DE3713692A1 - Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeiten - Google Patents
Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeitenInfo
- Publication number
- DE3713692A1 DE3713692A1 DE19873713692 DE3713692A DE3713692A1 DE 3713692 A1 DE3713692 A1 DE 3713692A1 DE 19873713692 DE19873713692 DE 19873713692 DE 3713692 A DE3713692 A DE 3713692A DE 3713692 A1 DE3713692 A1 DE 3713692A1
- Authority
- DE
- Germany
- Prior art keywords
- probabilities
- product
- features
- calculation
- operator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000014509 gene expression Effects 0.000 claims description 6
- 101100001670 Emericella variicolor andE gene Proteins 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims 2
- 230000000996 additive effect Effects 0.000 claims 2
- 238000003860 storage Methods 0.000 description 10
- 238000012935 Averaging Methods 0.000 description 3
- 101100001673 Emericella variicolor andH gene Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000004963 pathophysiological condition Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Machine Translation (AREA)
Description
Die vorliegende Erfindung bezieht sich auf ein Verfahren
zur Ermittlung der Wahrscheinlichkeiten von Hypothesen
oder Fehlern, die durch charakteristische Mengen von
Merkmalen (z. B. Meßgeräteanzeigen bei technischen
Geräten o. dgl.) bestimmt sind.
In vielen Wissensbereichen tritt das Problem auf, daß
man aus einer Anzahl von Merkmalen auf diejenigen "wissensbereichspezifische
Gegebenheiten" schließen möchte,
zu denen diese Merkmale am wahrscheinlichsten gehören.
Solche "wissensbereichspezifischen Gegebenheiten", über
deren Zutreffen anhand der festgestellten Merkmale entschieden
werden soll, sind zum Beispiel Gerätefehler in
der Technik. Sie werden im weiteren kurz "Hypothesen"
genannt. Merkmale sind dann einfach Meßwerte, Beobachtungen
oder sonstige Daten, die zu solchen Hypothesen
gehören.
Allgemeiner formuliert: Gegeben ist eine Menge von Hypothesen,
von denen jede eindeutig durch eine Menge von
Merkmalen charakterisiert ist. Gesucht sind diejenigen
Hypothesen, die einer vorgegebenen Menge negierter,
unnegierter oder unsicherer Merkmale zugeordnet werden
können, wobei die Wahrscheinlichkeit der Zugehörigkeit
nebst einem mittleren Fehlerintervall für diesen Wahrscheinlichkeitswert
anzugeben ist.
Die vorgegebenen Merkmale, für die zugehörige Hypothesen
gefunden werden sollen, sind im allgemeinen
*nicht mit Sicherheit vorhanden,
*nicht voneinander stochastisch unabhängig,
*nicht vollzählig in dem Sinn, daß die Merkmalsmuster
der tatsächlich zutreffenden Hypothesen nicht vollzählig
vorhanden sind.
Für die zu der vorgegebenen Merkmalsmenge gehörenden
Hypothesen gilt, daß
*sie sich nicht gegenseitig ausschließen.
Wissenbereiche, in denen die Probleme auftreten, sind
unter anderem Technik, Medizin, Biologie, Geologie,
Computerwissenschaft und Sportwissenschaft. Folgende
Aufgaben sind in diesen Bereichen zu bewältigen:
- - Ermittlung von Fehlern bei elektrischen und elektronischen Geräten, Motoren, Triebwerken, industriellen Anlagen,
- - Ermittlung pathophysiologischer Zustände bei Menschen, Tieren und Pflanzen,
- - Erkennung gesprochener Wörter durch die Berechnung der Wahrscheinlichkeit ihres Auftretens unter Verwendung von Wort-Merkmal-Zuordnungen,
- - hypothetische Bestimmung von geologischen Formationen anhand von Meßwerten und Beobachtungen,
- - Eignungs- und Leistungsprognose bei beruflichen und
sportlichen Betätigungen,
usw.
Viele der bisherigen Systeme setzen weitgehende stochastische
Unabhängigkeiten der Merkmale und der Merkmalsprodukte
voraus. Solche Voraussetzungen sind im allgemeinen
nicht erfüllt und führen zu hohem Überwachungsaufwand
und/oder falschen Ergebnissen.
Vermeidet man solche Voraussetzungen, so ergibt sich die
Schwierigkeit, daß die Anzahl der Merkmalswahrscheinlichkeiten
unter der Bedingung des Auftretens anderer
Merkmale so groß wird, daß das System nicht mehr gehandhabt
werden kann. Muß man dennoch bedingte Merkmalswahrscheinlichkeiten
verwenden, so ergibt sich die Zwangslage,
nach Möglichkeit keine stochastischen Unabhängigkeiten
im voraus zu fordern und dennoch die Anzahl der
zu speichernden Werte klein zu halten; dieses Problem
ist bisher nicht zufriedenstellend gelöst worden.
Einige weitere Systeme versuchen, mittels empirischer
Zuweisungsfunktionen eine Zuordnung der zur Auswertung
vorliegenden Merkmalsmenge zu den Hypothesen zu erreichen.
Hierbei werden Beziehungen eingesetzt, die mit
den Erkenntnissen der klassischen Wahrscheinlichkeitstheorie
nicht in Übereinstimmung zu bringen sind. In
den besonders wichtigen Grenzfällen der jeweils anstehenden
Problematik versagen solche Systeme.
Ein großer Mangel der meisten der existierenden Systeme
besteht vor allem auch darin, daß nur solche Merkmale
berücksichtigt werden können, die mit Sicherheit vorhanden
sind.
Mathematisch läßt sich das Problem folgendermaßen formulieren:
1. {E i | i = 1, . . ., l}, l ∈/N, ist die Menge der zugelassenen Merkmale (engl.: Evidence).
1. {E i | i = 1, . . ., l}, l ∈/N, ist die Menge der zugelassenen Merkmale (engl.: Evidence).
2. {H j | j = 1, . . ., m}, m ∈/N, ist die Menge der zugelassenen
Hypothesen. Es wird also im weiteren wegen
der weitverbreiteten Begriffsbildung stets von den
Hypothesen H j die Rede sein, deren Wahrscheinlichkeit
aufgrund aufgetretener Merkmale ermittelt
werden soll.
3. Zu jeder Hypothese H j , 1 j m gehört eine Merkmalsmenge
Tj, für die gilt:
- - T j ⊂ {E i | i = 1, . . ., l},
- - T j enthält alle zu H j gehörenden Merkmale,
- - H j enthält keine nicht zu H j gehörenden Merkmale,
- - (H a ≠ H b ) ⇔ (T a ≠ T b ) für alle 1 a, b m,
- - T j enthält nur nicht-negierte Merkmale.
