人工智能不确定推理方法.ppt

人工智能不确定推理方法 人工智能不确定推理方法是指在人工智能系统中处理不确定知识和不确定信息的推理方法。这些方法是解决实际问题的关键，人们可以使用这些方法来表示、推理和解决问题。 不确定推理的概念是指从已知事实出发，运用相关的知识（或规则）逐步推出结论或者证明某个假设成立或不成立的思维过程。其中，已知事实和知识（规则）是构成推理的两个基本要素。已知事实是推理过程的出发点及推理中使用的知识，我们把它称为证据，而知识（或规则）则是推理得以向前推进，并逐步达到最终目标的根据。 不确定推理方法可以分为两大类，一类称为模型方法，另一类称为控制方法。模型方法的特点是把不确定的证据和不确定的知识分别与某种度量标准对应起来，并给出更新结论不确定性的合适的算法，从而构成相应的不确定性推理模型。控制方法的特点是通过识别领域中引起不确定性的某些特征及相应的控制策略来限制或减少不确定性系统产生的影响。 概率论是处理不确定性的重要手段，因为它有着完善的理论，同时还为不确定性的合成与传递提供了现成的公式。但是，纯概率方法虽然有严密的理论依据，但它却要求给出事件的先验概率和条件概率，而这些数据又不易获得。因此，人们经过多年的研究，在概率论的基础上，发展了一些新的处理不确定性的方法，这些方法包括：可信度方法、主观 Bayes 方法和证据理论方法。 在不确定推理中，表示不确定性是非常重要的，不确定性主要包括两个方面，一是证据的不确定性，一是知识的不确定性。因此，不确定性的表示问题就包括证据表示和知识表示。推理计算是另一个关键的方面，主要包括不确定性的传递计算算法、组合证据不确定性算法和结论不确定性的更新或合成算法。 在解决不确定性问题时，量度不确定性是非常重要的，需要选择合适的量度方法和范围，以便于领域专家及用户对证据或知识不确定性的估计。 不确定推理方法是人工智能系统中非常重要的一部分，解决实际问题的关键。这些方法可以帮助人们更好地处理不确定知识和不确定信息，从而解决实际问题。