- •Компьютерные технологии в науке и образовании
- •Часть 2 Экспертные системы
- •Содержание
- •Лекция 1
- •2.1 Введение в экспертные системы.
- •2.1.1 Назначения и основные свойства экспертных систем
- •Состав и взаимодействие участников построения и эксплуатации экспертных систем
- •Преимущества использования экспертных систем
- •Особенности построения и организации экспертных систем
- •2.1.5 Основные режимы работы экспертных систем
- •2.1.6 Отличие экспертных систем от традиционных программ
- •2.1.7 Технология разработки экспертных систем
- •Лекция 2
- •2.2 Выявление знаний от экспертов.
- •2.2.1 Экспертное оценивание как процесс измерения.
- •Связь эмпирических и числовых систем.
- •Методы измерения степени влияния объектов.
- •2.2.3.1 Метод ранжирования.
- •Метод парных сравнений.
- •Метод непосредственной оценки.
- •Один из подходов к формированию и оценке компетентности группы экспертов.
- •Характеристика и режимы работы группы экспертов.
- •Лекция 3
- •2.3 Обработка экспертных оценок.
- •2.3.1 Задачи обработки.
- •2.3.2 Групповая экспертная оценка объектов при непосредственном оценивании.
- •Обработка парных сравнений.
- •Определение обобщенных ранжировок.
- •Замечания к определению групповых оценок.
- •Лекция 4
- •2.4 Экспертные системы с неопределенными знаниями.
- •2.4.1 Неопределенности в эс и проблемы порождаемые ими.
- •Теория субъективных вероятностей.
- •Байесовское оценивание.
- •Теорема Байеса как основа управления неопределенностью.
- •Лекция 5
- •2.5 Логический вывод на основе субъективной вероятности.
- •2.5.1 Простейший логический вывод
- •Распространение вероятностей в эс
- •Последовательное распространение вероятностей
- •Экспертные системы, использующие субъективные вероятности
- •Лекция 6
- •2.6 Байесовские сети доверия как средство разработки эс.
- •2.6.1 Основные понятия и определения
- •2.6.2 Пример построения простейшей байесовской сети доверия
- •Процесс рассуждения (вывода) в байесовских сетях доверия
- •Байесовские сети доверия как одно из направлений современных экспертных систем
- •Представление знаний с использованием байесовской сети доверия и условная независимость событий
- •Лекция 7
- •2.7 Диаграммы влияния.
- •2.7.1 Назначение и основные компоненты диаграмм влияния
- •2.7.2 Пример построения простейшей диаграммы влияния
- •Диаграммы влияния с несколькими вершинами решения
- •Лекция 8
- •2.8 Сети доверия с условными гауссовскими переменнами.
- •2.8.1 Непрерывные случайные величины
- •Непрерывные гауссовские переменные
- •Числовые характеристики случайных величин
- •Совместное использование дискретных и непрерывных переменных в байесовских сетях доверия
- •Логический вывод в байесовских сетях доверия с непрерывными и дискретными состояниями
- •Лекция 9
- •2.9 Экспертные системы на основе теории Демстера–Шеффера (тдш).
- •2.9.1 Предпосылки возникновения новой теории.
- •2.9.2 Основы теории Демстера–Шеффера
- •2.9.3 Меры доверия и правдоподобия в тдш
- •2.9.4 Отличие тдш от теории вероятностей
- •2.9.5 Связь между тдш и классической теорией вероятностей
- •2.9.6 Комбинация функций доверия
2.9.2 Основы теории Демстера–Шеффера
Прежде всего, остановимся на основных понятиях и определениях ТДШ. Возможно, наиболее основным понятием этой теории является фрейм различенияQ, определяемый как полное множество взаимоисключающих событий. Роль фрейма различенияQв ТДШ такая же, как роль выборочного пространстваWв теории вероятностей. Однако отличие заключается в том, что если в теории вероятностей число возможных гипотез равно , то в ТДШ число возможных гипотез равно и представляет собой все возможные подмножестваQ.