5. Die Elemente der Menge {H j | j = 1, . . ., m} schließen
sich nicht gegenseitig aus. Insbesondere gilt nicht
Die Elemente der Menge {E i | i = 1, . . ., l} sind im
allgemeinen nicht stochastisch unabhängig. Für beliebige
E r , E s mit 1 r, s l gilt also im allgemeinen
nicht:
p(E r | E s = p(E r ).
Ebenso sind Merkmalsprodukte im allgemeinen nicht
stochastisch unabhängig.
7. Die zu verarbeitende Merkmalsmenge S ⊂ {E i | i = 1, . . ., l},
die für die Ermittlung der Wahrscheinlichkeiten der
Hypothesen eingesetzt wird, enthält im allgemeinen
keine vollständige, einem H a zugeordnete Merkmalsmenge,
1 a m.
Mit den Festlegungen 1. bis 7. läßt sich die Problemstellung
wie folgt formulieren:
Gegeben sei eine beliebige Menge S ⊂ {E i | i = 1, . . ., l}, wobei voneinander verschiedene Elemente von S negiert, nicht-negiert oder unsicher auftreten können. Gesucht ist eine geordnete Liste der p(H j | π j ), j=1, . . ., m, wobei π j das Produkt all der Elemente von S ist, die auch in T j vorkommen.
Gegeben sei eine beliebige Menge S ⊂ {E i | i = 1, . . ., l}, wobei voneinander verschiedene Elemente von S negiert, nicht-negiert oder unsicher auftreten können. Gesucht ist eine geordnete Liste der p(H j | π j ), j=1, . . ., m, wobei π j das Produkt all der Elemente von S ist, die auch in T j vorkommen.
Hinweis:
Die Symbole E i , H j mit tiefgestellten Indizes kennzeichnen Variable.
Die Symbole E i , H j mit tiefgestellten Indizes kennzeichnen Variable.
Die Symbole E 3, E 7, H 1, usw. mit hochgestellten Indizes
kennzeichnen konkret definierte Merkmale bzw. Hypothesen,
wie sie in den Beispielen oder sonstigen Wertzuweisungen
vorkommen.
Erfindungsgemäß wird die vorliegende Aufgabe dadurch
gelöst, daß jeder Hypothese H j ein spezifisches Merkmalsprodukt
SPEMERK(H j ) zugeordnet wird, das im allgemeinen
für jedes H j eine unterschiedliche Anzahl von
Merkmalen besitzt. Diese Merkmale sollen für die Gültigkeit
von H j einen besonders hohen Beitrag liefern,
die Werte
sollen also möglichst hoch sein.
Die Anordnung der Elemente innerhalb von SPEMERK(H j )
wird so vereinbart, daß die Werte
von rechts
nach links zunehmen.
Zuerst wird für alle H j mit den bereits zur Auswertung
vorliegenden Merkmalen eine Berechnung durchgeführt,
dann werden für die erfolgversprechenden H j alle in
SPEMERK(H j ) aufgeführten, noch nicht vorliegenden Merkmale
erhoben und für eine Berechnung 2 verwendet, wobei
für beide Berechnungen der sogenannte L-Satz
verwendet wird, der die durch eine Strichkennung markierten
unsicheren und weitere negierte oder unnegierte
Merkmale verarbeitet, und dessen Produktionswahrscheinlichkeiten,
die nach dem Ausschreiben der rechten Seite
entstehen, jeweils durch ein Produkt bedingter Merkmalswahrscheinlichkeiten
ersetzt werden, wobei für beliebiges
h 1 die Formeln
p(E h . . . E₁)= p(E h | E h-₁ . . . E₁) · p(E h-1 | E h-2 . . . E₁) . . . p(E₂ | E₁) · p(E₁)
und
p(H j E h . . . E₁)= p(E h | H j E h-₁ . . . E₁) · p(E h-₁ | H j E h-2 . . . E₁) . . . p(E₂ | H j E₁) · p(E₁ | H j ) p(H j )
zu verwenden sind.
Eine Kennzeichnung der Verfahren besteht darin, daß in
einer Datei 1 die SPEMERK(H j ) und in einer Datei 2 die
Zahlenwerte mit ihren relativen Fehlern derjenigen Wahrscheinlichkeiten
gespeichert sind, die zur Berechnung
der p(H j | π j ) in Berechnung 2 erforderlich sind, wobei π j
das Produkt aller Merkmale aus der zur Verarbeitung
vorliegenden Merkmalsmenge ist, die auch in SPEMERK(H j )
vorkommen, und deren Reihenfolge in SPEMERK(H j ) übernommen
wird.
Während Berechnung 2 somit ermöglicht ist, fehlen für
Berechnung 1 die benötigten Wahrscheinlichkeiten, die
im allgemeinen nicht in Datei 2 vorhanden sind.
Da Berechnung 1 ohnehin nur ein grobes Aussortieren
chancenloser Hypothesen bewirkt, behilft man sich durch
die Ermittlung von Näherungswerten aus den gespeicherten
bedingten Merkmalswahrscheinlichkeiten. Dies geschieht
durch eine Vorgehensweise, die durch nachfolgende
Beispiele verdeutlicht wird:
p(E 2) ≈ 1/2 · [p(E 2 | E 1) + p(E 2 | 1)]
p(E 3 | E 5) ≈ 1/4 · [p(E 3 | E 5 E 7 E 1) + p(E 3 | E 5 E 7 1) + p(E 3 | E 5 7 E 1) + p(E 3 | E 5 7 1)], usw.
p(E 3 | E 5) ≈ 1/4 · [p(E 3 | E 5 E 7 E 1) + p(E 3 | E 5 E 7 1) + p(E 3 | E 5 7 E 1) + p(E 3 | E 5 7 1)], usw.
Eine Besonderheit des Verfahrens besteht darin, daß für
alle bedingten Merkmalswahrscheinlichkeiten versucht
wird, das Bedingungsprodukt zu verkleinern. Für beliebiges
h 1 und beliebig viele und beliebige Merkmale,
z. B. f, g mit h-1 f, g 1 gilt:
1. p(E h | E h-₁ . . . E g . . . E f . . . E₁) geht über in
p(E h | E h-₁ . . . E₁) falls
und
gilt.
2. p(E h | H j E h-₁ . . . E g . . . E f . . . E₁) geht über in
p(E h | H j E h-₁ . . . E₁) falls
und
gilt.
Diese Beziehungen gelten als erfüllt, wenn sich jeweils
die Konfidenzintervalle für die Wahrscheinlichkeitswerte
der linken und rechten Seite überlappen. Für den Wahrscheinlichkeitswert
einer linken oder rechten Seite mit
der Form sind die Grenzen des Konfidenzintervalls mit
gegeben.
Erforderlich sind also zwei Dateien:
- - Datei 1 führt alle Hypothesen mit den zugehörigen spezifischen Merkmalsprodukten SPEMERK(H j ),
- - Datei 2 enthält Plätze für alle bedingten
Merkmalswahrscheinlichkeiten und alle p(E i ) und
p(H j ), wie sie bei den Berechnungen 2 erforderlich
werden.
