Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
В более общей форме правило байеса имеет вид
Содержание книги
- Два аспекта модели памяти, предложенной квиллианом, оказали особенно существенное влияние на последующее развитие исследований в области применения систем семантических сетей.
- Анализ адекватности ассоциативных сетей
- Из сказанного выше ясно, что первоначальные виды формализмов ассоциативных сетей страдают минимум двумя недостатками.
- Значения по умолчанию и демоны
- Если отсутствует любая информация о параметрах четырехугольника, не выполнять никаких вычислений.
- Система инициализируется командой (reset). Теперь можно активизировать демон, послав ему сообщение
- Подводя итог всему сказанному выше об ассоциативных сетях и фреймах, отметим, что в большинстве предлагаемых структур сетей не удалось дать четкий ответ на два важных вопроса.
- Для этого вам понадобится сначала внести изменения в определение класса square.
- Формирование объекта класса на языке clips
- Скомбинировать их таким образом, чтобы получить желаемый эффект.
- Множественное наследование в CLOS и clips
- Наложение методов в CLOS и clips
- В CLOS поддерживаются три базовых метакласса.
- Объекты в основном являются средствами реализации вычислений.
- Поиск доказательства в системе резолюций
- Использование квантора существования позволяет преобразовать термы с квантором общности в соответствии с определением
- Иными словами, это не тот случай, когда некоторый Объект X находится в комнате А и, следовательно, переменная имеет экзистенциальную подстановку.
- Если u и ф представляют две произвольные фразы, которые можно представить в конъюнктивной нормальной форме, и
- Поиск доказательства в системе резолюций
- Процедурная дедукция в системе PLANNER
- В следующем разделе мы кратко остановимся на системах, в которых была предпринята попытка устранить эти недостатки
- Обратите внимание на то, что если бы в теле процедуры отсутствовал предикат ввс, то программа очень быстро зациклилась.
- Occur)U, Exprl, 2), collect(U, Exprl, Expr2), isolate(U, Expr2, Ans).
- I) ни один Человек не является островом. (джон донн (john donne))
- Глава 9. Представление неопределенности знаний и данных
- В более общей форме правило байеса имеет вид
- Можно с уверенностью Т заключить, что пациент страдает заболеванием DI.
- Множество, определенное такой характеристической функцией, представляется формулой
- Которая после подстановки дает
- Какова вероятность того, что из полной колоды будет вытянута одна из старших карт (король, дама или валет).
- Преимущество использования такой программы — снижение трудоемкости процесса, поскольку перенос знаний от эксперта к системе осуществляется в один прием.
- В основу оболочки KADS положено пять базовых принципов.
- Оболочки CommonKADS и KASTUS
- Сопровождение и редактирование баз знаний с помощью программы teiresias
- В составе teiresias Имеются и средства, которые помогают оболочке emycin следить за поведением экспертной системы в процессе применения набора имеющихся правил.
- Графический интерфейс модели предметной области
- В модели предметной области можно выделить четыре основных аспекта, которые явились следствием применения онтологического анализа, как отмечалось в разделе 10. 1. 3.
- Эффективность программы OPAL
- Обсуждение проблем машинного обучения мы отложим до главы 20, поскольку это слишком сложный материал для той части книги, которую мы рассматриваем как вводную.
- Если: Имеется решение менее радикальное, чем
- ГЛАВА 11. Эвристическая классификация (I)
- Классификация задач экспертных систем
- Теперь посмотрим, как соотносится описанная ранее классификация экспертных систем с предложенной Кленси иерархической схемой операций.
- Общность эвристической классификации
- В разделе упражнений вы встретите набор правил на языке clips, которые соответствуют определению, сформулированному в рассматриваемом документе.
- Кленси утверждает, что его работа может следующим образом, повлиять на исследования в области экспертных систем.
- Эти правила соответствуют этапу эвристического сопоставления.
- Разработайте правило selection, которое выбирает вино с наивысшим рейтингом и предлагает его Пользователю.
