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

Ragionare con informazioni inaccurate è un argomento chiave nei campi dell’intelligenza artificiale in generale e della rappresentazione e ragionamento della conoscenza in particolare. Questa pubblicazione tratta informazioni che possono essere incomplete, incerte e contraddittorie. Viene impiegata la logica condizionale probabilistica che permette la rappresentazione di pezzi di informazione incerti usando condizionali probabilistici, cioè regole if-then. L’incertezza può essere espressa mediante probabilità attribuite a tali regole e l’incompletezza può essere gestita in questo quadro ragionando in base al principio dell’entropia massima. Questo libro si concentra su due problemi principali che emergono quando si rappresenta la conoscenza con la logica condizionale probabilistica. Da un lato, analizziamo il problema delle informazioni contraddittorie che, ad es., si verifica quando molteplici esperti condividono le loro conoscenze per giungere a una base di conoscenza comune costituita da condizionali probabilistici. Come nella logica classica, questo è un problema grave perché l’incongruenza di una base di conoscenza vieta l’applicazione di approcci di inferenza induttiva basati sul modello, come il ragionamento basato sul principio dell’entropia massima. D’altro lato, studiamo un’estensione delle nozioni sintattiche e semantiche della logica condizionale probabilistica al caso relazionale. Estendiamo inoltre l’approccio al ragionamento basato sul principio dell’entropia massima al quadro della logica condizionale probabilistica relazionale e indaghiamo le sue proprietà.

Il libro è come nuovo. La costa è leggermente sporca, vedere le foto.