不确定性推理-2015

合集下载

不确定性推理方法

不确定性推理方法

不确定性推理是一种在不确定情况下进行推理的方法,是人工智能领域中的一个重要分支。

它是基于对不确定性的建模,使用数学方法对不确定的信息进行推理的过程。

不确定性推理的应用非常广泛,在计算机科学、统计学、人工智能等领域都有广泛的应用。

它可以用于解决各种类型的推理问题,例如:
决策支持:通过不确定性推理,可以对决策过程中的不确定信息进行推理,为决策者提供支持。

建模和预测:不确定性推理可以用于对复杂的系统进行建模,并预测未来的发展趋势。

诊断和故障排除:不确定性推理可以用于诊断系统故障,并提供
解决矛盾问题:不确定性推理可以用于解决矛盾问题,例如两个相互矛盾的命题的真假性判定。

自然语言理解:不确定性推理可以用于自然语言理解,例如解决句子的歧义问题。

模式识别:不确定性推理可以用于模式识别,例如识别图像中的物体。

不确定性推理方法有许多种,其中包括贝叶斯网络、规则基系统、不确定性推理语言、随机游走模型等。

贝叶斯网络是一种用于不确定性推理的图形模型,它基于贝叶斯定理,通过对条件概率进行建模,可以对不确定的信息进行推理。

规则基系统是一种基于规则的不确定性推理方法,它使用规则来描述系统的知识,并使用规则来对不确定的信息进行推理。

不确定性推理语言是一种用于表示不确定信息的语言,常见的不确定性推理语言有PROLOG 和Fuzzy Logic。

随机游走模型是一种基于随机游走的不确定性推理方法,它通过模拟随机游走的过程,对不确定的信息进行推理。

在实际应用中,不确定性推理方法通常需要与其他方法结合使用,才能得到最优的结果。

例如,在人工智能系统中,不确定性推理方法常常与机器学习方法结合使用,以获得更好的结果。

人工智能教程习题及答案第4章习题参考解答

人工智能教程习题及答案第4章习题参考解答

第四章不确定性推理习题参考解答4.1 练习题4.1什么是不确定性推理?有哪几类不确定性推理方法?不确定性推理中需要解决的基本问题有哪些?4.2什么是可信度?由可信度因子CF(H,E)的定义说明它的含义。

4.3什么是信任增长度?什么是不信任增长度?根据定义说明它们的含义。

4.4当有多条证据支持一个结论时,什么情况下使用合成法求取结论的可信度?什么情况下使用更新法求取结论可信度?试说明这两种方法实际是一致的。

4.5设有如下一组推理规则:r1:IF E1THEN E2(0.6)r2:IF E2AND E3THEN E4 (0.8)r3:IF E4THEN H (0.7)r4:IF E5THEN H (0.9)且已知CF(E1)=0.5,CF(E3)=0.6,CF(E5)=0.4,结论H的初始可信度一无所知。

求CF(H)=?4.6已知:规则可信度为r1:IF E1THEN H1(0.7)r2:IF E2THEN H1(0.6)r3:IF E3THEN H1(0.4)r4:IF (H1 AND E4) THEN H2(0.2)证据可信度为CF(E1)=CF(E2)=CF(E3)=CF(E4)=CF(E5)=0.5H1的初始可信度一无所知,H2的初始可信度CF0(H2)=0.3计算结论H2的可信度CF(H2)。

4.7设有三个独立的结论H1,H2,H3及两个独立的证据E1与E2,它们的先验概率和条件概率分别为P(H1)=0.4,P(H2)=0.3,P(H3)=0.3P(E1/H1)=0.5,P(E1/H2)=0.6,P(E1/H3)=0.3P(E2/H1)=0.7,P(E2/H2)=0.9,P(E2/H3)=0.1利用基本Bayes方法分别求出:(1)当只有证据E1出现时,P(H1/E1),P(H2/E1),P(H3/E1)的值各为多少?这说明了什么?(2)当E1和E2同时出现时,P(H1/E1E2),P(H2/E1E2),P(H3/E1E2)的值各是多少?这说明了什么?4.8在主观Bayes方法中,请说明LS与LN的意义。

