人工智能总结解读

1、人工智能总结解读人工智能总结解读35/35人工智能总结解读第二章鉴于规则的专家系统2.1知识对于对象在理论和实践方面的理解，是目前所知知识的总结2.2规则2.3构造2.4基本特点2.5推理技术向前链接：是采集信息此后利用信息进行推理的技术Rule1：Y&DZRule2：X&B&EYRule3：AXRule4：CLRule5：L&MN向后链接：目标的驱动推理2.6参加者2.7矛盾的解决方案1）达到目标就停止规则2）优先级3）最长般配规则4）近来录入数据库规则2.8优弊端长处：（1）自然的知识表达方法2）一致的构造3）知识与其办理能力相分别4）能够办理不圆满或许不确立的知识弊端：（1）规则间的关系

2、不透明2）搜寻策略效率低3）不可以够自学习第三章鉴于规则的专家系统的不确立管理3.1不确立不确立性：就是缺少能够使我们的出圆满靠谱结论的精准知识根源：纤弱的表示、不精准的语言、数据的缺失、综合不同样专家的建议3.2贝叶斯规则使用贝叶斯方法，必然知足凭证有条件的独立，靠谱的数据统计，每个假定的先验概率。用于矿产勘探的专家系统PROSPECTOR是第一个成功运用凭证的贝叶斯规则3.3确立因子：贝叶斯方法最常有的取代方法3.4比较概率论是办理不精准知识和随机数据的最早和最好的技术贝叶斯主要用于天气预告和计划确立因子用在诊疗领域共同：要求找能够量化的主观的和定性的信息的专家第四章模糊专家系统4.1概括

3、4.2模糊集4.3语言描绘4.5推理1）步骤：a、输入变量模糊化b、评估规则c、聚合规则的输出d、规则的输出及逆模糊化2）两种技术Mamdani：用模糊规则获得专家知识，但计算量很大Sugeno：改良了计算效率，优化及自适应技术共同作用，在动向非线性系统中合用第五章鉴于框架的专家系统5.1简介框架：带相对于某个对象和见解的典型知识的数据构造，用来在鉴于框架的专家系统中获得和表达知识。用途：主要用于和产生式规则的链接5.25.3继承单父类继承和多重继承5.4方法和捍卫程序框架见的交互是经过方法和捍卫程序实现的。方法是和框架属性有关的过程，在需要的时候履行。大部分鉴于框架的专家系统使用两种方法：W

4、HENCHANGED和WHENNEEDED。WHENCHANGED方法在有新的信息加入槽中使用，WHENNEEDED在解决问题需要该信息，但没有指定槽值的时候使用。第六章人工神经网络6.1人脑工作1）机器学习：使用计算机的经验、实例、和类比自己来学习的自适应系统。跟着时间的推移，学习能力能够提升智能系统的性能。机器学习最常有的方法就是人工智能。2）生物神经网络3）人工神经网络：由一些特别简单并高度互联的办理器（成为神经元）构成，这个人类大脑中的生物神经元近似。神经元之间由一个神经元传达信号到另一个神经元的有权重的链接连结，每个链接有与之有关的数值权重。权重是ANN中长久记忆的最基本见解，它用来

5、表达神经元输入的强度和重要性。神经网络经过不停的调整权重来学习。6.2简单计算6.3感知器感知器经过对权重的微调来减少时间输出和希望输出的差异进而进行学习，初始权重是随机指定的，此后经过调整权重，获得和训练实例一致的输出。感知器可是能够学习线性切割函数，不可以够学习局部实例的基础进步行全局推行6.4多层神经网络多层感知器是一个前馈神经网络，含有根源神经元的输入层、至少一个计算神经元的中间层或许隐含层、一个神经元输出层。输入层从外界接受输入信号，并将信号从头分派给中间层的全部神经元。隐含层检查特点，隐含层神经元的权重表示输入模式的特点。输出层建立整个网络的输出模式。算法：向后传达法6.5加快学习

