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

La raisonnement avec des informations inexactes est un sujet majeur dans les domaines de l’intelligence artificielle en général et de la représentation et du raisonnement des connaissances en particulier. Cette publication traite d’informations qui peuvent être incomplètes, incertaines et contradictoires. Une logique conditionnelle probabiliste est employée, ce qui permet de représenter des pièces d’information incertaines en utilisant des conditionnels probabilistes, c.-à-d. si-alors. L’incertitude peut être exprimée au moyen de probabilités attachées à ces règles et l’incomplétude peut être gérée dans ce cadre en raisonnant sur le principe d’entropie maximale. Ce livre se concentre sur deux enjeux majeurs qui se posent lors de la représentation des connaissances avec une logique conditionnelle probabiliste. D’une part, nous examinons le problème d’informations contradictoires qui, par exemple, survient lorsque plusieurs experts partagent leurs connaissances afin de constituer une base de connaissances commune composée de conditionnels probabilistes. Comme en logique classique, c’est un problème grave car l’incohérence d’une base de connaissances interdit l’application d’approches d’inférence inductive fondées sur le modèle, telles que le raisonnement basé sur le principe d’entropie maximale. D’autre part, nous étudions une extension des notions syntaxiques et semantiques de la logique conditionnelle probabiliste au cas relationnel. Nous étendons aussi l’approche du raisonnement fondé sur le principe d’entropie maximale au cadre de la logique conditionnelle probabiliste relationnelle et en examinons les propriétés.

Le livre est comme neuf. Le dos est légèrement marqué, voir les photos.