數(shù)科學(xué)工作者從事相關(guān)的研究與創(chuàng)造。
人工智能是一門新理論、新技術(shù)、新方法和新思想不斷涌現(xiàn)的前沿交叉學(xué)科,與計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、哲學(xué)、語言學(xué)等密切相關(guān),研究領(lǐng)域除了經(jīng)典的知識表示、啟發(fā)式搜索理論、推理技術(shù)、人工智能系統(tǒng)和語言之外,還涉及專家系統(tǒng)、自然語言理解、機(jī)器學(xué)習(xí)、博弈、機(jī)器人學(xué)、模式識別、智能檢索、自動(dòng)程序設(shè)計(jì)、數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、分布式人工智能、人工神經(jīng)網(wǎng)絡(luò)、智能控制、智能決策支持系統(tǒng)、智能電網(wǎng)等領(lǐng)域,相關(guān)研究成果也已廣泛應(yīng)用到生產(chǎn)、生活的各個(gè)方面。
我們所處的時(shí)代是知識爆炸的時(shí)代,各種海量信息充斥著世界各個(gè)角落,而僅僅依靠人類自身,很難實(shí)現(xiàn)對這些信息的有效處理。人工智能作為一門研究和制造智能機(jī)器或智能系統(tǒng)的學(xué)科,目標(biāo)在于模擬和延展人類的智能,這與當(dāng)今時(shí)代發(fā)展的需求是不謀而合的。因此,培養(yǎng)更多高水平的人工智能技術(shù)人才迫在眉睫。
本書是一本綜合、全面、實(shí)用的教材,反映了作者多年來的教學(xué)思路和經(jīng)驗(yàn),具有內(nèi)容全面、重點(diǎn)突出、層次分明、特色鮮明等特點(diǎn),具體體現(xiàn)在以下各方面。
(1)內(nèi)容全面。本書詳細(xì)介紹了人工智能研究中的經(jīng)典理論和方法,而且對專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識別、分布式人工智能等也有較為全面的概括和說明,有利于幫助相關(guān)讀者充分掌握人工智能的基本理論,并為其后續(xù)深入研究奠定扎實(shí)基礎(chǔ)。
(2)重點(diǎn)突出。本書定位為人工智能的入門級教材,因此重點(diǎn)放在啟發(fā)式搜索、推理、知識表示、人工智能系統(tǒng)和語言等經(jīng)典理論、方法和技術(shù),并對如模式識別、多智能體、機(jī)器學(xué)習(xí)等發(fā)展相對成熟的人工智能熱點(diǎn)和重點(diǎn)研究領(lǐng)域有較為全面的介紹和說明,有助于讀者循序漸進(jìn)地了解這門學(xué)科。
(3)層次分明。本書在章節(jié)安排上結(jié)合了智能系統(tǒng)構(gòu)建的過程,首先介紹知識表示技術(shù)和方法,然后引入各種搜索技術(shù)、推理技術(shù)和其他研究熱點(diǎn),*后通過實(shí)例對人工智能的應(yīng)用詳細(xì)說明,層次分明,有利于幫助讀者理解這一學(xué)科的發(fā)展研究初衷。
(4)特色鮮明。電力行業(yè)是關(guān)系國計(jì)民生的基礎(chǔ)性行業(yè),隨著電力市場化以及電網(wǎng)建設(shè)的進(jìn)一步發(fā)展,人工智能相關(guān)技術(shù)對電力信息化、智能化發(fā)展的重要促進(jìn)作用也逐步凸現(xiàn),編者結(jié)合自身的研究工作,對近年人工智能在電力系統(tǒng)中的應(yīng)用進(jìn)行了介紹,特色鮮明,尤其適合具有“大電力”研究背景的讀者。
讀完本書并且親自動(dòng)手實(shí)踐了書中的人工智能程序之后,讀者將能夠做到以下幾點(diǎn)。
(1)熟悉人工智能的發(fā)展概況、研究內(nèi)容和應(yīng)用領(lǐng)域等,對人工智能這個(gè)學(xué)科有較為全面和深入地理解。
