55、不确定性推理：从理论到实践的深度剖析

不确定性推理：从理论到实践的深度剖析

1. 从统计信息到置信度的挑战

在处理不确定性推理时，一个核心问题是如何从统计信息中获取置信度。然而，要找到一种通用方法，使其在所有可能情况下都能得出“正确”的结果，似乎是不可能的。这意味着我们必须深入理解具体应用的细节，才能做出合理的推断。

以下是一系列相关的练习，这些练习涵盖了从逻辑证明到实际应用的多个方面：
- 练习 11.1 ：证明当 (T) 和 (T’) 都包含 (\varphi) 和 (KB) 中出现的所有符号时，(\frac{#worlds_{T,\vec{\tau}}^N(\varphi \land KB)}{#worlds_{T,\vec{\tau}}^N(KB)} = \frac{#worlds_{T’,\vec{\tau}}^N(\varphi \land KB)}{#worlds_{T’,\vec{\tau}}^N(KB)})。
- 练习 11.2 ：将 (\varphi) 中所有近似相等和近似不等关系（如 (\approx_i)，(\preceq_i)，(\succeq_i)）替换为相等和不等关系（(=)，(\leq)，(\geq)）得到 (\varphi=)，证明 (\lim_{\vec{\tau}\to\vec{0}}\mu_{\vec{\tau}}^N(\varphi | KB) = \mu_{\vec{\tau}}^N(\varphi= | KB=))。这表明如果改变 (\mu_{\infty}(\varphi | KB)) 定义中的极限顺序，使用近似相等的优势将丧失。
- 练习 11.3