中南大学人工智能实验报告

1、“人工智能”实验报告老师:黄芳班级:计科1001学号：0909090430姓名：赵鼎平日期：2013.11.7目录 TOC o 1-5 h z 一、神经网络实验群4 HYPERLINK l bookmark9 o Current Document 二、生产式系统实验群5 HYPERLINK l bookmark12 o Current Document 三、搜索策略实验群6四、自动规划实验群8 HYPERLINK l bookmark15 o Current Document 五、实验心得和体会11神经网络实验群训练数据集（输入节点0，输入节点1，输入节 点2，输入节点5）（0,0,0,0）（

2、0,0,1,0）（0,1,1,1）（1,0,0,0）（1,0,1,1）（1,1,0,1）（1,1,1,1）（输入节点0，输入节点1，输 入节点4）（0,0,0）（0,1,0）（1,0,1）(Known，New，Short，Home,Reads)(1,1,0，1,0)(0,1,1，0,1)(0,0,0,0,0)(1,0,0,1,0)(1,0,0,0,0)(0,0,1,0,0)(0,1,1,0,1)(1,0,0,1,0)(1,1,0,0,0)(0,0,1,1,0)(1,1,0,0,0)(1,0,1,1,1)(1,1,1,0,1)(1,0,1,0,1)(0,1,1,0,1)训练误差第1代误差1.68

3、 第51代误差0.52 第101代误差0.11 第151代误差0.05 第201代误差0.03第1代误差0.018 第51代误差0.010 第101代误差0.010 第151代误差0.010 第201代误差0.010第1代误差4.67 第51代误差0.66 第101代误差0.12 第151代误差0.06 第201代误差0.03模 拟 的 问 题 或 函 数多数赞成表决器异或问题MailReading （邮件信息识别）观 测 结 果经过200代的进化，误差以明显的阶 梯型降低Total ErrorStep Co unlit由于初始误差比较低，故经过 50代的进化，误差已经极大地 降低，几乎不再变

4、化Total ErrorStep Count经过200代f 降低的进化，误差极t大地5. CVA,一501OT150Step Count zw学 生 结 论神经计算能够实现“多数赞成表决 器”功能单层的神经网络无法实现异或 问题，但是含有中间层的BP网 络却可以很好的解决异或问题经过训练的BP网络可以进行邮 件识别，解决信息识别的难题，可 以极大地提高生产力0生产式系统实验群姓名赵鼎平指导老师黄芳日期2013.11.7实验目 的熟悉和掌握产生式系统的运行机制，掌握基 于规则推理的基本方法。推理方 法逆向推理建立规则库建立事实库该动物是哺乳动物-该动物有毛发.该动物是哺乳动物-该动物有奶.该动物

5、是鸟-该动物有羽毛.该动物是鸟-该动物会飞&会下蛋.该动物是食肉动物-该动物吃肉.该动物是食肉动物-该动物有犬齿&有爪&眼盯 前方.该动物是有蹄类动物-该动物是哺乳动物&有蹄.该动物是有蹄类动物-该动物是哺乳动物&是嚼 反刍动物.该动物是金钱豹-该动物是哺乳动物&是食肉动 物&是黄褐色&身上有暗斑点.该动物是虎-该动物是哺乳动物&该动物是食肉 动物&是黄褐色&身上有黑色条纹.该动物是长颈鹿-该动物是有蹄类动物&有长脖 子&有长腿&身上有暗斑点.该动物是斑马 -该动物是有蹄类动物&身上有黑 色条纹.该动物是鸵鸟-该动物是鸟&有长脖子&有长腿& 不会飞&有黑白二色.该动物是企鹅-该动物是鸟&会游泳

6、&不会飞&有 黑白二色.该动物是信天翁-该动物是鸟&善飞.%-动物识别系统事实集：%会游泳.-该动物是企鹅%不会飞.%有黑白二色.%该动物是鸟.%-该动物是鸟%该动物会飞.%会下蛋.%-该动物是金钱豹-该动物是哺乳动物&是食肉 动物&是黄褐色&身上有暗斑点.%该动物有毛发.%是食肉动物.%是黄褐色.%身上有暗斑点.%-该动物是虎 -该动物是哺乳动物&该动物是食 肉动物&是黄褐色&身上有黑色条纹.%该动物是哺乳动物.%是食肉动物.%是黄褐色.%身上有暗斑点.%-该动物是长颈鹿-该动物是有蹄类动物&有长脖子&有长腿&身上有暗斑点.%该动物是有蹄类动物.%有长脖子.%有长腿.%身上有暗斑点.预测结果

7、假设目标为该动物是金钱豹，则结果为true.实验过程及结果（注意观测规则的 匹配过程和 方法）（1）假设这个动物是金钱豹。为了检验这个假设，根据规则， 要求这个动物是哺乳动物&是食肉动物&是黄褐色&身上有暗 斑点.（2）必须检验这个动物是否为哺乳动物。先由规则库中的： 该动物是哺乳动物-该动物有毛发.该动物是哺乳动物- 该动物有奶.可知，均不和事实相匹匹配，这条链是失败的， 但事实库中有：该动物是哺乳动物.这个事实，故存在成功的根据逆向推理可以逐步 确定姓名实验目 的搜索图链路。（3）同理对于其他三者，事实库中均存在给点的事实即：是 食肉动物.是黄褐色.身上有黑色条纹.所以存在一条成功的链 路