(2)扎實(shí)地掌握人工智能的基礎(chǔ)理論、基本原理和經(jīng)典算法等,具備運(yùn)用基本人工智能方法解決實(shí)際問題的能力。
(3)熟悉人工智能的研究熱點(diǎn)和*新成果,了解應(yīng)用人工智能技術(shù)解決實(shí)際問題的基本思路,掌握一定的人工智能新技術(shù)和新方法,能很快地開展相關(guān)領(lǐng)域的深入研究。
本書共11章,在內(nèi)容安排上可以劃分為三大部分。*部分詳細(xì)介紹了人工智能的核心研究課題,第二部分闡述了一些人工智能的基本技術(shù)和方法,第三部分介紹了人工智能在實(shí)際生產(chǎn)生活中,尤其是在電力行業(yè)中的應(yīng)用,內(nèi)容編排體現(xiàn)了人工智能這一學(xué)科的發(fā)展脈絡(luò)。第1章為緒論,介紹了人工智能的基本概念、發(fā)展歷史、研究目標(biāo)、研究途徑以及研究領(lǐng)域等。第2章為知識表示,討論了人工智能的典型知識表示技術(shù),以及基于這些知識表示技術(shù)的推理方法等。第3章為搜索策略,主要討論狀態(tài)空間圖的盲目搜索、啟發(fā)式搜索、與/或圖搜索和博弈樹搜索等。第4章為邏輯推理,對命題邏輯、謂詞邏輯、非單調(diào)邏輯、多值邏輯和模糊邏輯及其推理技術(shù)作了介紹,重點(diǎn)給出了歸結(jié)原理的基本原理和應(yīng)用方法。第5章為不確定性推理,討論了確定性理論、主觀Bayes方法、證據(jù)理論、貝葉斯網(wǎng)絡(luò)、模糊推理等不確定性推理技術(shù)。第6章為專家系統(tǒng),給出了專家系統(tǒng)構(gòu)建的基本原理、方法和實(shí)例。第7章為機(jī)器學(xué)習(xí),討論了有關(guān)機(jī)器學(xué)習(xí)的基本概念,以及一些重要的機(jī)器學(xué)習(xí)方法,主要包括決策樹學(xué)習(xí)、變型空間學(xué)習(xí)、基于解釋的學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算等。第8章為模式識別,主要介紹統(tǒng)計(jì)模式識別方法,并對其他模式識別技術(shù)如結(jié)構(gòu)模式識別方法、模糊模式識別方法、神經(jīng)網(wǎng)絡(luò)識別方法加以概述。第9章為Agent和多Agent系統(tǒng),從分布式人工智能的概念出發(fā),介紹Agent基本理論、多Agent系統(tǒng)的體系結(jié)構(gòu)、通信機(jī)制以及協(xié)調(diào)協(xié)作機(jī)制,為分布式系統(tǒng)的分析、設(shè)計(jì)、實(shí)現(xiàn)和應(yīng)用提供解決方法。第10章為人工智能程序設(shè)計(jì)語言,對人工智能程序設(shè)計(jì)語言的研究發(fā)展進(jìn)行了概述,并詳細(xì)討論了LISP和PROLOG兩種程序設(shè)計(jì)語言。第11章為人工智能在電力系統(tǒng)中的應(yīng)用,給出了人工智能在電力系統(tǒng)故障診斷、電力巡檢和電力大數(shù)據(jù)分析中的應(yīng)用實(shí)例。
本書參編人員包括魯斌、劉麗、李繼榮和姜麗梅。在本書編寫過程中參閱了國內(nèi)外大量的文獻(xiàn)資料,在此謹(jǐn)向這些文獻(xiàn)的作者表示由衷的敬意和感謝。
由于編者水平有限,尤其是人工智能這門學(xué)科發(fā)展很快,不斷有新的技術(shù)和方法涌現(xiàn),書中難免有不足之處,懇請廣大讀者批評指正。
本書可用作高等學(xué)校計(jì)算機(jī)類和電氣信息類相關(guān)專業(yè)高年級本科生和研究生的教材或教學(xué)參考書,也可供其他教學(xué)、研究、設(shè)計(jì)和技術(shù)開發(fā)人員參考。
編者
2017年3月
魯斌,博士,副教授,碩士生導(dǎo)師,中國人工智能學(xué)會(huì)委員,河北省機(jī)器學(xué)習(xí)學(xué)會(huì)理事,研究方向主要是人工智能及其在電力系統(tǒng)中的應(yīng)用、分布式能源系統(tǒng)等。
