人工智能考点整理

1、第一章绪论1、人工智能概念人工智能就是让机器来完成那些如果由人来做则需要智能的事情的科学2、智能有哪些具体特征？具有感知能力（系统输入）：机器视觉，机器听觉，图像语音识别”具有记忆与 思维能力：思维是智能的根本原因，思维是一个动态的过程。思维分为：逻辑思 维，形象思维和顿悟思维。具有学习能力及自适应能力：适应环境的变换、积累经验的能力具有行为能力 （系统输出）：对外界的智能化反应3、AI的本质研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学。4、人工智能系统的三大基本问题知识获取、知识表示和知识利用5、人工智能研究形成了三大学派符号主义，认为符号是人类的认识基

2、元，同时人的认识过程即是对符号的计算推理的过程。其研究内容是基于逻辑的知识表示和推 理技术。联结主义，认为人的认识基元是神经元，认识的过程就是人脑进行信息 处理的过程。主要研究内容是神经网络。行为主义，其主要原理是智能取决于感知和行为，它不需要知识，不需要表示， 不需要推理，智能行为是通过与现实外界环境的交互作用体现出来的。研究重点 是模拟人的各种控制行为。三个学派各有所长，各有所短，应相互结合、取长补短，综合集成。不同学派间的 争论进一步促进了人工智能的发展。6、人工智能的目的通过计算机技术模拟人脑智能，替代人类解决生产、生活中的具体问题。通过计算机技术延伸人类智力，提高人类解决生产、生活中

3、的具体问题 的能 力。通过计算机技术研究推动人类智力发展7、人工智能的目标人工智能是电脑科学的一个重要分支，它的近期目标是让电脑更 聪明、更有用，它的远期目标是使电脑变成“像人一样具有智能的机器”。8、人工智能研究的基本内容Cognition modeling （认知建模）Knowledge Representation 矢口识表示）Knowledge Reasoning 知识推理）Knowledge Application （知识应用）Machine Perception 机器感知）Machi ne thi nki ng （机器思维）Machine learning （机器学习）Machin

4、e behavior （机器行为）In tellige nt system con struct ing 智能系统构建）9、人工智能研究的主要方法Function simulation （功能模拟法）Construction simulation （结构模拟法）Behavior simulation （行为模拟法）Integration simulation （集成模拟法）Mechanism simulation （机制模拟法）10、人工智能的研究与应用领域Problem Solving问题求解Logic Reas oning & Automatic Theorem Provi ng 逻辑推理

5、与自动定理证明 NaturalLan guage Un dersta nding 自然语言理解Automatic Programming 自动定理证明Machine Learning 机器学习Expert System （ES 专家系统Artificial Neural Network （ANN）人工神经网络Robotics机器人学Pattern Recognition 模式识别Computer Vision计算机视觉Intelligent Control （智能控制）第二章知识和知识表示方法1、什么是知识把有关的信息关联在一起的信息结构，就是知识。知识反映了客观世界中事物之间的关系。2、知识

6、的特性相对正确性知识是人们对客观世界认识的结晶，并且受到长期实践经验的检验。因此，在一 定的条件及环境下，知识一般是正确的，可信任的。应该注意一定的条件及环境 的条件约束。不确定性知识不总是具有“真”或“假”这两种状态，在真和假之间可能存在许 多中间状态，这种特性称为知识的不确定性。造成知识不确定性的原因有以下几种：由随机性引起的不确定性由模糊性引起的不确定性由不完全性引起的不确定性由经验性引起的不确定性可表示性与可利用性知识是可以用适当的形式表示出来的，如语言、文字、图形、神经元网络等。它是可利用的，我们每个人天天都在利用自己掌握的知识解决 所面临的各种各样问题。3、知识的分类对知识从不同角

7、度划分，可得到不同的分类方法：按作用域划分：常识性知识和领域性知识按作用及表示划分：事实性知识，过程性知识，控制性知识按确定性划分：确定性知识和不确定性知识按结构及表现形式划分：逻辑性知识和形象性知识若抛开知识涉及领域的具体特点，从抽象的、整体的观点来划分，知识可分为零 级、一级和二级知识。4、知识表示分类知识表示方法可分为两大类：符号表示法：用各种包含具体含义 的符号，以各种不同的方式和次序组合起来表示知识连接机制表示法：用神经网络技术表示知识的一种方法，相对于符号表示法而言 是一种隐式表示法5、状态空间法从某个初始状态开始，每次加一个操作符，递增的建立起操作符的实验序列，直 到达到目标状态