不确定推理

不确定推理

不确定性推理方法研究产生的原因

10

很多原因导致同一结果 推理所需的信息不完备 背景知识不足 噪声的存在干扰了人们对本 源信息的认知,从而加大了 信息描述模糊 认知上的难度。如语音信号、 信息中含有噪声 雷达信号中的噪音干扰带来 的信息模糊。 规划是模糊的 推理能力不足 解题方案不唯一
3.8.3 多个规则支持同一事实时的不确定性
基于模糊集理论的方法
基于概率论的方法
2
基本概念

1.什么是不确定性推理? 2.为什么要研究不确定性推理? 3.不确定性的表示和度量 4.不确定性的计算 5.不确定性推理方法的分类
3
基本概念(1/5)

什么是不确定性推理? – 不确定性推理是建立在非经典逻辑上的一种 推理,是对不确定性知识的运用与处理 – 是从不确定性的初始证据出发,通过运用不 确定性的知识, 最终推出既保持一定程度的不确

13

很多原因导致同一结果 推理所需的信息不完备 背景知识不足 信息描述模糊 没有最优方案,只有相对较 优方案。不实施,不能做出 信息中含有噪声 最后判断。 规划是模糊的 推理能力不足 解题方案不唯一


一个人工智能系统,由于知识本身的不精确和不完全, 采用标准逻辑意义下的推理方法难以达到解决问题的 目的。对于一个智能系统来说,知识库是其核心。在 这个知识库中,往往大量包含模糊性、随机性、不可 靠性或不知道等不确定性因素的知识。为了解决这种 条件下的推理计算问题,不确定性推理方法应运而生。 由于人类认识水平的客观限制,客观世界的很多知识 仍不为人们所认知。 不精确思维并非专家的习惯或爱好所至,而是客观现 实的要求。在人类的知识和思维行为中,精确性只是 相对的,不精确性才是绝对的。知识工程需要各种适 应不同类的不精确性特点的不精确性知识描述方法和 推理方法。

不确定性推理概述

不确定性推理概述

不确定性推理概述4.1.1 不确定推理的概念所谓推理就是从已知事实出发,运⽤相关知识(或规则)逐步推出结论或证明某个假设成⽴或不成⽴的思维过程。

其中已知事实和知识(规则)是构成推理的两个基本要素。

已知事实是推理过程的出发点,把它称为证据。

4.1.2 不确定性推理⽅法的分类可信度⽅法、主观Bayes⽅法、证据理论都是在概率论的基础上发展起来的不确定性推理⽅法。

4.1.3 不确定性推理知识库是⼈⼯智能的核⼼,⽽知识库中的知识既有规律性的⼀般原理,⼜有⼤量的不完全的专家知识,即知识带有模糊性、随机性、不可靠或不知道不确定因素。

世界上⼏乎没有什么事情是完全确定的。

不确定性推理即是通过某种推理得到问题的精确判断。

(1)不确定性问题的代数模型⼀个问题的代数模型由论域、运算和公理组成。

建⽴不确定性问题模型必须说明不确定知识的表⽰、计算、与语义解释。

不确定性的表⽰问题:指⽤什么⽅法描述不确定性,通常有数值和⾮数值的语义表⽰⽅法。

数值表⽰便于计算,⽐较,再考虑到定性的⾮数值描述才能较好的解决不确定性问题。

例如对规则A->B(即A真能推导B真)和命题(或称证据、事实)A,分别⽤f(B,A)来表⽰不确定性度量。

推理计算问题:指不确定性的传播和更新,也即获得新的信息的过程。

包括:①已知C(A),A->B,f(B,A),如何计算C(B)②证据A的原度量值为C1(A),⼜得C2(A),如何确定C(A)③如何由C(A1)和C(A2)来计算C(A1∧A2),C(A1∨A2)等。

⼀般初始命题/规则的不确定性度量常常由有关领域的专家主观确定。

语义问题:是指上述表⽰和计算的含义是什么?即对它们进⾏解释,概率⽅法可以较好地回答这个问题,例如f(B,A)可理解为前提A为真时对结论B为真的⼀种影响程度,C(A)可理解为A为真的程度。

特别关⼼的是f(B,A)的值是:①A真则B真,这时f(B,A)=?②A真则B假,这时f(B,A)=?③A对B没有影响时,这时f(B,A)=?对C(A)关⼼的值是①A真时,C(A)=?②A假时,C(A)=?③对A⼀⽆所知时,C(A)=?(2)不确定推理⽅法的分类不确定推理⽅法在⼈⼯智能系统中通常是不够严谨的,但尚能解决某些实际问题,符合⼈类专家的直觉,在概率上也可给出某种解释。

