Modelling and Reasoning with Vague Concepts

ابهام در انعطاف پذیری و استحکام توصیفات زبان طبیعی نقش اساسی دارد. مفاهیم مبهم در برابر عدم دقت ادراکات ما قوی هستند، در حالی که هنوز به ما امکان می دهند اطلاعات مفید و گاهی حیاتی را منتقل کنیم. بنابراین، مطالعه ابهام در هوش مصنوعی (AI) با تمایل به ترکیب این استحکام و انعطاف‌پذیری در سیستم‌های رایانه‌ای هوشمند انجام می‌شود. با این حال، چنین هدفی مستلزم مدلی رسمی از مفاهیم مبهم است که به ما امکان می دهد تا عدم قطعیت ناشی از استفاده از آنها به عنوان وسیله ای برای انتقال اطلاعات بین عوامل مستقل را کمی سازی و دستکاری کنیم.

این جلد یک نمایش رسمی را ترسیم می کند. چارچوبی برای مدل‌سازی و استدلال با مفاهیم مبهم در هوش مصنوعی حساب جدید کاربردهای زیادی دارد، به ویژه در استدلال خودکار، یادگیری، تجزیه و تحلیل داده ها و ترکیب اطلاعات. این کتاب مقدمه ای دقیق برای تئوری معناشناسی برچسب ارائه می دهد که با مثال های زیادی نشان داده شده است و تفسیرهای عملیاتی روشنی از اقدامات پیشنهادی ارائه می دهد. همچنین شرح مفصلی از نحوه استفاده از این تئوری در تجزیه و تحلیل داده ها و ترکیب اطلاعات بر اساس طیفی از مشکلات معیار ارائه می دهد.

Vagueness is central to the flexibility and robustness of natural language descriptions. Vague concepts are robust to the imprecision of our perceptions, while still allowing us to convey useful, and sometimes vital, information. The study of vagueness in Artificial Intelligence (AI) is therefore motivated by the desire to incorporate this robustness and flexibility into intelligent computer systems. Such a goal, however, requires a formal model of vague concepts that will allow us to quantify and manipulate the uncertainty resulting from their use as a means of passing information between autonomous agents.

This volume outlines a formal representation framework for modelling and reasoning with vague concepts in Artificial Intelligence. The new calculus has many applications, especially in automated reasoning, learning, data analysis and information fusion. This book gives a rigorous introduction to label semantics theory, illustrated with many examples, and suggests clear operational interpretations of the proposed measures. It also provides a detailed description of how the theory can be applied in data analysis and information fusion based on a range of benchmark problems.