Die Anzahl benötigter Plätze überschreitet eine festgelegte Größe nicht, da auch die Maximalanzahl der Merkmale für die SPEMERK(H j ) begrenzt werden kann.
Die Plätze enthalten den Zahlenwert, falls ein solcher
verfügbar ist. Ist dies nicht der Fall, so wird bei den
bedingten Merkmalswahrscheinlichkeiten versucht, das
Bedingungsprodukt durch die Suche nach stochastischen
Unabhängigkeiten zu verkleinern und dann einen solchen äquivalenten Zahlenwert einzutragen. Gelingt dies
ebenfalls nicht, so werden aus dem Bedingungsprodukt
möglichst wenige Merkmale solange entfernt, bis ein
Zahlenwert verfügbar ist oder das Bedingungsprodukt
keine Merkmale mehr enthält. Im Bedingungsprodukt weiter
rechts stehende Merkmale werden hierbei gegenüber den
weiter links stehenden Merkmalen bevorzugt entfernt.
Jedem Zahlenwert wird in Klammern sein prozentualer
Fehler beigefügt, der bei dem zuletzt beschriebenen
Vorgehen selbstverständlich nur geschätzt werden kann.
Ist kein Fehler angegeben, so wird im Bedarfsfall ein
default-value benutzt.
Für die besten p(H j | f j ) wird der relative Größtfehler
bestimmt, wobei die bei der Berechnung verwendeten Wahrscheinlichkeiten
unabhängig voneinander bestimmt sein
sollen, weshalb voneinander unabhängig bestimmte Werte
auch voneinander unabhängige Fehler aufweisen.
Es sei R: = p(H j | π j ) für beliebiges 1 j m, dann
gilt:
A als Anzahl unsicherer Merkmale.
Die Terme Z ν und N ν , ν = 0, . . ., 2 A -1, bestehen aus
multiplativ verknüpften Wahrscheinlichkeiten.
Beispiel für die Terme Z₀ und N₀:
Z₀ = ₀ · Q₀.
N₀ = Ñ₀ · Q₀
Die Terme Z ν und N n werden also in der folgenden Form
geschrieben:
Z ν
= ν · Q n
N
ν
= Ñ ν · Q ν , ν = 0, . . ., 2 A -1,
wobei die ν , Ñ ν alle bedingten Merkmalswahrscheinlichkeiten
und die Q ν alle Ausdrücke der Form
für unsichere Merkmale E i ′ enthalten.
Damit folgt:
Für R: = folgt:
Nun gilt für den relativen Größtfehler , daß
gilt, wenn für die Fehlervorzeichen der ungünstigste Fall gesetzt wird. Damit
folgt abschließend:
Dabei werden die
dadurch gewonnen,
daß die relativen Fehler der Wahrscheinlichkeiten
addiert werden, die im jeweiligen Term als Faktoren
vorkommen.
Das vorgeschlagene Verfahren hat zunächst den Vorteil,
daß es keine Voraussetzungen über die stochastische
Unabhängigkeit der Merkmale benötigt, und daß es unsichere
Merkmale zuläßt.
Für das Verfahren sind bedingte Merkmalswahrscheinlichkeiten
erforderlich, die selbstverständlich vorab gespeichert
sein müssen. Um die Anzahl der Speicherungen
gering zu halten, werden für eine Hypothese H j genau
1(H j) Merkmale zugelassen, die negiert, unnegiert oder
unsicher auftreten dürfen. Seien (E l . . . E₁) die 1(H j )
Merkmale von SPEMERK(H j ), dann erfordert dies folgende
Speicherplätze:
Da für den Nenner des L-Satzes nochmals dieselbe Anzahl
Speicherungen erforderlich ist, und da auch p(H j )
vorhanden sein muß, ergibt sich für die Berechnung einer
Hypothese ein Gesamtbedarf von 2 · 2 l -1)+1=2 l+1-1
Speicherplätzen.
Werden 1 := 8 Merkmale zugelassen, so erfordert dies die
Verfügbarhaltung von 511 Speichermöglichkeiten für eine
Hypothese, so daß für 20 Hypothesen 20 · 511 = 10 220
Speicherplätze erforderlich sind.
Ein Vorteil des Verfahrens besteht auch in der Möglichkeit,
nicht verfügbare Zahlenwerte bedingter Merkmalswahrscheinlichkeiten
durch einen äquivalenten Wert zu
ersetzen, wenn stochastische Unabhängigkeiten gefunden
wurden, oder einen Näherungswert zu verwenden.
Der berechnete relative Größtfehler ermöglicht es, die
als Ergebnisse ermittelten Hypothesenwahrscheinlichkeiten
in Fehlerklassen einzuordnen und begründet gegeneinander abzuwägen.
Durch die erfindungsgemäße Vorgehensweise ergeben sich
weitere Vorteile:
- - Grundsätzlich alle (bekannten) Hypothesen werden für ein Bewertung herangezogen, so daß keine Hypothese, deren Wahrscheinlichkeit einen Schwellenwert übersteigt, vergessen werden kann.
- - Jeder benutzte Wahrscheinlichkeitswert ist ein berechneter Wert; er basiert auf statistischem Material, das im Rechner verfügbar gehalten wird und fortlaufend erweitert werden kann.
- - Eventuell erforderliche zusätzliche Merkmale werden nur für die wahrscheinlichsten Hypothesen nachgefordert, so daß richtungslose Befunderhebung entfällt.
Anhand eines Beispiels, und zwar der Fehlerermittlung
an Radargeräten, soll das erfindungsgemäße Verfahren
näher erläutert werden.
Folgende Situation sei angenommen:
Eine größere Anzahl von Radargeräten desselben Typs ist unter vergleichbaren Bedingungen im Einsatz. Auftretende Störfälle werden zentral dokumentiert.
Eine größere Anzahl von Radargeräten desselben Typs ist unter vergleichbaren Bedingungen im Einsatz. Auftretende Störfälle werden zentral dokumentiert.
Bezeichnungen:
H 1, H 2, usw.: Fehler (Hypothesen)
E 1, E 2, usw.: Merkmale
1, 2, usw.: gesuchte, jedoch nicht bestätigte Merkmale.
H 1, H 2, usw.: Fehler (Hypothesen)
E 1, E 2, usw.: Merkmale
1, 2, usw.: gesuchte, jedoch nicht bestätigte Merkmale.
Konkret vorgeführt werden:
- * Hilfsmittel 1,
- * Hilfsmittel 2,
- * Verfahren mit
- - Berechnung 1 für alle H j ,
- - Berechnung 2 für die erfolgsversprechendsten H j ,
- - Bestimmung des relativen Größtfehlers für einen ausgewählten Fall.
