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)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 AX

THEN BY

 

è  보통 전문가는 이 규칙이 성립하는지 100% 확신 x

è  전문가는 보통 A 값이 X 일때 가능한 B 값 각각에 대해 확신도를 정한다.

 

 


 


반응형