假设我有一个医疗规则：一个人是健康的，他有失眠症，建议他服用安眠药并去看医生。该规则具有确定性因子0.9（主观信念的程度，即特定规则为真，范围[0; 1]）。
Status(Fatigue) ^ Syndrone(Insomnia)
-> Treatment(TakeSleepingPills) ^ Treatment(MeetDoctor) {CF = 0.9}
如果我有一个已知事实Status(Fatigue)，如何在没有遗漏事实Treatment(TakeSleepingPills)的情况下推断Treatment(MeetDoctor)和Syndrone(Insomnia)？
有许多机器学习方法，例如Probabilistic Mention Model，Sampling distribution inference, Bayesian inference，......但是有没有其他方法可以不使用机器学习？
答案 0 :(得分：0)
您可以尝试使用答案集编程来推导规则和结果。基本上，你必须以逻辑方程的形式表示你的问题，并运行一个特殊的程序来解决给定的问题，即使在信息丢失的情况下。但是，在我看来，不会比机器学习更简单。
您可以阅读以下内容：