Cтраница 3
Авторы дают определение оптимальному набору правил, как такому, который минимизирует вероятность получения неверных результатов. Предполагается, что отдельные правила в наборе соответствуют определенному стандарту качества, а главные усилия направляются на выбор в существующем наборе подмножества правил, наилучшего в определенном смысле. Процесс отбора такого оптимального подмножества формулируется как проблема минимизации двудольного графа ( bipartite graph minimization problem), которая базируется на отображении множества вершин, представляющих объекты обучающей выборки, на множество вершин, представляющих исходное множество правил. Показано, что хотя в общем виде эта проблема относится к классу необозримых, но существует эвристический метод ее решения для конкретной постановки, связанной со спецификой экспертных систем. Предлагаемое решение в основном сводится к тому, чтобы минимизировать в наборе вредные взаимные связи между хорошими эвристическими правилами, которые сформированы индуктивными методами. [31]
Рассматриваются методы достоверного ( дедуктивного) и правдоподобного ( абдуктивного, индуктивного) выводов в интеллектуальных системах различного назначения. Приводятся методы дедуктивного вывода на графовых структурах: вывод на графе связей, графе дизъюнктов, вывод на иерархических структурах. Даются различные виды параллелизма при выводе на графовых структурах. Описываются как классические, так и немонотонные модальные логики: логики убеждения и знания, немонотонные логики Мак-Дермотта и Доила, автоэпистемические логики Мура, логики умолчания Рейтера. Приводятся основы теории аргументации и методы абдуктивного вывода. Рассматриваются базовые принципы построения систем обучения и принятия решений и даются задачи обучения без учителя и с учителем. Излагаются индуктивные методы для случая с неполной информацией и методы теории приближенных множеств. [32]