人工智能总结---矿大版东哥

1、第一章符号主义：强调物理符号系统，思维过程是富符号模式的处理过程。人工智能主要研究学派：（适合逻辑思维，不适合形象思维）连接主义：又称仿生学派，强调神经元的运作。（不适合逻辑思维，适合形象思维）行为主义：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。（只能模仿昆虫行为）人工智能的主要研究领域：机器学习、问题求解、专家系统、模式识别、自然语言处理、智 能决策支持系统、人工神经网络、自动定理证明、机器人学第二章:逻辑性强推理效率低）+处理机制框架（5）脚本（6）状知识：人类认识自然界的精神产物，是人类进行智能活动的基础（按作用分：描述性知识、 判断性知识、过程性知识；按作用层次：对

2、象级知识、元级知识） 表示：为描述世界所做的一组约定，是把知识符号化的过程 对知识表示要求：（表示能力、可理解性、便于知识获取、便于搜索、便于推理）或（表示 能力、可理解性、可访问性、可扩充性） 知识表示方法：叙述性表示（知识、控制分开，控制部分留给计算机。 过程性表示（知识与控制结合，推理效率高 ） 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）基本的知识表示方式（I 1）谓词逻辑（2）产生式（3）语义网络（4） 态空间（7）面向对象的知识 谓词逻辑（命题逻辑：具有真假意义的陈述句 谓词逻辑：根据对象和对象上的谓词，通过使用连接词和量词来表示世界） 命题一一不包含变量的谓词公

3、式和逻辑语句； 命题逻辑一一基于命题的谓词逻辑称为命题逻辑，命题逻辑是谓词逻辑的子集。命题逻辑、谓词逻辑区别：命题具有较大的局限性，它无法把它所描述的客观事物的结构及 逻辑特征反映出来，也不能把不同事物的共同特征描述出来谓词逻辑适用范围： 适合于表示事物的状态、属性、概念等 事实性知识（析取符号：V合取 符号：A ）,或表示事物间具有确定因果关系的规则性知识（蕴涵符号：（4）知识易表达（5）易于实现；缺点：（1）效（适用于事实性知识、规则性知识 ）:（确定性规则、不确定性规则 ）让他们互相配合，协同作用，一个产生式生成的 以求得问题的解决，这样的系统称为 产生式系一阶谓词逻辑表示法的特点 优点

4、（1）严密性（2）自然性（3）通用性 率低（2）灵活性差（3）组合爆炸 产生式规则通常用于表示事物间的因果关系；【规则分类】前提-结论型条件-动作型 产生式系统的组成把一组产生式放在一起， 结论可以供另一个产生式作为已知事实使用， 统。基本组成部分一（规则）的存储器，其中的规则规则库：用于描述某领域内知识的产生式集合，是某领域知识 是以产生式形式表示的。（事实）综合数据库（事实库） 用于存放输入的事实、从外部数据库输入的事实以及中间结果 和最后结果的工作区。推理机：是一个或一组程序，用来控制和协调规则库与综合数据库的运行，包含了推理方式（数据驱动方式、自底向上的方式）：从已知事实 目标驱动方式

5、、自顶向下的方式 ）:从目标（作为;双向推理（既自顶向下又自底向上）：从两个和控制策略。（匹配、冲突解决、操作） 产生式系统推理机的 推理方式I:正向推理 出发，通过规则库求得结论：反向推理（假设）出发，反向使用规则，求得已知事实 方向同时进行，直至某个中间界面上两方向结果相符便成功结束 产生式特点：（1）清晰性（2）模块性（3 ）自然性；缺点：难以扩展；规律选择效率低；控 制策略不灵活；知识表示形式单一 语义网络：描述事物间关系的有向图AKO（A-Ki nd-of）:表示一个事物是另一个事物的一种类型。 ISA（Is-a）:表示一个事物是另一个事物的实例。每个学生都学习了一门外语语义网络特点

6、（1）结构性（2）联想性（3）自索引性（4）自然性（5）非严格性 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；第三章两大类搜索技术：1、一般图搜索、启发式搜索2、基于问题归约的与或图搜索两种典型的推理技术：1、基于归结的演绎推理（归结反演） 2、基于规则的演绎推理（正向 演绎推理、逆向演绎推理）搜索策略4大准则：（1）完备性（2）时间复杂性（3）空间复杂性（4）最优性OPEN-存放待展扩节点的表；CLOSE-存放已被扩展的节点的表；宽度优先（基本思想）一一扩展当前节点后生成的子节点总是置于OPEN表的后端，即

7、OPEN表作为队列使用，先进先出，使搜索优先向横广方向发展。优缺点：时间、空间复杂度高，搜索效率低，具有完备性、最优性；深度优先（基本思想）一一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。优缺点：与宽度优先相反盲目搜索共同优缺点：（1）直接应用一般图搜索算法实现，简单易行（2）节点排序的盲目性提高一般图搜索效率的关键：优化OPEN表中节点的排序方式启发式搜索：在搜索过程中加入了与问题有关的启发式信息,用于指导搜索朝着最有希望的方向前进，加速问题的求解并找到最优解。A算法评价函数f（n）=g（n）+h（n） ； h（n）:启

8、发式函数n搜索图G中最短解答路径的节点；f（n）- s经节点n到ng的实际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）的路径代价可采纳性（最优性）：若一个搜索算法总能找到最短的解答路径问题规约:|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。算法AO*与A*的比较1（1）AO*:解图一一A*:解答路径（2）AO*:估计代价最小的局部解图加以优先扩展A*:OPEN 表中f（n）最小的节点（3）AO*:只考虑评价函数 f（n）=h（n） A*:同时计