CodeBeschreibungH 1Kondenswasser in Hohlleiter HL 102
H 2Widerstand R 65 oberhalb Toleranzgrenze
H 3Spannungsabfall durch Kriechströme über C 14
·
·
·
E 1Bildschirmanzeige Radarecho verwaschen
E 2Bildschirmanzeige in x-Richtung gedehnt
E 3Bildschirmanzeige oszilliert
E 4Antennendrehung ungleichmäßig
E 5Warnlampe L 208 flackert
E 6Rauch aus Power Supply
E 7Reibgeräusche aus Antennengetriebe
·
·
·
Grundsätze für den Aufbau der Datei:
- 1. Die Hypothesen sind nach aufsteigenden Indizes geordnet. Jede Hypothese H j besitzt ein spezifisches Merkmalsprodukt SPEMERK(H j ).
- 2. SPEMERK(H j ) ist ein Produkt von Merkmalen, die aus der charakteristischen Merkmalsmenge von H j stammen und möglichst hohe besitzen, i = 1, . . ., 1(H j ). Innerhalb von SPEMERK(H j ) wird die Anordnung der Merkmale so vereinbart, daß die von rechts nach links zunehmen.
- 3. Zwei spezifische Merkmalsprodukte sollen gleich
heißen, wenn sie dieselben Merkmale enthalten.
Dann gilt:
(H a = H b ) ⇔ (SPEMERK(H a ) = SPEMERK(H b ))
für alle 1 a, b m, wobei m die Anzahl der Hypothesen bezeichnet. - 4. SPEMERK(H j ), j = 1, . . ., m, enthält nur nicht-negierte Merkmale.
- 5. Die Merkmale eines spezifischen Merkmalsprodukts sind nicht vollzählig in einem anderen spezifischen Merkmalsprodukt enthalten.
Die Datei wird wie folgt festgelegt:
HypotheseSPEMERK(H j )
H 1(E 7 E 4 E 2)
H 2(E 4 E 5)
H 3(E 3 E 6 E 5 E 4)
Grundsätze für den Aufbau der Datei:
- 1. Jede Hypothese erhält Speicherplätze für die Wahrscheinlichkeiten und bedingten Merkmalswahrscheinlichkeiten, die für die Bezeichnung der im L-Satz auftauchenden Produktwahrscheinlichkeiten erforderlich sind.
- 2. Die Speicherplätze enthalten die entsprechenden Zahlenwerte, wenn diese bekannt sind.
- 3. Ist für einen Speicherplatz der Zahlenwert nicht bekannt, so wird versucht, das Bedingungsprodukt durch die Ermittlung stochastischer Unabhängigkeiten zu verkürzen und den Zahlenwert der so bestimmten bedingten Wahrscheinlichkeit einzutragen.
- 4. Sind Zahlenwerte gemäß 2. und 3. nicht gefunden worden, so wird ein Näherungswert eingetragen. Es ist der erste verfügbare Wert derjenigen bedingten Wahrscheinlichkeit, die man aus der Speicherplatz-Wahrscheinlichkeit durch Entfernen von möglichst wenigen Merkmalen aus dem Bedingungsprodukt erhält. Bei Gleichheit der Merkmal-Anzahl werden im Bedingungsprodukt möglichst weit rechts stehende Merkmale bevorzugt entfernt.
- 5. Das Entfernen von Merkmalen aus dem Bedingungsprodukt einer Speicherplatz-Wahrscheinlichkeit gemäß 4. wird solange fortgesetzt, bis entweder ein Wert gefunden wird, oder das Bedingungsprodukt keine Merkmale mehr enthält. Im letzten Fall wird dann der schlechtestmögliche Näherungswert, nämlich für beliebige i, j der Wert von p(E i ) bzw. p(E i | H j ) eingetragen.
- 6. Zu jedem Zahlenwert gehört ein relativer Fehler, der in Prozenten angegeben ist. Dies kann eine aus statistischem Material ermittelte oder eine geschätzte Fehlerangabe sein. Ist keine Fehlerangabe gemacht, so wird ein default-value verwendet.
- - Die eingetragenen bedingten Merkmalswahrscheinlichkeiten, z. B. p(E7 | H1 E4 E5) kennzeichnen den Speicherplatz.
- - Der zu einem Speicherplatz gehörende Zahlenwert ist unmittelbar darunter eingetragen. Die relativen Fehler in Prozentangaben stehen in Klammern dahinter. Sind keine Fehler angegeben, so wird ein default-value verwendet.
- - Die Markierung - umfaßt Gruppen mit denselben Negierungen.
Es seien die Merkmale {E 7, E 6′, E 3, E 2} zur Auswertung
vorgegeben, mit p(E 6 | E 6′) = 0.7,
Damit sollen dann die p(H j | π j ), j = 1, . . ., 3 bestimmt
werden, wobei π j alle die Merkmale aus {E 7, E 6′, E 3, E 1}
enthält, die auch in SPEMERK(H j ) vorkommen, und wobei
die Reihenfolge der Merkmale innerhalb f j der
Reihenfolge in SPEMERK(H j ) entspricht.
1. Für alle H j wird ein erster Durchlauf ausgeführt, der
näherungsweise die erfolgsversprechenden H j liefern
soll. Die hierfür erforderlichen bedingten Merkmalswahrscheinlichkeiten,
die im allgemeinen nicht gespeichert
sind, werden als Näherung durch Mittelwertbildung
aus den Speicherelementen gewonnen.
Beispiel für eine Mittelwertbildung:
p(E 3 | H 3 E 6) ≈ 1/4 · [(p(E 3 | H 3 E 6 E 5 E 4) + p(E 3 | H 3 E 6 E 5 4)
+ p(E 3 | H 3 E 6 5 E 4) + p(E 3 | H 3 E 6 5 4))].
Damit folgt:
p(H 2 | ) = p(H 2) = 0.35.
Mit
folgt:
2. Die besten H j werden ausgewählt; im vorliegenden Beispiel
besteht Interesse an H 3 und H 2. Dann werden die
noch fehlenden Merkmale für SPEMERK(H 3) und SPEMERK(H 2)
nachgefordert, dies sind E 4 und E 5. Die
Untersuchungen mögen ergeben, daß E 4′ und 5 gilt, mit
3. Nun wird mit der vergrößerten, zur Auswertung vorliegenden
Merkmalsmenge {E 7, E 6′, 5, E 4′, E 3, E 2} ein
Durchlauf gestartet, der nur die besten H j erfaßt, im
vorliegenden Beispiel H 3 und H 2. Es wird also
und
ermittelt,
wofür der Ablauf der Berechnung nur für den letztgenannten
Fall in der nachfolgenden Ziff. 4, vorgeführt
wird.
4. Für die besten H j wird der jeweilige relative Größtfehler
des Endergebnisses bestimmt, also
Der letztgenannte Fall wird zusammen mit der Berechnung
von p(H 2|E 4′ 5) dargestellt.
