Совершенствование гибридных абдуктивных методов для создания интеллектуальных систем поддержки принятия решений

Совершенствование гибридных абдуктивных методов для создания интеллектуальных систем поддержки принятия решений

Автор: Лопатникова, Вера Борисовна

Шифр специальности: 05.13.11

Научная степень: Кандидатская

Год защиты: 2006

Место защиты: Москва

Количество страниц: 218 с. ил.

Артикул: 3302952

Автор: Лопатникова, Вера Борисовна

Стоимость: 250 руб.

Совершенствование гибридных абдуктивных методов для создания интеллектуальных систем поддержки принятия решений  Совершенствование гибридных абдуктивных методов для создания интеллектуальных систем поддержки принятия решений 

Оглавление
Введение
1. Абдуктивные рассуждения в интеллектуальных системах поддержки
принятия решений
1.1. Подходы к формализации абдукции.
1.1.1. Абдукция в представлении Пирса.
1.1.2. Логическая абдукция
1.1.3. Абдуктивный подход на основе покрытия множеств.
1.1.4. Вероятностная абдукция.
1.1.5. Подход, основанный на непротиворечивости.
1.1.6. Предпочтительные объяснения
1.1.6.1. Критерий минимальности подмножеств С.
1.1.6.2. Минимальная мощность множества объяснения
1.1.6.3. Назначение приоритетов 0р,Р
1.1.6.4. Метод штрафов
1.1.7. Абдукция и ее приложения.
1.1.8. Сложность задачи поиска абдуктивных объяснений.
1.2. Абдукция в логическом программировании
1.2.1. Ограничения целостности в абдукции.
1.2.2. Приобретение знаний и абдукция.
1.2.3. Связь абдукции с рассуждениями по умолчанию
1.3. Пропозициональная абдукция в модальных логиках
1.3.1. Абдуктивный вывод и модальные логики
1.3.2. Базовые понятия модальных логик.
1.3.3. Абдуктивные объяснения в модальных логиках
1.3.4. Модальная абдукция с использованием аналитических таблиц
1.3.5. Множество абдуктивных объяснений
1.3.6. Существование минимальных объяснений
1.4. Модель абдуктивных рассуждений, основанная на теории
взаимосвязи объяснений.
1.5. Нейронная сеть Хопфилда для задачи абдукции.
1.6. Гибридная модель абдукцияиндукция
1.6.1. Абдукция и индукция.
1.6.2. Абдукция в ограничении теории.
1.6.3. Индукция в абдуктивных базах знаний.
1.7. Иерархическая вероятностная абдукция в сложных
проблемных средах
1.7.1. Основные понятия и положения
1.7.2. Алгоритмы иерархических вероятностных абдуктивных рассуждений в сложных проблемных средах.
1.8. Необходимость разработки методов абдуктивных рассуждений
в интеллектуальных системах поддержки принятия решений.
1.9. Выводы по разделу 1.
2. Абдуктивный вывод в условиях неопределенности.
2.1. Нечеткие меры.
2.2. Вероятностный подход к неопределенности.
2.3. Расширение вероятностного подхода при помощи теории ДемпстераШейфера.
2.4. Лингвистические вероятности Заде
2.5. Нечеткая абдукция Дюбуа, Прада.
2.5.1. Случай с полной информацией
2.5.2. Общий случай неполный
2.5.3. Расширенная модель.
2.6. Нечеткая абдукция Мияты
2.7. Выводы по разделу
3. Разработка алгоритмов гибридных абдуктивных рассуждений в условиях не полностью определенной информации
3.1. Способы модификации метода вероятностных абдуктивных
рассуждений в сложных проблемных средах
3.2. Описание алгоритмов гибридных абдуктивных рассуждений
условиях не полностью определенной информации.
3.3. Оценка гипотез объяснений при помощи теории свидетельств
Дем пстераШейфсра.
3.4. Пример работы алгоритма гибридных абдуктивных рассуждений в
условиях не полностью определенной информации
3.5. Выводы по разделу
4. Реализация программного средства поддержки гибридных абдуктивных рассуждений в условиях не полностью определенной информации
4.1. Архитектура и основные компоненты программного средства поддержки гибридных абдуктивных рассуждений поиска объяснений в условиях не полностью определенной информации.
4.2. Приложения программного средства поддержки гибридных абдуктивных рассуждений в условиях не полностью
определенной информации
4.2.1.Внедренческий прототип ДИОД на Раменском
приборостроительном Заводе.
4.2.1.1. Цели и предназначения.
4.2.1.2. Постановка задачи диагностики отказов и
дефектов изделий.
4.2.1.3. Возможности представления экспертной информации об
отказах и дефектах изделий.
4.2.1.4. Оценка гипотез причин отказов.
4.2.1.5. Интерфейс пользователя прототипа ДИОД.
4.2.2. Система поддержки принятия решений по выбору
энергосберегающих мероприятий в учебном заведении.
4.2.2.1. Цель и назначение системы
4.2.2.2.Интерфейс пользователя системы поддержки принятия
решений по выбору энергосберегающих мероприятий
4.2.2.3. Пример рекомендации мероприятий
4.3. Выводы по разделу 4.
Заключение.
Список литературы


