人工智能对不确定性的适应性表征

发布时间：2021-11-05 09:43

　　自然世界是复杂的和不确定的,它并不像决定论所描述的那样是确定有序的,严格遵循自然规律。在表征的意义上,决定论的世界相对较易表征,非决定论世界中的不确定性现象或事件如何表征却是我们面临的一个难题。在人工智能中,不确定性往往表现为统计性和概率性,概率表征就自然成为一种常见方式,如贝叶斯网表征。可能世界作为一种不确定性的表达,可由相关概率模型、基于逻辑规则方法、D-S方法和模糊集-模糊逻辑方法表征。除了这些静态表征方式,不确定性也可通过动力学概率表征。 

【文章来源】：上海师范大学学报(哲学社会科学版). 2020,49(04)北大核心CSSCI

【文章页数】：17 页

【部分图文】：

风湿的贝叶斯网表征

图1 风湿的贝叶斯网表征对于复杂世界,贝叶斯网也更复杂些。例如你家安装了自动防盗铃,它在侦探盗窃方面非常可靠,但偶尔对小地震也很灵敏。假如你有两个邻居张三和李四,他们承诺当听到警报铃声时叫醒你;张三听到警报铃声时几乎总是叫你,但有时听到电话铃声也会叫你。李四特别喜欢听响亮的音乐,通常错过警报铃声。如果给定谁没有叫你的证据,我们可能预测盗窃发生的概率。这个不确定情形由盗窃、地震、报警铃声、张三和李四这五个变量构成,用贝叶斯网表征其结构如图2所示。

一个读者推荐一本书的贝叶斯网表征


本文编号：3477557