laureando ludovico pinzari relatore prof. stefano panzieri facoltà di ingegneria dipartimento di...
TRANSCRIPT
La gesti one del confl itt o nel la teoria del l ’ incertezza d i Dempster e Shafer
Laureando Ludovico Pinzari
Relatore Prof. Stefano Panzieri
Facoltà di IngegneriaDipartimento di Informatica ed Automazione
Tesi di Laurea Magistrale in Ingegneria Gestionale e dell’Automazione Anno Accademico 2012 - 2013
Titolo
Obiettivi
Analitico:
Metodologico:
Dempster ShaferTheory of evidence (DST)
Rule Based InferenceData Fusion System (IDFS)
Caratteristiche modelli IDFS
Indice
Gestione del conflitto
Unified Combination Rule α-model
Parameter Design problem
Case Study: Plant Safety-Control
Conclusioni e Sviluppi Futuri
Tipologie di Incertezza
- Reti Bayesiane
Aleatoria: (Irriducibile,Oggettiva)
Epistemica: (Riducibile,Soggettiva)
- Imprecise Probability- Possibility Theory- Dempster and Shafer Theory Probabilità
intervallo di valori
Probabilità singolo valore
Interval Based Probability
1/26
Applicazioni della IBP• Analisi del Rischio
- Medici• Sistemi Diagnostici
- Processi Industriali
• Sistemi Di Navigazione Autonoma
• Militare- UV (Unmanned Aerial/Grounded Vehicle)
- Target tracking/identification
• Biometrica
- Stock Market
- Speech Recognition / Image processing
• Meccanica Quantistica• …..
- Business and Marketing
2/26
Perchè la DST ?• Modello basato sulla teoria
della • Misura Esplicita dell’Incertezza:
- Eventi elementari- Stati sconosciuti
- Ipotesi sconosciute
Closed
Hypothesis Open
World
BA
• Flessibilità:- UPDATING
A B
A BU
Ω = A,BP(Ω) = Ω,A,B,Ø
U
UniversalSet
Power Set
ØΩ U
m1 m2
m12
Misuraμ(P(Ω)): m
massa
Probabilità Insiemi
Pr(Ø) = 0
0 ≤ Pr(Ω) ≤ 1
Pr(Ω) = 1
0 ≤ Pr(Ø) ≤ 1
3/26
DST FRAMEWORK (CWH)
]10[2: bel
bel(A) =
XAX
Xm,
)(
bel(Ø) = 0
Belief Plausibility
]10[2: m
bel(Ω) = 1
m(Ø) = 0
Mass
XX
Xm),(
1)(
pl(Ø) = 0
pl(Ω) = 1
LB UB
]10[2: pl
BAB
Bm,
)(
pl(A) =
Unc = UB - LBPr(Ø) = 0
Pr(Ω) = 1
Impossibile
Certo
4/26
Regole di Combinazione
ACB
ACmBm
,)()( 21
ACB
ACmBm
,)()( 21
)()( 21 Amm
)()( 21 Amm
Conjunctive Evidence (CE) :
Disjunctive Evidence (DE) : RC
))(( 21 Ammm n ))(( 21 Ammm n
))(( 1 Ammmmmm nlkji
CE Pooling DE Pooling
Trade-off Pooling
Fiducia Diffidenza
5/26
Il Problema del conflitto
)(12 m
CB
CBCmBm
,,)()( 21
=)()(21AA mm
Regola di Dempster
Massa del Conflitto:
ACB
ACmBm
,)()( 21
)()(1
)(12
12
12 Amkm
AmD
)(Am =
CB
CmBm
)()( 21
Fattore diNormalizzazione
DiDempster
ProveDiscordi
