CHƢƠNG 1 QUẢN LÝ QUÁ TRÌNH PHÁT TRIỂN DỰ ÁN
2.2 Nhân tố chắc chắn dƣới khía cạnh xác suất
2.2.4 Lan truyền chắc chắn đốivới các luật có cùng kết luận
Trong một vài ứng dụng người ta có thể viết nhiều luật về cùng một kết luận. Chẳng hạn để tin rằng trời sắp mưa, người ta căn cứ vào ý kiến của nhà dự báo khí tượng hay vào nông dân.
Luật 1. IF nhà dự báo nói sắp mưa, E1 THEN sắp mưa, H với CF (luật 1)=0.8
Luật 2. IF nông dân nói sắp mưa, E2 THEN sắp mưa, với CF (luật 2)=0.8
Hai luật dựa trên hai nguồn, có cùng giá trị CF. Về tâm lý thì khi có nhiều nguồn khẳng định một kết luận, người ta sẽ cảm thấy tin tưởng hơn, chẳng hạn tin hơn vào trời sẽ mưa nếu được khẳng định của cả dự báo thời tiết và nông dân. Nhóm MYCIN dùng ý tưởng này trong kỹ thuật „dấu hiệu thu thập nhiều lên‟ để kết hợp các giá trị tin cậy và phản bác của các luật về cùng một kết luận.
Chẳng hạn có luật 1: IF E1 THEN H và luật 2
IF E2 THEN H, dạng nguyên bản của đẳng thức dùng trong kỹ thuật này do Shortlife và Buchanan đưa ra năm 1975 là:
MB (H,E1&E2)=0 nếu MD (H,E1&E2)=1, hoặc
MB (H,E1&E2)=MB (H,E1)+MB (H,E2)* (1-MB (H,E1) nếu ngược lại MD (H,E1&E2)=0 nếu MB (H,E1&E2)=1, hoặc
MD (H,E1&E2)=MD (H,E1)+MD (H,E2)* (1-MD (H,E1)) nếu ngược lại
Các đăng thức khẳng định rằng các dấu hiệu bổ sung E2 sẽ làm tăng các giá trị do dấu hiệu E1 đã xác định. Các MD và MB được cập nhất sẽ cho phép tính nhân tố tin cậy theo CF=MB-MD
37
Trong một vài ứng dụng, nên tính đến MD và MB như các trợ giúp thêm khi có thêm thông tin. Nhưng trong vài ứng dụng khác, người ta chỉ quản lý một bản ghi về giá trị CF được cập nhật. Đối với các ứng dụng này, người ta có thể dùng đẳng thức
CF (kết hợp)=CF1+CF2 (1-CF1) khi cả 2 CFi là dương CF (kết hợp)=CF1+CF2 (1+CF1) khi cả 2 CFi là âm; và
CF (kết hợp)= (CF1+CF2)/ (1-min{|CF1|,|CF2|}),trong đó CFi thê hienẹ tin cậy vào H theo luật thứ i.
Các đẳng thức tính MD,MB và CF trong mô hình chắc chắn có thuộc tính hoán đổi tiệm cận.
2.2.4.1 Hoán đổi
Tính chất hoán đổi cho phép thay đổi trật tự sử dụng luật. Mô hình chắc chắn cần tính chất này để thu thập các dấu hiệu theo trật tự tùy ý. Tức là nếu có nhiều luật thu thập thông tin thì giá trị tổng hợp CF không bị lệ thuộc vào thứ tự xử lý luật.
2.2.4.2 Tiệm cận
Tính chất tiệm cận khẳng định tri thức càng được thu thập sẽ càng làm đúng giả thuyết. Người ta cần tính chất tiệm cận bởi hai lí do. Trước hết nó phản ánh cách mà thầy thuốc thu thập độ tin cậy về giả thuyết nào đó từ nhiều nguồn thông tin. Trong số nhiều nguồn khẳng định giả thuyết thì người ta cảm thấy tin ở một nguồn nào đó, và ứng với nó là độ tin cậy cao hơn. Thứ hai, tính chất này đảm bảo tổng hợp các độ tin cậy không vượt quá 1, mà chỉ tiệm cận về 1.
Giả sử tiếp tục hai luật trên về dự báo mưa. Người ta thấy có các trường hợp xảy ra như sau:
Trường hợp 1
Cả người dự báo và người nông dân đều chắc chắn về mưa. CF (E1) = CF (E2) = 1.0. Theo đẳng thức tính CF tổng hợp, người ta thu được:
CF1 = CF1 (H,E1)=CF (E1)*CF (luật 1) = 1.0*0.8 = 0.8 CF2 = CF2 (H,E2)=CF (E2)*CF (luật 2) = 1.0*0.8 = 0.8
CFkết hợp (CF1, CF2) = CF1 + CF2 * (1-CF1) = 0.8 + 0.8* (1 - 0.8) = 0.96
38
Trường hợp này cho biết cách tăng nhân tố chắc chắn nhờ dấu hiệu của cả hai luật đối với cùng một giả thuyết. Thực tế cũng cho thấy khi có nhiều khẳng định thì người ta tin tưởng hơn.
Trường hợp 2
Nhà dự báo khẳng định mưa, còn người nông dân thì không. Tức là CF (E1)=1.0, CF (E2)=-1.0
CF1=CF1 (H,E1)=CF (E1)*CF (luật 1)=1.0*0.8=0.8 CF2=CF2 (H,E2)=CF (E2)*CF (luật 2)=-1.0*0.8=-0.8
CFkết hợp (CF1,CF2)= (CF1+CF2)/ (1-min{|CF1|,|CF2|})
= (0.8-0.8)/ (1-min{0.8,0.8})=0
Trường hợp này cho biết nhân tố tiên đoan smưa ứng với „không biết‟ vì một nguồn khẳng định mưa bị mất tác dụng bởi nguồn kia. Ở đây người ta dùng độ tin cậy tin vào giả thuyết.
Trường hợp 3
Chị dự báo và bác nông dân tin rằng không mưa theo độ tin cậy khác nhau chẳng hạn CF (E1)=-0.8 và CF (E2)=-0.6
CF1=CF1 (H,E1)=CF (E1)*CF (luật 1)=-0.8*0.8=-0.64 CF2=CF2 (H,E2)=CF (E2)*CF (luật 2)=-0.6*0.8=-0.48
CFkết hợp (CF1,CF2)=CF1+CF2* (1+CF1)=-0.64-0.48* (1-0.64)=-0.81
Kết quả cho thấy độ tin cậy càng giảm khi có nhiều dấu hiệu phản bác Trường hợp 4
Các nguồn có cùng độ tin cậy về mưa, nhưng có một nguồn cho rằng không mưa. Chẳng hạn CF (mưa)=0.8, do có nhiều nguồn nên
CFkết hợp (CF1,..CFn)->0.999=CFcũ
CF này thể hiện độ tin cậy tổng hợp về mưa từ các nguồn thông tin cũ. Nếu có nguồn mới có độ tin cậy CFmới=-0.8. Theo công thức tính CF kết hợp:
CFkết hợp (CFcũ,CFmới)= (CFcũ+CFmới)/ (1-min{|CFcũ|,|CFmới|})=0.995
Kết quả cho thấy một dấu hiệu phản bác không tác động nhiều lắm so với nhiều dấu hiệu khẳng định.
39