9、算分量g（n）和h（n）（4）AO*:应用LGS存放待扩展局部解图，并依据fi（nO）值排序一一A*:应用OPEN表和CLOSE表分别存放待扩展节点和已扩展节点，并依据 f(n)值排序0PEN表。 博弈：二人零和：只有“敌、我”二方，双方的利益完全对立，其赢得函数之和为零；全信息：博弈双方都了解当前的格局及过去的历史；非偶然：博弈双方都可根据得失大小进行分析，选取我方赢得最大，敌方赢得最小的对策，而不是偶然的随机对策 极大极小过程MINMAX 基本思想:f(p)取极小值)。(2) f(p)取极大值)。(3)评 两种方法传递倒推值。 以此来提高算(1)当轮到MIN走步的节点时(取与时)，MAX应

10、考虑最坏的情况(即 当轮到MAX走步的节点时(取或时)，MAX应考虑最好的情况(即 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)a - P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，法的效率。第四章推理：按某种策略由已知判断推出另一判断的思维过程 推理由程序程序实现，称为推理机 按判断推出的途径来划分：演绎推理、归纳推理、默认推理按推理时所用知识的确定性来划分：确定性推理、不确定性推理单调推理、按推理过程中推出的结论是否单调地增加，或推出的结论是否越来越接近目标： 非单调推理 演绎推理：从全称判断推导出特称判断或单称判断的过程(三段论式：大前提：已知的一般

11、性知识或假设；小前提：关于所研究的具体情况或个别事实的判断；结论：由大前提推出的适合于小前提所示情况的新判断 ) 归纳推理：足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理 默认推理(缺省推理):在知识不完全的情况下假设某些条件已经具备所进行的推理 推理控制策略:推理方向(正向推理、逆向推理、混合推理、双向推理)搜索策略、冲突消 解策略(就近原则、已知事实的新鲜性、匹配度、领域问题特点、上下文限制、条件个数、 规则的次序)、求解策略、限制策略 自然演绎推理：从一组已知的事实出发，直接运用命题逻辑或谓词逻辑中的推理规则推出结论的过程。而且它拥有丰富的推理规则，推理过程缺点：容易

12、产生组合爆炸，推理过程中假言推理P, P7 Q=Q (避免肯定后件(Q)的错误) 拒取式推理？Q, P- Q=?P (避免否定前件(P)的错误) 假言三段论：P-Q, Q-R=P-R 自然演绎推理优点：定理证明过程自然， 容易理解，灵活，便于在它的推理规则中嵌入领域启发式知识。 得到的中间结论一般呈指数形式递增。pg ? ?PVQ;狄摩根定律？(PVQ) ?P合适公式的性质：否定之否定？(?P) ? P;蕴涵式转化A ?Q、?(PA Q) ? ?PV?Q;分配律 PA (Q V R) ? (P A Q) V (P A R )、PV (QA R) ? (P V Q) A (PV R);交换律 P

13、V Q ? Q V P、PA Q ? QA P;结合律(PA Q)A R ? PA (Q A R)、(PV Q) V R ?PV( Q V R);逆否律 P如？ ? Q? ? P ;量词否定？(攻)P(x) ? (%(?P(x)、？(?x)P(x) ?( *)(? P(x);量词分配(*)P(x) A Q(x) ? OPM A OQW、宀)P (x) V Q(x) ?( ?x) P(x)V (收皿)合取范式的标准化过程消去多余的量词(很少出现)消去蕴涵符号内移否定符号变 量换名消去存在量词(Skolem变换)全称量词前束化消去全称量词把母式转化为 合取范式 归结反演的基本思路：I要从作为事实的

14、公式集 F证明目标公式 W为真；先将 W取反W ,加入公式集F;标准化F A W为子句集S;通过归结演绎证明 S不可满足，得出 W为 真的结论。第五章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；证据理论主观Bayes: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;表示P成立对Q成立的影响力；必要性因子 |=1:O（Q/P）=O（Q） ,P 对 Q 无影响；1:O（Q/P）O（Q） ,P 支持 Q ；Q;表示P不成立对Q成立的影响力Ln1:O（Q/P）O（

15、Q） P 不支持 可信度定义:CF(H)=CF(H,E) maxO,CF(E) 总结不确定性的组合【1 】CF1(H) 0,(CH) 0CF(H)= CF1(H)+ CF2(H) - CF1(H) 【2】CF1(H) 0, CF2(H) 0CF(H)= CF1(H)+ CF2(H) + CF1(H)【3】CF1(H)与CF2(H)异号X CF2(H)X CF2(H)Bel（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;似然（真）函数 PI似然函数又称为不可驳斥函数或上限函数，P 1（A）表示对A为非假的信任度。P 1（红）=1- Bel（红）

16、=1-Bel（黄，蓝）类概率函数 其中|A|、I助别表示A和Q中包含元素的个数。第六章人类智能根本特征：学习能力；使机器具有智能的根本途径 ：机器学习学习：是一个有特定目的的知识获取和能力增长的过程。内在行为：获得知识、积累经验、 发现规律；外部表现：改进性能、适应环境、实现自我完善 机器学习：一门研究机器获取新知识和技能，并识别现有知识的学科。机器学习系统特点 （1）具有适当的学习环境（2）具有一定的学习能力（识解决问题（4）能提高系统的性能 学习系统的基本结构：环境、知识库、学习环节3)能用所学的知执行环节停1：冋IT1夭囚PT 1.1可知识表达方式要求 （1）表达能力强（2 ）易于推理 扩展机器学习采用策略 （1）机器学习（2）示教学习（ 归纳学习：是应用归纳推理进行学习的一种学习方法，（3）容易修改知识库（知识表示易于3）类比学习（4）示例学习旨在