人工智能第5章不确定性推理

人工智能第5章不确定性推理

计算问题
指不确定性的传播和更新,即获得新的信息的过程。
不确定性的传递问题: 已知规则A→B,P(A)和P(B,A),如何计算结论P(B) 结论不确定性的合成: 用不同的知识进行推理得相同结论,但可信度度量不同,如 P1(A)和P2(A),如何计算最终的P(A) 组合证据的不确定性算法: 已知证据A1和A2的可信度度量P(A1)、P(A2),求证据析取和合 取的可信度度量P(A1∧A2)和P(A1∨A2)
事件间的关系
两个事件A与B可能有以下几种特殊关系
包含:若事件B发生则事件A也发生,称“A包含B”, 或“B含于A”,记作A⊃B或B⊂A 等价:若A⊃B且B⊂A,即A与B同时发生或同时不发 生,则称A与B等价,记作A=B 互斥:若A与B不能同时发生,则称A与B互斥,记作 AB=φ 对立:若A与B互斥,且必有一个发生,则称A与B对 立,记作A=~B或B=~A,又称A为B的余事件,或B为 A的余事件 任意两个事件不一定会是上述几种关系中的一种。
因此,要实现对不确定性知识的处理, 必须解决不确定知识的表示问题,不确定信 息的计算问题,以及不确定表示和计算的语 义解释问题。
表示问题 指用什么方法描述不确定性,这是解决不确定性推 理关键的一步。
通常有数值表示和非数值的语义表示方法。
知识的不确定性表示(A→B):P(B,A) 证据的不确定性表示(A):P(A)
k
P (i 1A i)P (A 1)P (A 2) ...P (A k)
• 设A,B是两事件,则 P(A∪B)=P(A)+P(B)-P(A∩B)
条件概率
事件B的条件概率 设B与A是某个随机实验中的两个事件,如果在事件 A发生的条件下,考虑事件B发生的概率,就称它为 事件B的条件概率。 • 定义:设A,B为事件且P(A)>0,称 P(B| A)P(AB)

