3582461749

Autorzy: kulfoniasty & swrtch486 Źródło: wykłady dr Haliny Kwaśnickiej.

Omów wnioskowanie z czynnikiem pewności, podaj krótki przykład podaj zalety i wady (gotowe)

Wnioskowanie z czynnikiem pewności jest heurystyczną metodą, jednym z rodzajów wnioskowania z niepewnością, w którym możemy wyróżnić trzy typy niepewności:

1.    wejściowe fakty niepewne lub mają przypisane prawdopodobieństwa

2.    reguły, nawet kiedy fakty są absolutnie pewne, generują nowe fakty z pewnym stopniem ufności, np. IF wirus grypy w w organizmie (100%) THEN jesteśmy chorzy (90%)

3.    kombinacje przypadków 1. i 2

W przypadku wnioskowania z czynnikiem pewności, oznaczanym przez CF. zarówno przesłankom jak i konkluzjom w' regułach przypisujemy wartość czynnika pewności, który jest wartością oznaczającą jak bardzo prawdopodobny jest dany predykat w ocenie eksperta. Jednakże nie jest to ani prawdopodobieństwo, ani rów nież stopień przynależności znany z logiki rozmytej.

Czynnik ten można wyliczyć korzystając ze wzoru CF(h)=MB(h)-MD(h), gdzie MB -mcasurc of belief. MD - measure of disbelief. oraz 0<=MB<= 1: ()<=N1D<= 1; -1<= CF <= +1.

Wnioskowanie oparte o czynnik pewności charakteryzuje się tzw. propagacją niepwenosci. tj. niepew nosc przesłanek bezpośrednio rzutuje na niepew nosć konkuzji. Propagacja ta obliczana jest na podstaw ie następującego w zoru:

CF(h: reguła 1. reguła2) = CF(h:regułal) + CF(h:regula2)*(l-CF(h:regułal)J

Przykład.

IF kaszle(x) AND ma_goraczke(x) THEN ma_grypc(x) CF=0.6

Zalety w	Wady
przesuwa zaufanie produkowanych hipotez asymptotycznie do pew ności, kumulując miary kolejnych reguł produkujących rozważane hipotezy, (wprost: zbliżamy się do pewności)	w przypadku gdy CF bliski 0 - niemożliwe rozróżnienie czy MB i MD są takie same (konflikt, bo jednocześnie wierzymy i nie) czy obie miary są bliskie zeru (hipoteza nie może być potw ierdzona ani zanegowana)
CF jest symetryczną miarą - niezależny od kolejności zapalania reguł

1