Ketidaktentuan – Tidak lengkap – tidak konsisten , – tidakpasti… atau ketiga- tiganya sekali.
Ketidaktentuan
– Tidak lengkap – tidak konsisten , – tidakpasti… atau ketiga- tiganya sekali.
Ketidaktentuan• maklumat boleh dikatakan tidak sesuai untuk
menyelesaikan sesuatu masalah.
• Ketidaktentuan – kekurangan maklumat tepat yang membolehkan
mencapai kesimpulan yang benar.– Lojik klasik membenarkan hanya penaakulan tepat. Ia
anggap pengetahuan tepat boleh dapati dan ‘law of the excluded middle’ boleh digunakan.
• IF A is true IF A is false THEN A is not false THEN A is not true
Uncertainty Problem
• Sources of uncertainty in ES– Weak implication– Imprecise language– Unknown data– Difficulty in combining the views of different
experts
Sumber pengetahuan Ketidaktentuan
• Implikasi lemah. – Pakar domain dan jurutera pengetahuan sukar
untuk mencari perhubungan yang konkrit antara bahagian petua IF (syarat) dan THEN (aksi/ tindakan).
– Oleh itu, sistem pakar perlu mempunyai kebolehan untuk mengendalikan perhubungan besar seperti darjah perhubungan iaitu Faktor Ketentuan numerikal ( numerical certainty factor ).
Sumber pengetahuan Ketidaktentuan
• Bahasa yang tidak lengkap/ tepat. – Bahasa tabie kita adalah tidak lengkap.
– fakta seperti ‘selalu’, ‘kadang-kadang’, ‘jarang’ atau ‘sekali- sekala’.
– menyukarkan pengetahuan diterjemahkan dalam bentuk petua pengeluaran IF- THEN.
– Pada 1944, Ray Simpson menanya 355 pelajar sekolah menengah dan kolej, untuk menskelkan 20 bentuk ‘often’ antara 1- 100.
– 1968, Milton Hakel juga mengulangi eksperimen ini.
Sumber pengetahuan Ketidaktentuan
• Data yang tidak diketahui.
– Apabila data tidak lengkap atau hilang, satu penyelesaian ialah menerima nilai ‘tidak ketahui’ dan teruskan kepada penaakulan yang terhampir (approximate).
Sumber pengetahuan Ketidaktentuan
• Membandingkan pandangan pakar yang berbeza. – Bagi sistem pakar yang besar, pengetahuan beberapa
pakar diambil kira.
– pakar yang berbeza memberi pandangan yang berbeza.
– menghasilkan petua yang konflik.
– Untuk menyelesaikan konflik ini, jurutera pengetahuan mestilah kempil sekali pemberat kepada setiap pakar dan kirakan kesimpulan komposit.
– Namun, tiada metod sistematik untuk mengira pemberat ini.
Pengurusan Ketidaktentuandalam sistem berdasarkan petua
Teori kebarangkalian asas
Penaakulan Bayesian
Teori Faktor Ketentuan( CF)
Teori asas Kebarangkalian
Kebarangkalian sesuatu kejadian adalah pembahagian kes kejadian yang terjadi.
• Kebarangkalian boleh ditakrifkan sebagai satu peluang pengukuran saintifik.
Teori asas Kebarangkalian
Kebarangkalian boleh digambarkan secara
matematik sebagai satu indeks numerikal dengan
julat antara 0 ( satu Ketidaktentuan) ke uniti (satu
Ketentuan).
Kebanyakan kejadian mempunyai indeks
Kebarangkalian antara 0 dan 1, yang bermaksud
setiap kejadian mempunyai >= 2 hasil jawapan:
Kejayaan atau kegagalan.
Teori asas Kebarangkalian
terhasiljawapanbil
kejayaanbilkejayaanP
__
_)(
terhasiljawapanbil
kegagalanbilkegagalanP
__
_)(
Teori asas Kebarangkalian Sekiranya s adalah bilangan berlakunya kejayaan dan f adalah bilangan berlakunya kegagalan :-
Sekiranya kita buang satu duit syiling, satu kebarangkalian untuk mendapat satu kepala adalah sama dengan mendapat satu ekor. Dalam pembuangan yang pertama, s= f= 1 dan oleh itu, kebarangkalian untuk mendapat kepala (ekor) adalah 0.5.
fs
spkejayaanP
)(
fs
fpkegagalanP
)(
Kebarangkalian Bersyarat (Conditional Probability)
• Diberi A adalah satu kejadian dalam persekitaran dan B adalah kejadian lain. – Sekiranya kejadian A dan B adalah tidak
‘mutually’ ekslusif, tetapi terjadi disebabkan oleh kejadian lain.
– Kebarangkalian bersyarat adalah kebarangkalian kejadian A akan berlaku sekiranya kejadian B berlaku.
Kebarangkalian Bersyarat (Conditional Probability)
• Formula kebarangkalian bersyarat secara matematik ialah p( A/ B) atau
• simbol / ini bermaksud diberikan/ given atau boleh diterjemahkan sebagai :
berlakuBkalibil
berlakubolehBdanAkalibilBAP
_
_)/(
Kebarangkalian Bercantum (Jointlyprobability)
Bilangan kejadian A dan B boleh berlaku, atau kebarangkalian kedua- dua A dan B akan terjadi dipanggil kebarangkalian bercantum A dan B diwakili sbg p(B).
Bilangan B akan berlaku adalah kebarangkalian B, p( B), oleh itu
)(
)()/(
BP
BAPBAP
Kebarangkalian Bercantum (Jointlyprobability)
• Begitu juga, kebarangkalian bersyarat kejadian B terjadi diberi kejadian A telah terjadi setara dengan
)(
)()/(
AP
BAPBAP
Kebarangkalian Bercantum (Jointlyprobability)
• Oleh itu,
• Masukkan persamaan terakhir kepada persamaan
)()/()(
)()/()(
ApABPBAPdan
ApABPABP
)(
)()/(
AP
BAPBAP
Oleh itu,Oleh itu,
Gantikan persamaan terakhir dgn pers. berikutGantikan persamaan terakhir dgn pers. berikut
ApABpABp
dandan ApABpBAp
Bp
BApBAp
mendapat mendapat Bayesian ruleBayesian rule::
where:p(AB) is the conditional probability that event A
occurs given that event B has occurred;p(BA) is the conditional probability of event B
occurring given that event A has occurred;p(A) is the probability of event A occurring;p(B) is the probability of event B occurring.
Bayesian ruleBayesian rule
Bp
ApABpBAp
The joint probabilityThe joint probability
i
n
ii
n
ii BpBApBAp
11
AB 4
B 3
B 1
B 2
Jika Berlakunya A bersandar kpd B dan NOT B, kita perolehi:
dimana mewakili NOT.
Sama,
Menggantikan persamaan ini kedlm petua Bayesian;
ApABpApABp
ApABpBAp
Pengurusan Ketidaktentuandalam sistem berdasarkan petua
Teori kebarangkalian asas
s nR son n aei a ea i g rt nt torse ai _fac
ppt