Matthias Thimm - Probabilistic Reasoning with Incomplete and Inconsistent Beliefs - 2012

Razonar con información inexacta es un tema importante dentro de los campos de la inteligencia artificial en general y de la representación y el razonamiento del conocimiento en particular. Esta publicación trata sobre información que puede ser incompleta, incierta y contradictoria. Se emplea la lógica condicional probabilística, que permite la representación de piezas de información inciertas mediante condicionales probabilísticos, es decir, reglas if-then. La incertidumbre puede expresarse mediante probabilidades asociadas a esas reglas y la falta de información puede gestionarse en este marco razonando con el principio de entropía máxima. Este libro se centra en dos cuestiones principales que surgen al representar el conocimiento con lógica condicional probabilística. Por un lado, analizamos el problema de información contradictoria que, por ejemplo, surge cuando varios expertos comparten su conocimiento para crear una base de conocimiento común formada por condicionales probabilísticos. Como en la lógica clásica, este es un problema grave porque la inconsistencia de una base de conocimiento prohíbe la aplicación de enfoques de inferencia inductiva basados en el modelo, como el razonamiento basado en el principio de entropía máxima. Por otro lado, investigamos una extensión de las nociones sintácticas y semánticas de la lógica condicional probabilística al caso relacional. También extendemos el enfoque de razonamiento basado en el principio de entropía máxima al marco de la lógica condicional probabilística relacional e investigamos sus propiedades.

El libro está como nuevo. La encuadernación está ligeramente manchada, ver fotos.