e - GSI
e - GSI
e - GSI
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Factores de incertidumbre (2)<br />
Combinación de reglas:<br />
(R 1 da la conclusión H(c 1 ) y R 2 da H(c 2 ))<br />
c=c 1 + c 2 − c 1· c 2 si c 1· c2>0<br />
c=<br />
c 1 +c 2<br />
1−mín(|c 1 |,|c 2 |)<br />
si c 1· c 2 < 0<br />
Problemas con este enfoque:<br />
Malos resultados para dominios complejos, con cadenas<br />
causales largas<br />
Resultados catastróficos si se mezclan reglas causales con<br />
reglas de diagnóstico<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 71<br />
Inferencia bayesiana y abducción<br />
Abducción:<br />
(∀X)(hipótesis_j(X)⇒evidencia_i(X))<br />
evidencia_i(a)<br />
M(hipótesis_j(a))<br />
—————————<br />
♦(hipótesis_j(a))<br />
Teorema de Bayes:<br />
P(H j |E i )= P(H j)P(E i |H j )<br />
P(H j )P(E i |H j )<br />
Pero las H j deberían ser mutuamente excluyentes. . .<br />
∑<br />
j<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 72