Modèle des croyances transférables

Smets, P. et R. Kennes, le modèle de croyance transférable, intelligence artificielle 66 (1994) 191 – 234. Le modèle de croyance transférable (TBM) est une élaboration sur la théorie Dempster – Shafer (DST) des preuves développées par Philippe Smets qui a proposé son approche comme une réponse à l`exemple de Zadeh contre la règle de la combinaison de Dempsey. Contrairement à la DST originale, le TBM propage l`hypothèse du monde ouvert qui relaxe l`hypothèse que tous les résultats possibles sont connus. Sous l`hypothèse du monde ouvert, la règle de la combinaison de Dempsey est adaptée de telle sorte qu`il n`y a pas de normalisation. L`idée sous-jacente est que la masse de probabilité relative à l`ensemble vide est prise pour indiquer un résultat inattendu, par exemple la croyance en une hypothèse en dehors du cadre de discernement. Cette adaptation viole le caractère probabiliste de la DST originale et aussi l`inférence Bayésienne. Par conséquent, les auteurs substituaient la notation telle que les masses de probabilité et la mise à jour de probabilité avec des termes tels que des degrés de croyance et de transfert donnant lieu au nom de la méthode: le modèle de croyance transférable. [1] [2] nous décrivons le modèle de croyance transférable, un modèle pour représenter des croyances quantifiées basées sur des fonctions de croyance. Les croyances peuvent se tenir à deux niveaux: (1) un niveau Crédal où les croyances sont divertis et quanti? Ed par les fonctions de croyance, (2) un niveau de pignistic où les croyances peuvent être utilisées pour prendre des décisions et sont quantifiées par des fonctions de probabilité.

La relation entre la fonction de croyance et la fonction de probabilité lorsque les décisions doivent être prises est dérivée et justifiée. Quatre paradigmes sont analysés afin de comparer la probabilité bayésienne, supérieure et inférieure, et les approches de croyance transférables. Lofti Zadeh décrit un problème de fusion de l`information. [3] un patient a une maladie qui peut être causée par trois facteurs différents A, B ou C. le docteur 1 dit que la maladie du patient est très susceptible d`être causée par A (probabilité très probable, signifiant p = 0,95), mais B est également possible mais peu probable (p = 0,05). Le docteur 2 dit que la cause est très probablement C (p = 0,95), mais B est également possible mais peu probable (p = 0,05). Comment est-on de faire son propre opinion de cela? La mise à jour bayésienne du premier avis avec le second (ou l`inverse) implique la certitude que la cause est la règle de la combinaison de B. Dempster conduisent au même résultat. Cela peut être considéré comme paradoxal, puisque bien que les deux médecins pointent à différentes causes, A et C, ils conviennent tous deux que B n`est pas probable. (Pour cette raison, l`approche bayésienne standard est d`adopter la règle de Cromwell et d`éviter l`utilisation de 0 ou 1 comme probabilités.) où le jeu d`alimentation 2 X {displaystyle 2 ^ {X}} contient tous les sous-ensembles possibles du cadre de discernement X {displaystyle X}.

Contrairement à l`heure d`été, la masse m {displaystyle m} allouée au jeu vide ∅ {displaystyle emptyset} n`est pas obligatoire pour être zéro, et donc généralement 0 ≤ m (∅) ≤ 1,0 {displaystyle 0 Leq m (emptyset) leq 1,0} est vrai.

This entry was posted in Uncategorized. Bookmark the permalink.

Comments are closed.