A第8章不确定性知织的表示与推理 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
第 8 章 不确定性知识的表示与推理 4. 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
A第8章不确定性知织的表示与推理 8.1.2不确定性知识的表示及推理 对于不确定性知识,其表示的关键是如何描述不确定性。 一般的做法是把不确定性用量化的方法加以描述,而其余部 分的表示模式与前面介绍的(确定性)知识基本相同。对于不 同的不确定性,人们提出了不同的描述方法和推理方法。下 面我们主要介绍(狭义)不确定性和不确切性知识的表示与推 理方法,对于不完全性和不一致性知识的表示,简介几种非 准逻辑
第 8 章 不确定性知识的表示与推理 8.1.2 对于不确定性知识, 其表示的关键是如何描述不确定性。 一般的做法是把不确定性用量化的方法加以描述, 而其余部 分的表示模式与前面介绍的(确定性)知识基本相同。对于不 同的不确定性, 人们提出了不同的描述方法和推理方法。下 面我们主要介绍(狭义)不确定性和不确切性知识的表示与推 理方法,对于不完全性和不一致性知识的表示, 简介几种非标 准逻辑
A第8章不确定性知织的表示与推理 我们只讨论不确定性产生式规则的表示。对于这种不确 定性,一般采用概率或信度来刻划。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”的信度。它表示 “这场球赛甲队取胜”这个命题为真(即该命题所描述的事件 发生)的可能性程度是0.9
第 8 章 不确定性知识的表示与推理 我们只讨论不确定性产生式规则的表示。对于这种不确 定性, 一般采用概率或信度来刻划。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”的信度。它表示 “这场球赛甲队取胜”这个命题为真(即该命题所描述的事件 发生)的可能性程度是0.9
A第8章不确定性知织的表示与推理 般地,我们将不确定性产生式规则表示为 A→(B,C(BA) (8-1) 其中C(BA表示规则的结论前提A为真的情况下为真的信度 例如,对上节中给出的两个不确定性命题,若采用(8-1)式,则可 表示为 如果乌云密布并且电闪雷鸣,则天要下暴雨(0.95)。 如果头痛发烧,则患了感冒(0.8 这里的0.95和0.8就是对应规则结论的信度。它们代替了原命题 中的“很可能”和“大概”,可视为规则前提与结论之间的一种 关系强度
第 8 章 不确定性知识的表示与推理 一般地, A→(B, C(B|A)) (8-1) 其中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不确定性命题, 若采用(8-1)式, 则可 如果乌云密布并且电闪雷鸣, 则天要下暴雨(0.95)。 如果头痛发烧, 则患了感冒(0.8)。 这里的0.95和0.8就是对应规则结论的信度。它们代替了原命题 中的“很可能”和“大概” , 可视为规则前提与结论之间的一种 关系强度
A第8章不确定性知织的表示与推理 信度一般是基于概率的一种度量,或者就直接以概率作为 信度。例如,在著名的专家系统 MYCIN中的信度就是基于概率 而定义的(详见8.2.1确定性理论),而在贝叶斯网络中就是直 接以概率作为信度的。对于上面的(8-1)式,要直接以概率作 为信度则只需取C(B|A)=P(B|A)(P(B|A为A真时B真的条件概率) 即可
第 8 章 不确定性知识的表示与推理 信度一般是基于概率的一种度量,或者就直接以概率作为 信度。例如, 在著名的专家系统MYCIN中的信度就是基于概率 而定义的(详见8.2.1确定性理论), 而在贝叶斯网络中就是直 接以概率作为信度的。对于上面的(8-1)式, 要直接以概率作 为信度则只需取C(B|A)=P(B|A)(P(B|A)为A真时B真的条件概率) 即可