Согласно Пирсу, абдуктивный вывод обязателен для каждого человеческого вопроса в процессе вопрошания, то есть когда человек задается вопросом. Абдукция единственное логическое действие, которое формирует любые новые идеи. Это играет роль в восприятии абдуктивное предположение осеняет нас, словно вспышка. В приведено описание основных подходов к абдукции. Авторы выделяют 4 базовых подхода логическая абдукция, вероятностная абдукция, абдукция на основе теории покрытия множеств и подход, основанный на непротиворечивости. Т и М совместимо с Т т. ТПМ выполнимо ,,,,,,2. Логическая абдукция является формой немонотонного вывода. Таким образом, из более строгих теорий можно получить менее категоричные объяснения. Логическая абдукция подходит для применения в следующих ситуациях
предметные знания наилучшим образом представимы в виде логической теории, т. Н возможных гипотез, которые могут быть использованы для формирования объяснений. Дано Н конечное множество атомарных формул, представляющих возможные гипотезы. Теория Т представлена функцией е, определенной на подмножествах Н, принимающей значения из подмножеств М, таких, что X объясняет еХ, X может рассматриваться как возможная причина еХ. Решением задачи покрытия множеств является подмножество ХОТ еХМ. На решения часто накладываются различные ограничения. Например, на подмножества Н может накладываться порядок достоверности. При выполнении первого условия говорят, что абдуктивная задача независима, при выполнении второго условия абдуктивная задача монотонна 3. Подход к абдукции, основанный на теории покрытия множеств, наилучшим образом подходит, когда причинноследственные отношения достаточно просты, что их можно выразить функционально. При использовании данного подхода к абдукции гипотезы множества Н и наблюдения в М интерпретируются как события. Помимо знаний о структуре предметной области, Т содержит еще знания о вероятностях объяснений и гипотез. В частности, Т может содержать априорные вероятности гипотез и условные вероятности между объяснениями и гипотезами или их множествами. Решением вероятностной абдуктивной задачи является множество А С Н РАМ шах, т. Байеса пересчета апостериорной вероятности 2,,6. Этот подход к абдукции обычно рассматривается как конкурирующий подход к логической абдукции . Гипотезы Н представляют собой отдельные компоненты диагностируемой системы. Теория Т есть множество предложений первого порядка описание функционирования системы. Описание системы Т содержит литералы в форме АВс, означающие, что компонент сЕН работает корректно не аномально. Система функционирует неправильно, если ГиЛиЛВссе противоречиво. Диагноз есть множество АС Н, такое что x. IxxI непротиворечиво . Этот подход используется наиболее часто, когда есть хорошее описание функционирования системы, когда она работает корректно не в аномальном режиме. Принцип лезвия Оккама, который соблюдается в науке и в логике, учит нас, что из двух объяснений верным будет наиболее простое объяснение ,. Поэтому на абдуктивные объяснения накладывается некоторый критерий минимальности. Различные критерии минимальности соответствуют различным отношениям предпочтения обычно порядкам на пространстве решений, или, более обобщенно, на множестве всех подмножеств Н. Рассмотрим некоторые из критериев ,. Критерий минимальности подмножеств с. Этот критерий применяется наиболее часто. Он допускает такие объяснения , что не существует другого подмножествасЗ1, которое является объяснением. Однако этот критерий минимальности довольно слабый, особенно в том случае, когда гипотезы интерпретируются как события, а произойдут они или нет, определяется вероятностными принципами, но неизвестны данные о численных значениях вероятностей. В этом случае объяснение АСН по крайней мере настолько же вероятно, как и Это оправдывает отказ от более емких объяснений типа и позволяет сконцентрироваться на этом критерии минимальности. Минимальная мощность множества объяснения . Критерий минимальности мощности множества утверждает, что объяснение АСН предпочтительнее объяснения ВСН, если А В.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.275, запросов: 244