ZNALOSTNÉ SYSTÉMY prednáška č. 4

Slides:



Advertisements
Podobné prezentace
4IZ 229 – Cvičení 3 Práce s neurčitostí Vladimír Laš.
Advertisements

A5M33IZS – Informační a znalostní systémy Úvod do problematiky expertních systémů.
Zpracování neurčitosti Fuzzy přístupy RNDr. Jiří Dvořák, CSc.
Domáce spotrebiče Elektrický príkon Elektrický odpor Vincent Cigánik.
Lineárna funkcia a jej vlastnosti
Vonkajšie pamäťové média
Zásoby ITMS kód projektu „Učíme inovatívne, kreatívne a hravo – učíme pre život a prax“ „Moderné vzdelávanie pre vedomostnú spoločnosť /
Zmeny v podsystéme v roku 2015
NAVIGÁCIA V KNIŽNIČNOM SYSTÉME ARL (Advanced Rapid Library)
Pavol Nečas Gymnázium L. N. Senica Šk. rok 2008/2009 III.A
FUNKCIE A ICH ZÁKLADNÉ VLASTNOSTI
Seminárna práca z matematiky
Priama úmernosť ISCED 2.
Dementný syndróm pri Alzheimerovej chorobe.
Zásuvky, vidlice a spínače
TECHNICKÉ KRESLENIE KÓTOVANIE Ing. Mária Gachová.
Zázračné slovíčka Zázračné slovíčka.
Sociálne poistenie študentov
CORBA Študent: Bc. Juraj Kráľ.
Analytická časť práce.
L1 cache Pamäť cache.
SOČ 3. roč. v prípade, že máme problém, aký výskum ku svojej teoreticke časti použijeme, môžeme vykonať sociologický, psychologický alebo edukačný (napr.
Násobenie výrazov – 2 (odstránenie zátvorky)
Čo je informatika? Je všeobecne veda o informáciách.
Matematické dôkazy Teória a ukážky.
MATURITA Miroslava Drahošová
POPULAČNÁ GENETIKA..
MERANIE, RIADENIE A REGULÁCIA
Ako implementovať eLearning?
Otec a materské Najčastejšie otázky
Balík protokolov TCP/IP ( Protocol Suite )
1.3 Gravitačná sila. Gravitačné pole.
Dominika Vidovičová IX.B
Metódy simulácie v polovodičoch Ab initio a klasterové metódy
Čo je schované v elektrických batériách
Čo je horenie a podmienky horenia
Erwin Schrödinger Autor: Peter Harčarik.
Praktická časť záverečných prác
Povinné zmluvné poistenie
Normálne rozdelenie N(,2).
Ako napísať životopis a motivačný list
GONIOMETRICKÉ FUNKCIE SÍNUS A KOSÍNUS
Grafické riešenie lineárnej rovnice
Ing. Zlatica Molčanová Košice
Podmienená pravdepodobnosť
VZÁJOMNÁ POLOHA PRIAMKY A KRUŽNICE
Obsah vyučovania Základné pojmy Výber učiva Usporiadanie učiva
Blackova – Scholesova analýza
Informatika, údaj, informácia, jednotka informácie, digitalizácia
Diskusný príspevok.
KVINTAKORDY Rachel Dudová.
Modelovanie DBS Vypracoval: Ing. Michal COPKO.
PaedDr. Jozef Beňuška
MIESTO, KTORÉ MÁM RaDa BIANKA LACKOVÁ 7.ROČ.
Základné parametre obrazu II.
Legislatívne zmeny pre rok 2015
ZEM a MARS.
DEKOMPOZÍCIA ČASOVÝCH RADOV
Entrópia, redundancia a sci-fi príklad.
Pane, prosím Ťa….
ZNALOSTNÉ SYSTÉMY prednáška č. 4
Jazyk ako systém Jazyk a reč.
Inteligentné rozhodovacie systémy
NETIKETA.
Jazyk.
Nesymetria pre 2 spotrebiče pripojené na združené napätia
Prezentácia 5 Radwan Al Ali
3D modelovanie Polygony
Analytická geometria kvadratických útvarov
Viacrozmerné štatistické metódy Viacrozmerné metódy všeobecne
Transkript prezentace:

