SUY LUẬN KHÔNG CHẮC CHẮN

Trong chương này, chúng ta sẽ tìm hiểu về các phương pháp suy luận từ các thông tin không chắc chắn hoặc không đầy đủ bao gồm suy luận Bayes, đại số chắc chắn Standford và logic mờ. Mục tiêu cần đạt : Sau chương này, sinh viên có thể : Vận dụng công thức Bayes để tính xác suất của một giả thuyết. Hiểu nguyên tắc hoạt động của HCG MYCIN Vận dụng đại số hệ số chắc chắn Stanford vào hệ chuyên gia MYCIN. Hiểu lý thuyết về logic mờ & ứng dụng của nó vào các...
Nội dung trích xuất từ tài liệu:
SUY LUẬN KHÔNG CHẮC CHẮN Chương 7: Suy Luận Không Chắc Chắn Chương VII SUY LUẬN KHÔNG CHẮC CHẮNNội dung chính: Trong chương này, chúng ta sẽ tìm hiểu về các phương pháp suy luận từcác thông tin không chắc chắn hoặc không đầy đủ bao gồm suy luận Bayes, đại số chắc chắnStandford và logic mờ.Mục tiêu cần đạt : Sau chương này, sinh viên có thể : Vận dụng công thức Bayes để tính xác suất của một giả thuyết. Hiểu nguyên tắc hoạt động của HCG MYCIN Vận dụng đại số hệ số chắc chắn Stanford vào hệ chuyên gia MYCIN. Hiểu lý thuyết về logic mờ & ứng dụng của nó vào các HCG mờ. Biết lựa chọn phương pháp suy luận phù hợp với vấn đề cần giải quyết.Kiến thức tiên quyết: Biểu diễn tri thức ở dạng luật, cơ bản về lý thuyết xác suất.Tài liệu tham khảo :[1] Geogre F. Luger – Artificial Intelligence, Structures and Strategies for Complex ProblemSolving– Addison – Wesley Publishing Company, Inc – 2002 (trang 247 – 290)[2] Dealing with Uncertaincyhttp://www.cs.appstate.edu/~blk/cs4440/chap07/ ch07.pdf[3] Fuzzy Logichttp://pandora.compsci.ualr.edu/ milanova/7399-11/week14/ FuzzyLogic.pptVõ Huỳnh Trâm – Trần Ngân Bình 117Giáo Trình Trí Tuệ Nhân TạoI GIỚI THIỆU:Trong các chương trước, các thủ tục suy diễn của chúng ta đã tuân theo mô hình suy luận sửdụng trong phép tính vị từ: t ừ các tiền đề đúng đắn, các luật suy diễn vững chắc sinh ranhững kết luận mới, đảm bảo là đúng đắn. Tuy nhiên, trong thực tế, có rất nhiều tình huốngchúng ta phải rút ra những kết luận tốt từ những bằng chứng được xác định nghèo nàn vàkhông chắc chắn thông qua việc sử dụng những suy diễn không vững chắc. Đây không phảilà một nhiệm vụ không thể thực hiện được, trái lại chúng ta thực hiện chúng rất thành côngtrong hầu hết mọi khía cạnh của cuộc sống; chẳng hạn như chúng ta phát biểu những chẩnđoán y học đúng đắn và đề xuất cách điều trị từ những triệu chứng không rõ ràng; phân tíchnhững trục trặc của xe ôtô từ những biểu hiện của nó; nhận ra bạn bè chỉ qua giọng nói hoặcđiệu bộ của họ,…Như vậy, ở đây ta có hai loại thông tin không chắc chắn: một là dữ liệu ban đầu được cho làkhông chắc chắn, không đủ, không đáng tin cậy,… hai là các luật mà ta sử dụng để suy luậnkhông hợp logic, suy luận ngược từ kết luận về điều kiện, hay có thể gọi là suy luận theokiểu phỏng đoán (abduction). Suy luận phỏng đoán khác với kiểu suy luận vững chắc đề cậpở chương II. Luật modus ponens phát biểu rằng nếu ta có luật P → Q và có P thì ta có thể kếtluận Q, như trong luật sau đây:If ắc quy hoặc dây cáp bị trục trặcThen động cơ không khởi động được và đèn không sáng.Đây là một luật luôn luôn đúng hay một suy diễn vững chắc (sound inference rule), nhưng nókhông giúp ích cho quá trình chẩn đoán các trục trặc xe hơi. Tuy nhiên, đảo ngược của nó:If động cơ không khởi động được và đèn không sáng.Then ắc quy hoặc dây cáp bị trục trặclại rất hữu dụng cho việc chẩn đoán trục trặc xe. Đây là một phỏng đoán (abduction) từ triệuchứng quan sát được suy ngược trở lại nguyên nhân của chúng, nên gọi là luật suy diễnkhông vững chắc (unsound inference rule) vì cũng có thể là ắc quy và dây cáp bình thường,nhưng chiếc xe chỉ đơn giản là có môtơ khởi động hỏng và đèn pha đã bị đứt.Mặc dù phỏng đoán là không vững chắc, nhưng nó thường đóng vai trò thiết yếu trong giảiquyết vấn đề. Trong chương này, chúng tôi đề cập đến hai tiếp cận x ử lý suy diễn phỏngđoán và sự không chắc chắn. Tiếp cận thứ nhất là tiếp cận thống kê, trong hướng tiếp cậnnày sẽ trình bày hai phương pháp: lý thuyết xác suất Bayesian và đại số hệ số chắc chắnStanford. Tiếp cận thứ hai là suy luận theo logic mờ.118 Võ Huỳnh Trâm – Trần Ngân Bình Chương 7: Suy Luận Không Chắc ChắnII TIẾP CẬN THỐNG KÊ ĐỐI VỚI TÍNH KHÔNG CHẮC CHẮNII.1 Suy luận BayesSuy luận Bayes dựa trên lý thuyết xác suất hình thức và được sử dụng rộng rãi trong một sốlĩnh vực nghiên cứu hiện nay, bao gồm cả nhận dạng và phân loại. Trước khi đi vào lý thuyếtvề Bayes, ta hãy cùng nhau xem lại một số khái niệm cơ bản của lý thuyết xác suất.II.1.1 Định nghĩa Xác suất tiên nghiệm (prior probability) hay xác suất vô điều kiện (unconditional probability): là xác suất của một sự kiện trong điều kiện không có tri thức bổ sung cho sự có mặt hay vắng mặt của nó. Xác suất hậu nghiệm (posterior probability) hay xác suất có điều kiện (conditional probability): là xác suất của một sự kiện khi biết trước một hay nhiều sự kiện khác. |e1 and e2| Số lần xuất hiện cả hai sự kiện e1 và e2 = P(e1|e2) = ...