67 lines
2.4 KiB
Markdown
67 lines
2.4 KiB
Markdown
|
---
|
|||
|
author: François Pelletier
|
|||
|
date: 11 octobre 2017
|
|||
|
header-includes:
|
|||
|
- \usepackage[T1]{fontenc}
|
|||
|
- \usepackage[french]{babel}
|
|||
|
- \usepackage{datetime}
|
|||
|
- \usepackage{hyperref}
|
|||
|
---
|
|||
|
|
|||
|
# Semaine 6: Journal collectif: La gestion de l'incertain dans les systèmes à base de connaissances
|
|||
|
|
|||
|
On parle d'incertain:
|
|||
|
|
|||
|
- Inconsistance
|
|||
|
- Incomplétude
|
|||
|
- Variabilité
|
|||
|
|
|||
|
Approches:
|
|||
|
|
|||
|
- Systèmes probabilistes dérivés du théorème de [Dempster–Shafer](https://fr.wikipedia.org/wiki/Th%C3%A9orie_de_Dempster-Shafer), qui est une généralisation du théorème de Bayes
|
|||
|
- Raisonnement bayesien (réseau bayesien)
|
|||
|
- Facteurs de certitude ou de croyance
|
|||
|
- Logique floue
|
|||
|
- Logique modale?
|
|||
|
|
|||
|
Est-ce que ces approches répondent aux mêmes objectifs?
|
|||
|
|
|||
|
- Logique floue:
|
|||
|
- Langage naturel
|
|||
|
- On peut tout convertir en logique floue
|
|||
|
- Approches probabilistes
|
|||
|
- Approches scientifiques dans la collecte de données
|
|||
|
|
|||
|
Pourquoi gérer l'incertain ?
|
|||
|
|
|||
|
- Plusieurs hypothèses possibles
|
|||
|
- Au niveau de la règle (force de la règle, mesure de la véracité, facteur de croyance)
|
|||
|
- Condition -(force)-> Conclusion
|
|||
|
- Héritage d'un facteur d'incertitude d'une règle appliquée précédemment au niveau des conditions.
|
|||
|
- Au niveau de l'utilisateur, les faits ou données du problème peuvent être incomplètes ou erronées
|
|||
|
- $CF(fait) \wedge CF(autres hypothèses) \rightarrow CF(conditions)$
|
|||
|
|
|||
|
Dans la conception:
|
|||
|
|
|||
|
- Quel niveau de complétude accepter
|
|||
|
- Représenter l'incertitude et raisonner avec
|
|||
|
|
|||
|
Avec les facteurs de croyances, est-il possible de multiplier deux facteurs négatifs pour obtenir un facteur positif.
|
|||
|
|
|||
|
- Serait en théorie possible (on s'approche de la négation de la négation)
|
|||
|
- On ne voudra pas de règles avec un facteur de croyance négative, mais plutôt la règle dérivée avec un facteur positif.
|
|||
|
- Aucune pertinence à conserver une règle fausse dans un système.
|
|||
|
- Dans le négatif, le meilleur des cas est "0"
|
|||
|
- $CF(\text{conditions}) \times CF(\text{force de la règle}) = CF(\text{Hypothèse})$
|
|||
|
|
|||
|
Possibilité d'un hybride en utilisant la règle de Bayes, mais avec les facteurs de croyances?
|
|||
|
|
|||
|
- Pas de notion de vrai ou faux en probabilités. S'applique sur la réalisation d'un évènement
|
|||
|
- Probabilité: déterministe ou expérimental
|
|||
|
- Facteur de croyance: très peu probable donne un facteur près de zéro.
|
|||
|
- Approche Valuation-based qui est une généralisation
|
|||
|
|
|||
|
On ne peut pas faire de chaînage arrière avec une règle négative.
|
|||
|
|
|||
|
|