- Ранее мы уже упоминали о таких особенностях mycin, как отказ от обратного прослеживания в пользу деструктивной модификации рабочей памяти и использование стратегии исчерпывающего поиска.
- При проектировании программ эвристической классификации, таких как MUD или mycin, процесс уточнения правил является, по существу, шестиэтапным.
P(d|s1^...^sk) = P(s1^...^sk|d)P(d)/P(s1^...^sk) (9.3)
и требует вычисления (mn)k + m + nk оценок вероятностей, что даже при небольшом значении А; очень много. Эти оценки вероятностей требуются нам по той причине, что в общем случае для вычисления P(s1 ^....^ sk) нужно предварительно вычислить произведения вида
P(s1 | s2 ^.. .^sk) P(s2 | s3 ^...^sK)... P(sk).
Однако, если предположить, что некоторые симптомы независимы друг от друга, объем вычислений существенно снижается. Независимость любой пары симптомов Si, и Sj означает, что
P(Si)=P(Sl|Sj),
Из чего следует соотношение
P(Si^Sj)=P(Si)P(Sj).
Если все симптомы независимы, то объем вычислений будет таким же, как и в случае учета при диагнозе единственного симптома.
Но, даже если это и не так, в большинстве случаев можно предположить наличие условной независимости. Это означает, что пара симптомов s\ и Sj является независимой, поскольку в нашем распоряжении имеются какие-либо дополнительные свидетельства на этот счет или фундаментальные знания Е. Таким образом,
P(Si|Sj,E)=P(Si|E).
Например, если в моем автомобиле нет горючего и не работает освещение, я могу смело сказать, что эти симптомы независимы, поскольку моих познаний в устройстве автомобиля вполне достаточно, чтобы предположить, что между ними нет никакой причинной связи. Но если автомобиль не заводится и не работает освещение, то заявлять, что эти симптомы независимы, нельзя, поскольку они могут быть следствием одной и той же неисправности аккумуляторной батареи. Степень доверия к симптому "не работает освещение" только увеличится, если обнаружится, что к тому же и двигатель не заводится. Необходимость отслеживать такого рода связи в программе и соответственно корректировать степень доверия к симптомам значительно увеличивает объем вычислений в общем случае (см. об этом в работе [Cooper, 1990]).
Таким образом, использование теории вероятности ставит перед нами следующие проблемы, которые лучше всего сформулировать в терминах задачи выбора:
либо априори предполагается, что все данные независимы, и использовать менее трудоемкие методы вычислений, за что придется платить снижением достоверности результатов;
либо нужно организовать отслеживание зависимости между используемыми данными, количественно оценить эту зависимость, реализовать оперативное обновление соответствующей нормативной информации, т.е. усложнить вычисления, но получить более достоверные результаты.
В главе 19 представлен обзор символических методов отслеживания зависимости между используемыми данными, а в главе 21 описаны некоторые численные методы моделирования зависимости между вероятностями.
В следующем разделе мы рассмотрим альтернативный подход, с помощью которого удается обойти указанные сложности при построении экспертных систем. Здесь же, а также в главе 21 будут проанализированы критические замечания, касающиеся этого подхода.
Коэффициенты уверенности
Теперь мы вернемся к коэффициентам уверенности, о которых уже шла речь в главе 3, когда мы рассматривали принципы работы системы MYCIN.
В идеальном мире можно вычислить вероятность P(di| E), где di — i-я диагностическая категория, а £ представляет все необходимые дополнительные свидетельства или фундаментальные знания, используя только вероятности P(di | Sj), где Sj является j-м клиническим наблюдением (симптомом). Мы уже имели возможность убедиться в том, что правило Байеса позволяет выполнить такие вычисления только в том случае, если, во-первых, доступны все значения P(sj | di), и, во-вторых, правдоподобно предположение о взаимной независимости симптомов.
В системе MYCIN применен альтернативный подход на основе правил влияния, которые следующим образом связывают имеющиеся данные (свидетельства) с гипотезой решения:
ЕСЛИ
пациент имеет показания и симптомы s1 ^...^ sk и имеют место определенные фоновые условия t1 ^... ^ fm,
ТО
|
