人工智能——可信度方法

已于 2022-06-28 12:47:11 修改
阅读量6.5k 收藏 110
点赞数 11
分类专栏： 人工智能 文章标签： 人工智能
于 2022-06-23 21:55:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45902301/article/details/125431469
版权

可信度方法

可信度的概念

  • 可信度方法是 E.H.Shortliffe 等人在确定性理论 (Theory of Confirmation) 的基础上，结合概率论和模糊集合论等方法提出的一种不确定性推理方法。
  • 1976 年首先在专家系统 MYCIN 中得到了成功应用，是不确定性推理方法中应用最早且最简单有效的方法之一。
  • 人们在实际生活中根据经验或观察对某一事件或现象为真的相信程度称为可信度。可信度也可以称为确定性因子。

可信度推理模型（CF模型）

知识不确定性的表示

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

证据不确定性的表示

在这里插入图片描述
在这里插入图片描述

不确定性的推理计算

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

可信度方法应用举例（一）

在这里插入图片描述
在这里插入图片描述

可信度方法应用举例（二）

在这里插入图片描述
在这里插入图片描述

可信度方法应用举例（三）

在这里插入图片描述
在这里插入图片描述

何处秋风悲画扇
关注
  • 11
    点赞
  • 踩
  • 110
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于MATLAB的CO-Kriging,变可信度
08-14
变可信度建模，基于MATAB的co-kriging，包含两个实例，适合入门去钻研
人工智能_不确定性推理方法（3主观Bayes方法，4可信度方法）
weixin_64625466的博客
11-22 588
引入几率函数Θ(x),它与概率的关系为： Θ(x)=P(x)/(1-P(x)), P(x)=Θ(x)/(1+Θ(x)) 在证据肯定存在时，P(E)=P(E|S)=1。由全概率公式得： P(H|S)=P(H|E)×P(E)+P(H|¬E)×P(¬E)＝P(H)(1)式除以(2)式得： P(H|¬E)/P(¬H|¬E)=P(¬E|H)/P(¬E|¬H)×P(H)/P(¬H)(1)式除以(2)式得： P(H|E)/P(¬H|E)=P(E|H)/P(E|¬H)×P(H)/P(¬H)
可信人工智能白皮书.pdf
07-09
可信人工智能白皮书.pdf
基于概率可信度的区间数排序方法
01-14
<p>针对多属性决策理论的研究需要, 提出一种基于概率可信度的区间数排序方法, 给出了区间数排序问题的<br> 形式化描述. 为明确排序规则, 定义了区间数的二元序关系. 采用概率密度函数表征区间数的特征信息, 并构建出区<br> 间数序关系的概率可信度模型. 通过建立互补判断矩阵, 将区间数排序问题转换为矩阵运算过程, 实现了不同类型区<br> 间数的比较. 实验结果表明, 所提出方法能够有效克服传统排序方法在适用范围方面的局限性, 具有排序速度快、求<br> 解质量高等优点.</p>
基于判断可信度的层次分析排序方法
01-14
<p>针对专家作两两比较时的判断有不同可信度的情形,首先给出方案的?? 组近似排序向量; 然后, 分主客观两种情形考虑了判断的可信度; 接着利用可信度对近似排序向量集结, 得到含有专家判断可信度的最终排序向量; 最后, 通过实例表明了该方法对不一致判断矩阵的有效性及其在实际决策中的可行性.</p>
可信度方法
热门推荐
简单记录生活、学习
12-17 2万+
C-F模型 C-F模型是基于可信度表示的不确定性推理的基本方法，其它可信度方法都是在此基础上发展起来的。 知识不确定性的表示在该模型中，知识是用产生式规则表示的，其一般形式为： IF E THEN H (CF(H,E)) 其中，CF(H,E)是该条知识的可信度，称为可信度因子或规则强度，即静态强度。一般CF(H,E)∈[-1,1]。 证据的不确定性 证据的不确定性也用可信度因子表示。 如CF(E)=0.6注意： CF(H...
5.不确定性推理方法: 可信度方法, 证据理论
孤柒的博客
04-20 4618
本文内容为浙江工业大学王万良慕课课程的课程讲义,将其整理为OneNote笔记同时添加了本人上课时的课堂笔记,且主页中的思维导图就是根据课件内容整理而来, 为了方便大家和自己查看，特将此上传到CSDN博文中, 源文件已经上传到我的资源中,有需要的可以去看看, 我主页中的思维导图中内容大多从我的笔记中整理而来,相应技巧可在笔记中查找原题, 有兴趣的可以去 我的主页了解更多计算机学科的精品思维导图整理 本文可以转载，但请注明来处，觉得整理的不错的小伙伴可以点赞关注支持一下哦！ 博客中思维导图的高清P...
可信度计算
weixin_43628058的博客
12-20 3955
【人工智能】不确定性推理方法——C-F模型
JeronZhou的博客
11-04 1万+
文章目录一. 基本概念二. 必背公式1. 证据不确定性的组合算法2. 结论不确定性的传递算法3. 结论不确定性的合成算法三. 典型例题例题1例题2四. 通用解法 一. 基本概念 要掌握C-F模型首先需要了解可信度的概念，可信度是根据经验对一个事物或现象为真的相信程度，说白了就是有多大把握相信一个事情。由于可信度不可避免地带有较大主观性和经验性，难以把握准确性。C-F模型便是基于可信度表示的不确定性推理的基本方法。 不确定性推理主要有两种不确定性，即关于知识的不确定性和关于证据的不确定性。 C-F模型中关于知
不确定性推理：可信度计算