6、向后传达法计算量过大，致使训练速度迟缓。以下方向用来提升效率：（1）用双曲正切函数取代S型激活函数（2）多层网（3）因素使用（4）自适应学习6.6Hopfield神经网络（拥有反应的循环网络）Hopfield训练算法有两个阶段：储蓄和检索。在第一个阶段，网络需要储蓄一系列由全部神经元的目前输出的状态（或称作基本记忆），这是经过计算网路权重矩阵来实现的。权重一旦被计算出，就会保持不变。第二阶段，未知的含糊或许不圆满的基本记忆会被输入到网络中，此后计算机网络输出并进行反应以调整输入。这个过程会向来重复道输出为一个常数为止。6.7BAM（双向有关记忆）Hopfield网络表示的是一种自有关的记忆。它

7、能够检索含糊或许不圆满的记忆，可是不可以够将一个记忆和其余记忆联系起来。BAM是一种异质有关网络，它将一个会合的模式和另一个会合的模式关系起来。基本思想：储蓄模式对。当输入为会合A中的n维向量x时，BAM便会回想起来会合B中的m维向量y；当输入为y时，BAM会回想起输出向量x6.8自组织网络Hebb法例：假如神经元i和神经元j之间足够近，i能够刺激j而且重复的参加j的活动，则这两个神经元之间的突触连结就会增强，而且神经元j对来自神经元i的刺激也更为的敏感。竞争学习：神经元经过互相竞争来激活，输出的神经元是输出的胜出者，也叫作胜者通吃。Kohonen网络：由单层的计算神经元构成，但存在两种不同样

8、种类的链接，即输入层神经元到输出层神经元的向前链接，以及输出层神经元之间的互相链接。之中后者用于创立神经元之间的互相竞争。神经元经过从非激活状态的变化来改变权重进行学习。仅有胜出的神经元及其相邻的点赞成学习。假如神经元对给定的输入模式没有响应，那么这个神经元就不会进行学习。第七章进化计算7.1进化计算：人工智能进化方法的基础是自然选择和遗传的计算模型。包括：遗传算法、进化计算、遗传编程方法：创立个体的种群、计算适应性、用遗传操作产生新的种群、重复该过程必然的次数。7.2遗传算法：鉴于生物进化系统的随机搜寻算法遗传算法使用自然选择和交叉、突变等技术，每个染色体由几个基因构成，每个基因用0或许1来

9、表示。遗传算法使用单个染色体适应性值来实现生殖。进行生殖时，交叉操作互换两个独自染色体的一部分，突变操作随机选择的染色体上某个基因的值。在几次成功生殖后，适应性低的染色体就会灭绝，而适应性高的染色体就会在各代中占主导地位。最常用的染色体选择技术是轮盘选择工作原理：发现好的计划，即候选方案中好的组件并将其重组。不需要知道问题领域的任何知识，但需要适应性函数评估解决方案的适应性。问题：解决问题波及定义限制和最优标准、将问题解决方案编码为染色体、定义合用性函数来评估染色体的性能，创立适合的交叉和突变操作。用编码位串来表示可能会改变问题的实质。也就是说,将问题变得和我们所需要解决的问题圆满不同样。7.

10、3计划策略：用于解决技术优化问题用途：在没有分析对象函数，传统的优化方法不存在，工程师必须依靠于他们的直觉是，进化策略能用于优化问题。进化策略是纯粹的数值优化方法，它和蒙特卡洛搜寻方法近似，仅合用于突变操作中7.4遗传编程遗传编程经过自然选择的方法来使计算机程序进化，其实是遗传算法的扩展，遗传编程不再是用位串来表示问题，而是用编写解决问题的代码。也就是说，遗传编程创立作为解决方案的计算机程序，而遗传算法创立了表示解决方案的预备步骤：（1）确立终端函数及（2）选择基本函数集（3）定义适应性函数（4）确立控制运转的参数（5）选择指定运转结果的方法长处：遗传编程和遗传算法使用同样的进化方法，可是遗传

