61、基于模糊因果用户模型的教学与智能物理学习模拟器的知识推断

基于模糊因果用户模型的教学与智能物理学习模拟器的知识推断

模糊因果用户模型的教学方法

在教学过程中，模糊因果用户模型有着独特的应用方式。在不同的规则触发情况下，会产生不同的结果。
- 规则触发情况一 ：当使用MaxDot方法进行转换时，会产生两个等价集（E1，E2），它们的属性表示相应MD所揭示的比例。这两个等价集聚合后会得到一个结果集（R），其隶属度（MD）为y = 1，该结果集代表一个因果输出集（COS）。
- 规则触发情况二 ：转换同样会得到两个等价集（E1，E2），它们的属性与前一种情况的属性成比例。在聚合过程中会产生一个额外区域，该区域是结果集（R）的一部分，其MD为y ≤ 1。最后通过归一化得到一个考虑了后续模糊集属性的COS。
- 规则触发情况三 ：若只有一条模糊规则触发，那么后续模糊集就对应于等价集、结果集和COS，MD为y = 1。

用户模型预测

用户模型预测是通过估计概念状态在一段时间内相互施加的偏差来实现的。下面将介绍计算概念因果影响的方法以及在认知地图（CM）上进行模拟的算法。
- 概念上的模糊因果推理
- 首先，在给定时间点t，概念状态e的关系1 - e…c - e会产生一组COS1 - e…c - e。通过模糊进位累积（FCA），这组COS会得到一个可变输出集（VOS），VOSe表示e在t时刻所受到的累积模糊因果影响。然后用新的值更新e，并用于下一个时间增量t + 1。
- 具体过程如下：
- 用第一个COS1 - e实例化VOS