人工智能不确定性推理人工智能课程中国海洋大学.pptx

"人工智能不确定性推理人工智能课程中国海洋大学" 本课程主要介绍人工智能不确定性推理的基本概念、方法和应用。人工智能不确定性推理是指在不确定性知识和证据的基础上，通过推理和计算，获取合理的结论和不确定性程度的过程。 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。因此，不确定性推理需要解决推理方向、推理方法、控制策略等基本问题，以及不确定性的表示和量度、不确定性匹配、不确定性传递算法和不确定性合成等重要问题。 不确定性的表示和量度是指对知识和证据的不确定性进行描述和量化。知识的不确定性可以用静态强度表示，而证据的不确定性可以用动态强度表示。量度的选择需要考虑多个因素，如领域问题的特征、推理过程的需要和领域专家的估计等。 不确定性匹配算法和阈值的选择是指在不确定性推理中，计算匹配双方相似的程度和指定相似的“限度”的过程。阈值的选择需要考虑多个因素，如领域问题的特征、推理过程的需要和领域专家的估计等。 不确定性传递算法是指在推理过程中，把证据及知识的不确定性传递给结论的过程。这个过程需要解决两个子问题：在每一步推理中，如何把证据及知识的不确定性传递给结论；在多步推理中，如何把初始证据的不确定性传递给最终结论。 结论不确定性的合成是指在推理时，需要用合适的算法对不同的知识进行推理，得到相同的结论，但不确定性的程度却不同。这个过程需要选择合适的算法和策略来合成结论的不确定性。 不确定性推理方法可以分为两大类：模型方法和基于概率的方法。模型方法是指在推理一级上扩展确定性推理特点，把不确定的证据和不确定的知识分别与某种量度标准对应起来，并且给出更新结论不确定性的算法。基于概率的方法是指依据概率论的有关理论发展起来的方法，主要有主观Bayes、可信度、证据理论等方法。 本课程旨在介绍人工智能不确定性推理的基本概念、方法和应用，旨在帮助学生掌握不确定性推理的基本原理和方法，并应用于实际问题的解决。