Байесовские сети доверия

Рассуждение по аналогии (Case based reasoning, CBR)

CBR-системы представляют собой реализацию методологии искусственного интеллекта, применяемую при построении компьютеризированных консультационных систем, которые базируются на накопленном опыте. В отличие от классических экспертных систем, действующих на основе логических правил, CBR-системы хранят успешные решения ряда реальных проблем, называемых примерами или прецедентами, и при появлении новой проблемы находят по определенному алгоритму (зачастую при помощи машины логического вывода, с количественной оценкой) наиболее подходящие (похожие) прецеденты, после чего предлагает соответственно модифицированную комбинацию их решений.

Если новая проблема оказывается таким образом успешно решенной, это решение заносится в базу прецедентов для повышения эффективности работы системы в будущем. Главный недостаток CBR-систем состоит в том, что они не создают моделей или правил, обобщающих накопленный опыт.

Как уже было сказано, байесовская сеть – это вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями. Существуют эффективные методы, которые используются для вычислений и обучения байесовских сетей. Байесовские сети используются для моделирования в биоинформатике (генетические сети, структура белков), медицине, классификации документов, обработке изображений, обработке данных и системах принятия решений.