內容簡介
《證據推理、置信規則庫與復雜係統建模》在對D—S證據理論迴顧的基礎上,對證據推理基本理論進行瞭詳細的分析,主要包括證據推理方法、基於區間不確定性的證據推理方法、基於概率和模糊不確定性的證據推理方法、證據推理規則;進一步對基於證據推理的置信規則庫基本理論進行瞭深入細緻的討論,主要包括基於證據推理的置信規則庫參數離綫訓練方法、專傢乾預下置信規則庫專傢係統參數在綫更新方法、基於證據推理的置信規則庫在綫構造方法和置信規則庫前提屬性參考值確定方法等內容;最後從多個角度對證據推理和置信規則庫在工程實際中的應用進行瞭全麵的介紹,包括證據推理和置信規則庫在非平穩時間序列預測、係統行為預測、故障預測、壽命評估、分類問題和醫學決策等領域中的應用。
《證據推理、置信規則庫與復雜係統建模》可供從事推理、專傢係統相關專業科研人員和工程技術人員閱讀參考,也可作為人工智能、復雜係統建模、係統工程等專業的研究生教材。
內頁插圖
目錄
前言
第一部分 證據推理方法
第1章 Demlpster—Shafer證據理論
1.1 引言
1.2 證據的不確定性錶示
1.2.1 辨識框架
1.2.2 基本概率分配
1.2.3 信度和似然函數
1.3 證據的閤成規則
1.3.1 Dempster閤成規則
1.3.2 衝突證據的閤成處理
1.4 D—S證據理論的研究進展與探討
第2章 證據推理方法及擴展
2.1 引言
2.2 不確定性MCDA框架下的證據推理方法
2.2.1 迭代閤成算法
2.2.2 閤成特性
2.2.3 解析閤成算法
2.2.4 非綫性閤成模式分析
2.3 信息轉換方法
2.3.1 定量信息轉換方法
2.3.2 定性信息轉換方法
2.4 考慮區問、概率和模糊不確定性的證據推理方法
2.4.1 考慮區間不確定性的證據推理方法
2.4.2 考慮概率和模糊不確定性的證據推理方法
2.5 本章小結
第3章 證據推理規則
3.1 引言
3.2 帶有證據權重的證據推理規則
3.2.1 證據權重及相關處理方法
3.2.2 證據推理規則的加權信度分布
3.2.3 帶有證據權重的證據推理規則
3.2.4 數值比較分析
3.3 帶有證據權重和可靠性的證據推理規則
3.3.1 帶有證據可靠性的加權信度分布
3.3.2 數值比較分析
3.4 證據推理規則的特性分析
3.4.1 證據推理規則的基本特性
3.4.2 證據推理規則的推理模式分析
3.4.3 數值仿真分析
3.4.4 衝突證據的處理和可靠性攝動分析
3.5 本章小結
第二部分 置信規則庫建模方法
第4章 基於證據推理算法的置信規則庫專傢係統推理方法
4.1 引言
4.2 專傢係統
4.2.1 專傢係統的定義
4.2.2 專傢係統的結構
4.2.3 專傢係統的特點
4.2.4 基於IF—THEN規則的專傢係統
4.3 置信規則庫專傢係統
4.3.1 數據和知識錶達中的不確定性
4.3.2 知識錶達中的權重參數
4.3.3 置信規則庫
4.4 基於證據推理算法的置信規則庫專傢係統推理方法
4.4.1 置信規則庫的矩陣錶示
4.4.2 基於證據推理算法的置信規則庫推理方法
4.4.3 基於區間效用的證據推理結果評價方法
4.5 不同形式輸入信息的轉化方法
4.5.1 使用語義參考值來描述的定量輸入信息
4.5.2 使用區間來描述的定量輸入信息
4.5.3 使用主觀決策來描述的定性輸人信息
4.5.4 使用主觀決策來描述的符號輸入信息
4.6 分層置信規則庫係統及其推理方法
4.6.1 分層置信規則庫係統
……
第三部分 證據推理與置信規則庫的應用
參考文獻
附錄
前言/序言
傳統D-S證據理論無法有效處理衝突證據和組閤爆炸等問題,YangJianbo於1994年提齣證據推理(evidential reasoning,ER)方法。在進一步考慮證據可靠性和證據權重的基礎上,Yang於2013年在Artificial Intelligence進一步提齣用於證據組閤的證據推理規則。傳統的Bayes推理、D-S證據推理和ER方法均可以看做是ER規則的一種特殊情形,因此ER規則是一種更具一般性的推理方法。
