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)=μ_і(Х)- μ_п(Х), де μ_п(Х) – оцінка істинна,

μ_п(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.