ProveComuni
)(12 Am
,12 )(
A
Am =
Corpo Prove Consistenti
)(12 m
6/26
Il Peso del conflitto),( 21 BelBelCon )(1log m)(log Dk
),( 21 BelBelCon
1)( m
0),( 21 BelBelCon0)( m
Basso Conflitto
Alto Conflitto
Dempster
• Sensibile per Alti valori
Situazioni
• Supporta le Prove Meno sostenute
di Conflitto Intermedie
w
7/26
La Gestione del conflittoGround Probability assignment:
ACB
ACmBm
,)()( 21)(Aq
CB
CBCmBm
,,)()( 21)(q
]10[2: qProve
Comuni
ProveDiscordi
Basso Alto
Conflitto
Yager
Dempster )(q
)(m)(1
)(
)(Am)(1
)(
qAq
Confermo le Prove
Comuni
Aumento
totale l’incertezza
UPDATE
)(m
)(Am
)(Aq
Non Normalizzo
m(Ø) = 0
divergenza convergenzaaleatorità aleatorità
Intermedio
8/26
Unified Combination Rule
YAGER’S RULE
INTERPOLAZIONEDEMPSTER’S RULE
ESTRAPOLAZIONEDEMPSTER’S RULE
DEMPSTER’S RULE
INAGAKI’S EXTRA RULE
)(Cq)(Cm )(Cf
CC
CfCf,
0)(,1)(
Updating Framework:
)(Cmuk
)(Xmuk
)(
)(
Cq
Cf
)(
)(
Dq
Df
,),()(1 CCqqK
)()(1)()(1 qKqKqqK
)(q
K
)(1
)(
qAq
)()(1
1
KI
0K
KDKY
K - Operating Range:
K K KD
NB: m(Ω) = q(Ω)
evidence scaling conflict
K ))(),(( qXqF
,, DC
CWH:
9/26
Parameter design Kd ID KK
)(1
1
q
3
4DK
2DK
4DK
Agente 2P(A)P(B)
DK
1DK
Agente1 )(q1)(1 Am
),(2 BAm)(q)(Aq)(Bq
0.75 0.251 0010
0.250.75
00.50.5
0
0.5 0.5
0.750.25
0.250.75
0
0 1
00
1
0w 4.0w1w
2w
w
10/26
Parameter design KiAgente 2
A BΩ
A BΩ
A BΩ
A BΩ
Ω (CWH)
A
B
Ω
mS1
0
0
1
22 1 SA
mS2
0.25
0
0.75
75.12 2 SA
Pl(A)=1
Bel(A)=0
Pl(B)=1
Bel(B)=0
10.25
0.750
mS3
0.5
0
0.5
10.5
10.5
0
5.12 3 SA 25.12 4 SA
mS4
0.75
0
0.25
10.75
10.25
0
A
12 A
11/26
Parameter design KiAgente 1
A BΩ
A BΩ
A BΩ
A BΩ
Ω (CWH)
A
B
Ω
mS1
0
0.125
0.875
875.11 1 SA
mS2
0
0.25
0.75
75.11 2 SA
Pl(A)=0.875
Bel(A)=0
Pl(B)=1
mS3
0
0.5
0.5
5.11 3 SA 25.11 4 SA
mS4
0
0.75
0.25
10.75
125.12 A
0.125 0.25 0.5
0.750
10.5
0
10.25
0
11
mS5
0
0.875
0.125
Label
12/26
Parameter design K
)()(1
1
qqK I
)(q
)(q
A BΩ
A BΩ
A BΩ
A BΩ
A BΩ
)(q)(q
01
00
1IK
8IK
)(q 0.875)(q 0
)(q 0.1875)(q 0.1875
6.1IK
8IK
)(q 0)(q 0.875
DI KK Nested Set
DI KK
3.1DK
0DK
DI KK
13/26
Parameter design K
….A BΩ
A B
A B
Ω
Ω
Universo delle istanze
wiqqxgts
qqxxfK
i
n
,..,1,))(),(,..,(:.
))(),(,,..,(min*
1
1
Problema di Ottimizzazione
K* = ? v
Trial and Error Tuning
10))(),((
)))(),(((
21
21
XmXmd
XXmXmdfK = f(α)
?14/26
α-parameter Model
CB
CBCmBm
,,)()( 21
m(Ω)
q(Ø) m(X)
α? ?
q(Ø)
),,( IDY KKKf
YK K K K KD I
K
YK K DK IKK
? maxmin ,
15/26
α -> K Mapping
α
101)(1
1
01)()(1
1
DKq
qq:)(fK
K K K D
-1
YI
0
+1
K K
1Y
0D
1I
K?
