학부공부/인공지능
확신도 이론과 증거 추론
IT grow.
2018. 9. 20. 23:24
반응형
확신도이론과 증거 추론 ( cf , certainty factor )
1. 확신도 이론은 베이즈 추론의 대안으로 알려짐
2. 확신도의 최대값은 +1.0 이고 , 최소값은 -1.0
è + 값은 신뢰의 정도를 나타내고 , - 값은 불신의 정도
3. 형태는 다음과 같이 생겼다
4. IF < 증거 >
THEN < 가설 > {cf }
è Cf는 증거 E가 발생했다고 할 때 가설 H에 대한 신뢰를 나타낸다
5. 신뢰와 불신의 정도는 사전 확률과 조건부 확률 형식으로 정의할 수 있다.
P(H) : 가설 H가 참일 사전 확률
P(H | E ) : 증거 E가 주어졌을 때 , 가설 H가 참일 확률
# MB(H,E)와 MD(H,E)에는 0~1사이의 값이 들어간다
# 가설 H에 대한 신뢰 or 불신이 강도는 관찰된 증거 E의 종류에 따라 달라진다
# MB : 신뢰 , MD : 불신
가설에 대한 신뢰 or 불신의 강도 결정
여기서 cf는 가설 H에 대한 총 신뢰를 나타낸다 .
MYCIN의 접근 방법의 예
IF A는X다
THEN B는 Y다
è 보통 전문가는 이 규칙이 성립하는지 100% 확신 x
è 전문가는 보통 A 값이 X 일때 가능한 B 값 각각에 대해 확신도를 정한다.
반응형