Semigrafoidové vlastnosti podmíněné nezávislosti pro domněnkové funkce

Efektivita výpočetních procesů s mnohodimenzionálními modely je podmíněna vhodným využíváním všech relací podmíněné nezávislosti, které pro uvažovaný model platí. Z toho plyne, že tento pojem musí být vhodně zaveden a musí splňovat nejen všechny vlastnosti intuitivně očekávané, ale i vlastnosti formální, které umožňují zjednodušování příslušných výpočetních procedur. Podařilo se nám ukázat, že námi zavedený pojem podmíněné nezávislosti, který vychází z faktorizace pomocí operátoru skládání, splňuje všechny semigrafoidové vlastnosti.

Inovační aspekty

Námi zavedený pojem podmíněné nezávislosti je první, který splňuje všechny semigrafoidové vlastnosti a přitom pro každou dvojici konzistentních základních přiřazení existuje jejich společná extenze, pro niž platí příslušná podmíněná nezávislost.

Přínosy

Z teoretického hlediska se jedná o zatím nejlepší způsob definování pojmu podmíněné nezávislosti pro domněnkové funkce, který je vhodným rozšíření pravděpodobnostního pojmu podmíněné nezávislosti. Vhodné využití tohoto pojmu a jeho vlastností umožní návrh efektivních výpočetních procedur pro vícerozměrné domněnkové funkce.

Dokumentace

  • Jiroušek, R.: Conditional Independence and Compositional Models for Belief Functions. In: Proceedings of 11th Czech-Japan Seminar on Data Analysis and Decision Making under Uncertainty. Sendai, Japan, 2008, pp. 75 – 80.
  • Jiroušek, R.: Conditional Independence and Factorization of Multidimensional Models. In: WCCI 2008 (World Congress on Computational Intelligence) FUZZ-IEEE 2008. ISBN: 978-1-4244-1819-0 ISSN: 1098-7584.
Design downloaded from Free Templates - your source for free web templates