Es wird an dieser Stelle nochmals darauf hingewiesen,
daß der relative Größtfehler dazu dient, die Qualität
einer berechneten Hypothesenwahrscheinlichkeit durch
einen Vergleich mit den relativen Größtfehlern der
übrigen berechneten Hypothesenwahrscheinlichkeiten abzuschätzen.
Es ist
Es kann versucht werden, p(E 4) an anderer Stelle der
Datei 2 zu finden. Ist dies erfolglos, so muß p(E 4) als
Näherungswert aus den zur Hypothese H 2 gehörenden Werten
durch Mittelwertbildung gewonnen werden.
Ist p(E 4) ein Näherungswert, so wird wie folgt
geschätzt:
Entsprechend gilt:
Für die weiteren noch benötigten Werte gilt:
Insgesamt folgt mit den bereits eingeführten Abkürzungen
Z ν , N ν , ν , Ñ ν , Q ν , ν = 0, 1:
Die Erfindung soll weiterhin anhand der Figuren
erläutert werden. Es zeigt
Fig. 1 ein Gerät zur Durchführung des erfindungsgemäßen
Verfahrens,
Fig. 2 ein Flußdiagramm zur Berechnung der Hypothesen
wahrscheinlichkeiten und des relativen
Größtfehlers.
Das in Fig. 1 dargestellte Gerät umfaßt den Rechner 2 für
den gesteuerten Verfahrensablauf entsprechend dem in
Fig. 2 dargestellten Flußdiagramm. Über die Eingabe 3
werden einmalig die zu verarbeitende Merkmalsmenge und
die Zahlenwerte von p(E k | E′ k ) und
für unsichere Merkmale E′ k eingegeben, da diese Zahlenwerte von
der angewendeten Bestimmungsmethode abhängig sind. Mit 4
ist die Steuer-Eingabe bezeichnet, die jeweils nach
einer Aufforderung erfolgt. An sich bekannte Kommunikationsmittel
5 sind zwischen der Eingabe 4 und dem
Rechner 2 vorgesehen. Während des Verfahrensablaufs
greift der Rechner 2 auf die in den Baueinheiten 6 und 7
gespeicherten Informationen zurück. Die Datei 1 (Bezugszeichen
6) enthält alle zur Diskussion stehenden Hypothesen
und ihre spezifischen Merkmalsprodukte. In der
Datei 2 (Bezugszeichen 7) befindet sich eine Sammlung
all der Wahrscheinlichkeitswerte und bedingten Merkmals
wahrscheinlichkeiten, die für die Berechnung der im L-
Satz geforderten Produktwahrscheinlichkeiten benötigt
werden; außerdem wird für die Wahrscheinlichkeitswerte
ein relativer Fehler gespeichert, falls ein solcher
verfügbar ist. Der Ausgang des Rechners 2 ist mit 8
bezeichnet. Über an sich bekannte Kommunikationsmittel
9 liefert er eine nach abnehmender Wahrscheinlichkeit
sortierte Liste von Hypothesen oder Fehlern.
Über Eingabe 4 kann das Vorhandensein, Nicht-Vorhandensein
oder unsichere Vorhandensein der Merkmale nachgeliefert
werden, die vom Rechner benannt werden. Außerdem
hat hier noch die Übermittlung der Wertangaben von
p(E k |E′ k ) und
für die unsicheren Merkmale E′ k
zu erfolgen.
Der Ablauf des Verfahrens zur Bestimmung der Hypothesen
wahrscheinlichkeiten und der relativen Größtfehler ist
aus dem in Fig. 2 dargestellten Flußdiagramm ersichtlich.
Um Weitläufigkeiten zu vermeiden, werden die benutzten
Bezeichnungen an einem Beispiel demonstriert.
Sei (E 4′ 5) das aktuell zu berücksichtigende Merkmals
produkt. Dann ist:
₀:= p(E 4 | H 2 5) · p( 5 | H 2) · p(H 2),
₁:= p( 4 | H 2 5) · p( 5 | H 2) · p(H 2),
Ñ₀:= p(E 4 | 5) · p( 5),
Ñ₁:= p( 4 | 5) p( 5),
Die Durchführbarkeit des Verfahrens für (theoretisch)
beliebig viele unsichere und beliebig viele negierte
oder unnegierte Merkmale wird mit dem Flußdiagramm in
Fig. 2 erreicht.
VERMERKZu verarbeitendes Merkmalsprodukt
HYPMENGMenge in Betracht gezogener Hypothesen
BERECHNUNG 2Boole′sche Variable, die anzeigt, ob
derzeit Berechnung 1 oder Berechnung 2
durchgeführt wird
SPEMERK(H j )Spezifisches Merkmalsprodukt von H j
AKTMERKAktuell zu berücksichtigendes Merkmalsprodukt.
Produkt aus SPEMERK(H j ) und
allen Elementen aus VERMERK, die auch in
SPEMERK(H j ) vorkommen. Reihenfolge der
Merkmale von AKTMERK wie in SPEMERK(H j )
RECMERKRechnerisch benötigtes Merkmalsprodukt.
Entsteht aus AKTMERK durch Entfernung
der Unsicherheitskennung. Unsichere Merkmale
werden nach und nach negiert.
jIndex der Hypothese
H j j-te Hypothese
GGesamtzahl der Hypothesen
ZAEHLERZähler auf der rechten Seite des L-Satzes
NENNERNenner auf der rechten Seite des L-Satzes
Δ ZAbsoluter Fehler von ZAEHLER
Δ NAbsoluter Fehler von NENNER
AAnzahl unsicherer Merkmale
νIndex eines Zähler- oder Nennerterms mit
0 ν 2 A - 1
Z ν Zählerterm, z. B. für die unsicheren
Merkmale E 2′, E 1′:
N ν
Nennerterm, z. B. für die unsicheren
Merkmale E 2′, E 1′:
k
Index der Merkmale
kmax
höchster Index der Merkmale
1)VERMERK ist vorgegeben.
2)HYPMENG enthält initial alle bekannten Hypothesen.
3)Im ersten Durchlauf wird Berechnung 1 ausgeführt.
4)j wird auf den kleinsten Index der in HYPMENG enthaltenen Hypothesen gesetzt.
5)AKTMERK wird ermittelt als Produkt aller
Elemente aus SPEMERK(H j ) die auch in VERMERK
vorkommen. Reihenfolge wie in SPEMERK(H j ).
6)Das erste rechnerisch benötigte Merkmalsprodukt
RECMERK entsteht aus AKTMERK durch
Entfernung der Unsicherheitsstriche.
7)Für die anstehende Hypothese werden die Variablen
ZAEHLER, NENNER, ν, Δ Z und Δ N initialisiert.
