The development of automated inference techniques that accommodate uncertainty has
been an area of active research in the artificial intelligence community, particularly in the
context of expert systems [KL86,LK88]. Popular approaches include those based on purely
symbolic reasoning [Coh85,Doy79], fuzzy sets [Zad83], and a variety of probability models
[Ni186,Che88]. Two inference models based on probabilistic methods are of particular interest:
Bayesian inference networks [Pea88,LS88] and the Dempster-Shafer theory of evidence
[Dem68,Sha76].
มีการพัฒนาเทคนิคการอนุมานอัตโนมัติที่รองรับความไม่แน่นอนรับพื้นที่ของงานวิจัยในชุมชนประดิษฐ์ โดยเฉพาะอย่างยิ่งในการบริบทของระบบผู้เชี่ยวชาญ [KL86, LK88] วิธียอดนิยมรวมถึงตามแท้เหตุผลสัญลักษณ์ [Coh85, Doy79], ชุดเลือน [Zad83], และความหลากหลายของรูปแบบความน่าเป็น[Ni186, Che88] ข้อสองรุ่นอิงวิธีน่าจะสนใจเป็นพิเศษ:ทฤษฎีการอ้างอิงเครือข่าย [Pea88, LS88] และทฤษฎี Dempster Shafer ของหลักฐาน[Dem68, Sha76]
การแปล กรุณารอสักครู่..

การพัฒนาของการอนุมานแบบอัตโนมัติเทคนิคที่รองรับความไม่แน่นอนได้รับพื้นที่ใช้งานวิจัยในชุมชนประดิษฐ์ข่าวกรอง โดยเฉพาะอย่างยิ่งในบริบทของระบบ [ ผู้เชี่ยวชาญ kl86 lk88 , ] วิธีที่นิยม ได้แก่ ผู้ที่อยู่ในหมดจดเหตุผล coh85 doy79 [ สัญลักษณ์ ] ฟัซซี่ , ชุด [ zad83 ] , และความหลากหลายของแบบจำลองความน่าจะเป็นni186 che88 [ , ] สองการอนุมานแบบตามวิธีความน่าจะเป็นมีความสนใจเฉพาะ :คชกรรมเครือข่าย [ 17 ] และ pea88 ls88 , เดมป์สเตอร์ Shafer ทฤษฎีของหลักฐานdem68 sha76 [ , ]
การแปล กรุณารอสักครู่..
