平行證據推理

Abstract

對任何的人工智慧系統而言, 處理模剩余兩可或不完整資訊的能力是必備的。在以往 的研究中, 已經提出許多可以表達不確定資訊的方法, 例如貝氏定理(Bayesian theo ry) 、確定性因子(certainty factor)、以及Dempster-Shafer method。然而這些方 法都有其與生俱來的缺點。以Dempster-Shafer method來說, 它最為人所詬病的在於 計算上的複雜度。若能在推理的過程中引進平行計算的觀念, 則可在不修改理論的前 提下, 大幅減少執行所需的時間。本文以Dempster-Shafer method為基礎提出平行推 理的演算法, 同時以資料分割(data-partition)的技巧來達成平行處理。這些演算法 實際被寫成程式在共用記憶體的機器和由Transputer所組成的綱路上執行過中。在篇 末, 我們附上Speedup 和Efficiency等性能評的數據。