Метод коефіцієнтів упевненості
Цей метод
заснований на теорії нечіткої логіки(fuzzy logic).
У цій логіці
істинність фактів змінюється безперервно від 0 до 1.
Введено поняття
лінгвістичної змінної і для роботи з цими змінними і застосовують нечітку
логіку.
Лінгвістична
змінна - оцінка достовірності факту, яка висловлюється.
Для цього
вводиться непарна множина:
{Si, MF(Si)} i=1,2...,n
де Si -
елемент множини, MF(Si) -
оцінка істинності - функція приналежності до деякої лінгвістичної змінної.
Приклад:
Якщо людина висока,
то він добре грає в баскетбол
(тут підкреслені
слова - лінгвістичні змінні).
Нехай маємо
деяку залежність:
У ЕС для обробки
нечітких правил виконують 4 етапи:
1. обчислюють
критерій істинності лівих частин правив, при цьому використовують
m(¬X)=1-m(X)
m(XVY)=max(X,Y)
m(XΛY)=min(X,Y)
Достовірність (у системі MYCIN) факту
визначається
коефіцієнтом упевненості, який міняється
від -1 до 1.
КУ(Х)=μі(Х)- μп(Х), де μп(Х) – оцінка істинна,
μп(Х) – оцінка помилкова.
2. модифікація нечітких множин в правій частині правила.
Використовується 2 підходи:
·
метод мінімізма
·
метод творів (функція, що належить л. частині умножається
на функцію, що належить п. частини).
3. для остаточного виводу - суперпозиція
підмножин правив.
Існує 2 підходи:
· традиційна суперпозиція - береться по максимуму
· підсумовування
4. скаляризація - коли нам потрібно дати точну відповідь.
2 підходи:
·
метод центру тяжіння
·
метод максимуму
Значення
коефіцієнтів упевненості для кожного статистичного факту з бази знань визначає
інженер по знаннях, тобто когнітолог, опитуючи експертів.
Для
динамічних фактів значення коефіцієнтів упевненості обчислюється ЕС або з'ясовується
з діалогу з користувачем.