內容簡介
不確定性知識處理是人工智能領域最基本的研究問題。《不確定性知識處理的基本理論與方法》對知識錶示和推理、不確定性知識處理(亦簡稱不確定性處理)的基本理論與方法進行瞭全麵、係統的闡述,內容包括知識錶示與推理方法、不確定性知識處理的經典理論與方法、貝葉斯網推理與學習方法、粗糙集理論等四部分。
《不確定性知識處理的基本理論與方法》一方麵使讀者能夠透徹掌握主要的不確定性處理方法,另一方麵也使讀者能夠掌握對不確定性處理開展科學研究及理論聯係實際的方法。為此,《不確定性知識處理的基本理論與方法》在描述每個不確定性處理模型時,對模型的背景、模型的核心內容、概念的梳理與厘清、關鍵論點的證明、必要的算法、應用實例、模型的不足或睏難等,都加以全麵刻畫。書中還融入瞭作者的研究成果,其中一些難題是應用領域專傢提齣的。
《不確定性知識處理的基本理論與方法》可供計算機、自動化等領域的科研與工程技術人員參考,也可作為高等院校計算機、自動化等相關專業教師、研究生的教材和教學參考書。
內頁插圖
目錄
前言
第1章 緒論
1.1 概述
1.2 內容框架
參考文獻
第2章 知識錶示
2.1 知識錶示概述
2.1.1 知識的定義和結構
2.1.2 知識的閾值
2.1.3 知識的類型
2.1.4 常用的知識錶示
2.2 邏輯錶示
2.2.1 命題邏輯
2.2.2 一階謂詞邏輯
2.3 産生式規則錶示
2.4 語義網錶示
2.5 框架錶示
2.6 腳本錶示
2.7 本體錶示
2.8 小結
參考文獻
第3章 推理方法與專傢係統
3.1 推理概述
3.1.1 推理方法及分類
3.1.2 推理控製策略及分類
3.2 邏輯推理係統
3.2.1 演繹邏輯與三段論
3.2.2 推理規則
3.2.3 邏輯係統
3.2.4 歸結與演繹
3.3 産生式推理係統
3.3.1 産生式係統概述
3.3.2 産生式係統的體係結構及工作原理
3.3.3 部分匹配
3.3.4 與或樹
3.3.5 正嚮和反嚮推理算法
3.3.6 匹配衝突消解
3.4 其他推理方法
3.4.1 類比
3.4.2 生成與驗證
3.4.3 溯因
3.5 專傢係統概述
3.5.1 專傢係統的定義
3.5.2 專傢係統的體係結構
3.5.3 專傢係統的主要特徵
3.5.4 專傢係統的類型
3.5.5 一個簡單的專傢係統示例
3.6 小結
參考文獻
第4章 確定性因子理論
4.1 信任和不信任
4.2 信任與不信任之度量
4.3 不確定性因子的計算
4.4 不確定性值計算的封閉性
4.5 不確定性值計算例
4.6 規則集閤(規則庫)的評價
4.7 小結
參考文獻
第5章 確定性因子模型改進及其在衝突消解中的應用
5.1 不確定性知識的描述
5.2 不確定性值的傳播算法
5.3 最大存在風險和最大不存在風險
5.4 衝突消解模型
5.5 小結
參考文獻
第6章 基於概率論的處理方法
6.1 概述
6.2 確定性證據的不確定性處理
6.3 不確定性證據的不確定性推理
……
第7章 證據理論
第8章 一種麵嚮有序命題類問題的信息融閤新方法
第9章 加權模糊邏輯
第10章 專傢係統中的一種模糊推理模型——一種二階不確定性處理模型
第11章 專傢係統中部精確推理單位元
第12章 兩級不確定性知識處理模型
第13章 多ES協作係統中不一緻性處理
第14章 協作知識係統中衝突消解的辯論方法
第15章 Belief的解釋和更新
第16章 布爾代數上的Belief模型
第17章 處理二階不確定性的內涵方法
第18章 貝葉斯網的基本概念及推理方法
第19章 貝葉斯網學習方法
第20章 經典粗糙集
第21章 粗糙集關係擴展模型
第22章 粗糙集公理組的極小化
附錄
前言/序言
在現實世界中,確定性事物是相對的,不確定性事物是絕對的。不確定性知識處理是人工智能領域最基本的研究課題。本書全麵、係統地介紹瞭不確定性知識處理的基本理論與方法。全書分為四個部分。
第一部分
知識錶示是人工智能領域的基本研究問題。知識錶示與推理密不可分,確定性和不確定性推理均建立在知識錶示之上。在建造推理係統時,首先要考慮的問題就是采用什麼樣的方式錶示知識,纔能既便於知識推理,又便於人們理解知識推理的結果。為此,首先介紹瞭邏輯、規則、語義網、框架、腳本和本體等知識錶示方法。
推理是指按照某種策略從已知事實推導齣結論的過程。不確定性推理是確定性推理的推廣和拓展,不確定性推理方法建立在確定性推理方法和控製策略的基礎上。為使讀者更好地理解不確定性處理方法,本書首先介紹瞭基於邏輯和産生式的兩種主要確定性推理方法。後文講述的多種不確定性處理方法均建立於其上。作為確定性推理係統的示例,本書還描述瞭專傢係統的基本概念、體係結構、推理過程,以及一個基於規則的專傢係統實例。
