7.1.1. Неопределенность и неточность
Неопределенность и неточность можно рассматривать как две противоположные точки зрения на одну и ту же реальность - неполноту информации [95]. Будем предполагать, что информация выразима в форме логического высказывания, содержащего предикаты и в случае необходимости – квантификаторы. Под базой знаний будем понимать множество сведений, имеющихся у субъекта или группы субъектов или содержащихся в информационной системе и относящихся к одной и той же проблемной области. Тогда предикаты, появляющиеся при выражении информации, могут интерпретироваться как подмножества одного и того же универсального множества. Любое высказывание может также рассматриваться как утверждение, относящееся к появлению некоторого события. В свою очередь, события представимы в виде подмножеств этого универсального множества, называемого «достоверным событием».
Таким образом, имеютсятри эквивалентных способа анализа множества данных в зависимости от того, делается ли акцент на структуре (логическая точка зрения), содержании (теоретико-множественнаяточка зрения) этой информации или на ее отношении к действительным фактам (событийная точка зрения).
Определим информационную единицу четверкой (объект, признак, значение, уверенность). Признаку соответствует функция, задающая значение (множество значений) объекта или предмета, название которого фигурирует в информационной единице. Это значение соответствует некоторому предикату, т.е. подмножеству универсального множества, связанного с данным признаком.
Уверенность есть показатель надежности информационной единицы.
Очевидно, что четыре компонента, образующие информационную единицу, могут быть составными (множество объектов, множество признаков, n-местный предикат, разные степени уверенности). Кроме того, могут вводиться переменные, особенно на уровне объектов, если информация содержит квантификаторы.
В данном контексте можно четко различать понятия неточности и неопределенности: неточность относится к содержанию информации (составляющая «значение» в четверке), а неопределенность – к ее истинности, понимаемой в смысле соответствия действительности (составляющая «уверенность»).
Степень неопределенности информации отражают с помощью квалификаторов (модальностей) типа «вероятно», «возможно», «необходимо», «правдоподобно» и др., которым мы попытаемся придать точный смысл.
Модальность «вероятно» исследовалась на протяжении уже двух веков. Вероятностьимеет две различные интерпретации. Одна из них – физическая (статистическая), связанная с проведением статистических испытаний и определением частоты появления события. Другая - эпистомологическая, относящаяся к субъективному суждению. Модальности «возможно» и «необходимо» изучались еще Аристотелем, который подчеркнул факт их двойственности (если некоторое событие является необходимым, то противоположное ему событие невозможно). В противоположность понятию «вероятно» понятия «возможно» и «необходимо» часто рассматривались в рамках двузначной логики, как категории «все» или «ничего». Но понятие «возможно», как и понятие «вероятно», допускает две интерпретации: физическую (мера трудоемкости выполнения некоторого действия) и эпистомологическую (суждение, которое мало связывает его автора). Наоборот, «необходимо» - гораздо более утвердительное понятие в физическом или эпистомологическом смысле (субъективная необходимость есть определенность, уверенность). Естественно допустить наличие степеней возможности и необходимости, как степеней вероятности (оттенки возможности находятся уже в естественном языке, поскольку можно сказать, например, «очень возможно»). Правдоподобность и доверие имеют чисто эпистемологическую интерпретацию и связаны с возможностью и необходимостью соответственно. Каждое из этих понятий соответствует некоторому способу вывода из заданной базы знаний: заслуживает доверия все то, что непосредственно дедуктивно выводится из базы знаний, а правдоподобно все то, что не противоречит ей (индуктивная точка зрения).
Модальность – одно из важнейших свойств суждений, так как в нем выражается степень существенности того или иного признака для данного предмета, отображенного в суждении. Утверждение о вероятности наступления того или иного события, высказанной в проблематическом суждении, основывается на исследовании фактов, на изучении объективной действительности [96, 97].
Примерами неопределенных высказываний являются высказывания:
«Вероятно, что рост Жана не мене 1,70м» (рост, Жан,1,70м, вероятно).
«Вероятность того, что завтра выпадет 10мм осадков, равна 0,5»
(количество, осадки завтра, 10мм, вероятность = 0,5).
Будем называть информационную единицу точной, если подмножество, соответствующее «значение» в наборе, является одноточечным, т.е. его нельзя разбить на части. В зависимости от способа анализа множества данных будем говорить об элементарном высказывании (т.е. не имплицированном никаким другим высказыванием, за исключением всегда ложного высказывания), синглетоне (теоретико-множественная точка зрения) или элементарном событии. Точность, конечно, зависит от способа определения базового множества (от его «зернистости», например от выбора единицы измерения). В других случаях будем говорить о неточной (impreise) информации.