8、止。如下棋、迷宫及各种游戏。6、问题归约法先把问题分解为子问题及子-子问题，然后解决较小的问题。对该问 题的某个具体子集的解答就意味着对原始问题的一个解答7、谓词逻辑表示方法的特点主要优点符号简单，描述易于理解。自然、严密、灵活、模块化。具有严格的形式 定义。每项事实仅需表示一次。具有证明过程中所使用的推理规则。利用定理证明技术可从旧事实推出新事实。主要缺点：难于表示过程式和启发式知识。由于缺乏组织原则，利用该方法表示的知 识库难于管理。由于是弱证明过程，当事实的数目增大时，在证明过程中决定使 用哪条规则时可能产生组合爆炸。不具有表示不精确和不确定知识的能力。8、语义网络法是通过概念及其语义关

9、系来表示知识的一种网络图。用语义网络表 示事物间的关系：（1）分类关系（2）聚集关系（3）推论关系（4）时间、位置 关系（5）多元关系9、语义网络的推理主要包括：网络匹配：寻找与网络片断的语义网络模式继承推 理：使用节点的继承关系进行推理网络演绎：使用节点间的推论关系确定不同结构 网络片断间的语义等价关系10、语义网络求解问题的基本过程：1）把待求解的问题构造为一个问题网络片段，其中有些节点或者有向弧的标识是 空的，反映待求解问题2）在语义网络知识库中搜寻可与问题网络片段匹配的网络片段。搜寻中，可能需要 进行继承推理和网络演绎3）当问题网络片段与知识库中的某语义网络片段匹配时，贝U由此可匹配的

10、语义网 络片段得到问题的解11、框架表示法框架表示法就是用来表示经验性知识的一种知识表示方法。框架通 常由描述事务 的各个方面的槽组成，每个槽可以拥有若干个侧面，而每个侧面可以拥有若干个值。12、框架表示知识的系统组成知识库(提供求解问题所需要的知识)(2)推理机(针对用户提的问题，运用知识库中的知识完成问题求解)13、框架表示法的特点：(1)结构性(2)继承性。框架表示法不足：不善于表示过程性知识第三章确定性推理1、问题求解技术盲目与启发式搜索：状态空间法、图的搜索技术与或树搜索：问 题归约法、与或图的特例的搜索技术消解原理：谓词逻辑法、推理技术2、图的盲目搜索技术分成：宽度优先搜索技术、深

11、度优先搜索技术、等代价(代价 优先)搜索技术3、三种盲目搜索技术的比较主要差别：在于挑选要扩展节点的规则不同宽度优先搜索技术：先扩展出来的节点随后先扩展，OPEN表是队列深度优先搜索技术：后扩展出来的节点随后先扩展，OPEN表是堆栈等代价搜索技术：选取OPEN表中代价最小的节点先扩展，OPEN表是线性表(以局 部代价的递增顺序排列)4、启发式搜索-A*算法设函数f是f*的一个估计f(n)= g( n) + h( n)其中g(n)是g*(n)的估计、h(n)是 h*(n)的估计A算法：在图搜索时，依据f(n)= g(n) + h(n)重排OPEN表在A算法中，如果对所有x存在h(x) w h*(

12、n)，则称h(x)为h*(n)的下界A*算法采用h*(n)的下界h(x)为启发函数的A算法5、消解原理的消解过程：将命题写成合取范式(2)求出子句集(3)对子句集使用消解推理规则(4)消解式作 为新子句参加消解(5)消解式为空子句，S是不可满足的(矛盾)，原命题成立。6、化为子句集消蕴涵符理论根据：a b = a b移动否定符减少否定符号的辖域(反复应用狄.摸根定律)(甘 vb) -a A-b(a Ab) P -a v-ba) a-(VxP(x)-(3x)-P(x)理论根据：变量标准化(让每个量词有自己唯一的哑元)即：对于不同的约束，对应于不同的变量(3x)A(x) v (3x)B(x) =

13、(Sx)A(x) v (Sy)B(y)量词左移(3x)A(x) v (3y)B(y) = (3x) Qy) (A(x) vB(y)消存在量词(skolem化)原则：对于一个受存在量词约束的变量，如果他不受全程量词约束，则该变量用 一个常量代替，如果他受全程量词约束，则该变量用一个skolem函数代替。(3z) (Vx)(3y) (P(x) a-Q(x) v R(y) vU(z)= (Vx) ( P(x)人 Q(x) 7 R(f(x) vU(a)若消去的存在量词不在任何一个全程量词的辖域内，skolem函数即是常数化为合取范式iP(avb) a (cvd) a (evf)的形式(Vx)( P(x

