资源预览内容
第1页 / 共44页
第2页 / 共44页
第3页 / 共44页
第4页 / 共44页
第5页 / 共44页
第6页 / 共44页
第7页 / 共44页
第8页 / 共44页
第9页 / 共44页
第10页 / 共44页
亲,该文档总共44页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
第7章 不确定性处理,7.1 不确定性及其类型 7.2 不确定性知识的表示 7.3 不确定性推理的一般模式 7.4 确定性理论,7.1 不确定性及其类型,由于客观世界的复杂、多变性和人类自身认识的局限、主观性,致使我们所获得、所处理的信息和知识中,往往含有不肯定、不准确、不完全甚至不一致的成分。这就是所谓的不确定性。 事实上,不确定性大量存在于我们所处的信息环境中,例如人的日常语言中就几乎处处含有不确定性(瞧!这句话本身就含有不确定性:什么叫“几乎”?)。不确定性也大量存在于我们的知识特别是经验性知识之中。,所以,要实现人工智能,不确定性是无法回避的。人工智能必须研究不确定性,研究它们的表示和处理技术。事实上,关于不确定性的处理技术,对于人工智能的诸多领域,如专家系统、自然语言理解、控制和决策、智能机器人等,都尤为重要。按性质划分,不确定性大致可分为随机性、模糊性、不完全性、不一致性和时变性等几种类型。,1. 随机性 随机性就是一个命题(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, 如果乌云密布并且电闪雷鸣,则很可能要下暴雨。 如果头痛发烧,则大概是患了感冒。 就是两个含有随机不确定性的命题。当然,它们描述的是人们的经验性知识。,2.模糊性 模糊性就是一个命题中所出现的某些言词,从概念上讲,无明确的内涵和外延,即是模糊不清的。例如, 小王是个高个子。 张三和李四是好朋友。 如果向左转,则身体就向左稍倾。 这几个命题中就含有模糊不确定性,因为其中的“高”、“好朋友”、“稍倾”等都是模糊概念。,3.不完全性 不完全性就是对某事物来说,关于它的信息或知识还不全面、不完整、不充分。例如,在破案的过程中,警方所掌握的关于罪犯的有关信息,往往就是不完全的。但就是在这种情况下,办案人员仍能通过分析、推理等手段而最终破案。,4.不一致性 不一致性就是在推理过程中发生了前后不相容的结论;或者随着时间的推移或者范围的扩大,原来一些成立的命题变得不成立、不适合了。例如,牛顿定律对于宏观世界是正确的,但对于微观世界和宇观世界却是不适合的。,7.2 不确定性知识的表示,7.2.1 随机性知识的表示 我们只讨论随机性产生式规则的表示。对于随机不确定性,一般采用信度(或称可信度)来刻划。一个命题的信度是指该命题为真的可信程度。例如, (这场球赛甲队取胜,0.9) 这里的0.9就是命题“这场球赛甲队取胜”的可信度。它表示“这场球赛甲队取胜”这个命题为真(即这个事件发生)的可能性程度是0.9。,随机性产生式的一般表示形式为 AB(C(AB) (71) 或者 A(B,C(B|A) (7-2) 其中C(AB)表示规则AB为真的信度;而C(B|A)表示规则的结论B在前提A为真的情况下为真的信度。例如,对上节中给出的两个随机性命题,其随机性可以用信度来表示。,信度也可以是基于概率的某种度量。例如,在著名的专家系统MYCIN中,其规则EH中,结论H的信度就被定义为,当P(H|E)P(H),当P(H|E)=P(H),当P(H|E)P(H),其中,E表示规则的前提,H表示规则的结论,P(H)是H的先验概率,P(H|E)是E为真时H为真的条件概率,CF(Certainty Factor)称为确定性因子,即可信度。 由此定义,可以求得CF的取值范围为-1,1。当CF1时,表示H肯定真;CF=-1表示H肯定假;CF=0表示E与H无关。 这个可信度的表达式是什么意思呢?原来,CF是由称为信任增长度MB和不信任增长度MD相减而来的。即 CF(H,E)MB(H,E)-MD(H,E),当P(H)=1,否则,当P(H)=0,否则,当MB(H,E)0,表示由于证据E的出现增加了对H的信任程度。