人工智能不确定性推理，柯南看的懂么？

在这个浩瀚无垠的网络，您能够点击小编的文章，我们是多么的有缘有份，小编不图文章能为您带来大才华，但求能给您与朋友茶余饭后一点点的谈资就行，如果喜欢就点关注哦，这样我会更加努力的。

人工智能不确定性推理，柯南看的懂么？，不确定性的表示与量度

1．不确定性的表示

不确定性推理中存在三种不确定性，即关于知识的不确定性、关于证据的不确定性和

关于结论的不确定性。它们都具有相应的表示方式和量度标准。

（1）知识不确定性的表示

知识的表示与推理是密切相关的，不同的推理方法要求有相应的知识表示模式与之对应。在不确定性推理中，由于要进行不确定性的计算，所以必须采用适当的方法把不确定性及不确定的程度表示出来。

（2）证据不确定性的表示

观察事物时所了解的事实往往具有某种不确定性。例如，当观察某种动物的颜色时，可能说该动物的颜色是白色的，也可能是灰色的，这就是说，这种观察具有某种程度的不确定性。（3）结论不确定性的表示

上述由于使用知识和证据具有的不确定性，使得出的结论也具有不确定性。这种结论的不确定性也叫做规则的不确定性，它表示当规则的条件被完全满足时，产生某种结论的不确定程度。

2．不确定性的量度

需要采用不同的数据和方法来量度确定性的程度。首先必须确定数据的取值范国。在确定量度方法及其范围时，必须注意到：

（1）量度要能充分表达相应知识和证据不确定性的程度。

（2）量度范围的指定应便于领域专家和用户对不确定性的估计。

（3）量度要便于对不确定性的传递进行计算，而且对结论算出的不确定性量度不能超出量度规定的范围。

（4）量度的确定应当是直观的，并有相应的理论依据。

不确定性的算法

1．不确定性的匹配算法

推理是一个不断运用知识的过程。为了找到所需的知识，需要在这一过程中用知识的前提条件与已知证据进行四配，只有匹配成功的知识才有可能被应用。

在确定性推理中，知识是否匹配成功是很容易确定的。但在不精确性推理中，由于知识和证据都具有不确定性，而且知识所要求的不确定性程度与证据实际具有的不确定程度不一定相同，因而就出现了“怎样才算匹配成功”的问题。

以上就是小编辛辛苦苦的内容，到这就结束了，我们也要分别了，虽然心里那么丝丝的不舍，但是不等于我们以后不会相见，或许大家在以后的日子里的某一个瞬间会想起小编的内容，会给大家带来一些正能量，小编的忙碌也就有所值了。