基于因果圖的不確定性推理理論及算法研究.pdf

1、人工智能研究的目的無非是用機(jī)器模擬人腦的思維，人類的思維是多樣性的，雖然很多思維現(xiàn)象體現(xiàn)為對(duì)確定性信息的處理，然而更多的現(xiàn)象卻體現(xiàn)了各種各樣的不確定性，而且，客觀世界中的絕大部分現(xiàn)象都是不確定的。因此，真正的人工智能系統(tǒng)要能很好反映人腦思維的不確定性并能對(duì)各種無所不在的不確定性信息進(jìn)行處理。于是，如何表示和處理知識(shí)的不確定性也就成為人工智能研究的重要課題之一，也是人工智能面臨的一大難題。動(dòng)態(tài)因果圖由張勤教授1994年提出，它與信度網(wǎng)類似

2、，是概率論與圖論結(jié)合的一種數(shù)學(xué)工具，其特點(diǎn)是提供不確定知識(shí)的表達(dá)和靈活的推理方法：用節(jié)點(diǎn)表示事件或變量，有向邊表示因果關(guān)系，并用連接強(qiáng)度來表示因果關(guān)系的強(qiáng)度，支持由原因到結(jié)果的正向推理方式和由結(jié)果到原因的反向推理方式以及正反向混合推理方式。但因果圖與信度網(wǎng)相比又具有一些自己獨(dú)特的優(yōu)點(diǎn)，在不確定性知識(shí)間的因果關(guān)系表達(dá)更加方便，尤其在故障診斷領(lǐng)域更有獨(dú)特優(yōu)勢。因此對(duì)因果圖的進(jìn)一步研究不僅具有重要的學(xué)術(shù)意義，而且具有很好的實(shí)用價(jià)值和經(jīng)濟(jì)價(jià)值。

3、 論文圍繞著因果圖的知識(shí)表達(dá)、學(xué)習(xí)、推理進(jìn)行了討論和研究，主要內(nèi)容包括： 在扼要介紹了一些比較常見的不確定性知識(shí)的表示和推理方法：證據(jù)理論、確定性因子、模糊邏輯與模糊推理、粗糙集理論、主觀Bayes方法、信度網(wǎng)的基本知識(shí)和面臨的困難之后，比較詳細(xì)地闡述了因果圖的基本知識(shí)，主要的推理算法以及對(duì)一些問題的處理方式方法。 針對(duì)目前因果圖不包括自學(xué)習(xí)機(jī)制、推理的先驗(yàn)知識(shí)完全由領(lǐng)域?qū)＜姨峁┑膯栴}，提出了采用統(tǒng)計(jì)的方法學(xué)習(xí)因

4、果圖參數(shù)的方法。包括：在數(shù)據(jù)完備時(shí)用后驗(yàn)分布的數(shù)學(xué)期望——條件期望估計(jì)，數(shù)據(jù)不完備時(shí)，用類似期望最大化（EM）算法，學(xué)習(xí)離散因果圖參數(shù)的算法，以及用信息熵學(xué)習(xí)相關(guān)度的方法，而且用實(shí)例驗(yàn)證了它們的有效性和可行性；采用含參數(shù)的EM算法（EM(η)），進(jìn)行在線因果圖參數(shù)（連接強(qiáng)度）的學(xué)習(xí)，使學(xué)習(xí)出的參數(shù)能適應(yīng)環(huán)境的變化而適時(shí)調(diào)整，并闡述了它的優(yōu)越性和離線因果圖參數(shù)學(xué)習(xí)的區(qū)別，同時(shí)在理論上論證這種方法的正確性；用經(jīng)典的統(tǒng)計(jì)方法：參數(shù)估計(jì)、非參數(shù)

5、估計(jì)、半?yún)?shù)化估計(jì)方法學(xué)習(xí)連續(xù)因果圖參數(shù)（基本事件和連接事件的概率密度函數(shù)）方法；給出了一個(gè)學(xué)習(xí)因果圖結(jié)構(gòu)的途徑。從而較好地解決了因果圖知識(shí)獲取的關(guān)鍵問題，對(duì)豐富因果圖理論和因果圖的應(yīng)用都有著十分重要的意義。 針對(duì)信度網(wǎng)研究已比較成熟，已有許多現(xiàn)成的算法和實(shí)用的推理軟件，提出了將因果圖轉(zhuǎn)換為信度網(wǎng)，包括因果圖的連接概率映射為信度網(wǎng)的條件概率表和因果圖結(jié)構(gòu)轉(zhuǎn)換為信度網(wǎng)的結(jié)構(gòu)的方法，從而拓寬解決問題的渠道，使用因果圖方式表達(dá)的模型可

6、以用信度網(wǎng)模型來求解。針對(duì)產(chǎn)生式規(guī)則表示知識(shí)比較流行、常用，但在表達(dá)知識(shí)和推理方面的存在一些缺陷或不足，根據(jù)模糊式產(chǎn)生式規(guī)則與因果圖，以及合成式模糊產(chǎn)生式規(guī)則與含與門、或門的因果圖的對(duì)應(yīng)關(guān)系，對(duì)用模糊產(chǎn)生式規(guī)則集表示的知識(shí)，探討了將其轉(zhuǎn)換成更緊湊、直觀因果圖表示的方法和過程，并給了一個(gè)其轉(zhuǎn)換的實(shí)例。這也相應(yīng)的給出了一個(gè)因果圖知識(shí)的獲取方法。 針對(duì)因果圖推理中存在邏輯運(yùn)算量大、計(jì)算復(fù)雜的困難，為了減少計(jì)算的復(fù)雜度，提出了利用因果圖