本文關(guān)鍵詞：因果圖推理及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

重慶大學(xué) 碩士學(xué)位論文 因果圖推理及其應(yīng)用研究 姓名：王宏川 申請學(xué)位級別：碩士 專業(yè)：控制理論與控制工程 指導(dǎo)教師：張勤 座機電話號碼 中文摘要 摘 要 人工智能的研究已經(jīng)達到實踐應(yīng)用階段，這些應(yīng)用幾乎覆蓋了每一個領(lǐng)域。在 實際應(yīng)用中，產(chǎn)生了大量早期人工智能理論不能解決的復(fù)雜性，其中之一就是推 理中的知識和信息的不確定性。不確定性是智能問題的本質(zhì)特征，無論是人類智 能還是人工智能，都離不開對不確定性的處理�？梢哉f，智能主要反映在求解不 確定性問題的能力上。因此，不確定推理模型是人工智能與專家系統(tǒng)的一個核心 研究課題。 不確定知識表達的方法可分為兩大類：一類是基于概率的方法，，包括信度網(wǎng) Belief Network 、動態(tài)因果圖 DynamicCausality 包括MYCIN的可信度因子 CertaintyFactor 、模糊邏輯 Fuzzy 成果，但在運用過程中人們越來越意識到這類方法的不足。在概率方法中，信度 網(wǎng)由于其理論的健壯性和一致性、有效的局部計算機制和直觀的圖形化知識表達 方式而日益受到重視。由信度網(wǎng)發(fā)展起來的動態(tài)因果圖理論，借鑒了信度網(wǎng)圖形 知識表達的優(yōu)點，但創(chuàng)新并擴展了表達方式，取消了對系統(tǒng)邏輯結(jié)構(gòu)的限制，引 入了邏輯運算，從而在很大程度上克服了信度網(wǎng)的不足，具有更大的優(yōu)勢。 論文詳細(xì)地介紹了人工智能中不確定性知識表達及其推理的有關(guān)內(nèi)容，并簡要 介紹了信度網(wǎng)知識表達方式：在介紹因果圖知識表達模型、總結(jié)單值因果圖的常 規(guī)推理算法后，針對單值因果圖常規(guī)推理算法中存在邏輯運算量大、計算復(fù)雜的 困難，根據(jù)早期不交化的思想，提出了一種單值因果圖推理的新方法。對于多值 因果圖，本文也提出了一種基

  本文關(guān)鍵詞：因果圖推理及其應(yīng)用研究，由筆耕文化傳播整理發(fā)布。