11、编程不再使用位串表示编码方法，而是用圆满的计算机程序来解决详细问题。遗传算法最基本的困难在于问题的表达，也就是固定长度的编码，表达见效不好限制了遗传算法的能力，甚至致使错误的结论。遗传编程使用第八章混淆智能系统8.1概括软计算：能够在不确立和不精准环境中进行推理和学习的混淆智能系统。概率推理、模糊集理论、神经网络和进化计算构成了软计算的核心。各个组件都有自己的长处和弊端。概率推理主要办理不确立性，模糊逻辑主要办理不精准性，神经网络主要用来学习，进化计算主要用来优化。8.2神经专家系统专家系统和神经网络都试图模拟人类的智能，可是使用方法不同样。专家系统依靠IF-THEN规则和逻辑推理，而神经网络

12、则使用并行的数据办理。专家系统不可以够学习，但能够解说其推理过程，神经网络能够学习，但其行为像黑盒子。他们构成混淆专家系统，成为神经或许连结专家系统。神经专家系统用经过训练的神经网络取代知识库，和传统的鉴于规则的专家系统不同样，神经专家系统能够办理模糊和不圆满的数据。领域知识能够用于神经知识库的最先构造中。训练后，神经知识库就能够表完成IF-THEN产生式规则集。8.3神经模糊系统神经网路是初级的计算构造，办理原始数据时性能优秀，模糊逻辑使用从领域专家那里获得的语言信息进行高级推理。可是模糊系统没有学习能力且不可以够在新的环境中调整自己。神经网络能够学习，但是它们对用户而言是不透明的。继承的神

13、经模糊系统能够将神经网络的并行计算和学习能力和模糊系统的近似人类的知识表达方式和解释能力联合起来。8.3ANFIS：自适应性神经模糊推理系统Sugeno模糊模型一种用来在给定的输入输出数据集中产生模糊规则的系统方法，ANFIS：对应于一阶的Sugeno模糊模型。用6层神经网络表示：输入层、模糊化层、模糊规则层、归一化层、逆模糊化层、总结层怎样学习：使用了混淆了最小二乘法和梯度降落法的学习算法。在前向传输中会出现输入模式的训练集，神经元的输出会一层一层的计算，其规则后向参数用最小二乘法表示。在后向传达中，偏差信号向后传达，规则前向参数依据链规则更新。8.5进化神经网络8.6模糊进化系统第九章知识

14、工程和数据挖据9.1简介知识工程是建立智能的鉴于知识的系统的过程步骤：（1）评估问题（2）获得数据和知识（3）开发原型系统（4）开始圆满的系统（5）评估并校订系统（6）整合和保护系统9.2专家系统诊疗专家系统：电脑故障分类专家系统：风帆分类9.3模糊专家系统模糊逻辑主要针对不明确的事件自己，适合模拟人类的决议制定过程。重要的决议平常鉴于人们的直觉、知识和经验，而不是鉴于数据的可用性和精准性。模糊技术供给了一种办理软标准和模糊数据的方法。决议支持模糊系统：银行评估抵押申请9.4神经网络神经网络在展望、分类、聚类问题中获得了成功的应用。使用神经网络的领域有语音和字符鉴识、医学诊疗、过程控制、和机器人技术、鉴识雷达目标、展望汇率以及检测欺骗交易。特点鉴识神经网络：字符鉴识系统展望神经网络：房地产评估拥有竞争学习的分类神经网络：9.5遗传算法主要用于优化问题9.6数据发掘和知识发现工具：决议树基尼系数是谈论展望器切割秦朝节点中所包括的类的利害的一种胸怀方法念书的利处1、行万里路，读万卷书。2、书山有路勤为径，学海无涯苦作舟。3、念书破万卷，下笔若有神。4、我所学到的任何有价值的知识都是由自学中得来的。达尔文5、少壮不努力，老大徒伤心。6、黑发不知勤学早，白首方悔念书迟。颜真卿7、宝剑锋从磨砺出，梅花香自严寒来。8、念书要三到：心到、眼到、口到9、玉不琢、不可以器，人不学、不