Механизм вероятностного вывода на основе правил Байеса и коэффициентов уверенности

Условная вероятность события d при данном s – это вероятность того, что событие d наступит при условии, что наступило событие s. Например, условной вероятностью является вероятность того, что у пациента действительно имеется заболевание d, если у него обнаружен только симптом s.

Правило Байеса:

P(d) — априорная вероятность наступления события d, а P(d|s) — апостериорная вероятность, обозначающая вероятность того, что событие d произойдет, если известно, что событие s свершилось.

Данное правило иногда называют инверсной формулой для условной вероятности, так как она позволяет вычислить вероятность P(d | s) через P(s | d).

Для систем, основанных на знаниях, правило Байеса гораздо удобнее формулы определения условной вероятности через вероятность одновременного наступления событий P(d . s).

31. Содержание

    • Многокритериальное пр. Качественный и количественный анализ. Пространственные модели.
    • Пр в условиях неопределенности. Парадигма анализа решений. Деревья решений.
    • Теория полезности. Принцип максимальной ожидаемой полезности. Методы прямого построения функции полезности
    • Теория полезности. Основные свойства функции полезности. Учет отношения к риску в функции полезности.
    • Теория полезности. Обоснование s- образности кривой полезности.
    • Теория полезности. Определение отношения к риску на основе понятия детерминированного эквивалента.
    • Определение детерминированного эквивалента. Детерминированный эквивалент для выпуклой и вогнутой функции.
    • Стратегическая эквивалентность функций полезности. Линейная функция полезности.
    • Логарифмическая функция полезности. Пример.
    • Экспоненциальная функция полезности. Пример.
    • Квадратичная функция полезности. Пример.
    • Теоремы о несклонности к риску. Надбавка за риск.
    • Теоремы о склонности к риску. Надбавка за риск.
    • Пример функции полезности для лпр несклонного к риску.
    • Пример функции полезности для лпр склонного к риску.
    • Мера несклонности к риску. Обоснование. Интерпретация функции несклонности к риску.
    • Связь между надбавкой за риск и функцией несклонности к риску.
    • Особенности и признаки интеллектуальности информационных систем.
    • Классификация иис. Системы с интеллектуальным интерфейсом
    • Экспертные системы. Архитектура экспертной системы. Назначение составных частей эс.
    • База знаний и механизм вывода на знаниях. Сравнительный анализ.
    • 22 Этапы создания экспертной системы. Идентификация предметной области. Построение концептуальной модели. Типы моделей
    • Этапы проектирования экспертной системы. Формализация базы знаний. Классификация моделей представления знаний
    • Особенности знаний и их отличие от данных. Декларативные и процедурные знания. Системы, основанные на знаниях. Этапы трансформации данных и знаний. Базы данных и базы знаний
    • Самообучающиеся системы. Технологии olap и Data Mining. Определение Data Mining. Основные типы закономерностей, извлекаемых с помощью Data Mining
    • Индукция и дедукция. Алгоритм индуктивного обучения. Деревья решений
    • Искусственные нейронные сети. Обучение нейронных сетей
    • Системы, основанные на прецедентах (Case Based Reasoning)
    • Прямой логический вывод в эс на основе правила Modus Ponens.
    • Обратный логический вывод в эс на основе правила Modus Ponens
    • Семантические сети. Основные типы отношений в семантических сетях. Правила построения семантических сетей
    • Теория фреймов. Структура фрейма. Слоты и присоединенные процедуры. Механизм вывода на фреймах
    • Механизм вероятностного вывода на основе правил Байеса и коэффициентов уверенности
    • Основные понятия теории нечетких множеств. Операции над нечеткими множествами. Понятия нечеткой и лингвистической переменной. Основы нечеткого логического вывода.
    • Понятие онтологии. Классификация онтологий и их применение.
    • Редакторы онтологий, формализмы и форматы представления онтологий
    • Элементы фреймовых онтологий – классы, экземпляры, слоты (типы значений, кардинальность), отношения и т.Д.
    • Подход к формированию онтологий в редакторе Protégé. Последовательность создания онтологий
    • Язык создания экспертных систем clips: поддерживаемые парадигмы, основные структуры данных, конструкции языка для обработки данных и осуществления вывода.