qq_44972915的博客
07-15 9091
不确定性推理：可信度计算 设有如下一组推理规则:       r1:  IF  E1  THEN  E2 (0.6)       r2:  IF  E2  AND  E3  THEN  E4 (0.7)       r3:  IF  E4  THEN  H (0.8)       r4:  IF  E5  THEN  H (0.9)   且已知CF(E1)=0.5,  CF(E3)=0.6,  CF(E5)=0.7。求CF(H)=?       解： (1) 先由r1求CF(E2)          CF(
可信人工智能白皮书2021
07-10
白皮书从如何落实全球人工智能治理共识的角度出发，聚焦于可信人工智能技术、产业和行业实践等层面，分析了实现可控可靠、透明可释、隐私保护、明确责任及多元包容的可信人工智能路径，并对可信人工智能的未来发展提出了建议。
基于HMM的动作识别结果可信度计算方法
01-14
针对当前动作识别可信度计算方法中混淆率高、不适用于迁移学习等问题，提出一种基于样本上下文信息的可信度计算方法（S-HMM,sliding windows hidden Markov model）。该方法使用隐马尔可夫模型（HMM,hidden Markov ...
机器学习模型结果可信度基础理论
Quintin
10-01 3090
机器学习模型结果可信度基础理论
信度分析学习笔记
m0_72410588的博客
05-13 424
本篇博客介绍了信度分析的基本概念、计算方法以及Python实现。希望可以对读者在进行测量数据评估时有所帮助。
可信度
ZXY_Hobby的博客
07-28 936
基于商品特征关联度的购物客户评论可信排序方法1 优点 算法介绍清晰，先前的数据处理思路有很大的借鉴意义 1. 设计提取购物网站的展示信息（算法） 2. 基于自然语言处理的用户评论特征词提取（算法），词语级 选取具有表现力的词语 3. 给出相似度定义，分析关联度，评论箱梁构造（算法） 数据 存在胡说乱说，内容与产品使用情况无关，例如，昨天年终奖抽到一部手机，可是我上个月刚好买了一部新的
大模型如何可信？字节跳动研究的最新《可信赖的大型语言模型》综述，提出评估 LLMs 可信度时需要考虑的七大维度
叶庭云 成为自己的光
08-13 2556
在将大型语言模型（LLMs）应用于实际场景之前，确保对齐性已成为一项关键任务。确保对齐性指的是让模型的行为与人类意图相一致。例如，在 GPT-4 发布之前，OpenAI 花了 6 个月的时间迭代对齐 GPT-4。缺乏评估 LLMs 的输出是否符合社会规范、价值观和法规的明确指导。这一障碍阻碍了 LLMs 的系统迭代和部署。为了解决这个问题，这篇论文对评估 LLMs 可信度时需要考虑的关键维度进行了全面的调查。可靠性安全性公平性抗误用性可解释性和推理性遵守社会规范鲁棒性。
【五】头歌平台实验-不确定性推理
Grand Examiner
12-14 2556
介绍不确定性推理中的基本问题
故障诊断专家系统研究之五-----推理机制及可信度算法
一幅凝固的油画
12-21 7540
 推理机制及可信度算法在第三章和第四章中讨论了如何表示燃气轮机专家的知识以及如何把这些知识存储到知识库之中，即关于知识表示和知识库的问题，而故障诊断专家系统的另一个核心组件就是基于知识的诊断推理机。本章在前两章讨论的知识表示和知识库的基础之上，以正反向相结合的混合推理方式实现诊断推理机，并针对本文提出的知识库模型对混合推理方式的控制策略作了改进，以广度优先索实现正向推理，以深度
注意力机制略解
最新发布
cqbzcsq的博客
04-29 1201
本文简要地介绍了注意力机制，Q、K、V矩阵的含义，注意力评分函数的计算方式，并提及了Transformer的相关内容
人工智能正向可信度推理python
10-18
您可以使用Python中的PyKnow库来实现正向可信度推理。PyKnow是一个Python库，用于构建专家系统，它使用了基于规则的编程语言CLIPS。您可以使用PyKnow来定义规则和事实，并使用它来推理出结论。 以下是一个简单的示例代码，用于演示如何使用PyKnow进行正向可信度推理： ```python from pyknow import * class Symptom(Fact): pass class Diagnosis(KnowledgeEngine): @Rule(Symptom(headache=True)) def rule1(self): self.declare(Fact(diagnosis="Migraine")) @Rule(Symptom(fever=True)) def rule2(self): self.declare(Fact(diagnosis="Flu")) @Rule(Symptom(headache=True), Symptom(fever=True)) def rule3(self): self.declare(Fact(diagnosis="Meningitis")) engine = Diagnosis() engine.reset() engine.declare(Symptom(headache=True, fever=True)) engine.run() print(engine.facts) ``` 在这个例子中，我们定义了一个Symptom事实类，它有两个属性：headache和fever。我们还定义了一个Diagnosis知识引擎，它包含三个规则。每个规则都检查Symptom事实的属性，并根据它们的值推断出一个诊断结果。最后，我们创建了一个Diagnosis引擎实例，并将Symptom事实传递给它。引擎将根据规则推断出一个诊断结果，并将其存储在Fact对象中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值