第1章緒論1
1.1人工智能的基本概念1
1.1.1智能的概念1
1.1.2現(xiàn)代人工智能的興起3
1.1.3人工智能的定義3
1.1.4其他相關(guān)的概念4
1.1.5圖靈測試和中文房間問題5
1.2人工智能的發(fā)展歷程9
1.2.1孕育期(1956年之前)9
1.2.2形成期(1956—1969年)10
1.2.3發(fā)展期(1970年之后)11
1.3人工智能的研究目標(biāo)13
1.4人工智能的學(xué)術(shù)流派14
1.4.1符號主義、連接主義與行為主義14
1.4.2傳統(tǒng)人工智能與現(xiàn)場人工智能15
1.4.3弱人工智能與強(qiáng)人工智能16
1.4.4簡約與粗陋16
1.5人工智能的研究和應(yīng)用領(lǐng)域17
1.5.1專家系統(tǒng)18
1.5.2自然語言理解19
1.5.3機(jī)器學(xué)習(xí)20
1.5.4分布式人工智能20
1.5.5人工神經(jīng)網(wǎng)絡(luò)21
1.5.6自動(dòng)定理證明22
1.5.7博弈23
1.5.8機(jī)器人學(xué)23
1.5.9模式識別24
1.5.10自動(dòng)程序設(shè)計(jì)24
1.5.11智能控制25
1.5.12智能決策支持系統(tǒng)25
1.5.13智能電網(wǎng)26
本章小結(jié)26
習(xí)題27第2章知識表示28
2.1概述28
2.1.1知識概述28
2.1.2知識的性質(zhì)29
2.1.3知識的分類30
2.1.4知識表示32
2.1.5知識表示觀33
2.2一階謂詞邏輯表示法36
2.2.1一階謂詞邏輯表示法的邏輯基礎(chǔ)36
2.2.2一階謂詞邏輯表示知識的步驟38
2.2.3一階謂詞邏輯表示法的特點(diǎn)40
2.3產(chǎn)生式表示法41
2.3.1產(chǎn)生式表示的方法42
2.3.2產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)43
2.3.3產(chǎn)生式系統(tǒng)的推理方式45
2.3.4產(chǎn)生式表示法的特點(diǎn)48
2.4語義網(wǎng)絡(luò)表示法48
2.4.1語義基元48
2.4.2基本語義關(guān)系49
2.4.3關(guān)系的表示51
2.4.4情況、動(dòng)作和事件的表示53
2.4.5謂詞連接詞的表示53
2.4.6量詞的表示54
2.4.7基于語義網(wǎng)絡(luò)的推理55
2.4.8語義網(wǎng)絡(luò)表示法的特點(diǎn)57
2.5框架表示法57
2.5.1框架的一般結(jié)構(gòu)58
2.5.2框架系統(tǒng)61
2.5.3基于框架的推理61
2.5.4框架表示法的特點(diǎn)63
2.6腳本表示法63
2.6.1概念依賴?yán)碚?3
2.6.2腳本表示方法64
2.6.3腳本表示法的特點(diǎn)66
2.7過程表示法66
2.7.1陳述性知識表示與過程性知識表示66
2.7.2過程知識表示方法67
2.7.3過程表示的問題求解過程67
2.7.4過程表示的特點(diǎn)68
2.8Petri網(wǎng)表示法69
2.8.1表示知識的方法69
2.8.2Petri網(wǎng)表示法的特點(diǎn)71
本章小結(jié)72
習(xí)題72第3章搜索策略74
3.1概述74
3.1.1搜索概述74
3.1.2搜索的主要過程75
3.1.3搜索策略的分類75
3.1.4搜索的方向75
3.1.5主要的搜索策略76
3.2狀態(tài)空間知識表示方法76
3.2.1狀態(tài)空間表示法77
3.2.2狀態(tài)空間圖79
3.3狀態(tài)空間的盲目搜索81
3.3.1回溯策略82
3.3.2一般的圖搜索策略88
3.3.3深度優(yōu)先搜索策略92
3.3.4寬度優(yōu)先搜索策略95