8、，使所有的规则与事实匹配。故结果为True.学生结论在产生式系统的推理过程中，我们需要恰当的设置好规则与事实，同时应注意两者之间的 匹配。在逆向推理中，必须寻找所存在的规则，最终找到存在事实库，若所需条件存在则 为true，否则为false指导老师意 见搜索策略实验群赵鼎平 年级计科班 指导老师 黄芳 日期2013年11月7日熟悉和掌握启发式搜索的定义、估价函数和算法过程，并利用A*算法求解N数码难题，理解求 解流程和搜索顺序。使用的是实验环境中已经建立好的“多重路径修建”搜索图估价函 数f(x)=g(x)f(x)=h(x)f(x)*=g(x)*+h(x)*搜索节 点次序 记录节点0-节点1-

9、 节点3-节点4- 节点2-节点4- 节点6-节点4- 节点7-节点5- 节点6-节点8节点0-节点1-节 点3-节点4-节点 2-节点4-节点节点4-节点节点5-节点 6-节点8节点0-节点1-节点3-节点4-节点2-节点4-节 点6-节点5-节点7-节点6-节点8观测结 果最终路径是 节点0-节点4-节点 8最终路径是 节点0-节点4-节 点8最终路径是 节点0-节点4-节点8学生结 论广度优先搜索算法是 一种搜索策略，与之相 对应的还有深度优先 搜索算法。广度优先是 指从图G中的某点为 始点出发，标记出所有 与之相邻的点，并再以 所有与之相邻的点为 始点，搜索所有与这些 点相邻的点，从而

10、逐层 向下扩展，实现对图的 遍历。同理，深度优先 搜索是指从某点出发， 逐层向下扩展，直到无 路可扩展时向上回溯， 它是优先考虑图的深 度(指从某点的扩展深 度)，而广度优先则优 先考虑图的广度(指从 某点的可扩展量)。贪婪算法是一种 不追求最优解，只希 望得到较为满意解 的方法。贪婪算法一 般可以快速得到满 意的解，因为它省去 了为找最优解要穷 尽所有可能而必须 耗费的大量时间。贪 婪算法常以当前情 况为基础作最优选 择，而不考虑各种可 能的整体情况，所以 贪婪法不要回溯。A*算法结合了启发式方法(这种方法通过充分利用图给出的信 息来动态地作出决定而使搜索次数大大降低)和形式化方法 (这种方

11、法不利用图给出的信息，而仅通过数学的形式分析，如Dijkstra算法)。它通过一个估价函数(Heuristic Function) f(h)来估计图中的当前点p到终点的距离(带权值)，并由此决 定它的搜索方向，当这条路径失败时，它会尝试其它路径。我们说如果在一般的图搜索算法中应用了上面的估价函数对 OPEN表进行排序的，就称A算法。在A算法之上，如果加上 一个条件，对于所有的结点x，都有h(x)=h*(x)，那就称为 A*算法。如果取h(n)=0同样是A*算法，这样它就退化成了 有序算法。A*算法是否成功，也就是说是否在效率上胜过蛮力搜索算法， 就在于h(n)的选取，它不能大于实际的h*(n)

12、，要保守一点， 但越接近h*(n)给我们的启发性就越大，是一个难把握的东西。p ut日 writ；北11田木块3)p uM writable i：木块：3)AutoscaleC Pan Zoom 4 i实验心得和体会当初觉得好奇报了人工智能这一个学科，接触了一学期后发现人工智能挺有 趣的。其中涉及到了很多与我们的生活息息相关的知识以及它所代表的也是我们 科学进步发展最前沿的体现。除了计算机科学以外，人工智能还涉及信息论、控制论、自动、仿生学、生 物学、心理学、数理逻、语言、医学和哲学等多门学科。人工智能学科研究的主 要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理 系统、

13、自然语言理、计算机视觉、智能机器人、自动程序设计等方面。同时通过这几次的实验，我对人工智能的一些思想以及应用有了更进一步的 了解。在实验期间，也遇到了很多困难，我通过在书本上查找答案以及询问周边的 同学，希望能得到合理的答案，在大家的帮助下，解决了不少实验中的问题以及 很多难以理解的理论和思想，不过还有很多地方自己和同学们都不是很了解，希 望在今后的学习中能慢慢解决问题。在其中，我更学到了并巩固了书本上的知识。再生产式系统中，主要用到了系统自带的动物识别系统，动物识别系统的实 质是将人的思维过程转化为计算机语言的逻辑过程，其关键在于知识和信息的表 示，智能推理或求解的基础一知识库的创建和管理，以及基于某种知识和信息表 示的智能推理或求解过程。在搜索策略实验群中，我渐渐了解启发式