14、) aQ(x) v R(f(x)vU(a)= (Vx)( P(x) a-Q(x) v R(f(x)vU(a) = (Vx)-P(x) v R(f(x)vU(a) a -Q(x)vR(f(x)vU(a)隐去全程量词P(x) v R(f(x)vU(a) a-Q(x)v R(f(x)vU(a)&消去连词符号/v表示为子句集用A闵代替A AB卜 P(x) v R(f(x)vU(a), -Q(x)v R(ffx)vU(a)最后得到一个有限集，其中每个公式是文字的析取，称作一个子 句口9变量标准化(变量换名)-P(xl) v R(xl)vU(a). -J(x2)v R(f(x2)vU(a)使一个变量符号不

15、出现在一个以二的子句中9、消解反演求解过程公式集&目标公式L,通过反演求证目标公式L.证明步骤：1否定L,得L;2把1添加到S中去；把新产生的集合卜L, S化成子句集；应用消解原理，力图推导出一个表示矛盾的空子句；提取回答的过程1、先进行归结,证明结论的正确性；2、用重言式代替结论求反得到的子句；3、按照证明过程，进行归结；4、最后，在原来为空的地方，得到的就是提取的回答。10、规则演绎系统将有关问题的知识和信息划分成规则与事实两种类型。规则有 包含蕴涵形式的表达式表示，事实由无蕴涵形式的表达式表示，这种推理系统称为 基于规则的演绎系统。正向推理：从if部分向then部分推理的过程11、规则正

16、向演绎系统（1）事实表达式的与或形变换（2）事实表达式的与或图表示（3）与或图的F规则变换（4）作为终止条件的目标公式12、与/或树的一般搜索过程：1）把原始问题作为初始节点SO,并把它作为当前节点2）应用分解或等价变换算符对当前节点进行扩展。3）为每个子节点设置指向父节点的指针。4） 选择合适的子节点作为当前节点,反复执行第2）步和第3）步，在此期间要多 次调用可解标示过程和不可解标示过程，直到初始节点被标示为可解节点或不可解 节点为止。第六章机器学习1、机器学习的主要研究主要集中在以下方面：认知模拟：通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在 的种种问题理论性分析：从理论

17、上探索各种可能的学习方法，并建立起独立于具体应用领域 的学习算法面向任务的研究：根据特定任务的要求，建立相应的学习系统2、机器学习系统特征 目的性：系统可以有目的的学习结构性：具备适当的知识存储结构来记忆学到的知 识，能够修改和完善知识表示和知识的组织形式有效性：新近学到的知识应受到实践的检验，且必须能够改善系统的行为起到有益 的作用开放性：系统在实际的使用过程、交互过程中不断改进3、机器学习的方法归纳学习：指从特例推导一般规则的学习方法，在机器学习领域中，可把归纳学 习形式地描述为使用训练实例以导出一般规则的搜索问题。类比学习基于解释的学习：是一种基于实例分析的学习方法。遗传算法：是借鉴生物

18、遗传机制的一种随机化搜索算法，其主要特点是群体搜索 和群体中个体之间的信息交换。人工神经网络4、消除候选者算法初始化概念空间H=其中，G为零描述集合，S为训练集合，初始化 时，S中只含第一个正例接受一个新的训练实例。如果实例为正例，则从G中删去所有与该例不相 容的概念，并更新集合S,尽可能小地对S进行一般化，以相容这个新的正实例；如 果实例为反例，则首先从S中删去所有与该例相容的概念，并更新集合G，尽可能 小地特殊化G中的元素，以便它们不相容这个反例。如果G S则重复步骤(2);否则输出H。5、决策树构造算法CLS如果训练实例集T中所有实例的分类结果均为C,则返回C从属性表AttList中任选一个属性作为检测属性。若属性Ai的值域ValueType(Ai中有s个不同的取值，则将T分成s个子集T1, T2”，TS，每个子集的所有元素的属性Ai的取值相同。 更新属性表，从属性表Attrlist中删除检测属性Ai。对每个子集Tk，若子集Tk中的所有实例的分类结果均为Cj，则生成叶节点Cj ; 若子集中Tk所有实例的分类结果有