ebakindlad teadmised n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
„ebakindlad“ teadmised PowerPoint Presentation
Download Presentation
„ebakindlad“ teadmised

Loading in 2 Seconds...

play fullscreen
1 / 12

„ebakindlad“ teadmised - PowerPoint PPT Presentation


  • 216 Views
  • Uploaded on

„ebakindlad“ teadmised. Jekaterina Ivask. Ebatäpsused, ebakindlused. On mitut sorti omadusi, mida tavaliselt andmetes näha ei soovita: Ebatäpsus (maatüki külje pikkus on 50 meetrit täpsusega +-2 meetrit) Ebakindlus (ma arvan, et see maksis 50) Hägused (see on vana tööriist)

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about '„ebakindlad“ teadmised' - gray-burks


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
ebat psused ebakindlused
Ebatäpsused, ebakindlused

On mitut sorti omadusi, mida tavaliselt andmetes näha ei soovita:

  • Ebatäpsus (maatüki külje pikkus on 50 meetrit täpsusega +-2 meetrit)
  • Ebakindlus (ma arvan, et see maksis 50)
  • Hägused (see on vana tööriist)
  • Vasturääkivad
  • Puudulikud
  • Liiased
k simus
Küsimus?

Kas info võib olla ebatäpne ja samal ajal kindel?

iga info on ebat pne
Iga info on ebatäpne!

Täpsuse hinnang = absoluutse täpsuse ja nõuete kombinatsioon

Et parandada täpsuse hinnangut, võib suurendada tegelikku täpsust, aga võib ka vähendada nõudeid.

t en osus
Tõenäosus
  • Asub vahemikus nullist üheni.
  • Mingi sündmuse ja selle vastandsündmuse tõenäosuste summa on 1.
  • Eeliseks: selge sisu, ühtne kujutamine, üsna täpse ja põhjaliku matemaatilise aparaadi olemasolu.
  • Puudused: tõenäosus ei pruugi kajastada sisuliselt ebakindlust, sündmused on tavaliselt vastastikuses sõltuvuses – seepärast sündmuste tegelik hindamine ja töötlemine teadmussüsteemides ei vasta tihti tõenäosuse formaalsetele eeldustele (matemaatika on hea, aga ei vasta alati vajadustele).
v ite kaal on ebakindluse m t
Väite kaal on ebakindluse mõõt
  • Eksisteerib üks minimaalne ja maksimaalne kaal, teised on nende vahel.
  • Kaalud on tihti normeeritud (näiteks, maksimum võrdub ühega).
  • Variante: ühe väite ebakindlust iseloomustavad kaks mõõtu (nt ebakindlus ise ja see, kui veendunud me selles hinnangus oleme).
h gusate hulk
Hägusate hulk
  • Ebakindlusmõõduks mitte üks või kaks suurust, vaid terve hulk või seda iseloomustav funktsioon. Selline funktsioon kirjeldab mingit mõistet, näiteks “pikk” või “külm”.
  • Hägusad hulgad vastavad üsna hästi teatavatele praktilistele ebakindlusolukordadele ja on ka hästi formaliseeritavad. Kuna aga mõõdud on keerulised, on nende töötlus teadmussüsteemides tihti raske.
tehted kindlushinnangutega
Tehted kindlushinnangutega
  • AND(ja, "korrutamine"), vajalik eelduste kogukaalu leidmisel, kui nad on seotud AND tehtega
  • INFERENCE (järeldamine), vajalik järelduse kaalu leidmiseks, kui on antud reegli ja eelduse kaalud
  • OR (või, "liitmine"), vajalik mitme reegli järelduste kombineerimiseks
j reldamine ebakindlate andmetega
Järeldamine ebakindlate andmetega
  • Olukorras esinev ebakindlus interpreteeritakse kindlushinnanguks, mis sisestatakse koos andmetega.
  • Reeglite eeldustes esinevad kindlushinnangud kombineeritakse eelduse koguhinnanguks (kasutades vastavalt reeglile tavaliselt AND, mõnikord ka OR).
  • Eelduse koguhinnang ja reegli kindlushinnang kombineeritakse INFERENCE abil.
  • Kui mitu reeglit viivad sama järelduseni, kombineeritakse tulemused OR abil.
  • Saadud järelduse arvulist koguhinnangut interpreteeritakse tegelikkuses midagi tähendama.