“Judea Pearl”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
第9行: 第9行:
 
[http://bayes.cs.ucla.edu/jp_home.html J. Pearl 的网页]
 
[http://bayes.cs.ucla.edu/jp_home.html J. Pearl 的网页]
  
== '''什么问题 对应 Pearl 的研究,问题被解决得 怎么样?''' ==
+
== 什么问题 对应 Pearl 的研究,问题被解决得 怎么样? ==
  
 
=== 问题1:如何更新信念  依据不确定的信息?[1] ===
 
=== 问题1:如何更新信念  依据不确定的信息?[1] ===

2021年8月2日 (一) 19:35的版本

谁是 J. Pearl ?

1936年出生

教授,工作于计算机科学系 加州大学洛杉矶分校

获得图灵奖在2012年,因为发明贝叶斯网络

J. Pearl 的网页

什么问题 对应 Pearl 的研究,问题被解决得 怎么样?

问题1:如何更新信念 依据不确定的信息?[1]

  • 使用经典的逻辑,推理出现例外

例如:(1)如果我家的屋顶湿,邻居家的屋顶湿

(2)如果用水浇我家的屋顶,我家的屋顶湿

从(1)和(2)推理出: 如果用水浇我家的屋顶,邻居家的屋顶湿。

可以修改为:如果我家的屋顶湿,邻居家的屋顶湿,不包括用水浇我家的屋顶。

所以逻辑 需要覆盖例外情况,这样的逻辑称为Default Logic。

  • 依据不确定的信息,如何推理出结论?

可以使用Fuzzy Logics,给结论赋予一系列可能的事实。

  • 在推理中,如何模仿信息平行地传播 在大脑中?

使用Beysian Networks, 信息在polytrees中传播。如果传播路径有环(loops), Appropriate Method 能够高效的、准确的解决。在Appropriate method中,信息如何在loops传播,目前不知道。

  • 依据不确定的信息,怎样推理 更好?

Causal Bayesian Networks,Pearl 正在研究。

参考文献

[1]J. Pearl, "A Personal Journey into Bayesian Networks,"

UCLA Cognitive Systems Laboratory, Technical Report (R-476), May 2018.

说明

J. Pearl 发表很多论文,是困难的 去编写问题 从Pearl 的论文 使用自己的语言。因此,我采用多轮次去编写。每个轮次编写1~2个问题。更多问题将编写。

  • 如何编写问题? 请参考“V形图