3.4狀態(tài)空間的啟發(fā)式搜索98
3.4.1啟發(fā)性信息與評價(jià)函數(shù)99
3.4.2A算法101
3.4.3分支界限法104
3.4.4動(dòng)態(tài)規(guī)劃法107
3.4.5爬山法108
3.4.6A算法109
3.5與/或圖搜索117
3.5.1與/或圖表示法117
3.5.2與/或圖的搜索策略121
3.5.3與/或樹的搜索策略125
3.6博弈樹搜索131
3.6.1博弈概述131
3.6.2Grundy博弈132
3.6.3極大極小搜索法133
3.6.4α-β剪枝方法134
本章小結(jié)136
習(xí)題137第4章邏輯推理140
4.1概述140
4.1.1推理和推理方法140
4.1.2推理控制策略140
4.1.3經(jīng)典邏輯推理141
4.2命題邏輯142
4.2.1命題公式的解釋143
4.2.2等價(jià)式143
4.2.3范式144
4.2.4命題邏輯的推理規(guī)則145
4.2.5命題邏輯的歸結(jié)方法147
4.3謂詞邏輯151
4.3.1謂詞公式的解釋151
4.3.2謂詞等價(jià)公式與范式152
4.3.3謂詞邏輯的推理規(guī)則155
4.3.4謂詞邏輯的歸結(jié)方法156
4.4非單調(diào)邏輯164
4.4.1非單調(diào)推理164
4.4.2封閉世界假設(shè)、限制和*小模型165
4.4.3默認(rèn)邏輯167
4.4.4溯因推理168
4.4.5真值維護(hù)系統(tǒng)169
4.5多值邏輯和模糊邏輯170
本章小結(jié)172
習(xí)題172第5章不確定性推理175
5.1概述175
5.1.1不確定性推理概述175
5.1.2不確定性的表現(xiàn)176
5.1.3不確定性推理要解決的基本問題177
5.1.4不確定性推理方法的分類179
5.2確定性理論179
5.2.1可信度的基本概念180
5.2.2表示問題180
5.2.3計(jì)算問題183
5.2.4帶有閾值限度的不確定性推理185
5.2.5帶有權(quán)重的不確定性推理187
5.2.6確定性理論的特點(diǎn)188
5.3主觀Bayes方法188
5.3.1證據(jù)不確定性的表示188
5.3.2知識不確定性的表示189
5.3.3組合證據(jù)的不確定性191
5.3.4結(jié)論不確定性的更新192
5.3.5結(jié)論不確定性的合成193
5.3.6主觀Bayes方法的特點(diǎn)195
5.4證據(jù)理論195
5.4.1D\|S理論195
5.4.2一個(gè)特殊的概率分配函數(shù)200
5.4.3表示問題203
5.4.4計(jì)算問題203
5.4.5證據(jù)理論的特點(diǎn)206
5.5貝葉斯網(wǎng)絡(luò)206
5.5.1貝葉斯網(wǎng)絡(luò)概述207
第5章不確定性推理
在科學(xué)研究和日常生活中,人們曾經(jīng)一度追求用某一確定的數(shù)學(xué)模型來解決問題或表征現(xiàn)象,但逐漸發(fā)現(xiàn)大多數(shù)情況下并不具有這種確定性和清晰性。事實(shí)上人腦中的大多數(shù)概念和經(jīng)驗(yàn)都沒有明確的邊界,不確定性是客觀存在的,它在專家系統(tǒng)、乃至人工智能的很多研究中都是不可避免的。
5.1概述
從上一章的學(xué)習(xí)中已經(jīng)知道,推理就是從已知事實(shí)出發(fā),運(yùn)用相關(guān)知識推出結(jié)論或者證明某一假設(shè)成立或不成立的思維過程。其中,已知事實(shí)也稱為證據(jù),用于指出推理的出發(fā)點(diǎn);知識則是推理得以進(jìn)行并*終達(dá)到目標(biāo)的依據(jù)。
確定性推理中,已知事實(shí)和規(guī)則都是確定性的,推出的結(jié)論或證明了的假設(shè)也都是確定性的,它們的真值或者為真,或者為假,是非真即假的剛性存在,如上一章討論的歸結(jié)原理就是建立在經(jīng)典邏輯基礎(chǔ)上的確定性推理。
