朱迪亚·珀尔 智能系统中的概率推理：似是而非推理网络。 （英语） Zbl 0746.68089号 Morgan Kaufmann表示与推理系列。圣马特奥等：摩根考夫曼出版社。十四、 第552页（1989年）。 这本书是对概率方法在表示不确定性方面的调查，并深入解释了概率方法与其他形式的关系。它首先概述了处理不确定性的不同形式，并提供了支持使用概率的有力论据。数学家通常习惯于将概率理解为一个纯粹的数学概念（整个空间（X）的正测度（p（X）=1），按照科尔莫戈洛夫1933年公理学的风格），或者在统计应用中，将概率理解成频率的极限值。当我们谈论某个陈述为真的概率时，通常我们没有事件序列，只有一个事件，而实际上，它要么为真，要么为假。因此，我们不能将概率的统计概念应用于这个独特的事件。希望在数理统计中，存在一种形式主义，允许我们讨论假设的概率。这种形式主义被称为贝叶斯主义，是18世纪一位统计学家的名字，他发明了一种方法，在发现新证据时更新我们对假设的信念。这些方法仍然是我们处理这种“主观”概率的本质。我们的知识通常由事实（即某些理论中的原子陈述）和“如果（A_1，点，文本{和}A_n），然后是（B）”类型的规则组成。在许多情况下，我们不能100%确定这些事实和规则是否正确。因此，我们必须以某种方式表达我们的不确定性程度。由于作者选择使用概率，他用事实的（主观）概率（p（F））来表达对事实的信任程度，用条件概率（p（B\mid a_1\&&\dots\&a_n））来表达对规则的信任程度。如果是一般的，知识是由规则关联的一组事实。这种结构被称为网络。本书的主要部分致力于分析这种网络。当我们只有一条规则时，传统的贝叶斯公式描述了最简单的情况。要处理更一般的网络，必须将贝叶斯方法推广到网络（包括带回路的网络），能够计算不同查询的概率，并在知道其他知识时更新网络中的所有概率。作者为此提出了许多分析方法。对于分析方法不起作用的情况，他提出了随机模拟方法。第6章专门讨论决策。不确定性决策是博弈论中以效用理论的名义发展起来的一个课题。效用理论基于不确定性的概率表示，因此，它很容易符合作者的总体观点。第9章和第10章构成了本书的一部分，对于那些了解其他表示不确定性方法的人来说，这将是最有趣的：它描述了概率和其他形式主义之间的关系。对于Dempster-Shafer理论来说，这种关系本身就用接近概率的术语来表达，这并不令人惊讶。更令人惊讶的是，一些描述“典型”、“正常”等语句的所谓“非单调”形式也可以用概率术语解释。粗略地说，像“通常，鸟会飞”这样的语句被解释为一个语句（P（F（x）\mid B（x））\geq 1-\varepsilon），关于一个物体如果是鸟，它会飞的条件概率。然后，我们将\（\varepsilon\）趋向于0。结果表明，在非单调逻辑中，当且仅当（Q）的概率（在结果网络中）趋向于1 as（varepsilon to 0）时，查询（Q）是可推导的。我们说“粗略地说”，因为对于某些形式主义来说，人们只能将自己限制在熵达到最大值的概率分布上。审核人：V.Ya.公司。克雷诺维奇（埃尔帕索） 引用于9评论引用于547文件 MSC公司： 68立方英尺 知识表示 68-02 与计算机科学有关的研究展览会（专著、调查文章） 62立方厘米05 统计决策理论的一般考虑 03B60号 其他非经典逻辑 关键词：概率推理;非单调推理;不确定性 PDF格式BibTeX公司 XML格式引用 \textit{J.Pearl}，智能系统中的概率推理：似然推理网络。圣马特奥等：摩根考夫曼出版社（1989；Zbl 0746.68089）