Ketidaktentuan

1. Ketidaktentuan • Tidak lengkap • tidak konsisten , • tidakpasti… atau ketiga- tiganya sekali.

2. 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

3. Uncertainty Problem • Sources of uncertainty in ES • Weak implication • Imprecise language • Unknown data • Difficulty in combining the views of different experts

4. 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 ).

5. 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.

6. 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).

7. 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.

8. Pengurusan Ketidaktentuandalam sistem berdasarkan petua ! Teori kebarangkalian asas ! Penaakulan Bayesian ! Teori Faktor Ketentuan( CF)

9. Teori asas Kebarangkalian ! Kebarangkalian sesuatu kejadian adalah pembahagian kes kejadian yang terjadi. • Kebarangkalian boleh ditakrifkan sebagai satu peluang pengukuran saintifik.

10. 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.

11. Teori asas Kebarangkalian !

12. 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.

13. 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.

14. Kebarangkalian Bersyarat (Conditional Probability)! • Formula kebarangkalian bersyarat secara matematik ialah p( A/ B) atau • simbol / ini bermaksud diberikan/ given atau boleh diterjemahkan sebagai :

15. 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(AB). • Bilangan B akan berlaku adalah kebarangkalian B, p( B), oleh itu

16. Kebarangkalian Bercantum (Jointlyprobability) • Begitu juga, kebarangkalian bersyarat kejadian B terjadi diberi kejadian A telah terjadi setara dengan

17. Kebarangkalian Bercantum (Jointlyprobability) • Oleh itu, • Masukkan persamaan terakhir kepada persamaan

18. Oleh itu, dan Gantikan persamaan terakhir dgn pers. berikut mendapat Bayesian rule:

19. Bayesian rule • where: • p(AB) is the conditional probability that event A occurs given that event B has occurred; • p(BA) 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.

20. The joint probability

21. Jika Berlakunya A bersandar kpd B dan NOT B, kita perolehi: dimana  mewakili NOT. Sama,

22. Menggantikan persamaan ini kedlm petua Bayesian;

23. Pengurusan Ketidaktentuandalam sistem berdasarkan petua ! Teori kebarangkalian asas ! Bayesian Reasoning. ! Certainty_factors.ppt