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.
Con:<br />
Inferencia bayesiana: exclusión de hipótesis<br />
P(H j ) = 1−P(H j )<br />
P(H j |E i )=<br />
P(H j |E i )=<br />
P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )+P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )+P(H j )P(E i |H j )<br />
P(E i |H j )=1−P(E i |H j )<br />
P(E i |H j )=1−P(E i |H j )<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 73<br />
Inferencia bayesiana: conoc. factual y normativo<br />
Conocimiento factual: E 1 ,E 2 ,...<br />
Conocimiento normativo:<br />
P(H 1 ),P(H 2 )...<br />
P(E i |H j )≡ Si H j es verdadera entonces aparece E i<br />
con probabilidad P(E i |H j )<br />
P(E i |H j )≡ Si H j es falsa entonces aparece E i<br />
con probabilidad P(E i |H j )<br />
Base de conocimientos:<br />
{P(E i |H j ),P(E i |H j ),P(H j )}<br />
Regla de inferencia (conocimiento táctico): Bayes<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 74