数学中的模糊数学与不确定性推理

数学中的模糊数学与不确定性推理

数学中的模糊数学与不确定性推理数学是一门基础性的学科,它的应用广泛涉及各个领域。

在处理现实问题时,不可避免地会面对模糊性和不确定性的情况。

模糊数学和不确定性推理是数学中一类重要的概念与方法,它们为我们解决这些问题提供了有效的工具。

一、模糊数学模糊数学是数学中研究处理模糊现象的一种数学方法。

它的核心概念是模糊集和隶属函数。

模糊集是指具有模糊性质的集合,其中的元素隶属于该集合的程度不是二进制的,而是在0到1之间连续变化的。

而隶属函数则描述了元素对于模糊集的隶属程度。

以温度为例,通常我们将20℃以下定义为冷,20℃到30℃定义为温暖,30℃以上定义为热。

但是,实际上温度的感受因人而异,对于某些人来说,25℃可能并不觉得热,而对于另一些人来说可能已经感到非常热了。

这种情况下,我们可以用模糊集和隶属函数来描述温度的感受程度。

模糊数学可以帮助我们处理不确定性和模糊性的问题,扩展了传统数学在解决实际问题上的应用范围。

目前,模糊数学已经在控制工程、人工智能、决策分析等领域广泛应用。

二、不确定性推理不确定性推理是一种在不完全信息条件下进行推理的方法。

在现实问题中,我们往往不能获得完整准确的信息,而只能通过不完全信息进行决策和推理。

不确定性推理的关键是通过概率和统计方法对不确定信息进行量化和分析。

概率论是不确定性推理的基础,它通过定义概率模型和概率分布来描述不确定性事件的发生概率。

我们可以通过统计方法来估计概率,并利用这些概率来进行推理和决策。

例如,在医学诊断中,患者可能会同时出现多种症状,但是我们不能确定每种症状与特定疾病的关联程度。

在这种情况下,我们可以利用不确定性推理的方法,通过建立概率模型和分析病例统计数据来判断患者患病的可能性。

不确定性推理在人工智能、决策分析、经济学等领域具有广泛应用。

它不仅可以帮助我们理解和解释不确定性的问题,还可以提供决策支持和风险评估的工具。

三、模糊数学与不确定性推理的结合应用模糊数学和不确定性推理是相辅相成的,在实际问题中常常需要将它们相结合应用。

不确定性推理原理

不确定性推理原理

不确定性推理原理
确定性推理原理是指从一组已知条件和规则出发,经过步骤性的推理
和分析,最终得到确定的结果的一种原理。

它是基于概率论和模拟技术的
结构,在进行推理时,采用计算机来模拟人类推理规律,以迅速解决复杂
的问题。

它应用于各个领域,如机器学习、自然语言处理、计算机视觉、
自动化测试和智能决策等,都需要采用确定性推理原理。

确定性推理原理建立在三个基本假设之上:第一,所有推理都基于已
有知识,这些知识可用来构造推理模型;第二,所有推理都遵循规则,如
逻辑规则或其他规则;第三,在推理过程中,只能使用已有的知识和规则,不能使用任何新的知识或规则。

确定性推理原理的基本思想是通过人类对事物存在的相互关系建立模型,并使用这些模型来进行推理和分析。

它是从一组已有条件和规则出发,经过步骤性的推理和分析,最终得到确定的结果。

它采用计算机技术来模
拟人类推理规律,以迅速解决复杂的问题。

它通常应用于已有条件和规则
可以明确表达的问题上,关键在于如何定义条件和规则,不能对未知的问
题进行推理。

确定性推理原理主要采用规则匹配方式来实现推理。

04不确定性推理

04不确定性推理
3
第四章 不确定性推理方法
4.1 概述
在人类的知识和思维行为中,精确性只是相对的,不精确性 才是绝对的。知识工程需要各种适应不同类的不精确性特点的不 精确性知识描述方法和推理方法。
由于以上某种或多种原因,人工智能系统常采用非标准意义 下的不确定性推理方法。
不确定性推理是指建立在不确定性知识和证据的基础上的推 理。它实际上是一种从不确定的初始证据出发,通过运用不确定 性知识,最终推出既保持一定程度的不确定性,又是合理和基本 合理的结论的推理过程。
6
第四章 不确定性推理方法
4.2 确定性方法
4.2.1 规则的不确定性度量
CF(B, A)的特殊值:
CF(B, A) = 1, 前提真,结论必真
CF(B, A) = -1, 前提真,结论必假
CF(B, A) = 0 , 前提真假与结论无关
实际应用中CF(B, A)的值由专家确定,并不是由P(B|A), P(B)
1.知识不确定性的表示 2.证据不确定性的表示 3.组合证据不确定性的算法 4.不确定性的传递算法 5.结论不确定性的合成算法
第四章 不确定性推理方法
4.2 确定性方法
4.2.1 规则的不确定性度量 规则以A→B表示,其中前提A可以是一些命题的合取或析取。
MYCIN系统引入可信度CF作为规则不确定性度量。 在不确定推理过程中,通常要考 虑的是A为真时对B为真的支持 程度,甚至还考 虑A为假(不发生)时对B为真的支持程度。
2
第四章 不确定性推理方法
4.1 概述
由于知识本身的不精确和不完全,采用标准逻辑意义下的推 理方法难以达到解决问题的目的。对于一个智能系统来说,知识 库是其核心。在这个知识库中,往往大量包含模糊性、随机性、 不可靠性或不知道等不确定性因素的知识。为了解决这种条件下 的推理计算问题,不确定性推理方法应运而生。
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

非形式化方法是指启发性方法,对不确定性没有给出明确 的概念
2015-6-17
19
华北电力大学
概述-分类(2)
另外一种观点,把不确定推理方法分为工程方法、 控制方法和并行确定性法
工程法是将问题简化为忽略哪些不确定性因素 控制法是利用控制策略来消除不确定性的影响,如启发 式的搜索方法 并行确定性法是把不确定性的推理分解为两个相对独立 的过程:一个过程不计不确定性采用标准逻辑进行推理; 另一过程是对第一个过程的结论加以不确定性的度量。 前一过程决定信任什么,后一过程决定对它的信任程度
不确定性推理方法
华北电力大学 计算机系
主要内容