8)Für die anstehende Hypothese und das anstehende
ν werden die für Zähler- und Nennerterme
erforderlichen Produktwahrscheinlichkeiten
berechnet. Dies geschieht mit den Formeln
p(E h . . . E₁) = p(E h | E h-1 . . . E₁) · p(E h-1 | E h-2 . . . E₁) . . . p(E₂ | E₁) · p(E₁),
p(H j E h . . . E₁) = p(E h | H j E h-1 . . . E₁) · p(E h-1 | H j E h-2 . . . E₁) . . . p(E₂ | H j E₁) · p(E₁ | H j ) · p(H j ).
p(H j E h . . . E₁) = p(E h | H j E h-1 . . . E₁) · p(E h-1 | H j E h-2 . . . E₁) . . . p(E₂ | H j E₁) · p(E₁ | H j ) · p(H j ).
11-15)Im Falle unsicherer Merkmale E′ k erfolgt Vervollständigung
der Zähler- und Nennerterme durch Multiplikation mit
p(E k | E′ k )/p(E k ) oder p( k | E′ k )/p( k )
Dies geschieht A-fach.
16-19)Im Falle von Berechnung 2 wird vervollständigt.
22)Vervollständigung des Zählers und des Nenners.
23) 24)Im Falle der Berechnung 2 Vervollständigung
von Δ Z und Δ N.
25) 26)Interpretiert man die Negierung eines ursprünglich
unsicheren Merkmals als eine binäre
1 und die Nicht-Negierung als eine binäre 0,
so liefern die ursprünglich unsicheren Merkmale
eine binäre Zahl, deren Wert gleich ist
zum Wert von ν.
Beispiel für die unsicheren Merkmale E 1′, E 2′: (. . E 2 E 1) ⇒ (* 0 0) ⇒ ν = 0
(. . E 2 1) ⇒ (* 0 1) ⇒ ν = 1
(. . 2 E 1) ⇒ (* 1 0) ⇒ ν = 2
(. . 2 1) ⇒ (* 1 1) ⇒ ν = 3
Beispiel für die unsicheren Merkmale E 1′, E 2′: (. . E 2 E 1) ⇒ (* 0 0) ⇒ ν = 0
(. . E 2 1) ⇒ (* 0 1) ⇒ ν = 1
(. . 2 E 1) ⇒ (* 1 0) ⇒ ν = 2
(. . 2 1) ⇒ (* 1 1) ⇒ ν = 3
27)Falls ν = 2 A -1 erreicht ist, sind alle ursprünglich
unsicheren Merkmale negiert.
28)Für die anstehende Hypothese wird das Ergebnis
notiert.
29) 30)Im Falle von Berechnung 2 wird der relative
Größtfehler des Ergebnisses notiert.
31)-33)j wird so lange hochgezählt, bis ein Index aus
HYPMENG gefunden oder G überschritten wird.
34)Die Hypothesen werden nach abnehmender Wahrscheinlichkeit
sortiert.
35)-38)Im Fall der Berechnung 1 wird die Liste der
besten H j HYPMENG zugewiesen. VERMERK wird
dahingehend vergrößert, daß für alle H j aus
dem neu definierten HYPMENG die noch nicht
bekannten Merkmale aus dem jeweiligen
SPEMERK(H j ) festgestellt und zu VERMERK hinzugefügt
werden. Da nun Berechnung 2 erfolgt,
wird BERECHNUNG 2 auf true gesetzt.
39)Das Verfahren kann abgebrochen werden. Es kann
jedoch auch versucht werden, mit dem jetzt
vergrößerten VERMERK eine Verbesserung durch
einen erneuten Durchlauf zu erzielen.
Claims (14)
1. Verfahren zur Ermittlung der Wahrscheinlichkeit des Vorliegens
von Hypothesen H j , j = 1, . . ., m, m 2, anhand
einer zur Auswertung vorliegenden Merkmalsmenge unter
Verwendung bedingter Merkmalswahrscheinlichkeiten, dadurch
gekennzeichnet, daß für jedes H j ein spezifisches
Merkmalsprodukt SPEMERK(H j ) mit einer im allgemeinen für
jede Hypothese verschiedenen Anzahl von Merkmalen festgelegt
ist, daß für alle H j mit denjenigen Merkmalen des
SPEMERK(H j ), die bereits zur Auswertung vorliegen, eine
Berechnung 1 durchgeführt wird, daß dann für die erfolgversprechendsten
H j alle im SPEMERK(H j ) aufgeführten,
noch nicht vorliegenden Merkmale festgestellt und für
eine Berechnung 2 verwendet werden, wobei für beide
Berechnungen der sogenannte L-Satz
eingesetzt wird, der die durch eine Strichkennung markierten
unsicheren und weitere negierte oder unnegierte
Merkmale verarbeitet, und dessen Produktwahrscheinlichkeiten,
die nach dem Aufschreiben der rechten Seite entstehen,
jeweils durch ein Produkt bedingter Wahrscheinlichkeiten
ersetzt werden, wobei die Ersetzung für
beliebiges h 1 nach den Formelnp(E h . . . E₁)= p(E h | E h-₁ . . . E₁) · p(E h-₁ | E h-₂ . . . E₁) . . . p (E₂ | E₁) · p (E₁)undp(H j E h . . . E₁)= p(E h | H j E h-₁ . . . E₁) · p(E h-₁ | H j E h-₂ . . . E₁) . . . -p(E₂ | H j E₁) · p (E₁ | H j ) · p (H j )erfolgt, und daß zum Schluß für jede der auf diese Art
durch Berechnung 2 ermittelten Hypothesenwahrscheinlichkeiten
nach bekannten Vorgehensweisen ein relativer
Größtfehler berechnet wird; das Verfahren ist weiter
dadurch gekennzeichnet, daß in einer Datei 1
die SPEMERK(H j ) und in einer Datei 2 die Zahlenwerte
mit ihren relativen Fehlern derjenigen Wahrscheinlichkeiten
gespeichert sind, die in Berechnung 2 gefordert
werden, daß jedoch auch die Berechnung 1 erforderlichen
Wahrscheinlichkeiten aus Datei 2 gewonnen
werden können, wenn die Näherungp(E h ) ≈ ½ · [p(E h | E g ) + p(E h | g )],E h und E g beliebig,
benutzt wird; eine weitere Kennzeichnung des Verfahrens
besteht darin, daß beim Aufbau der Datei 2 für alle
bedingten Merkmalswahrscheinlichkeiten, deren Zahlenwerte
nicht bekannt sind, überprüft wird, ob aus einem
Bedingungsprodukt Merkmale entfernt werden können, daß
dabei für beliebig viele und beliebige Merkmale, z. B.