本章將要討論的不確定性推理則不然,對于已知事實(shí)和規(guī)則、推出的結(jié)論等,它們的真值都是柔性的,可能為真、可能為假,這與現(xiàn)實(shí)世界中事物及事物之間關(guān)系的復(fù)雜性是對應(yīng)的。不確定性推理也是眾多推理技術(shù)中非常重要的一種。
5.1.1不確定性推理概述
人工智能的本質(zhì)是要構(gòu)建一個(gè)智能機(jī)器或智能系統(tǒng),來模擬、延展人的智能,而這個(gè)智能系統(tǒng)的核心就是知識庫。在這個(gè)知識庫中,包含了大量具有模糊性、隨機(jī)性、不可靠性或不知道等不確定性因素的知識,采用標(biāo)準(zhǔn)邏輯意義下的推理方法很難達(dá)到模擬延展人類智能的目的,因此,不確定性推理方法應(yīng)運(yùn)而生。
不確定性推理一直是人工智能與專家系統(tǒng)的一個(gè)重要的研究課題,相關(guān)學(xué)者也提出了多種表示和處理不確定性的方法。例如,考慮到隨機(jī)性是不確定性的一個(gè)重要表現(xiàn)形式,而概率論作為研究隨機(jī)性的一門學(xué)科已經(jīng)有很深厚的理論發(fā)展,因此概率論是解決不確定性推理問題的主要理論基礎(chǔ)之一;貝葉斯網(wǎng)絡(luò)由于其廣泛的適應(yīng)性和堅(jiān)實(shí)的數(shù)學(xué)理論基礎(chǔ),成為表示不確定性專家知識和推理的流行方法;同屬概率推理的主觀貝葉斯方法被成功應(yīng)用于著名專家系統(tǒng)PROSPECTOR;結(jié)合專家系統(tǒng)MYCIN的開發(fā)提出的確定性理論在20世紀(jì)70年代非常有名;作為經(jīng)典概率論的一種擴(kuò)充形式,證據(jù)理論不僅在人工智能、專家系統(tǒng)的不確定性推理中得到廣泛應(yīng)用,還被用于模式識別領(lǐng)域;扎德提出的模糊邏輯理論也被應(yīng)用在不確定性推理、智能控制等方面。
不確定性推理是建立在非經(jīng)典邏輯基礎(chǔ)上的一種推理,它是對不確定性知識的運(yùn)用與處理。嚴(yán)格地說,不確定性推理就是從不確定的初始證據(jù)出發(fā),通過運(yùn)用不確定的知識,*終推出既保持了一定程度的不確定性,又合理或基本合理的結(jié)論的推理過程。
在第4章中介紹的確定性推理是一種單調(diào)性推理。單調(diào)推理系統(tǒng)是指,在基于謂詞邏輯的系統(tǒng)中,隨著新命題的加入(包括經(jīng)過系統(tǒng)推出的),系統(tǒng)中的真命題數(shù)是嚴(yán)格增加的,而且新加入的命題與系統(tǒng)已有的命題是相容的,不會(huì)因?yàn)樾旅}的加入而使舊命題變得無效。
在進(jìn)行不確定性推理時(shí),推出的結(jié)論并不總是隨著知識的增加而單調(diào)增加的,其研究還涉及非單調(diào)性推理。非單調(diào)性推理系統(tǒng)是指,在非單調(diào)系統(tǒng)中,一個(gè)新命題的加入,可能會(huì)導(dǎo)致一些老命題為假。非單調(diào)推理系統(tǒng)模型適合以下3種情況。
(1)知識不完全情況下要求進(jìn)行默認(rèn)推理的系統(tǒng)。
在知識不完全的情況下進(jìn)行推理或判斷,通?梢越柚恍┙(jīng)驗(yàn)或知識。例如,假設(shè)約翰要去朋友杰克家吃飯,在經(jīng)過路邊的花店時(shí),對于“杰克的太太珍妮喜歡花嗎?”這個(gè)問題,約翰可能沒有任何頭緒,但考慮到一般的知識“大多數(shù)女人都喜歡花”,約翰就買了一束鮮花,打算送給珍妮。如果珍妮喜歡花,她會(huì)非常高興。然而,如果珍妮看到花,突然打起噴嚏來,說明約翰以前的假設(shè)“珍妮喜歡花”是錯(cuò)誤的,應(yīng)該撤銷掉,因?yàn)檎淠莸男袨檎f明她對花粉過敏。
(2)一個(gè)不斷變化的世界必須用適應(yīng)不斷變化的知識庫來描述。
