中南大学人工智能实验报告(20211123200252)

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 目录一、神经网络实验群 . 4 二、生产式系统实验群 . 5 三、搜索策略实验群 . 6 四、自动规划实验群 . 8 五、实验心得和体会 . 11 神经网络实验群姓名赵鼎平指导老师 : 黄 芳日期:2013 年 11 月 7 日实验目的理解反向传播网络的结构和原理，掌握反向传播算法对神经元的训练过程，了解反向传播公式。通过构建 bp网络实例，熟悉前馈网络的原理及结构。网络拓朴图生产式系统实验群训练数据集（输入节点 0，输入节点 1，输入节点 2，输入节点 5）（0,

2、0,0,0 ）（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）（1,1,1,1,1）（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

3、,0,1）（1,1,1,1,1）（1,0,1,0,1）（1,1,1,1,1）（0,1,1,0,1）训练误差第 1 代误差 1.68 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mailreadi

4、ng （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，几乎不再变化经过 200 代的进化，误差极大地降低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

5、物- 该动物有奶 . 该动物是鸟- 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

6、&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 &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 &am

7、p;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

8、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.该动物是哺乳动物节点 1- 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 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

9、-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

10、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

11、 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) ，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。自动规划实验群姓名赵鼎平班级计科 1001 指导老师黄芳日期2013.11.7 实 验 目的熟悉和掌握自动规划的基本原理, 方法和主要技术。实 验 原理规划是一种问子题求解技术，它从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操

12、作序列，直到求得目标状态为止。简而言之，规划是一个行动过程的描述。一个总规划可以含有若干个子规划。实 验 环境转 载 相关 源 文件实验环境转载相关源文件实 现 过程单步观察实验算法算 法 结果分析观 测 结果通过规定规则，确定initial state 和 goal state，使得移动臂按照规则进行移动。分别进行clear holding pickup putdown putdowntable等实现对木块的移动。实现过程先进行逆向推理选择，找出途径后再进行移动。学 生 结论对于不同的规则将会出现不同的移动过程。通过规定不同的动作可实现不通过的移动。实验心得和体会当初觉得好奇报了人工智能这一

13、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、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 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