E f , E g und ein beliebiges Bedingungsprodukt
(E h . . . E g . . . E f . . . E₁), h < f, g 1, die Beziehungen
und für ein Bedingungsprodukt (H j E h . . . E g . . . E f . . . E₁) die
Beziehungen
erfüllt sein müssen, und daß die Erfüllung einer solchen
Beziehung nicht verworfen wird, wenn sich die jeweiligen
Konfidenzintervalle für die Wahrscheinlichkeitswerte der
linken und der rechten Seite überlappen, wobei für den
Wahrscheinlichkeitswert einer solchen Seite mit der
Form die Grenzen des Konfidenzintervalls mit
gegeben sind; das Verfahren ist
abschließend dadurch gekennzeichnet, daß für nicht ermittelbare
bedingte Merkmalswahrscheinlichkeiten der
Datei 2 ein Nährungswert und ein geschätzter relativer
Fehler eingesetzt wird, wobei der genäherte Wert dadurch
gewonnen wird, daß möglichst wenig Merkmale solange aus
dem Bedingungsprodukt entfernt werden, bis ein Zahlenwert
für diese Merkmalswahrscheinlichkeit mit verkürztem
Bedingungsprodukt verfügbar ist.
2. Verfahren zur Ermittlung der Wahrscheinlichkeit des Vorliegens
von Fehlern H j , j = 1, . . ., m, m 2, an einem
technischen Gerät, an einer industriellen Anlage oder
dergleichen anhand einer zur Auswertung vorliegenden
Merkmalsmenge unter Verwendung bedingter Merkmalswahrscheinlichkeiten,
dadurch gekennzeichnet, daß für jedes
H j ein spezifisches Merkmalsprodukt SPEMERK(H j ) mit
einer im allgemeinen für jeden Fehler verschiedenen Anzahl
von Merkmalen festgelegt ist, daß für alle H j mit
derjenigen Merkmalen des SPEMERK(H j ), die bereits zur
Auswertung vorliegen, eine Berechnung 1 durchgeführt
wird, daß dann für die erfolgsversprechenden H j alle im
SPEMERK(H j ) aufgeführten, noch nicht vorliegenden Merkmale
festgestellt und für eine Berechnung 2 verwendet
werden, wobei für beide Berechnungen der sogenannte L-
Satz
eingesetzt wird, der die durch eine Strichkennung markierten
unsicheren und weitere negierte oder unnegierte
Merkmale verarbeitet, und dessen Produktwahrscheinlichkeiten,
die nach dem Aufschreiben der rechten Seite entstehen,
jeweils durch ein Produkt bedingter Wahrscheinlichkeiten
ersetzt werden, wobei die Ersetzung für
beliebiges h 1 nach den Formelnp (E h . . . E₁)= p(E h | E h-1 . . . E₁) ·P(E h-1 | E h-2 . . . E₁) . . . p(E₂ | E₁) · p(E₁)undp(H j E h . . . E₁)= p(E h | H j E h-1 . . . E₁) · p(E h-1 | H j E h-2 . . . E₁) . . . p(E₂ | H j E₁) · p(E₁ | H j ) · p(H j )erfolgt, und daß zum Schluß für jede der auf
diese Art durch Berechnung 2 ermittelten Hypothesenwahrscheinlichkeiten
nach bekannten Vorgehensweisen ein
relativer Größtfehler berechnet wird; das Verfahren ist
weiter dadurch gekennzeichnet, daß in einer Datei 1
die SPEMERK(H j ) und in einer Datei 2 die Zahlenwerte
mit ihren relativen Fehlern derjenigen Wahrscheinlichkeiten
gespeichert sind, die in Berechnung 2 gefordert
werden, daß jedoch auch die für Berechnung 1
erforderlichen Wahrscheinlichkeiten aus Datei 2 gewonnen
werden können, wenn die Näherungp(E h ) ≈ 1/2 · [p(E h | E g ) + p(E h | g )],E h und E g beliebig,
benutzt wird; eine weitere Kennzeichnung des Verfahrens
besteht darin, daß beim Aufbau der Datei 2 für alle
bedingten Merkmalswahrscheinlichkeiten, deren Zahlenwerte
nicht bekannt sind, überprüft wird, ob aus einem
Bedingungsprodukt Merkmale entfernt werden können, daß
dabei für beliebig viele und beliebige Merkmale, z. B.
E f , E g und ein beliebiges Bedingungsprodukt
(E h . . . E g . . . E f . . . E₁), h < f, g 1, die Beziehungen
und für ein Bedingungsprodukt (H j E h . . . E g . . . E f . . . E₁) die
Beziehungen
erfüllt sein müssen, und daß die Erfüllung einer solchen
Beziehung nicht verworfen wird, wenn sich die jeweiligen
Konfidenzintervalle für die Wahrscheinlichkeitswerte der
linken und der rechten Seite überlappen, wobei für den
Wahrscheinlichkeitswert einer solchen Seite mit der
Form die Grenzen des Konfidenzintervalls mit
gegeben sind; das Verfahren ist
abschließend dadurch gekennzeichnet, daß für nicht ermittelbare
bedingte Merkmalswahrscheinlichkeiten der
Datei 2 ein Näherungswert und ein geschätzter relativer
Fehler eingesetzt wird, wobei der genäherte Wert dadurch
gewonnen wird, daß möglichst wenig Merkmale solange aus
dem Bedingungsprodukt entfernt werden, bis ein Zahlenwert
für diese Merkmalswahrscheinlichkeit mit verkürztem
Bedingungsprodukt verfügbar ist.
Den Berechnungen wird der L-Satz zugrunde gelegt, dessen L-Operator, durch die nachfolgenden Regeln 1-8 definiert wird. Bezeichnungen
Den Berechnungen wird der L-Satz zugrunde gelegt, dessen L-Operator, durch die nachfolgenden Regeln 1-8 definiert wird. Bezeichnungen
p(E h | E h ′), h beliebig, gibt die Sicherheit an, mit der
die Eigenschaft E h tatsächlich auftritt.
(. . . E h . . .) bedeutet, daß das Ereignisprodukt in der runden Klammer an beliebiger Stelle das Ereignis E h enthält.
Die Anzahl A unsicherer Merkmale in einem Ereignisprodukt ist beliebig t. Unter dem Operatorzeichen L stehen dann genau A Merkmale. Regel 1
(. . . E h . . .) bedeutet, daß das Ereignisprodukt in der runden Klammer an beliebiger Stelle das Ereignis E h enthält.
Die Anzahl A unsicherer Merkmale in einem Ereignisprodukt ist beliebig t. Unter dem Operatorzeichen L stehen dann genau A Merkmale. Regel 1
Für beliebigen Operator
gilt:
In Worten: Wird
angewendet, so
erhält man das Ergebnis dadurch, daß man
p(. . . E h . . .) mit
multipliziert,
dann zu dem so gebildeten Ausdruck denselben
Ausdruck additiv hinzufügt und schließlich in
dem additiv hinzugefügten Ausdruck alle E h
negiert.
Regel 2
Eine Operation ist undefiniert, falls das unter dem
Operator stehende Ereignis im Operanden an irgendeiner
Stelle negiert auftritt.
Regel 3
Ein Operator ist undefiniert, falls das unter dem Operator
stehende Ereignis an keiner Stelle des Operanden
vorkommt.
Regel 4
Ist der Operand eine Summe, so wird der Operator auf
jeden Summanden angewendet, und die Teilergebnisse werden
summiert.
