人工智能原理28.ppt

人工智能原理第7章 不精确推理 ; 本章内容 7.1 不精确推理的必要性 7.2 贝叶斯概率推理 7.3 贝叶斯网络 7.4 可信度方法* 7.5 模糊推理 参考书目;7.1 不精确推理的必要性不精确推理的原因 / 方法;为什么要不精确推理;不精确推理的原因;不确定环境下的智能体行动;不确定性下的决策;不精确推理;贝叶斯网络(Bayesian network);知识粥(Knowledge Soup);7.2 Bayes概率推理7.2.1 有关概念和公式7.2.2 几率和似然比7.2.3 似然比应用;主观Bayes主义;7.2.1 有关概念和公式;Bayes条件概率;概率公理;条件概率公式;全概率公式;边缘化;归一化;逆概率公式;逆概率公式的例子;修正因子(1);修正因子(2);后验概率递推公式;6.2.2 几率和似然比;后验几率和先验几率的关系;似然比;似然比约束;6.2.3 似然比应用;LS和LN的作用;应用举例(1);应用举例(2);应用举例(3);应用举例(4);7.3 贝叶斯网络7.3.1 贝叶斯网络的表示7.3.2 贝叶斯网络中的精确推理7.3.3 贝叶斯网络的近似推理;贝叶斯网络定义;6.3.1 贝叶斯网络的表示;条件概率表;全联合概率分布;链式法则;局部结构化与节点顺序;条件独立关系;条件独立关系图示;噪声或关系(1);噪声或关系(2);噪声或关系(3);6.3.2 贝叶斯网络中的精确推理;查询实例(1);查询实例(2);查询实例(3);查询实例(4);变量消元法(1);变量消元法(2);精确推理的复杂度;多连通网络;6.3.3 贝叶斯网络的近似推理;后验概率计算的采样方法;直接采样方法;采样样本与概率分布;采样过程举例(1);采样过程举例(2);拒绝采样方法;一致的估计;似然加权方法(1);似然加权方法(2);马尔科夫链采样(1);马尔科夫链采样(2);马尔科夫链采样的合理性(1);马尔科夫链采样的合理性(2);马尔科夫链采样的合理性(3);7.4 可信度方法*7.4.1 可信度定义与性质7.4.2 证据不确定下CF的计算7.4.3 可信度推理例子;6.4 可信度方法;确认理论为基础;肯定和否定的程度;6.4.1 可信度定义与性质;有关性质(1);有关性质(2);CF定义与性质;CF性质;6.4.2 证据不确定下的CF计算;证据的CF计算(1);证据的CF计算(2);可信度阈值;6.4.3 可信度推理例子;推理网络;求解过程(1);求解过程(2);求解过程(3);7.5 模糊推理7.5.1 模糊数据的确定7.5.2 模糊关系及其投影7.5.3 模糊推理的例子;7.5.1 模糊数据的确定;调查投票例子;调查投票结果表示;概率分布函数(1);函数分布函数(2);函数分布函数(3);7.5.2 模糊关系及其投影;模糊关系的合成;模糊关系例子;模糊关系的投影;定义的解释;模糊关系投影例子(1);模糊关系投影例子(2);模糊关系投影例子(3);7.5.3 模糊推理的例子;模糊推理的例子(1);模糊推理的例子(2);模糊推理的例子(3);参考书目;tw-z1C4G7JaMePhTkWnZr$u*x+A2E5H8KcNfQiUlXp#s%v)y0B3F6IaLdOgSjVmYq!t*w-z1D4G7JbMeQhTkWoZr$u(x+B2E5H9KcNfRiUmXp#sv)y0C3F6IaLdPgSjVnYq!t*w-A1D4G8JbMeQhTlWoZr%u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaMdPgSkVnYq$t*x-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9LcOfRjUmXp!sw)z0C4F7IaMdPWoZr%u(x+B2E6H9KcOfRiUmXp!sv)z0C3F7IaMdPgSkVnYq$t*w-A1D5G8JbNeQhTlWo#r%u(y+B2E6H9LcOfRjUmXp!sw)z0C4F7IaMdPhSkVnZq$t*x-A2D5G8KbNeQiTlXo#r%v(y+B3E6H9LcOgRjUmYp!sw)z1C4F7JaMdPhSkWnZq$u*x-A2D5H8KbNfQiTlXo#s%v(y0B3E6I9LdOgRjVmYp!tw-z1C4G7JaMePhTkWnZr$u*x+A2D5H8KcNfQiUlXo#s%v)y0B3F6I9LdOgSjVmYq!tw-z1D4G7JbMePhTkWoZr$u(x+A2E5H9KcNfRiUlXp#sv)y0C3F6IaLdOgSjVnYq!t*w-z1D4G8JbMeQhTkWoZr%u(x+B2E5H9KcOfRiUmXp#sv)z0C3F7IaLdPgSk