基于不同不确定性推理系统构建的专家系统之比较
人工智能
2013-04-08 v1
摘要
本研究比较了专家系统中管理不确定性的最突出方法的内在直观性或可用性，包括 EMYCIN、PROSPECTOR、Dempster-Shafer 理论、模糊集理论、简化概率论（假设边缘独立性）以及使用概率估计的线性回归。研究参与者通过一系列学习试验在一个简单的假设问题领域中获得了经验。然后，他们被随机分配使用上述六种不确定性推理系统（UIS）之一来开发专家系统。随后比较了所得系统的性能。结果表明，对于某些类型的问题，基于 PROSPECTOR 和 EMYCIN 模型的系统相比基于其他 UIS 的系统准确度显著较低。讨论了产生这些差异的可能原因。
引用
@article{arxiv.1304.1533,
title = {Comparing Expert Systems Built Using Different Uncertain Inference Systems},
author = {David S. Vaughan and Bruce M. Perrin and Robert M. Yadrick},
journal= {arXiv preprint arXiv:1304.1533},
year = {2013}
}
备注
Appears in Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence (UAI1989)