《智能计算》读书报告——论模糊计算及证据理论

简介：
本读书报告聚焦于《智能计算》，深入探讨了模糊计算与证据理论的核心概念及其应用。分析了二者在处理不确定性信息中的独特优势，并结合实例阐述其重要价值。 传统计算（硬计算）的主要特征是严格、确定且精确的特性。然而，在自然与人工系统中存在的随机性、模糊性和不确定性使得这种传统的处理方式在应对现实生活中的许多问题，如驾驶汽车等场景时显得力不从心。软计算则通过容许不确定、不准确及不完备的信息来寻找低成本解决方案并确保其鲁棒性。它模仿自然界中智能系统的生化过程（例如人的感知能力、大脑结构以及进化和免疫机制）以有效地解决日常工作中的问题。 软计算涵盖了多种方法，包括但不限于进化算法、模糊逻辑、证据理论、人工神经网络及粗糙集等技术领域。本段落主要探讨了其中的三种：证据理论、模糊计算与粗糙集。首先介绍了证据理论的基本框架及其组合规则，并通过两个实例展示了Dempster组合规则存在的缺陷；接着阐述了几种现有的改进措施；随后简述了模糊集合的基础知识，包括其运算规则和相关定理，以突出它与经典集合的区别，并列举了一些常用的隶属函数形式；最后则概述了粗糙集的基本概念、优势以及与其他理论的不同之处，并探讨了粗糙集如何结合证据理论及模糊集合这两种软计算方法。