Regel 5
Ist der Operand ein Produkt, so werden die Faktoren, die
das unter dem Operator stehende Ereignis nicht enthalten,
vor den Operator gezogen. Zur Vereinfachung wird
für beliebiges
definiert:
Regel 6
Das Produkt zweier Operatoren ist die Hintereinanderausführung
dieser Operatoren.
Regel 7 (Definitionsbereich)
Der Definitionsbereich eines Operators
enthält 0, 1 und beliebige p(. . . E h . . .).
Hinzu kommen die Ausdrücke, die aus p(. . . E h . . .) bei
Beachtung der Regeln 1 bis 6 durch wiederholte Anwendung
beliebiger Operatoren
gebildet
werden können.
Regel 8 (Wertebereich)
Der Wertebereich eines Operators
enthält 0, 1 und alle Ausdrücke, die aus beliebigen
p(. . . E h . . .) durch regelgerechte Anwendung des Operators
und beliebig vieler Operatoren
gebildet werden können.
Beispiele
Es seien E 1′, E 2′ unsichere, E 3, E 4 sichere Merkmale.
Dann ist für beliebiges H j :
Beweis des L-Satzes
Es sei {E t , . . ., E₁} die zu verarbeitende Merkmalsmenge.
Ein beliebiges Merkmal E r ∈ {E t , . . ., E₁} sei unsicher.
Die sicheren Merkmale werden nicht-negiert angeschrieben;
sie können jedoch beliebig durch ihre Negationen ersetzt
werden.
Dann gilt:
Lemma Beweis: Bei bereits bekanntem E r (wahr oder falsch) ergibt die Hinzunahme weiterer Informationen über E r keine Veränderung der zur Diskussion stehenden Wahrscheinlichkeit.
Also folgt: Satz (L-Satz für ein einzelnes unsicheres Merkmal) Beweis: Satz (L-Satz für beliebig viele unsichere Merkmale)
Lemma Beweis: Bei bereits bekanntem E r (wahr oder falsch) ergibt die Hinzunahme weiterer Informationen über E r keine Veränderung der zur Diskussion stehenden Wahrscheinlichkeit.
Also folgt: Satz (L-Satz für ein einzelnes unsicheres Merkmal) Beweis: Satz (L-Satz für beliebig viele unsichere Merkmale)
Völlig willkürlich seien E′ s , E′ r , E′ q unsicher. Dann ist:
Beweis:
Interessehalber sei hier erwähnt, daß der L-Operator
kommutativ ist, d. h. daß für beliebige E r , E s gilt:
Dies kann durch Ausschreiben der beiden Seiten der
Gleichung leicht verifiziert werden.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19873713692 DE3713692A1 (de) | 1987-04-24 | 1987-04-24 | Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeiten |
EP19870118535 EP0281682A3 (de) | 1987-02-25 | 1987-12-15 | Verfahren zur Ermittlung von Hypothesen anhand stochastisch abhängiger und teilweiser unsicher bestimmter Merkmale |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19873713692 DE3713692A1 (de) | 1987-04-24 | 1987-04-24 | Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeiten |
Publications (1)
Publication Number | Publication Date |
---|---|
DE3713692A1 true DE3713692A1 (de) | 1988-11-17 |
Family
ID=6326190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19873713692 Withdrawn DE3713692A1 (de) | 1987-02-25 | 1987-04-24 | Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeiten |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE3713692A1 (de) |
-
1987
- 1987-04-24 DE DE19873713692 patent/DE3713692A1/de not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112020000281T5 (de) | Vereinigen von modellen, die jeweilige zielklassen aufweisen, mit destillation | |
DE102014113692A1 (de) | Verdichtung von longitudinalen epa für eine verbesserte phänotypisierung | |
DE102014204830A1 (de) | Computerimplementierte Systeme und Verfahren zum Vergleichen und Assoziieren von Objekten | |
DE2541204A1 (de) | Verfahren zur fehlererkennung und einrichtung zur durchfuehrung der verfahren | |
DE102014204834A1 (de) | Computerimplementierte Systeme und Verfahren zum Vergleichen und Assoziieren von Objekten | |
DE102014116177A1 (de) | Patientenrisiko-Stratifizierung durch Verknüpfen von wissengesteuerten und datengesteuerten Erkenntnissen | |
DE10311311A1 (de) | Berechnung von Preiselastizität | |
DE112017007656T5 (de) | Verschobene aktualisierung von datenbank-hashcode in einer blockchain | |
EP3511126A1 (de) | Verfahren zur rechnergestützten planung eines durch einen roboter ausführbaren arbeitsablaufs | |
DE102012214196A1 (de) | Erkennen nicht eindeutiger Namen in einer Gruppe von Namen | |
DE102021201777A1 (de) | Verfahren zur Verhaltenserkennung, Vorrichtung zur Verhaltenserkennung und computerlesbares Aufzeichnungsmedium | |
EP2091015B1 (de) | Verfahren und computerimplementiertes System zur Bestimmung der Passqualität eines individuell gefertigten Kleidungsstücks | |
DE102005012665A1 (de) | Verfahren und Vorrichtung zum Ermitteln von Clustern aus einer Mehrzahl von in Aufträgen geordneten Daten | |
EP0749613B1 (de) | Wissensbasierte unschärfe auswahl für erkennungssystem mit mehreren erkennungseinheiten | |
DE112018006438T5 (de) | Clustering von facetten auf einem zweidimensionalen facettenwürfel für text-mining | |
DE112021000251T5 (de) | Verfahren zum auswählen von datensätzen zum aktualisieren eines moduls mit künstlicher intelligenz | |
DE102012025349B4 (de) | Bestimmung eines Ähnlichkeitsmaßes und Verarbeitung von Dokumenten | |
DE112018006331B4 (de) | Testfallgenerierungsvorrichtung, Testfallgenerierungsverfahren und Testfallgenerierungsprogramm | |
WO2023156504A1 (de) | Verfahren zur erkennung von anomalien in daten | |
DE3713692A1 (de) | Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale und unter verwendung bedingter merkmalswahrscheinlichkeiten | |
DE102018211514A1 (de) | Verfahren und Vorrichtung zum Bestimmen einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt | |
EP3779619B1 (de) | Verfahren und vorrichtung zur bestimmung emergenter risiken eines technischen systems | |
DE102011117974A1 (de) | Verfahren zur Überwachung eines Zustands einer Maschine und Überwachungssystem | |
DE3710559A1 (de) | Verfahren zur ermittlung von hypothesen oder fehlern unter beruecksichtigung unsicherer merkmale | |
EP2977912A1 (de) | Automatisierte Diagnostik |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8127 | New person/name/address of the applicant |
Owner name: LIEBEL, FRANZ-PETER, DR., 4800 BIELEFELD, DE |
|
8139 | Disposal/non-payment of the annual fee |