人工智能总结-矿大版_第1页
人工智能总结-矿大版_第2页
人工智能总结-矿大版_第3页
人工智能总结-矿大版_第4页
人工智能总结-矿大版_第5页
已阅读5页,还剩3页未读, 继续免费阅读

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

(只有部分概念,计算题不包括)

第一章

【人工智能的定义】

⑴人工智能主要研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算

机去完成以往需要人类智力才能胜任的工作。

人工智能的发展划分为:

孕育期(1956年前)

形成期(1956年-1969年)-达特茅斯会议

发展期-基于知识的系统

实用期-神经网络的复兴

智能主体的兴起

符号主义:(AI研究的传统观点)强调物理符号系统,思维过程是富符号模式的处理过程。

联接主乂:又称仿生学派,强调神经元的运作。

行为主乂;智能行为的基础是“感知-行动”,是在与环境的交互作用中表现出来的。

人工智能的主要研究领堀

专家系统数据挖掘语义web自然语言理解机器人模式识别智能控制博弈自动证明

定理

第二章:

知识表示知识表示是数据结构及其处理机制的综合

知识表示=符号(结构)+处理机制

基本的知识表示方式

谓词逻辑表示法产生式表示法语义网络表示法框架表示法

脚本状态空间表示法面向对象的知识表示

产生式规则

通常用于表示事物间的因果关系:

【基本形式】

IFPthenQ或P—>Q,其中

P表示规则的条件(或称前提);

Q圣示规则激活时应该执行的动作(或得到的结论);

【规则分类】

①前提-结论型

②条件-动作型

产生式系统的组成

把一组产生式放在一起,让他们互相配合,协同作用,一个产生式生成的结论可以供另一个

产生式作为已知事实使用,以求得问题的解决,这样的系统称为产生式系统。一般说来,一

个产生式系统由以下三个基本部分组成

产生式系统推理机的推理方才有正向推理、反向推理和双向推理三种。

语义网络

1.类属关系、

AKO(A-Kind-of):表示一个事物是另一个事物的一种类型。'

AM0(A-Mcmbcr-of):表示一个事物是另一个事物的成员。

ISA(Is-a):表示一个事物是另一个事物的实例。

2.包含关系

Part-of,Member-of

3.属性关系

Have:表示一个结点具有另一个结点所描述的属性。

Can:表示一个结点能做另一个结点的事情。

4.时间关系

Before:表示一个事件在一个事件之前发生。

After:表示一个事件在一个事件之后发生。

5.位置关系Z应该知道就行了吧,呵呵》》

Loca(ed-on:表示一物体在另一物体之上。

Locatcd-at:表示一物体在某一位置。

Loca(ed-under:表示一物体在另一物体之下。

Located-inside:表示一物体在另一,物体之中。

Located-outside:表示一物体在另一物体之外。

6.相近关系

Sin】ilar-to:表示一事物与另一事物相似。

Near-to:表示一事物与另一事物接近。

7.因果关系

If-then

8.组成关系y

Conipsoed-of

每个学生都学习了一门外语★

图2.19具有全称变量的话义网络(分块语义网络)

1、框架的一般表示结构

框架由描述事物各个方面属性的槽(slot)组成

框架更强调表示事物的内部结构;

语义网络节点更强调表示事物间的关系;

(1)ISA槽

ISA槽用于指出对象间抽象概念上的类属关系。其直观意义足“足一个”,“足一种”,

“是一只”……。在一般情况下,用ISA槽指出的联系都具有继承性。

(2)AKO槽

AKO槽用于具体地指出对象间的类属关系。其直观意义是“是一种”。当用它作为某下

层框架的槽时,就明确地指出了该下层框架所描述的事物是其上层框架所描述事物中的一

利I下层框架可继承上层框架中值或属性。

(3)Instance槽

Instance槽用来表示AKO槽的逆关系。当用它作为某上层框架的槽时,可在该槽中指

出它所联系的下层框架。用Instance槽指出的联系都具有继承性,即下层框架可继承上层框

架中所描述的属性或值。

(4)Part-of槽

Part-of槽用于指出部分和全体的关系。当用其作为某框架的一个槽时,槽中所填的值

称为该框架的上层框架名,该框架所描述的对象只是其上层框架所描述对象的一部分。

第三章

符号说明:

