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

Rozumowanie przy użyciu nieścisłych informacji to główny temat w ogólnych dziedzinach sztucznej inteligencji oraz w szczególności reprezentowania wiedzy i wnioskowania. Niniejsza publikacja dotyczy informacji, które mogą być niekompletne, niepewne i sprzeczne. Stosuje się probabilistyczną logikę warunkową, która umożliwia reprezentację niepewnych części informacji za pomocą probabilistycznych warunków, tj. reguł if-then. Niepewność może być wyrażana za pomocą prawdopodobieństw przypisanych do tych reguł, a niekompletność może być obsłużona w tym ramach poprzez rozumowanie na podstawie zasady maksymalnej entropii. Książka koncentruje się na dwóch głównych problemach, jakie pojawiają się przy reprezentowaniu wiedzy za pomocą probabilistycznej logiki warunkowej. Z jednej strony analizujemy problem sprzecznych informacji, które na przykład pojawiają się, gdy wielu ekspertów dzieli się swoją wiedzą, aby stworzyć wspólną bazę wiedzy składającą się z probabilistycznych warunków. Podobnie jak w klasycznej logice, jest to poważny problem, ponieważ niespójność bazy wiedzy uniemożliwia zastosowanie indukcyjnych technik wnioskowania opartych na modelowaniu, takich jak wnioskowanie oparte na zasadzie maksymalnej entropii. Z drugiej strony badamy rozszerzenie składniowych i semantycznych pojęć probabilistycznej logiki warunkowej na przypadek relacyjny. Rozszerzamy także podejście rozumowania oparte na zasadzie maksymalnej entropii w ramach relacyjnej probabilistycznej logiki warunkowej i badamy jego własności.

Książka jest jak nowa. Grzbiet nieco zużyty, zobacz zdjęcia.