16/26
Parameter design α
)(1
1
q e2log 11
1)(
q 10
0
4/1 2/1 4/3 16/15))(())(( qwqf
)(q5.0
1KD
KY
75.0c
)),(( qf
3.01.0
0 1/4 1/2 3/4 15/16
)(( qw--------
1
)(1 q )(2 q )(3 q )(4 q
)(5 q
17/26
Parameter design α
)(q)(1 q )(2 q )(3 q )(4 q )(5 q
))(()),(( qwqf i
c
2)(1
1
q
i
)(1 q
0)),((
))((lim
1)(
iq qf
qw
i )(0)( iqq
0
e2log
11 1)75.0(1
4/1
3.0
1)5.0(1
48.0
2/1
65.0
83.0
96.0
4/3 1)25.0(1
1)16/1(1 16/15
44.1
18/26
Parameter design α
)(qA B
Ω
)(Xq
A BΩ
25.0
K I
D
1
3.0
KY
0
1)()()( qqXq
K
A BΩ
A BΩ
A BΩ
5625.0 0625.0
A BΩ
KY , K K, ID
3.0
c3.0
A BA B A B
3.0)(1 q4/11
25.0)( q
04/1 25.0)( q
10
Regione Critica
q(Ω)≈q(Ø)
indifferente
19/26
Extended Model
YAGER
ESTRAPOLAZIONE
DEMPSTER INAGAKI PINZARI’S RULE
BA
C
A
C
B
Ω (CWH)
A
B
C
PLAUSIBILITY
2iS
Bel
0.5
0
0
C
Pl
1
0.5
0.5
Bel
0
0.5
0
Pl
0.5
1
0.5
)(
)(1
qXq
KK IP
∑q(X)A =
0.25B =
0.25C = 0
q(Ω)
0.25
q(Ø)
0.25
4PK
21 SS
2IK
1
0YK 3/4DK
A B A B
CA B
2 3/5 2/3
A B
C
20/26
CASE STUDY
FAULT WARNING CP :
Segnalazione di una situazione imprevista
SAFETY PRESERVATION CP:
CONTROL POLICY (CP)
Mantenimento della condizione operativaSAFETY 21/26
Power Set Mapping
US
S,U
Ø
P(Ω)
Sicuro
Stato Incerto
Non Sicuro
m(GO:FW)
m(S) + m(Ω)
m(SD:FW)
m(U)
m(GO:SP)
m(S)
m(SD:SP) m(U) + m(Ω)
GO: Attivo
Non Bloccare
SD: Blocco
Non Attivare
22/26
Optimization problem KDS = GO,SD CP = FW,SP
IYKCP
K
KCP
K KKKSDm
GOmK
)(max
)(min:*
Problema di Ottimizzazione per la soluzione più cautelativa
FAULT WARNING: SAFETY PRESERVATION:
GO
SD
IDY mmm
IDY mmm
GO
SD
IDY mmm
IDY mmm
m(DS,CP) = ))(( qf
,
,maxargSDGOi
ISD
IGO mmDS
,
,maxargSDGOi
YSD
YGO mmDS
23/26
Analisi sensitività KBasso Conflitto
76.0)( Xq 20.0)( q 04.0)( q
24/26
Analisi sensitività K
34.0)( Xq 65.0)( q 01.0)( qAlto Conflitto
25/26
Conclusioni Sviluppi Futuri• K-optimization
problem
• Sequencing problem
• Processi non stazionari
• Trade-off Pooling
• Augmented Extended Model
)))((())()(( 321321 AmmmAmmm
?Dempster
t t
)))(()(()))(()(( 21434321 AmmmmAmmmm
))(( 1 Ammmmmm nlkji
PKIK 26/26
Conoscere l’Ignoranza è forza
Ignorare la Conoscenza è debolezza
Domande?