当MD(H,E)0,表示由于证据E的出现增加了对H的不信任程度。由于对同一个证据E,它不可能既增加对H的信任程度又增加对H的不信任程度,因此,MB(H,E)与MD(H,E)是互斥的,即 当MB(H,E)0时,MD(H,E)0; 当MD(H,E)0时,MB(H,E)0。,7.2.2 模糊性知识的表示 对于模糊不确定性,一般采用程度或集合来刻划。所谓程度就是一个命题中所描述的事物的属性、状态和关系等的强度。例如,我们用三元组(张三,体型,(胖,0.9))表示命题“张三比较胖”,其中的0.9就代替“比较”而刻划了张三“胖”的程度。 这种程度表示法,一般是一种针对对象的表示法。其一般形式为 (,(,)),可以看出,它实际是通常三元组(,)的细化,其中的一项是对前面属性值的精确刻划。事实上,这种思想和方法还可广泛用于产生式规则、谓词逻辑、框架、语义网络等多种知识表示方法中,从而扩充它们的表示范围和能力。下面我们举例。,例7.1 模糊规则 (患者,症状,(头疼,0.95)(患者,症状,(发烧,1.1)(患者,疾病,(感冒,1.2)可解释为:如果患者有些头疼并且发高烧,则他患了重感冒。,例7.2 模糊谓词 (1)1.0白(雪)或白1.0(雪) 表示:雪是白的。 (2)朋友1.15(张三,李四)或1.15朋友(张三,李四) 表示:张三和李四是好朋友。 (3)x(计算机系学生(x) 1.0 努力1.2(x) 表示:计算机系的同学学习都很努力。,例7.3 模糊框架 框架名: 属:(,0.8) 形:(圆,0.7) 色:(红,1.0) 味:(甘,1.1) 用途:食用 药用: 用量:约五枚 用法:水煎服 注意:室温下半天内服完,例7.4 模糊语义网 理解人意 狗 食肉动物 (灵敏,1.5),(can,0.3),(AKO,0.7),嗅觉,7.2.3 模糊集合与模糊逻辑 上面我们是从对象着眼,来讨论模糊性知识的表示方法的。若从概念着眼,模糊性知识中的模糊概念则可用所谓的模糊集合来表示。 1.模糊集合 定义1 设是一个论域,到区间0,1的一个映射 : 0,1,论域上的模糊集合,一般可记为,例7.5 设0,1,2,3,4,5,6,7,8,9,10,则中“大数的集合”和“小数的集合”可分别定义如下: 大数的集合0/00/10/20.1/30.2/40.3/50.5/60.7/70.9/81/91/10 小数的集合1/01/11/20.8/30.7/40.5/50.4/60.2/70/80/90/10,例7.6 设论域1,200,表示人的年龄区间,则模糊概念“年轻”和“年老”可分别定义如下:,当1u25,当25u50,当1u25,当25u50,2. 模糊关系 除了有些性质概念是模糊概念外,还存在不少模糊的关系概念。如“远大于”、“基本相同”、“好朋友”等就是一些模糊关系。模糊关系也可以用模糊集合表示。下面我们就用模糊子集定义模糊关系。 定义2 集合U1,U2,Un的笛卡尔积集U1U2Un的一个模糊子集 ,称为U1,U2,Un间的一个n元模糊关系。特别地,Un的一个模糊子集称为U上的一个n元模糊关系。,例7.7 设U1,2,3,4,5,U上的“远大于”这个模糊关系可用模糊子集表示如下: “远大于” 0.1/(1,2)0.4/(1,3)0.7/(1,4)1/(1,5)+0.1/(2,3)0.4/(2,4)0.7/(2,5)0.1/(3,4)0.4/(3,5)0.1/(4,5) 就像通常的关系可用矩阵表示一样,模糊关系也可以用矩阵来表示。例如上面的“远大于”用矩阵可表示如下:,1 2 3 4 5 0 0.1 0.4 0.7 1 0 0 0.1 0.4 0.7 0 0 0 0.1 0.4 0 0 0 0 0.1 0 0 0 0 0,1 2 3 4 5,表示模糊关系的矩阵一般称为模糊矩阵。,3.模糊集合的运算 与普通集合一样,也可定义模糊集合的交、并、补运算。 定义3 设 是X的模糊子集, 的交集 、并集 和补集 ,分别由下面的隶属函数确定:,4.模糊逻辑 模糊逻辑是研究模糊命题的逻辑。设n元谓词,可以看出,上述定义的模糊命题的真值,实际是把一个命题内部的隶属度,转化为整个命题的真实度。