Сети доверия
Теория Демпстера-Шефера
В этой главе мы рассмотрим два количественных метода реализации логических рассуждений при наличии неопределенности в структурированном пространстве гипотез, базирующихся на теории свидетельств Демпстера-Шефера [Gordon and Shortliffe, 1985] и Байесовском формализме [Pearl, 1986].Функции доверия
В теории Демпстера-Шефера т – это функция присвоения базовых вероятностей (bра – basic probability assignment), которая определена на множестве 2O значений из интервала [0.1], такая, | что: m(пустое множество) = 0 и [(т(Аi) -1]; суммирование выполняется по всем Ai 2O.Применение теории Демпстера-Шефера к системе MYCIN
Гордон (Gordon) и Шортлифф (Shortliffe) предложили использовать теорию Демпстера-Шефера в качестве альтернативы операциям с коэффициентами уверенности, применяемым в системе MYCIN. Они обратили внимание на то, что при определении организмов система MYCIN часто сужает множество рассматриваемых гипотез до определенного подмножества, включая в него, например, только грамотрицательные микроорганизмы.Методика Перла
Альтернативой теории Демпстера-Шефера является методика Перла [Pearl, 1986], в которой свидетельства учитываются на основе Байесовского подхода к группированию и распространению влияния свидетельств на достоверность гипотез.Сравнение методов неточных рассуждений
В работе [Horvitz et al, 1986] предлагается обобщенная модель, которая может служить в качестве оболочки для сравнения альтернативных формализмов оценок доверия к гипотезам. Описанная модель появилась в ходе обширной дискуссии, призванной пролить свет на проблемы неточных рассуждений, которые проявились в процессе эксплуатации системы MYCIN.Резюме
В работах Горвица (Horvitz) и Гекермана (Heckerman) продемонстрирован типичный теоретический подход к проблеме неопределенности, в котором основное внимание сосредоточено на сравнении семантик различных формальных языков вычисления оценки степени доверия.Рекомендуемая литература. Упражнения.
В своей книге [Pearl, 1988] Перл уделяет основное внимание методам, основанным на Байесовском подходе, демонстрируя их возможности на множестве примеров, взятых из различных областей искусственного интеллекта.