什么是不确定性推理?为什么要采取不确定 性推理? 不确定性推理的理论依据是什么?不确定性 推理有哪几种主要方法? CF方法的推理 主观Bayes方法的推理
2015-6-17
2
华北电力大学
第五章 不确定性推理方法
概述
概率论基础 确定性方法 主观Bayes方法
不确定性的表示与度量问题 不确定性的匹配问题 不确定性的传递算法问题 不确定性的合成问题
将不确定性问题用确定的数学公式表示出来, 是不确定性推理研究的基础
华北电力大学
2015-6-17
11
概述-不确定性推理的基本问题
3方面问题
表示问题:如何描述不确定性 计算问题:不确定性的传播和更新 语义问题:如何解释表示和计算的含义
2015-6-17 15 华北电力大学
推理树结果图
最下层的是初始证据经过一些“与”和“或”的组合,形成推理中的临时证据, 由这些临时证据推导出最终的结论 Ri所表示的是推理弧上所使用的规则,fi表示证据或规则的不确定度量值
2015-6-17 16 华北电力大学
概述-不确定性推理的基本问题
语义问题:将各个公式解释清楚 。如何解释表示和计 算的含义,目前多用概率方法。如: P(B,A)可理解为当前提A为真时结论B为真的一种 影响程度 P(A)可理解为A为真的程度 对于规则,特别关心P(B,A)的特殊值的意义: 1)A(T) →B(T), P(B,A)=? 2)A(T) →B(F), P(B,A)=? 3)B 独立于A,P(B,A)=?
2015-6-17
26
华北电力大学
概率论基础(运算的性质 ) 事件的运算有以下几种性质:
交换率: A B B A 结合律:
AB BA
( A B) C A ( B C ) ( AB)C A( BC)
分配律: ( A B)C ( AC) ( BC) ( AB) C ( A C )(B C ) 摩根率:
~ ( Ai ) ~ Ai
i 1 i 1 n n
~ ( Ai ) ~ Ai
i 1 i 1
n
n
事件计算的优先顺序为:求余,交,差和并
2015-6-17 27 华北电力大学
概率论基础(概率定义 )
定义:设 Ω 为一个随机实验的样本空间,对 Ω 上的任意事件A,规定一个实数与之对应, 记为 P(A) ,满足以下三条基本性质,称为事 件A发生的概率: 1. 0 P( A) 1 2. P() 1 P( ) 0
3. 若二事件AB互斥,即AB=φ ,则 P( A B) P( A) P( B)

