Podstawy Sztucznej Inteligencji (PSZT)
Transkrypt
Podstawy Sztucznej Inteligencji (PSZT)
Podstawy Sztucznej Inteligencji (PSZT) Paweł Wawrzyński Wnioskowanie logiczne i systemy eksperckie Logika rozmyta Niepewność, niedokładność, niedeterminizm • Niepewność/niedokładność wiedzy w systemach wnioskujących/eksperckich • Niepewność prognoz służących do planowania • Niedeterminizm wiedzy deklaratywnej pozyskiwanej przez uczenie maszynowe • Niedeterminizm świata, w którym działa podmiot uczenia proceduralnego PSZT, zima 2013, wykład 6 2 Niepewność • Zmienność aleatoryczna – wrodzona, nieredukowalna – wiedza pozwala ją opisać, ale nie usunąć – przykład: wynik rzutu kostką • Niepewność epistemiczna – poznawcza, związana z ograniczoną wiedzą – przykład: konsekwencje regulacji administracyjnych PSZT, zima 2013, wykład 6 3 Niepewność, niedokładność, niedeterminizm - recepty • Zmienność aleatoryczna – probabilistyka, statystyka – metody Bayesowskie • Niepewność, niedokładność – Rozmyte: zbiory, pojęcia, reguły, systemy, logika – Zbiory przybliżone PSZT, zima 2013, wykład 6 4 Logika rozmyta • Główna motywacja: zmusić komputer do posługiwania się wiedzą wyrażaną w języku naturalnym • Przykład takiej wiedzy: „jeśli od dłuższego czasu jest sucho, nawadnianie powinno być obfite” • Ogólnie: człowiek umie podejmować decyzje posługując się ograniczoną wiedzą wyrażoną przy użyciu nieprecyzyjnych pojęć. Tego samego chcemy od komputera PSZT, zima 2013, wykład 6 5 Zbiory rozmyte PSZT, zima 2013, wykład 6 6 Zbiory rozmyte, przykłady PSZT, zima 2013, wykład 6 7 Rozmyte spójniki logiczne PSZT, zima 2013, wykład 6 8 Stwierdzenie w logice rozmytej PSZT, zima 2013, wykład 6 9 Reguły rozmyte PSZT, zima 2013, wykład 6 10 Wyostrzenie (Defuzyfikacja) PSZT, zima 2013, wykład 6 11 Systemy rozmyte PSZT, zima 2013, wykład 6 12