人工智能系统课件

1、第十章 人工智能系统本章要点：人工智能系统概述知识表示及推理搜索技术自然语言处理智能计算机器学习10.1 人工智能系统概述10.1.1 什么是人工智能 人工智能AI(Artificial Intelligence)，又称为机器智能MI(Machine Intelligence)，是研究、设计和应用智能机器或智能系统，用来模拟人类智能活动的能力，以延伸人类智能的科学。它是一门综合了计算机科学、控制论、信息论、生理学、神经生理学、语言学、哲学的交叉学科。 10.1 人工智能系统概述10.1.2 人工智能的起源与发展人工智能的起源人工智能的产生时期人工智能的发展和实用化时期10.1 人工智能系统概述

2、10.1.3 人工智能的主要学派1.符号主义学派 符号主义(Symbolicism)学派，又称为逻辑主义(Logicism)学派、心理学派(Psychlogism)或计算机学派(Computerism)。这一学派认为人工智能源于数理逻辑。 2.联结主义学派 联结主义(Connectionism)学派，又称为仿生学派(Bionicsism)或生理学派(Physiologism)。它从神经元开始进而研究神经网络模型，开辟了人工智能的又一发展道路。 3.行为主义学派 行为主义(Actionism)学派，又称为进化主义(Evolutionism)学派或控制论学派(Cyberneticsism)，它源于

3、控制论。 10.1 人工智能系统概述10.1.4 人工智能的研究与应用领域问题求解专家系统决策支持系统自然语言处理组合高度和指挥智能机器人逻辑推理和定理证明模式识别自动程序设计智能控制10.2 知识表示及推理10.2.1 知识与知识表示知识的概念 知识是人类对客观世界及其内部运行规律的认识与经验的总和，是人类利用这些规律改造世界的方法和策略。在计算机科学和智能程序设计中研究的知识仅仅是有关现实世界的一部分知识。 知识具有相对正确性、不确定性、可表示性和可利用性等几个特征。 10.2 知识表示及推理10.2.3 高级知识推理技术 1. 模糊推理 2. 不确定性推理 3. 非单调推理 4. 时序推

4、理 10.3 搜索技术 10.3.1 一般搜索技术 1.深度优先搜索法深度优先搜索法从开始状态开始搜索，然后是开始状态的一个后继状态(即通过一次状态转移可以到达的状态)，接着是该状态的一个后继状态，如此等等，直到到达目标状态。2.广度优先搜索法 广度优先搜索法并没有上面深度优先搜索法的缺点。其基本思想如下；根据从开始状态出发的状态转移的递增次序(层数)来考察状态，这样，首先检查开始状态的所有直接后继状态，然后是这些状态的直接后继状态，如此等等，直至找到目标状态。 10.3 搜索技术 3.等代价搜索 宽度优先搜索可被推广用来解决这种寻找从起始状态至目标状态的具有最小代价的路径问题，这种推广了的宽

5、度优先搜索算法即是等代价搜索算法。 10.4 自然语言处理10.4.3 机器翻译 机器翻译就是用计算机来模拟人的翻译过程。 10.5 智能计算10.5.1 智能计算概述智能计算（Intelligence Computational）也有人称之为“软计算”。智能计算就是借用自然界（生物界）规律的启迪，根据其原理，模仿设计求解问题的算法。 10.5 智能计算10.5.2 遗传算法 遗传算法（Genetic Algorithm,简称GA）是利用达尔文的“适者生存，优胜劣汰”的自然进化规则进行搜索和完成对问题求解的一种新方法。 10.5 智能计算10.5.3 群集智能 蚁群优化算法 蚁群(ant co

6、lony )算法是最近几年才提出的一种新型模拟算法进化算法，它是20世纪90年代首先由意大利学者M. Dorigo等人提出，称之为蚁群系统， 2. 粒子群算法 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，是由Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究PSO同遗传算法类似，是一种基于叠代的优化工具。 10.6 机器学习10.6.2 机器学习的发展过程第一阶段20世纪50年代中叶到60年代中叶，属于神经元模型的研究阶段。 第二阶段，20世纪60年代中叶到70年代中叶，属于符号学习的研究阶段。 第三阶段，20世纪70年代

7、中叶到80年代中叶，属于连接学习的研究阶段。 机器学习的最新阶段始于1986年，机器学习的研究出现了高潮，机器学习有了更强的研究手段和环境。从而出现了符号学习、神经网络学习、进化学习和基于行为主义的强化学习等方法。 10.6 机器学习10.6.3 机器学习的主要研究方向 (1)学习机理的研究这是对人类学习机制的研究，即人类获取知识、技能和抽象概念的天赋能力。 (2)学习方法的研究 研究人类的学习过程，探索各种可能的学习方法，建立起独立于具体应用领域的学习算法。 (3)面向任务的研究 根据特定任务的要求，建立相应的学习系统。 10.6 机器学习10.6.4 机器学习策略 (1)机械学习就是记忆。

8、是最简单的学习策略。 (2)比机械学习复杂一点的学习是通过传授学习策略。 (3)类比学习系统只能得到类似任务的有关知识。 (4)采用通过事例学习策略的计算机系统，事先完全没有完成任务的任何规律性的信息，所得到的只是一些具体的工作例子及工作经验。 10.6 机器学习10.6.5 机器学习方法 1. 机械学习 机械学习法又称为死记硬背学习法。它是最简单的机器学习方法。机械学习就是把新的知识存储起来，供需要时检索，而无须计算和推理。 2. 演绎学习 演绎学习是基于演绎推理的一种学习。演绎推理是一种保真变换，即若前提真则推出的结论也为真。演绎学习包括知识改造、知识编译、产生宏操作、保持等价的操作和其它保真变换。 3. 类比学习 类比学习的一般含义是：对于两个对象，如果它们之间有某些相似之处，那么就推知这两个对象间还有其它相似的特征。 10.6 机器学习4. 解释学习 解释学习是通过运用相关的领域知识，对当前提供的实例进行分析，从而构造解释并产生相应知识。 5. 神经学习 神经网络学习是基于神经网络技术的机器学习系统。 神经网络学习的方法有不同的分类。按学习时是否有外部指导来分类的话，可分为下列类别：(1)有导师(或称有监督)学习。 (2)无导师(或称无监督)学习。 3.6 本章小结 本章通过对智能系统的相关知识的介绍，展示了人工智能的应用领域及相关内容，包括人工智能的基本概念、起