以上三条基本规定是符合常识的
2015-6-17
28
华北电力大学
概率论基础(概率性质 ) 定义:
设{An, n=1, 2, …}为一组有限或可列无穷多 个事件,两两不相交,且 An ,则称事件 n 族{An, n=1, 2, …}为样本空间Ω的一个完备 事件族 又若对任意事件B有BAn=An或φ, n=1, 2, …, 则称{An, n=1, 2, …}为基本事件族
2015-6-17
29
华北电力大学
概率论基础(概率性质 )
完备事件族与基本事件族有如下的性质: 定理:
若{An, n=1, 2, …}为一完备事件族,则 P( An ) 1 ,且对于一事件B有 P(B) P( An B)
2015-6-17
5
华北电力大学
概述
不确定性推理实际上是一种从不确定的初始证 据出发,通过运用不确定性知识,最终推出即 保持一定不确定性,又合理或基本合理的结论 的推理过程
2015-6-17
6
华北电力大学
概述——不确定性 不确定性的主要性质
随机性指由于不确定性推理所处理的事件的真实性是 不完全肯定的,含有一定的可能性,只能给出一个估 计值 模糊性主要指命题中出现的表达形式是不明确的 不完全性产生于信息的不充分、不全面 由于种种的不确定因素,及其在推理过程中的累计, 导致了一些结论的不一致性
2015-6-17
17
华北电力大学
概述-不确定性推理的基本问题
对证据的可信度度量 P(A) 关心的也是一些特 殊状态下的意义:
1)A为TRUE,P(A)=? 2)A为FALSE, P(A)=?
T:True,F:False
2015-6-17
18
华北电力大学
概述-分类(1)
不确定性推理方法可分为形式化方法和非形式化方法 形式化方法有
不确定性的传播和更新。也是获取新信息的过程 如: 1. 已知证据A的不确定性度量P(A),规则A→B,规则的可信 度度量P(B,A),如何计算结论的可信度度量P(B) 2. 从一个规则得到A的可信度度量P1(A),又从另一个规 则得到A的另一个可信度度量 P2(A),如何从两个规则 合成最终的可信度度量P(A) 3. 如何由P(A1)、 P(A2)来计算P(A1∧A2),P(A1∨A2)
任意两个事件不一定会是上述几种关系中的一种
2015-6-17
25
华北电力大学
概率论基础(事件间的关系与运算 )
设A,B,A1,A2,…An为一些事件,它们有下述的运算: 交:记 C=“A 与 B 同时发生”,称为事件 A 与 B 的交, C={ω|ω∈A且ω∈B},记作C=A∩B或C=AB 并:记C=“A与B中至少有一个发生”,称为事件A与B 的并,C={ω|ω∈A或ω∈B},记作C=A∪B 差:记C=“A发生而B不发生”,称为事件A与B的差, C={ω|ω∈A但ω∉ B},记作或C=A\B或 C=A-B 求余:~A= Ω \A
2015-6-17
9
华北电力大学
概述——不确定性
推理的不确定性
由于知识不确定性的动态累计和传播过程所造成的 寻找尽可能符合客观世界的计算,最终得到结论的 不确定性度量
2015-6-17
10
华北电力大学
概述-不确定性推理的基本问题
在不确定性推理中,除了解决在确定性推理过 程中所提到的推理方向、推理方法、控制策略 等基本问题外,一般还需要解决
2015-6-17
3
华北电力大学
第五章 不确定性推理方法
概述
概率论基础 确定性方法 主观Bayes方法
2015-6-17
4
华北电力大学
概述
不确定性推理的研究发展:
概率论是解决不确定性问题的主要理论基础之 一 贝叶斯网络方法受到多方面关注 DURA等人与1976年在PROSPECTOR基础上 给出了同属概率推理的主观贝叶斯方法 Shortliffe等人与1975年结合MYCIN系统建立了 确定性理论 Dempster Shaferter同年也提出了证据理论 Zadeh提出可能性理论,1983年提出了模糊逻 辑
2015-6-17
7
华北电力大学
概述——不确定性
在不确定性推理中,规则前件、后件以及规则本身在 某种程度上都是不确定的
证据的不确定性
• 歧义性:证据中含有多种意义明显不同的解释,如果离开具体 的上下文和环境,往往难以判断其明确含义 • 不完全性:对于某事物来说,对于它的知识还不全面、不完整、 不充分 • 不精确性:证据的观测值与真实值存在一定的差别 • 模糊性:命题中的词语从概念上讲不明确,无明确的内涵和外 延 • 可信性:专家主观上对证据可靠性不能完全确定 • 随机性:命题的事实的真假性不能完全肯定,而只能对其真伪 给出一个估计 • 不一致性:在推理过程中发生了前后不相容的结论,或者随着 时间的推移或范围的扩大,原来成立的命题变得不成立了
2015-6-17
24
华北电力大学
概率论基础(事件间的关系与运算 )
两个事件A与B可能有以下几种特殊关系:
包含:若事件B发生则事件A也发生,称“A包含B”,或“B包 含于A”,记作A B或B A 等价:若A B且B A,即A与B同时发生或同时不发生,则 称A与B等价,记作A=B 互斥:若A与B不能同时发生,则称A与B互斥,记作AB=φ 对立:若 A 与 B 互斥,且必有一个发生,则称 A 与 B 对立,记 作A=~B或B=~A,又称A为B的余事件,或B为A的余事件
2015-6-17
23
华北电力大学
概率论基础(基本定义)
随机实验:随机实验是一个可观察结果的人工或自 然的过程,其产生的结果可能不止一个,且不能事 先确定会产生什么结果 样本空间:样本空间是一个随机实验的全部可能出 现的结果的集合,通常记作Ω ,Ω 中的点(即一个 可能出现的实验结果)称为样本点,通常记作ω 随机事件:随机事件是一个随机实验的一些可能结 果的集合,是样本空间的一个子集。常用大写字母 A,B,C,…表示
2015-6-17
12
华北电力大学
概述-不确定性推理的基本问题
表示问题:
指用什么方法描述不确定性,是解决不确定 推理的关键一步 通常的方法有:
相关文档
最新文档