Upload
job-kir
View
8
Download
3
Embed Size (px)
Citation preview
Pristup prikazivanja nesigurnih informacija i znanja
Prezentacija za vježbe iz Informatike
Ekspertni sustavi
FAKULTET ORGANIZACIJE I INFORMATIKEFAKULTET ORGANIZACIJE I INFORMATIKE
2
Sadržaj
Uvod u područjeRazrada 1/3
Razrada 2/3
Razrada 2/3
Klasični pristup vjerojatnostiBayersov pristup vjerojatnosti Neizrazita logikaTeorija sigurnostiFaktor pouzdanostiFormule za složene doađajeNesigurno ZaključivanjeZaključakLiteraturaO autoru rada
3
Uvod u područje
Mnoge se odluke temelje na nesigurnim informacijama, bilo zbog toga što su nepotpune ili što su nepotpune ili što nisu potpuno točne (npr. zato što predstavljaju procjenu buduće potražnje ili troškova). Posljedica toga jest da su odluke i njihovi ishodi također nesigurni. Budući da su ljudi u stanju donositi odluke u takvim okolnostima, isto je potrebno omogućiti i ekspertnim sustavima.
4
Razrada 1/3
Postoji nekoliko pristupa prikazivanju nesigurnih informacija i znanja te načinu zaključivanja s njima: korištenje vjerovatnosti, neizrazite logike i teorije
sigurnosti. Do polovine šezdesetih godina sinonim za pojam nesigurnosti bila je matematička vjerojatnost, koja se temelji na dvjema pretpostavkama: da imamo dovoljno velik skup promatranja nekog događaja te da imamo neki model realizacije događaja (npr. bacanja kocke ili promjene vrijednosti dionica). Budući da ove pretpostavke često nisu ispunjene, pojavile su se različite škole unutar teorije i vjerojatnosti te potpuno novi pristupi opisu i računanju s nesigurnim informacijama (Giarratano i Riley, 1998).
5
Razrada 2/3
Kod svih tih metoda osnovni postupak prikazivanja nesigurnosti jest određivanje vjerojatnosti (odnosno stupnja istinitosti ili faktora pouzdanosti), a to je proces izbora točke a skali, npr. cjelog broja u području od 0 do 100. Nakon što su te vrijednosti dodjeljene skupu temeljnih događaja, moramo naći metodu za računanje sastavljenih (složenih događaja).
6
Razrada 3/3
Bazaznanja
Bazačinjenica
Mehanizamzaključivanja
Korisničkosučelje
Korisnik Struktura ekspertnog sustava
7
Klasični pristup vjerojatnosti
On se temelji na očekivanju nekog ishoda (npr. bacanja kocke) na frekvenciji različitih mogućih ishoda koji su se dogodili u prošlosti. U dugom nizu ponavljanja događaja, relativna se frekvencija događaja približava njegovoj vjerojatnosti. No što više značajki neke situacije uzimamo u obzir, to manje ishoda za nju imamo, pa je njenu vjerojatnost teško procijeniti.
8
Bayesov pristup vjerojatnosti
Bayesov pristup vjerojatnosti definira vjerojatnost kao stupanj vjerovanja osobe nekoj hipotezi, događaji ili nesigurnoj veličini. Bayesov teorem omogućuje računanje vjerojatnosti različitih mogućih uzroka za neku posljedicu (npr. kvar).
9
Neizrazita logika Neizrazita logika (engl. fuzzy logic) ima
više od dvije vrijednosti (istinitosti i neistinitost), pa npr. možemo reći s vrijednosšću istinitosti od 0.85 da je neko poduzeće u dobroj financijskoj situaciji (vrijednost 0 odgovara neistinosti, a vrijednost 1 istinitosti). U ovom se pristupu pretpostvlja da je nesigurnost bitni dio svakog stanja. Izrazi koje ljudi koriste za karakterizaciju stanja (npr. ''mali'', ''veliki'', ili ''jako veliki'' dohodak) mogu se opisati kao funkcije vrijednosti istinitosti te konsistentno tretirati.
10
Teorija sigurnosti Teorija sigurnosti (engl. certainty theory)
prikazuje nesigurnost kao stupanj vjerovanja u činjenice ili znanje temeljen na evidenciji. Nesigurnost se kvantificira pomoću faktora pouzdanosti (FP). U teoriji sigurnosti svako pravilo koje potvrđuje neku hipotezu predstavlja dio evidencije koja podržava tu hipotezu
11
Faktor pouzdanosti Nesigurnost se kvantificira pomoću faktora
pouzdanosti (FP) (engl. confidence factor), gdje FP=0 označava potpunu neistinitost, a FO=100 potpunu istinitost. Pritom zbir stupnjeva istinitosti iskaza u danom kontekstu ne mora biti 100. Ako npr. dva pravila (P1 i P2) podržavaju hipotezu H, svko sa svojim faktorom pouzdanosti, tada je faktor pouzdanosti hipoteze: FP(H, P1 i P2) = FP(H, P1) + FP(H, P2) – [FP(H, P1) * FP(H, P2)] / 100
12
Formule za složene događaje
Sustav koji radi s nesigurnim činjenicama i znanjem (npr. pravilima) mora moći raditi s različitim pristupima nesigurnosti i s njima biti u stanju formulirati složene nesigurnosti. Pritom je važno da takav sustav sačuva kontinuitet i izbjegne nagle promjene u vrijednostima istinitosti. Primjer nekoliko formula za složene događaje koji zadovoljavaju klasičnu logiku (kod koje FP ograničima na vrijednosti 0 ili 100) jest:
FP(ne A) = 100 – FP(A)FP(A i B) = min[FP(A), FP(B)]FP(A ili B) = max[FP(A), FP(B)]
13
Nesigurno zaključivanje Kod ovakvog zaključivanja, npr. zaključivanja
prema natrag, nesigurni će ciljevi također imati neki faktor pouzdanosti. Dok je kod sigurnog zaključivanja prema natrag cilj dovoljno dokazai pomoću jednog pravila, kod nesigurnog zaključivanja uvijek je potrebno pokušati dokazati sva pravila koja se podudaraju s ciljem te izračunati kombinirani faktor pouzdanosti svih tih pravila. Za slučaj pravila (P1 i P2) to možemo učiniti ovako: FP(kombinacija P1 i P2) = FP(P1) + FP(P2) – [FP(P1) * FP(P2)] / 100
14
Zaključak
Konačni zaključak o iznesenoj temi Korist : Ovaj sustav zaključivanja je koristan
zato jer u većini slučajeva informacije će biti netočne tj. nepotpune ili nedovoljno tocne.
Kritika se jedino može uputiti na točnost rezultata, iako realno gledajući rezultati su prilično točni, no kao i u svemu, teži se ka savršenstvu, pa tako i zaključivanju u uvjetima nesigurnosti
15
Literatura
Poslovno računarstvo – autori: prof.dr.sc Vlatko Čerić prof.dr.sc Mladen Varga prof.dr.sc Leo Budin mr. Andrea Budin Posavec prof.dr.sc Slobodan Ribarić doc.dr.sc Božidar Kliček dr.sc. Fjodor Ružić doc.dr.sc Vlado Glavinić doc.dr.sc Marijan Đurek dr.sc. Željka Mihajlović doc.dr.sc Mirta Baranović
16
O autoru rada
Datum izrade : 20.11.2003.Ime i prezime : Marjan Grgić Broj indeksa : 33054/02-RNaziv datoteke : Pristup nesigurnosti.ppt