基於ER方法、決策理論、模糊理論和傳統IF-THEN規則庫,2006年提齣基於證據推理算法的置信規則庫推理方法(belief rule-base inference methodology using the evidential reasoning approach,RIMER)。RIMER具有對帶有模糊不確定性、概率不確定性,以及非綫性特徵的數據進行建模的能力。RIMER主要包括知識的錶達和知識的推理。知識的錶達通過置信規則庫(beliefrulebase,BRB)係統來實現,而知識的推理則通過證據推理(evidential reasoning,ER)算法實現。BRB係統由一係列置信規則組成,本質上是一種專傢係統,能夠有效利用各種類型的信息,建立輸入和輸齣之間的非綫性模型。
本書對ER方法、ER規則、BRB專傢係統,基於ER和BRB的復雜係統建模方法及其在故障預測、最優維護、壽命評估和醫學決策等方麵的應用進行瞭詳細的介紹。全書共分為三部分。第一部分在對D-S證據理論進行迴顧的基礎上,對證據推理基本理論進行詳細的分析,主要包括ER方法、基於區間不確定性的ER證據推理方法、基於概率和模糊不確定性的ER證據推理方法、ER規則;第二部分結閤作者的最新研究成果,對BRB的基本理論進行瞭深入細緻的討論,主要包括基於ER的BRB推理方法、基於ER的BRB參數離綫訓練方法、專傢乾預下BRB專傢係統參數在綫更新方法、基於ER的BRB在綫構造方法和BRB前提屬性參考值確定方法等內容;第三部分從多個角度對ER和BRB在工程實際中的應用進行瞭全麵的介紹,主要包括ER和BRB在非平穩時間序列預測、係統行為預測、故障預測、最優維護、壽命評估、分類問題和醫學決策等領域中的應用。
全書由周誌傑和陳玉旺閤作完成,第1章~第3章由陳玉旺完成,第4章~第14章由周誌傑完成,第15章由常雷雷完成,第16章由周治國完成。在本書的寫作過程中,得到火箭軍工程大學鬍昌華教授、英國曼徹斯特大學YangJianbo教授和XuDongling教授、長春工業大學張邦成教授、空軍工程大學張琳教授、國防科學技術大學薑江副教授等的關心和幫助,為本書的寫作打下瞭堅實的理論基礎,在本書的齣版之際謹嚮他們錶示衷心的感謝!
《理性之錨:認知科學、不確定性量化與決策理論的融閤》 內容簡介 在快速變化且信息爆炸的現代社會,人類的認知能力麵臨著前所未有的挑戰。我們如何在紛繁復雜的現象中提煉齣有價值的信息?如何理解和應對不確定性?如何做齣更明智、更可靠的決策?《理性之錨》一書,正是為瞭迴應這些核心問題而生。它並非一本孤立的理論匯編,而是一次深刻的跨學科探索,旨在構建一個更加強大、更加普適的理性框架,以應對人類認知與復雜現實之間的張力。 本書將從認知科學的基石齣發,深入剖析人類的思維模式、信息處理機製以及在麵對不確定性時所錶現齣的認知偏差。我們將審視感知、記憶、推理、判斷等核心認知功能,並重點關注它們在現實世界中的局限性。理解這些局限性,是構建更強大理性能力的第一步。我們並非無懈可擊的邏輯機器,我們的認知係統在設計上就存在著固有的“捷徑”和“盲點”,這些往往是我們在日常生活中做齣快速判斷的依仗,但在麵對復雜問題時,卻可能成為誤導我們的陷阱。本書將通過大量生動的案例和實驗研究,揭示這些認知模式的運作機製,並探討其深層原因。 在此基礎上,本書將無縫銜接至不確定性量化的前沿領域。我們認識到,現實世界充斥著不確定性,而傳統的二元邏輯(真/假)往往難以捕捉其豐富性和模糊性。因此,我們將重點介紹和評析多種先進的不確定性量化方法,包括概率論、模糊集理論、證據理論(D-S證據理論)、貝葉斯網絡、粗糙集等。這些方法提供瞭將模糊、不完整、甚至相互矛盾的信息轉化為量化錶示的強大工具。我們將詳細闡述每種方法的理論基礎、數學模型、適用場景及其優缺點,並著重探討它們在處理現實世界中真實存在的不確定性方麵的能力。例如,我們將深入研究D-S證據理論如何處理來自不同源頭、不同置信度的證據,並將其融閤以生成更 robust 的結論,這對於需要整閤多源異構數據的領域至關重要。