在非單調(diào)系統(tǒng)中,應(yīng)該對知識庫的一致性進(jìn)行維護(hù)。一旦新的命題加入引起了知識庫的不相容,就應(yīng)該取消某個(gè)或某些命題以及這些命題的一些推論命題,保證知識庫的一致性。
(3)產(chǎn)生一個(gè)問題的完全解可能需要利用暫時(shí)假設(shè)的部分解的系統(tǒng)。
例如,教學(xué)秘書要找一個(gè)適當(dāng)?shù)臅r(shí)間使3個(gè)工作繁忙的教授能同時(shí)參加一個(gè)會(huì)議。一個(gè)方法是首先假設(shè)會(huì)議在某個(gè)具體的時(shí)間舉行,如周二上午,并將此假設(shè)命題放入數(shù)據(jù)庫中,再從3個(gè)教授的時(shí)間安排表中檢查不相容性。如果出現(xiàn)沖突,說明假設(shè)的命題必須取消,代之以一個(gè)希望不矛盾的命題,再進(jìn)行不相容性檢查。如此進(jìn)行下去,直到一個(gè)假設(shè)加入數(shù)據(jù)庫后庫中的命題是相容的,則這個(gè)假設(shè)就是問題的解。如果再也沒有假設(shè)可以提出了,此時(shí)問題無解。當(dāng)然,上述過程中一個(gè)假設(shè)命題被取消后,依賴于此命題而建立起來的所有命題都應(yīng)被取消。
5.1.2不確定性的表現(xiàn)
在不確定性推理中,已知事實(shí)(或證據(jù))、規(guī)則及推理過程在某種程度上都是不確定的,它們的不確定性主要表現(xiàn)在以下方面。
1.事實(shí)的不確定性
事實(shí)的不確定性主要表現(xiàn)在事實(shí)的歧義性、不完全性、不精確性、模糊性、可信性、隨機(jī)性和不一致性上。
(1)歧義性是指證據(jù)中含有多種意義明顯不同的解釋,如果離開具體的上下文和環(huán)境,往往難以判斷其明確含義。
(2)不完全性是指對于某個(gè)事物來說,對于它的知識還不全面、不完整、不充分。
(3)不精確性是指證據(jù)的觀測值與真實(shí)值存在一定的差別。
(4)模糊性是指命題中的詞語從概念上講不明確,無明確的內(nèi)涵和外延。
(5)可信性是指專家主觀上對證據(jù)的可靠性不能完全確定。
(6)隨機(jī)性是指事實(shí)的真假性不能完全肯定,而只能對其真?zhèn)谓o出一個(gè)估計(jì)。
(7)不一致性是指在推理過程中發(fā)生了前后不相容的結(jié)論,或者隨著時(shí)間的推移或范圍的擴(kuò)大,原來成立的命題變得不成立了。
2.規(guī)則的不確定性
規(guī)則的不確定性主要表現(xiàn)在規(guī)則的前件、規(guī)則自身以及規(guī)則的后件幾個(gè)方面。
(1)規(guī)則前件的不確定性主要是指規(guī)則的前件一般是若干證據(jù)的組合,證據(jù)本身是不確定的,因此組合起來的證據(jù)到底有多大程度符合前提條件,其中包含著不確定性。
(2)規(guī)則自身的不確定性是指領(lǐng)域?qū)<覍σ?guī)則也持有某種信任程度,專家有時(shí)也沒有十足把握在某種前提下必能得到結(jié)果為真的結(jié)論,只能給出一個(gè)可能性的度量。
(3)規(guī)則后件的不確定性是指基于不確定的前提條件,運(yùn)用不確定的規(guī)則,得到的后件不可避免地含有不確定性因素。
事實(shí)上,從系統(tǒng)的高層看,知識庫中的規(guī)則還可能有沖突,規(guī)則的后件也可能不相容,知識工程的目的就是要盡可能地減少或消解這些不確定性。
3.推理的不確定性
推理的不確定性主要是由知識不確定性的動(dòng)態(tài)積累和傳播造成的。為此,整個(gè)推理過程要通過某種不確定度量,尋找盡可能符合客觀世界的計(jì)算,*終得到結(jié)論的不確定性度量。
5.1.3不確定性推理要解決的基本問題
