Zpracování neurčitosti Úvod do znalostního inženýrství, ZS 2015/16 7-1
Usuzování za neurčitosti Neurčitost: Při vytváření ZS obvykle nejsou všechny informace naprosto korektní mohou být víceznačné, vágní, zkreslené, nepřesné Dalšími důležitými příčinami neurčitosti bývají znalosti, které nejsou v jakékoliv situaci platné či obsahují vágní termíny Ve ZS se neurčitost zaznamenává pomocí různých měr, vah, faktorů jistoty Úvod do znalostního inženýrství, ZS 2015/16 7-2
Přístupy pro zpracování neurčitosti v ZS Bayesovský přístup (a pseudobayesovský přístup) Faktory jistoty Dempster-Shaferova teorie Fuzzy logika Použitý přístup také ovlivňuje neurčitost v závěru daného ZS. Úvod do znalostního inženýrství, ZS 2015/16 7-3
Bayesovský přístup Někdy také pseudopravděpodobnostní přístup Bayesův teorém představuje hypotetické usuzování Pravidla, kde E je evidence/předpoklad a H hypotéza/závěr Podmíněná pravděpodobnost: kde. Úvod do znalostního inženýrství, ZS 2015/16 7-4
P (H E) aposteriorní pravděpodobnost H při splnění E P (E H) podmíněná pravděpodobnost E při splnění H P (E) apriorní pravděpodobnost E P (H) apriorní pravděpodobnost H Úvod do znalostního inženýrství, ZS 2015/16 7-5
Jedním z předních pojmů tohoto přístupu je apriorní pravděpodobnostní šance: Aposteriorní pravděpodobnostní šance: kde O (H) i O (H E) může nabývat hodnot z intervalu. Úvod do znalostního inženýrství, ZS 2015/16 7-6
Vztah šance k pravděpodobnosti (nabývající hodnoty z): nebo Kde klasická pravděpodobnost může nabývat hodnot z intervalu. Úvod do znalostního inženýrství, ZS 2015/16 7-7
Míra postačitelnosti (L) a nezbytnosti (L^) Zadává expert (subjektivní pravděpodobnost) Plynou vztahy mezi O(H) a O(H E) (O(H E)): Úvod do znalostního inženýrství, ZS 2015/16 7-8
Důkazy Úvod do znalostního inženýrství, ZS 2015/16 7-9
Nízká hodnota L E je nezbytné pro dokázání H Vysoká hodnota L E je postačitelné pro dokázání H Nízká hodnota L^ E je nezbytné pro dokázání H Vysoká hodnota L^ E je postačitelné pro dokázání H Hlavní výhodou bayesovského přístupu je pevně daná sémantika metody, teoretické základy, Nevýhodou je náročnost implementace, nutnost velkého množství dat, platnost, Vzorce bayesovského přístupu převzaty z [2, 3, 6]. Úvod do znalostního inženýrství, ZS 2015/16 7-10
Inferenční sítě a šíření pravděpodobnosti Inferenční síť: Jedná se o graf, jehož uzly odpovídají (jednotlivým) faktům a orientované hrany pravidlům Následující popis šíření pravděpodobnosti je pro přístup použitý ve ZS PROSPECTOR. Úvod do znalostního inženýrství, ZS 2015/16 7-11
Šíření pravděpodobnosti v inferenční síti Každá hrana (dané inferenční sítě) má přiřazený vztah e pro výpočet pravděpodobnosti koncového uzlu/faktu (již zmíněné hrany/pravidla) P(H E), P(H E) zadává expert do báze znalostí P(E e) zadání uživatelem či vyplývá z vyhodnocování Úvod do znalostního inženýrství, ZS 2015/16 7-12
1. aproximace v ZS PROSPECTOR Výpočet P(H E) a P(H E): Úvod do znalostního inženýrství, ZS 2015/16 7-13
2. aproximace PROSPECTORu rovnice propagace, neurčitost od experta kde., kde., Úvod do znalostního inženýrství, ZS 2015/16 7-14
1. heuristika pravidla s logicky vázanými předpoklady IF E 1 AND E 2 THEN H IF E 1 OR E 2 THEN H P (E e) o o pro AND pro OR Úvod do znalostního inženýrství, ZS 2015/16 7-15
2. heuristika kombinace více pravidel, kde Míra určitosti: Pro získání P(E e) od uživatele, kde P(E e) > P(E), kde P(E e) P(E) Šíření pravděpodobnosti v inferenčních sítích převzato z [3]. Úvod do znalostního inženýrství, ZS 2015/16 7-16
Literatura: [1] KAZÁK, J. Výuka reprezentace znalostí. Bakalářská práce. Plzeň, ZČU 2015. [2] BERKA, P. a kol. Expertní systémy. Skriptum. Praha, VŠE 1998. [3] MÜLLER, L. Znalostní systémy. Skriptum. Plzeň, ZČU 2002. [4] DVOŘÁK, J. Expertní systémy. Skriptum. Brno, VUT 2004. [5] EXPERTNÍ SYSTÉMY [online]. Miloslav Thon. [cit. 2. 4. 2015]. Dostupné z: http://www.milost.wz.cz/umi/referat/index.html. [6] WEBOVÝ PRŮVODCE SVĚTEM EXPERTNÍCH SYSTÉMŮ [online]. Petr Fazurel. [cit. 31. 3. 2015]. Dostupné z: http://www.milost.wz.cz/umi/referat/index.html. Úvod do znalostního inženýrství, ZS 2015/16 7-17
Úvod do znalostního inženýrství, ZS 2015/16 7-18