,7.2.4 多值逻辑 我们知道,人们通常所使用的逻辑是二值逻辑。即对一个命题来说,它必须是非真即假,反之亦然。但现实中一句话的真假却并非一定如此,而可能是半真半假,或不真不假,或者真假一时还不能确定等等。这样,仅靠二值逻辑有些事情就无法处理,有些推理就无法进行。于是,人们就提出了三值逻辑、四值逻辑、多值逻辑乃至无穷值逻辑。,我们介绍一种三值逻辑,称为Kleene三值逻辑。在这种三值逻辑中,命题的真值,除了“真”、“假”外,还可以是“不能判定”。其逻辑运算定义如下:,7.2.5 非单调逻辑 所谓“单调”,是指一个逻辑系统中的定理随着推理的进行而总是递增的。那么,非单调就是逻辑系统中的定理随着推理的进行而并非总是递增的,就是说也可能有时要减少。传统的逻辑系统都是单调逻辑。但事实上,现实世界却是非单调的。例如,人们在对某事物的信息和知识不足的情况下,往往是先按假设或默认的情况进行处理,但后来发现得到了错误的或者矛盾的结果,则就又要撤消原来的假设以及由此得到的一切结论。,在非单调逻辑中,若由某假设出发进行的推理中一旦出现不一致,即出现与假设矛盾的命题,那么允许撤消原来的假设及由它推出的全部结论。基于非单调逻辑的推理称为非单调逻辑推理,或非单调推理。 (1)在问题求解之前,因信息缺乏先作一些临时假设,而在问题求解过程中根据实际情况再对假设进行修正。 (2)非完全知识库。随着知识的不断获取,知识数目渐增,则可能出现非单调现象。,(3)动态变化的知识库。 常见的非单调推理有缺省推理(reasoningbydefault)和界限推理。由于篇幅所限,这两种推理不再详细介绍,有兴趣的读者可参阅有关专著。,7.2.6 时序逻辑 对于时变性,人们提出了时序逻辑。时序逻辑也称时态逻辑,它将时间词(称为时态算子,如“过去”,“将来”,“有时”,“一直”等)或时间参数引入逻辑表达式,使其在不同的时间有不同的真值。从而可描述和解决时变性问题。时序逻辑在程序规范(specifications),程序验证以及程序语义形式化方面有重要应用,因而它现已成为计算机和人工智能科学理论的一个重要研究课题。,7.3 不确定性推理的一般模式,基于不确定性知识的推理称为不确定性推理,亦称为不精确推理。 由于不确定性推理是基于不确定性知识的推理,所以,其结果仍然是不确定性的。但对不确定性知识,我们是用量化不确定性的方法表示的(实际是把它变成了确定性的了),所以,不确定性推理的结果仍然应含有某种不确定性度量。,所以,不确定性推理的一般模式就可简单地表示为 不确定性推理符号模式匹配不确定性计算 这里的不确定性计算是基于各种不确定性度量,如信度、真度、各种特征(值)强度、隶属度等的计算。,可以看出,不确定性推理与通常的确定性推理相比,区别在于多了个数值计算过程。 但正由于需要计算,所以,不确定性推理就与通常的确定性推理有了质的差别。主要表现在以下几个方面: (1)不确定性推理中符号模式匹配能否成功,不但要求两个符号模式本身要能够匹配(合一),而且要求证据事实所含的不确定性程度必须达“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,而且前提条件的不确定性总程度还必须至少达到阈值。 (3)不确定性推理中推得的结论是否有效,也取决于其不确定性程度是否达到阈值。 总之,不确定性推理要涉及:不确定性度量、阈值、上述各种度量计算方法等的定义和选取。所有这些就构成了所谓的不确定性推理模型,或不精确推理模型。,7.4 确定性理论,确定性理论是肖特里菲(E.H.Shortliffe)等于1975年提出的一种不精确推理模型,它在专家系统MYCIN中得到了应用。确定性理论是用于随机不确定性的一种推理模型。 1.不确定性度量 采用CF,即确定性因子(一般称为可信度),其定义如上节所述,取值范围为-1,1。,2. 前提证据事实总CF值计算 CF(E1E2En)minCF(E1),CF(E2),CF(En) CF(E1E2En)
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号