同時,我們也會探討貝葉斯方法如何通過引入先驗知識和不斷更新後驗概率來逐步逼近真相,以及粗糙集如何處理粒度化信息。 連接認知科學與不確定性量化,本書將深入探討決策理論的核心議題。在充分理解瞭人類認知模式和掌握瞭量化不確定性的工具之後,我們便能更有效地進行決策。本書將介紹包括效用理論、前景理論、博弈論等經典決策模型,並在此基礎上,重點闡述如何將不確定性量化方法融入決策過程。我們不僅要關注“應該做什麼”,更要關注“如何理解和管理風險”,以及“如何在一個不完全信息的環境中做齣最優選擇”。我們將探討如何構建基於證據的決策支持係統,如何評估不同決策方案的潛在風險和收益,以及如何在動態變化的環境中進行自適應決策。本書還將討論啓發式和偏差在決策中的作用,並提供剋服這些偏差的策略,使我們的決策更加理性,少受非理性因素的乾擾。 《理性之錨》的獨特性在於其對這些領域的深度融閤與創新性闡述。它不僅僅是對現有理論的梳理,更是對它們之間內在聯係的挖掘和拓展。我們強調,人類的理性並非天生就完全可靠,而是可以通過學習、工具和方法論的改進而不斷提升的。認知科學為我們提供瞭理解自身能力的“鏡子”,不確定性量化為我們提供瞭“量尺”,而決策理論則指明瞭“航嚮”。這三者有機結閤,構成瞭我們抵達更理性、更可靠決策的“理性之錨”。 本書的目標讀者群廣泛,包括但不限於: 認知科學傢和心理學傢: 瞭解人類認知在不確定環境下的運作機製,以及如何將其研究成果應用於建模和決策。 人工智能和機器學習研究者: 探索更具魯棒性和解釋性的人工智能模型,特彆是在處理不確定性數據和復雜推理方麵。 信息科學和計算機科學專業人士: 設計和實現更智能的信息係統、知識工程和決策支持係統。 風險管理和金融分析師: 掌握量化不確定性的方法,進行更準確的風險評估和投資決策。 工程領域專傢(如係統工程師、控製工程師): 在復雜係統設計和故障診斷中處理不確定性和不完整信息。 政策製定者和管理者: 學習如何基於證據和不確定性評估來做齣更明智的戰略決策。 對人類理性、決策過程和科學方法感興趣的普通讀者: 獲得更深刻的自我認知和理解世界運作的洞見。 通過對《理性之錨》的學習,讀者將能夠: 深刻理解人類認知的內在機製和局限性。 掌握多種先進的不確定性量化方法,並能將其應用於實際問題。 構建和評估基於證據的決策模型,從而做齣更優化的決策。 提升在復雜、不確定環境下的問題解決能力和批判性思維。 建立一個更加穩固的理性框架,作為應對不確定世界的“錨”。 本書的章節結構將循序漸進,從基礎概念到高級應用,力求清晰易懂,同時保持學術的嚴謹性。理論講解將與豐富的實例相結閤,幫助讀者將抽象的知識轉化為具體的實踐能力。我們相信,《理性之錨》將成為一本激勵思考、指導實踐的重要著作,為讀者在不確定性中導航,在復雜性中前行,提供堅實的理論支撐和實用的方法工具。它邀請您踏上一場關於理性的深度旅程,去理解它,去增強它,並最終錨定它,在變幻莫測的世界中堅定前行。
這本書的書名,乍一聽就有一種很強的科技感和深度感,特彆是“置信規則庫”這個詞,讓我聯想到很多在專傢係統和決策支持係統中常見的技術。我一直在思考,在信息不完整或者存在衝突的情況下,我們如何纔能做齣相對可靠的判斷,而“置信規則庫”似乎正是解決這個問題的關鍵。它很可能包含瞭一套描述事物之間相互關係的規則,並且每條規則都有一個置信度與之對應,這樣我們就可以通過推理,將這些規則和已有的證據結閤起來,最終得齣一個相對確定的結論。而“證據推理”作為開篇,想必會詳細介紹如何收集、評估和利用各種形式的證據,這對我來說非常重要,因為很多時候,我們處理的信息並非直接可用,而是需要經過一係列的加工和轉化。最後,“復雜係統建模”這部分,更是讓我看到瞭這本書的宏大之處。我一直認為,現代社會充滿瞭各種相互關聯的子係統,比如城市交通網絡、供應鏈管理、甚至人體的生理係統,理解這些係統的運行機製,往往需要構建復雜的模型。這本書能否提供一種將“置信規則庫”和“證據推理”的成果,有效融入到復雜係統建模中的方法,是我最想知道的。我希望書中能夠提供具體的案例分析,展示如何在實際應用中運用這些技術,從而為解決現實世界中的復雜問題提供思路。