s-初始状态节点

G・搜索图

OPEN-存放待展扩节点的表

CLOSE-存放已被扩展的节点的表

MOVE-FIRST(OPEN)-取OPEN表首的节点作为当前要被扩展的节点n,同时将节点n移至

CLOSE表

盲目搜索常用的简单方式:

宽度优先(基本思想)[--扩展当前节点后生成的子节点总是置于OPEN表的

后端,即OPEN袤作为队列使用,先进先出,使搜索优先向横广方向发展。

深度优先(基本思想)-扩展当前节点后生成的子节点总是置于OPEN表的前

端,即OPEN表作为栈使用,后进先出,使搜索优先向纵深方向发展。

A算法的可采纳性——定义f*(n)=g*(n)+h*(n)

n-搜索图G中最短解答路径的节点:

f*(n)-s经节点n到ng的最短解答路径的路径代价;

g*(n)-该路径前段(从s到n)的路径代价;

h*(n)-该路径后段(从n到ng)的路径代价;

A*算法定义:

1、在A算法中,规定h(n)Wh*(n);

2、经如此限制以后的A算法就是A*算法。

A*算法是诃采纳的,印总能搜索到最短解答路径

启发式函数的强弱及其影响

定理:解决同一问题的两个A*算法A1和A2,

若hl(n)Wh2(n)Wh*(n)且gl(n尸g2(n)

则t(Al)2t(A2)

其中,hl、h2分别是算法Al、A2的启发式函数,t指示相应算法到达目标状态时搜索图含

的节点总数。

h(n)接近h*(n)的程度一一衡量启发式函数的强弱

A*算法搜索问题解答的关键

h(n)在满足h(n)<h*(n)的条件下,越大越好!

问题规约:是由初始问题出发,运用操作算子产生一些子问题,对子问题再运用操作算子产

生子问题的子问题,这样一直进行到产生的问题均为本原问题,则问题得解。

启发式函数的强弱及其影响

定理:解决同一问题的两个A*算法A1和A2,

若hl(n)Wh2(n)Wh*(n)且gl(n尸g2(n)

则t(Al)2t(A2)

其中,hl、h2分别是算法Al、A2的启发式函数,i指示相应算法到达目标状态时搜索图含

的节点总数。

算法AO*与A*的比较★

解图一一解答路径

估计代价最小的局部解图加以优先扩展一一OPEN表中f(n)最小的节点;

只考虑评价函数f(n)=h(n)-----同时计算分量g(n)和h(n),

应用LGS存放待扩展局部解图,并依据fi(nO)值排序一一应用OPEN表和CLOSE表分别存

放待扩展节点和己扩展节点,并依据f(n)值排序OPEN表。

MINMAX基本思想:

(1)当轮到MIN走步的节点时(取与时),MAX应考虑最坏的情况(即f(p)取极小值)。

(2)当轮到MAX走步的节点时(取或时),MAX应考虑最好的情况(即f(p)取极大值)。

(3)评价往回倒推时,相应于两位棋手的对抗策略,交替使用(1)和(2)两种方法传递倒

推值。

所以这种方法称为极大极小过程。

a过程就是把生成后继和倒推值估计结合起来,及时剪掉一些无用分支,以此来提高算

法的效率。

第四章

谓词公式永真性和可满足性概念:

永真永假:如果谓词公式P,对个体域D上的任何一个解释都取得了真值(假值),则称P

在D上是永真的(永假的);如果公式P在每个非空个体域上均为永真(永假),则称P永

真(永假的)。

可满足:对于谓词公式P,如果至少存在一个解释使得公式P在此解释下的真值为真,则称

公式P是可满足的。

重要性质---------------

J__充分必要条件

子句集S的不可满足性---------------合适公式F永假

不裁价

合适公式F卜——~集S

连词优先级别是非,八、v,蕴含,等价,但可通过括号改变优先级。

空子句

设CI=L、C2=L,则归结式C为空;

以□表示为空的归结式C,并称C=□为空子句;

因为C1和C2是一对矛盾子句,不可同时满足,所以口是不可满足的子句;

通过往S中加入口而产生的扩展子句集S'不可满足;

空子句口是用归结原理判定子句集S不可满足的成功标志。

空子句是不可满足(即永假)的子句

归结反演的基本思咻

要从作为事实的公式集F证明目标公式W为真;

①先将W取反〜W,加入公式集F;

②标准化FA-W为子句集S;

③通过归结演绎证明S不可满足,得出W为真的结论。

____________________________________第五章

要实现对不确定性知识的处理,要解决

不确定知识的表示问题

不确定信息的计算问题

不确定性表示

计算的语义解释问题

3种不确定推理方法(不同的确定性程度定义):

主观Bayes方法

可信度方法

证据理论

LS----充分性因子

=1:O(Q/P)=O(Q),P对Q无影响;

>1:O(Q/P)>O(Q),P支持Q;

<1:O(Q/P)<O(Q),P不支持Q:

LN——必要性因子

=1:O(Q/1P)=O(Q),TP对Q无影响;

>1:O(Q/-P)>O(Q),-P支持Q;

vl:O(Q/TP)vO(Q),「P不支持Q;

主观Bayes:

0(。)

□1、应用Bayes理论于不确定推理0(0)二夕(「。)

■⑵主观Bayes方法

□对Bayes理论进行改进,消去先验概率P(P);

MQ/P)

O(Q/P)=LSi0(0)③O(Q/P)=

PJQIP)

P(Q5

o(Q"=LN-og④0(Q/Y)=

□LS——推理规则P=Q成立的充分性因子;

■表示P成立对Q成立的影响力;

LN------推理规则P=Q成立的必要性因子;

■表示P不成立对Q成立的影响力;

分段线性插值:

M2//)+。⑼-黑T■P(P/P)

gp(p/p')<p(p)

p(Q/P')二

。(。)+p(Q-)潦。,•(p(p/p')一以尸))

1—P(P)

P(P)<P(P/P,)<1

0(。Ik)0(。IE)xog)

0(01A州)=x

0(。)0(。)

可信度定义:

⑴规则的不确定性

MYCIN提出的可信度方法中,推理规则表示为:

IFETHENH,CF(H,E),其中:

证据E——命题的合取八和析取V组合;

结论H——单一命题:

CF(H,E)一一确定性因子,简称为可信度,证据E为真的情况下,结论F为真的可能程度;

CF(H,E)=MB(H,E)-MD(H,E)

(l)MB(H,E)=a——信任度量

证据E成立使结论H的可信度增加了数量a;

⑵MD(H,E)=b----不信任度量

证据E成立使结论H的不可信度增加了数量b;

信任函数Bel

Be/(A)=叫Bel((/))=0Bel(U)=1

Bcl(A)=A的所有子集B的基本概率m(B)之和;

Bel(A)表示当前证据下,假设集A的综合信任度;

口峭PI(*=0Pl(U)=1

②似然(真)函数PI

PI(A);所有与A相交的子集B的基本概率m(B)之和P/(A)>Bel(A)

P1(A)表示A非假的信任程度

户7(A)—区R(A)

表示对A不知道是真是假的程度:

[Bel(A),Pl(A)]来综合描述A的不确定性;

3个特殊区间:

11:信任A为真;

[0,0]:信任A为假;

[0,1]:对A是真是假一无所知;

口,0]:错误

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论