在不確定性推理中,除了要解決在確定性推理過程中所提到的推理方向、推理方法、控制策略等基本問題外,一般還需要解決不確定性的表示方式與取值范圍、不確定性的匹配算法及閾值的設(shè)計(jì)、組合證據(jù)不確定性的算法、不確定性的傳播算法以及結(jié)論不確定性的合成算法等問題。對這些問題進(jìn)行總結(jié)歸類,大致可以分為3個(gè)方面,即不確定性的表示問題、不確定性的計(jì)算問題和不確定性的語義問題。
1.表示問題
表示問題是指用什么方法描述不確定性,這是解決不確定推理問題關(guān)鍵的一步。表示的對象一般分為兩類,即知識和證據(jù),它們都要求有相應(yīng)的表示方式和取值范圍。在設(shè)計(jì)不確定性的表示方法時(shí),一般要考慮兩方面的因素:一是要能根據(jù)領(lǐng)域問題的特征把不確定性比較準(zhǔn)確地描述出來,以滿足問題求解的需要;二是要便于在推理過程中對不確定性的計(jì)算。事實(shí)上,由于要解決的問題不同、采用的理論基礎(chǔ)不同,各種不確定性推理技術(shù)在表示問題的解決上也各有側(cè)重。
目前,在專家系統(tǒng)中知識的不確定性一般是由領(lǐng)域?qū)<医o出的,通常是一個(gè)數(shù)值,它表示相應(yīng)知識的不確定性程度,也稱為知識的靜態(tài)強(qiáng)度。靜態(tài)強(qiáng)度可以是相應(yīng)知識在應(yīng)用中成功的概率,也可以是該條知識的可信程度或其他,它的取值范圍可以根據(jù)它的意義與使用方法的不同而不同。當(dāng)然,知識的不確定性也可以用非數(shù)值的方法表示。
在不確定性推理中,證據(jù)主要有兩種來源:一種是用戶在進(jìn)行問題求解時(shí)提供的初始證據(jù),如醫(yī)療診斷專家系統(tǒng)中用戶提供的病患癥狀、檢查結(jié)果等,由于初始證據(jù)一般來源于觀察,通常是不精確的、不完全的、模糊的,因此具有不確定性;另一種是在推理過程中得到的中間結(jié)果,會(huì)用作后續(xù)推理的證據(jù),如醫(yī)療診斷時(shí)根據(jù)病患描述先將其劃分至不同的科室就診,由于中間結(jié)論也是基于不確定性推理得到的,因此包含不確定性。
證據(jù)的不確定性一般也是一個(gè)數(shù)值,它表示相應(yīng)證據(jù)的不確定性程度,也稱為動(dòng)態(tài)強(qiáng)度。對于初始證據(jù),其值由用戶給出;對于中間結(jié)果,其值由推理中不確定性的傳播算法計(jì)算得到。同樣,證據(jù)的不確定性也可以用非數(shù)值的方法表示。
一般來說,為了便于推理過程中對不確定性的統(tǒng)一處理,知識和證據(jù)不確定性的表示方法應(yīng)該保持一致。盡管在某些系統(tǒng)中,為了方便用戶使用,知識和證據(jù)的不確定性用不同的方法表示,但這只是形式上的,在系統(tǒng)內(nèi)部會(huì)做相應(yīng)的轉(zhuǎn)換處理。
在不確定性的表示問題中,除了要考慮用什么樣的數(shù)據(jù)來表示不確定性,還要考慮這個(gè)數(shù)據(jù)應(yīng)該具有的取值范圍,只有這樣數(shù)據(jù)才有確定的意義,不確定性的表示問題才算圓滿解決。例如,在確定性理論中,用一個(gè)[-1,1]閉區(qū)間上的數(shù)據(jù)來描述知識或證據(jù)的不確定性,其值越大表示相應(yīng)的知識或證據(jù)越接近于“真”,其值為1表示知識或證據(jù)必為真,其值越小表示相應(yīng)的知識或證據(jù)越接近于“假”,其值為-1表示知識或證據(jù)必為假。
在設(shè)計(jì)不確定性的表示方式和取值范圍時(shí),應(yīng)注意以下幾點(diǎn)。
(1)表示方式要能充分表達(dá)相應(yīng)知識及證據(jù)不確定性的程度。
(2)取值范圍的制定應(yīng)便于領(lǐng)域?qū)<壹売脩魧Σ淮_定性的估計(jì)。
(3)表示方式要便于對不確定性的傳播的計(jì)算,計(jì)算出的結(jié)論的不確定性不能超過設(shè)計(jì)的取值范圍。
(4)表示方式應(yīng)該是直觀的,同時(shí)有相應(yīng)的理論基礎(chǔ)。
……
你還可能感興趣
我要評論
|