Нечеткий, размытый, расплывчатый характер информации заключается в отсутствии четких границ у множества значений соответствующих объектов. Многие квалификаторы естественного языка расплывчаты, и для них характерна обобщенность.
В качестве примера можно привести неточное четкое высказывание: с точностью(равенство, (), с точностью, 1); неточное нечеткое высказывание: « приблизительно равен»=(равенство, (,), приблизительно, 1).
Расплывчатый термин «приблизительно» характеризует совокупность значений, более или менее адекватных .
Отсюда следует, что информация может быть одновременно нечеткой и неопределенной, о чем свидетельствует предложение: “Вероятно, что завтра выпадет много осадков”= (количество, осадки завтра, много, вероятно).
Для заданного множества сведений противоречиемежду неточностью и неопределенностью выражается в том, что с повышением точности содержания высказывания возрастает его неопределенность. И наоборот, неопределенный характер очной информации приводит в общем случае к некоторой неточности окончательных заключений, выводимых из этой информации.
- Предисловие
- Список использованных сокращений
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Часть 2.
- Глава 2. Методы представления знаний с использованием
- Часть 3.
- Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- Часть 4.
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- Часть 5.
- Список использованных сокращений и обозначений
- Введение:
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Формализация объекта и парадигмы
- 1.3. Множества и перечень базовых операций над множествами
- Перечень базовых операций над множествами
- Области определения функций
- Обратная функция
- Теорема
- Мера и нечеткая мера
- Задача построения нечетких мер
- Нечеткие множества: определение и формы записи в операциях и
- 1.7.Функции доверия и правило Демпстера а.Р.,[23]
- 1.8. Нормировка функций в теории нечётких множеств
- 1.9. Нечёткие отношения: прямая и обратная задачи
- Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- 2.1.Нечеткие вычислительные технологии
- 2.2.Семантика объекта: определение и типизация
- 2.3.Создание Базы знаний: постановка, семантика, прагматика
- 2.4. Сопоставление объектов: постановка, семантика, прагматика
- 2.5.Распознавание объектов: постановка, семантика, прагматика
- 2.6. Управление процессом представления знаний
- Нечёткие множества: субъективность и неточность
- 2.8.Нечеткая алгебра
- 2.9.Нечеткие иерархические отношения
- 2.10.Естественность операций max и min
- 2.11.Нечеткая статистика
- 2.12. Совместимость и нечеткое ожидание
- Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- 3.2. Обработка нечетких данных как неопределенных чисел
- Методология представления агрегата в виде комплексного механизма
- 3.2.2. Описание исходной информации на языке размытых множеств
- Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- 3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- Анализ информации для диагностики и оценивания состояния механизмов
- 3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- Влияние погрешностей исходных данных на погрешности диагноза
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- Тогда множество диагностических признаков g также будет нечетким
- 4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- 4.3.1.Формализация решения задачи оценивания состояния
- 4.3.2. Особенности решения задач контроля и функционирования агрегата
- Глава 5. Введение в генетическое программирование
- 5.1. Введение в генетические и эволюционные алгоритмы
- 5.2. Сравнительный анализ эволюционных алгоритмов
- 5.3. Генетическое программирование
- 5.4. Перспективные направления развития гп
- Глава 6. Введение в нейронные сети
- 6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- 6.2. Имитация нервных клеток
- 6.3. Математическая модель нейрона
- 6.4. Обучение нейронных сетей
- 6.5. Метод обратного распространения ошибки
- 6.6. Алгоритм настройки нейронной сети
- Глава 7. Другие методы нечетких технологий для построения
- 7.1. Введение в теорию возможностей и смысла
- 7.1.1. Неопределенность и неточность
- 7.1.2. Традиционные модели неточности и неопределенности
- 7.1.3. Меры неопределенности
- 7.1.4. Меры возможности и необходимости
- 7.1.5. Возможность и вероятность
- 7.2. Языки и технологии логического программирования prolog, lisp
- Глава 8. Послесловие
- 8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- 8.2.Экспертные системы нового уровня
- 8.3. Роботика
- 8.4. Преобразование речи искусственного языка
- 8.5. Интеллект муравьёв и его использование
- 8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- 8.7. Боты
- Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- Заключение
- Заключение
- Литература