[논문 리뷰] Pignistic Probability Transforms for Mixes of Low- and High-Probability Events

J.J. Sudano|arXiv (Cornell University)|2015. 05. 27.

Bayesian Modeling and Causal Inference참고 문헌 5인용 수 49

한 줄 요약

이 논문은 신뢰 이론에서 낮은 확률과 높은 확률의 사건이 혼합된 경우를 더 잘 다루기 위해 네 가지 새로운 피그니스틱 확률 변환을 제안한다. 특히 위험 기준에 가까운 결정을 내려야 하는 시간에 민감한 상황에서 유용하다. 신뢰 또는 기본 신뢰도 할당(BBA) 값에 기반해 확률 추정치를 조정함으로써, 낮은 BBA를 가진 사건에는 낮은 확률을, 높은 BBA를 가진 사건에는 높은 확률을 할당함으로써, 위험 기준에 더 빨리 수렴하게 하여 안전이 중요한 시스템에서의 결정 정확도를 향상시킨다.

ABSTRACT

In some real world information fusion situations, time critical decisions must be made with an incomplete information set. Belief function theories (e.g., Dempster-Shafer theory of evidence, Transferable Belief Model) have been shown to provide a reasonable methodology for processing or fusing the quantitative clues or information measurements that form the incomplete information set. For decision making, the pignistic (from the Latin pignus, a bet) probability transform has been shown to be a good method of using Beliefs or basic belief assignments (BBAs) to make decisions. For many systems, one need only address the most-probable elements in the set. For some critical systems, one must evaluate the risk of wrong decisions and establish safe probability thresholds for decision making. This adds a greater complexity to decision making, since one must address all elements in the set that are above the risk decision threshold. The problem is greatly simplified if most of the probabilities fall below this threshold. Finding a probability transform that properly represents mixes of low- and high-probability events is essential. This article introduces four new pignistic probability transforms with an implementation that uses the latest values of Beliefs, Plausibilities, or BBAs to improve the pignistic probability estimates. Some of them assign smaller values of probabilities for smaller values of Beliefs or BBAs than the Smets pignistic transform. They also assign higher probability values for larger values of Beliefs or BBAs than the Smets pignistic transform. These probability transforms will assign a value of probability that converges faster to the values below the risk threshold. A probability information content (PIC) variable is also introduced that assigns an information content value to any set of probability. Four operators are defined to help simplify the derivations.

연구 동기 및 목표

• 안전이 중요한 위험 기준이 존재하는 시스템에서 낮고 높은 확률의 사건을 모두 평가해야 하는 의사결정 문제를 해결한다.
• 스메츠의 피그니스틱 변환을 개선하여, 모든 수준의 신뢰 값에 걸쳐 사건의 상대적 타당성에 맞는 더 정확한 확률 추정치를 제공한다.
• 특히 낮은 확률의 사건에 대해 위험 기준 이하의 확률 추정치가 더 빨리 수렴하도록 보장하여, 시간에 민감한 융합 시스템에서의 위험 평가를 단순화한다.
• 확률 집합의 정보 가치를 정량화하기 위해 확률 정보 내용(PIC) 지표를 도입하여 더 나은 의사결정 평가를 지원한다.
• 신뢰도, 타당성 또는 BBA 값들을 사용하여 낮고 높은 확률의 혼합 상황에 맞는 향상된 피그니스틱 확률을 생성하는 프레임워크를 제공한다.

제안 방법

• 스메츠 변환을 수정하여, 신뢰 또는 BBA 값에 기반해 확률 할당을 조정하는 네 가지 새로운 피그니스틱 확률 변환을 제안한다.
• 실시간 의사결정 시나리오에서 민감도를 높이기 위해 최신의 신뢰도, 타당성 또는 기본 신뢰도 할당(BBA) 값을 사용해 확률 추정치를 동적으로 업데이트한다.
• 낮은 BBA를 가진 사건에는 더 작은 확률을, 높은 BBA를 가진 사건에는 더 큰 확률을 할당하도록 변환을 설계하여 위험 인식 의사결정 기준과의 일치를 향상시킨다.
• 새로운 변환의 유도 및 구현을 단순화하기 위해 네 가지 수학적 연산자를 도입한다.
• 주어진 확률 분포의 정보 가치를 평가하기 위해 확률 정보 내용(PIC) 변수를 정의한다.
• 특히 낮은 확률의 사건에 대해 확률 추정치가 위험 기준 이하로 수렴하는 것을 가속화한다.

실험 결과

연구 질문

• RQ1 신뢰 이론에서 낮고 높은 확률의 사건 혼합 세트를 더 잘 표현하기 위해 피그니스틱 확률 변환은 어떻게 개선될 수 있는가?
• RQ2 스메츠의 피그니스틱 변환에 어떤 수정을 가해야 안전이 중요한 의사결정 시스템에서 위험 기준에 더 빨리 수렴하는가?
• RQ3 신뢰 또는 기본 신뢰도 할당(BBA) 값은 어떻게 사용하여 더 정확하고 위험에 민감한 확률 추정치를 생성할 수 있는가?
• RQ4 확률 정보 내용(PIC)은 민감도 기반 확률 분포의 품질 평가에 어떤 역할을 하는가?
• RQ5 높은 BBA를 가진 사건에는 더 높은 확률을, 낮은 BBA를 가진 사건에는 더 낮은 확률을 할당하는 새로운 피그니스틱 변환을 설계할 수 있는가? 이는 의사결정 신뢰도를 향상시키는가?

주요 결과

• 제안된 피그니스틱 변환은 스메츠 변환에 비해 낮은 BBA를 가진 사건에는 더 작은 확률을, 높은 BBA를 가진 사건에는 더 큰 확률을 할당한다.
• 확률 추정치가 위험 기준 이하로 수렴하는 데 더 빠른 수렴 속도를 보이며, 시간에 민감한 시스템에서 의사결정 효율성이 향상된다.
• 확률 정보 내용(PIC) 지표는 확률 집합의 정보 가치를 성공적으로 정량화하여 의사결정 품질 평가를 지원한다.
• 네 가지 새로운 수학적 연산자의 사용은 변환의 유도 및 구현을 단순화하여 실용적 사용성을 향상시킨다.
• 부족한 데이터와 혼합된 확률의 사건을 포함한 실제 정보 융합 시나리오에서 변환이 효과적임을 입증하였다.
• 스메츠의 피그니스틱 변환을 개선하여 안전이 중요한 응용 분야에서 확률 추정치가 위험 인식 의사결정 기준과 더 잘 일치함을 보였다.