既然我已有了一个好的不确定性理论，还需要什么？
人工智能
2013-04-08 v1
摘要
本文不讨论不确定性描述性理论的孤立优点，而是聚焦于一类被称为动态分类问题（DCP）的问题，该问题需要整合多种理论，包括不确定性规范性理论。我们首先分析动态分类问题，并定义其对支持性（似然）推理系统产生的需求。我们概述了基础理论（基于多值逻辑的语义），并说明了为保证应用所需的模块化和计算性能而施加于其上的约束。我们描述了用于知识工程的技术（例如用于演练需求的基于对象的模拟器，以及用于构建知识库并对其进行功能验证的开发工具）。我们强调了开发环境与运行时系统之间的区别，描述了规则交叉编译器，以及具有元推理能力的实时推理引擎。最后，我们说明了所提出的技术如何满足pop的需求，并分析了将其应用于Pilot's Associate和Submarine Commander Associate的态势评估问题所获得的一些经验教训。
引用
@article{arxiv.1304.1494,
title = {Now that I Have a Good Theory of Uncertainty, What Else Do I Need?},
author = {Piero P. Bonissone},
journal= {arXiv preprint arXiv:1304.1494},
year = {2013}
}
备注
Appears in Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence (UAI1989)