ZNALOSTNÉ SYSTÉMY prednáška č. 4 Extenzionálne modely Časť 1 Kristína Machová Kristina.Machova@tuke.sk Vysokoškolská, 149, Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach Osnova prednášky Subjektívna Bayes-ovská metóda Kombinačná funkcia CTR Kombinačná funkcia GLOB Ostatné kombinačné funkcie Intuitívny model Vlastnosti funkcie GLOB Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

1. Subjektívna Bayes-ovská metóda Subjektívna def. pravdepodobnosti je odhad výskytu javu v pomere ku všetkým výskytom všetkých javov. Zohľadňuje neurčitosť pravidiel a výrokov, apriórnu a aposteriórnu vyjadrenú absolútne alebo relatívne. ABSOLÚTNE vyjadrenie používa podmienené pravd.-sti. P(H/E)…pravd. záveru H v prípade splnenia predpokladu E P(H/~E)…pravd. záveru H v prípade nesplnenia predpokladu E RELATÍVNE vyjadrenie Miera postačiteľnosti LS (logical sufficiency) O(H/E)=LS*O(H) Miera nezbytnosti LN (logical necessity) O(H/~E)=LN*O(H) Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

2. Kombinačná funkcia CTR P(H/E’) P(E/E’) 1 P(E) P(H/E) P(H) P(H/~E) Pre 0 <= P(E/E’) <= P(E) P(H/E’) = P(H/~E) + [(P(H)-P(H/~E))/P(E)]*P(E/E’) Pre P(E) <= P(E/E’) <= 1 P(H/E’) = P(H) + [(P(H/E)-P(H))/(1-P(E))]*[P(E/E’)-P(E)] Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

3. Kombinačná funkcia GLOB Skladá príspevky jednotlivých pravidiel s tým istým záverom do aposteriórnej pravdepodobnosti záveru. Je realizovaná v relatívnom tvare: váha j-tého pravidla: LSj = O(H/Ej) / O(H) O(H/E1’,…,En’) = (¶LSj)*O(H) P(H/E1’,…En’) = O(H/E1’,…,En’)/[1+O(H/E1’,…,En’)] Neobvyklé prípady f-cie CTR: nesplnenie P nemá na H vplyv splnenie P podporuje H popiera H podporuje H nemá na H vplyv Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

4. Ostatné kombinačné funkcie Používajú sa pre ne vzťahy z teórie fuzzy množín: NEG: P(~H) = 1 – P(H) CONJ: P(H1 & H2) = min[ P(H1), P(H2) ] DISJ: P(H1 v H2) = max[ P(H1), P(H2) ] Poznámky: CONJ je striktnejšia funkcia, keďže v dvojhodnotovej logike musia platiť všetky predpoklady (snaha zabezpečiť aby neurčitosti oboch predpokladov boli čo najvyššie). DISJ stačí ak neurčitosť jedného predpokladu bude vysoká, a tá sa vyberie. Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach

5. Intuitívny model práce s neurčitosťou Jednotlivé kombinačné funkcie môžu byť definované rôzne. Intuitívne možno stanoviť ich interpretáciu. PP S NEURČITOSŤOU môžeme interpretovať: AK je predpoklad úplne splnený, POTOM záver platí s váhou w. AK predpoklad nie je splnený úplne, POTOM príspevok pravidla k posilneniu dôvery v záver je menší ako w. PRI PARALELNEJ KOMBINÁCII: AK prvé aj druhé pravidlo podporuje(oslabuje) záver POTOM výsledná váha je posilňovaná(oslabovaná). AK jedno pravidlo záver podporuje a druhé ho vyvracia POTOM sa vplyvy eliminujú Katedra kybernetiky a umelej inteligencie FEI, TU v Košiciach