第二部分
這部分介紹瞭確定性因子理論、基於概率論的推理方法和證據理論等經典不確定性推理模型(稱不確定性知識處理模型更貼切,簡稱不確定性處理模型),以及我們對這些模型的一些重要改進和擴展。以確定性因子理論為例:證明瞭確定性因子理論的封閉性,厘清瞭證據的存在、不存在和無知閾值,增加瞭規則強度閾值和第二個規則強度,給齣瞭規則質量的評價方法,提齣瞭綜閤節點和推理鏈長度等概念,並指齣一般情況下專傢係統的推理鏈長度∈[2,5]。
闡述瞭我們提齣的一些不確定性處理模型和多知識係統協作與衝突消解框架。力求從兩個層次和多個方麵提高不確定性知識處理的準確性和可靠性。用“處理”代替“推理”是以更顯式的方式錶明模型包括知識錶示與推理兩部分。
提齣一種證據理論模型,將無知部分賦給論域S的餘集,定義瞭認可函數,進而針對一類問題給齣瞭綫性階簡化證據理論模型SET;提齣有序命題概念,進而藉鑒SET給齣瞭針對有序命題的凸函數證據理論模型CFET,首次解決瞭有序命題類問題的不確定性處理難題;在CFET的基礎上,提齣瞭基本支持函數的凸度、擴展無知、基本與準-基本支持函數的信息心、信息熵,基本支持函數間的相容性等概念及其計算方法,進而提齣整閤這些概念的基本支持函數的新融閤模型NFM。現實應用領域問題紛繁復雜、韆差萬彆,有序命題類問題就是其中的一個代錶。除CFET和NFM外,現有的不確定性處理模型均不能解決該類問題。這給齣瞭兩點啓示:不確定性知識處理的理論和方法的通用性是相對的;應深入分析現實應用問題,給齣其形式化分類,進而提齣針對某一類彆應用問題的高效不確定性處理模型(或稱信息、知識融閤模型)。
提齣一種能有效處理規則前提諸證據對規則結論之重要性不盡相同的加權模糊邏輯模型,此前人們在處理規則前件諸證據時隻能對它們等量齊觀。提齣一種統一不確定性推理模型——單位元,從代數係統的層麵,揭示瞭不確定性處理模型的共性。
我們研究瞭假設空間的布爾代數結構,討論瞭證據空間與假設空間之間的雙嚮關聯。深入討論瞭“信任值的修正、更新和集中”與限定化概念的關係,證明瞭幾何條件規則所産生的“更新質量函數”是“修正質量函數”和集中“質量函數”的限定化,“修正質量函數”和“集中質量函數”之間沒有直接聯係;推廣瞭證據理論,為證據理論建立瞭一種閤理的代數結構,並為基於布爾代數的證據理論的應用奠定瞭基礎。
在基於規則的知識係統中,若想使獲取的規則準確無誤,是極其睏難的。由此,二級(或二階)不確定性概念被提齣,二級不確定性是關於一級不確定性的不確定性。我們提齣3個二級不確定性處理模型:基於模糊語言邏輯的模糊推理模型;用外延方法處理證據信度偏差與規則強度偏差的二級不確定性推理模型;二級不確定性問題的內涵處理方法。研究錶明,在解決應用領域的問題時,考慮二級不確定性恰到好處。二級不確定性處理的引入,顯著提高瞭知識係統求解的可靠性。
隨著知識係統研究的深入及應用領域的擴大,迫切要求大幅提高係統性能的方法。多知識係統協作就是其中的方法之一。通常包括分解、分布、互助和集閤(亦稱“組協作”,西醫會診是典型的組協作)等協作方式。由多個知識係統組成的協作係統稱為協作知識係統。一方麵,協作知識係統的問題求解性能會明顯超過單個知識係統,另一方麵,“哪裏有協作,哪裏就有衝突”,如果缺乏衝突信息、知識的有效融閤方法,“協作”隻能是一句空話。
信息、知識融閤是不確定性信息、知識處理模型的關鍵技術之一,特彆是衝突信息、知識的融閤是亟待解決的挑戰性難題。我們提齣基於協作方式、問題特點和衝突特性的分類、綜閤衝突消解思想,進而提齣多種協作衝突消解方法及多維辯論模型。
第三部分
就經典數值不確定性處理的理論與方法而言,一方麵其應用廣泛並取得很大成功,另一方麵它們中的大多數存在諸多不足,甚至睏難。20世紀80年代末,貝葉斯網作為不確定性處理最有前景的技術逐漸興起。貝葉斯網將概率論和圖論相結閤,它是一種描述隨機變量間依賴關係並能緊湊高效錶示聯閤概率分布的概率圖模型,其理論基礎之堅實自不待言。貝葉斯網以結構為基礎,其問題求解需要推理,其解答是可理解的;其通過條件獨立性關係還可將復雜問題分解成多個較簡單的子問題,能較好地解決“大變量集”統計難題。同時注意學習與推理深層次結閤,是結構化機器學習未來的關鍵目標之一。概率圖模型有望解決結構化機器學習領域的這一挑戰性難題。這正是將貝葉斯網推理與學習兩方麵的部分內容納入本書的思考。本書描述瞭貝葉斯網的基本概念和幾種主要的推理方法,介紹瞭完備和非完備數據下貝葉斯網參數和結構學習的方法,並給齣瞭我們的一些研究結果。
不確定性知識處理的基本理論與方法 epub pdf mobi txt 電子書 下載 2024
不確定性知識處理的基本理論與方法 下載 epub mobi pdf txt 電子書