Пример 1. Пусть полное множество взаимоисключаемых событий связанных с перевозкой груза включает в себя 4 события, определяющие перевозки железнодорожным (ЖД), автомобильным (Авто), морским (МТ) и авиационным (Авиа) транспортом. В этом случае фрейм различения Q, как и выборочное пространствоW, имеют по 4 элемента. Но если в теории вероятностей число возможных гипотез равно 4: Н1={Авто}; H2={МТ}; H3={ЖД}; H4={Авиа}, то в ТДШ число возможных гипотез будет 24 = 16:
|
События |
| |||
i |
ЖД |
Авто |
МТ |
Авиа |
Ai (гипотезы) |
0 |
0 |
0 |
0 |
0 |
{Æ} |
1 |
0 |
0 |
0 |
1 |
{Авиа} |
2 |
0 |
0 |
1 |
0 |
{МТ} |
3 |
0 |
0 |
1 |
1 |
{МТ, Авиа} |
4 |
0 |
1 |
1 |
0 |
{Авто} |
- |
- |
- |
- |
- |
- |
7 |
0 |
1 |
1 |
1 |
{Авто, МТ, Авиа} |
- |
- |
- |
- |
- |
- |
15 |
1 |
1 |
1 |
1 |
{ЖД, Авто, МТ, Авто} |
ТДШ несколько по-иному трактует не только понятие гипотезы, но и её отрицание в теории Демстера - Шеффера:
гипотеза А означает "А и только А"
в то время как
А означает "что угодно, но не А".
То есть ТДШ рассматривает наблюдение свидетельств против гипотезы как свидетельства поддержки отрицания гипотезы.
Пример 2. Если мы воспользуемся определениями гипотез из примера 1, то свидетельства, нарушающие гипотезу А={Авто} (т.е. автомобильный и только автомобильный транспорт) эквивалентно свидетельству, поддерживающему гипотезу А={МТ, ЖД, Авиа} (т.е. что угодно, но не автомобильный транспорт)
Рассмотрим еще одно фундаментальное понятие ТДШ, а именно понятие базовой вероятности. Пусть А - некоторое подмножествоQ. Основная мера вероятности, обозначаемая m(A), - это базовая вероятность, приписываемая множеству А. Величина m(A) может рассматриваться как порция (или доля) от общего доверия, назначаемая точно А. Во многих аспектах это число может рассматриваться подобно обычной вероятности.
Функции р(А) и m(A) в первую очередь отличаются тем, что в теории вероятностей А должно быть отдельным элементом, в то время как в ТДШ А может содержать несколько элементов, т.е. являться множеством. Базовые вероятности должны удовлетворять двум основным свойствам:
1) базовая вероятность нулевого события равна 0 , т.е. m(Æ)=0
2) сумма базовых вероятностей для всех подмножеств фрейма различения Qравна 1, т.е. = 1.
Пример 3. Пусть в результате экспертного оценивания возможности транспортировки грузов 30% экспертов высказывались за использование автотранспорта, 20% - за железнодорожный, 10% - за морской, а 40% - за использование либо автомобильного, либо железнодорожного транспорта (не выделив предпочтение одного из них). Тогда базовые вероятности, назначаемые как порции от общего доверия экспертов к возможным транспортировкам, будут иметь значение:
m({Авто}) =0.3; m({ЖД})=0.2; m({МТ})=0.1
m({Авто, ЖД})=0.4
m(Ai)=0 во всех остальных 12-ти случаях
При этом должно выполняться второе свойство базовых вероятностей, т.е.
= m({Авто}) + m({ЖД}) + m({МТ}) + m({Авто, ЖД}) = 1
Отметим ещё одну особенность ТДШ по сравнению с теорией вероятностей. Так как А может являться не только конкретным элементом, но и множеством, то это позволяет задавать оценки базовых вероятностей для интервалов изменения случайных величин, не зная их законов распределения на этих интервалах.
Так, например, если в рамках теории вероятностей эксперт может предположить, что прибыль фирмы будет 50 тыс. руб. с вероятностью Р(50)=0.5, 60 тыс. руб. с вероятностью Р(60)=0.2 и т.д. для всех вероятных исходов, то в рамках ТДШ эксперт может дать следующие оценки прибыли фирмы: от 50 до 70 тыс. руб. с вероятностью m(5070)=0.4, от 60 до 80 тыс. руб. с вероятностьюm(6080)=0.3
Другими словами, если для определения вероятности некоторой совокупности событий при использовании теории вероятностей необходимо знать вероятности всех элементарных исходов, то при использовании ТДШ это не обязательно. Однако платой за это является возможность получения только интервальных оценок, к способам, определения которых мы и переходим.