人工智能课件整理

..人工智能〔AI概述智能是知识与智力的总和,知识是一切智能行为的基础,智力是获取知识并应用知识求解问题的能力智能的特征：1、感知能力2、记忆〔存储由感知器官感知到的外部信息以及思维所产生的知识与思维〔对记忆的信息进行处理能力：〔1逻辑思维〔抽象思维〔2形象思维〔直感思维〔3顿悟思维〔灵感思维3、学习能力4、行为能力〔表达能力人工智能：用人工的方法在机器〔计算机上实现的智能；或者说是人们使机器具有类似于人的智能。人工智能研究的基本内容：1、知识表示,知识表示：将人类知识形式化或者模型化；知识表示方法：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顺序组合起来表示知识的一类方法。例如,一阶谓词逻辑、产生式等、连接机制表示法〔把各种物理对象以不同的方式及顺序连接起来,并在其间互相传递及加工各种包含具体意义的信息,以此来表示相关的概念及知识。例如,神经网络等2、机器感知3、机器思维4、机器学习5、机器行为人工智能的主要研究领域：1、自动定理证明,实质：由前提P得到结论Q的永真性2、博弈3、模式识别〔研究对象描述和分类方法的学科。分析和识别的模式可以是信号、图象或者普通数据：文字识别〔邮政编码、车牌识别、汉字识别,人脸识别〔反恐、商业,物体识别〔导弹、机器人4、专家系统5、机器人6、机器识别7、自然语言理解8、自动程序设计9、智能信息检索10、数据挖掘与知识发现11、组合优化问题12、人工神经网络13、分布式人工智能14、智能管理与智能决策……第二章知识表示知识：在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验,把有关信息关联在一起所形成的信息结构,反映了客观世界中事物之间的关系,不同事物或者相同事物间的不同关系形成了不同的知识知识的特性：1、相对正确性〔一定的条件及环境2、不确定性〔引起原因：随机性、模糊性、经验、不完全性3、可表示性〔知识可以用适当形式表示出来,如用语言、文字、图形、神经网络等与可利用性〔知识可以被利用知识的分类：1、按知识的作用范围：常识性知识〔通用性知识,领域性知识〔专业性知识〔如：一个字节由8个位构成2、按知识的作用及表示：事实性知识〔如：糖是甜的,过程性知识〔如：乘火车,控制性知识〔如：乘飞机较快,较贵3、按知识的结构及表现形式：逻辑性知识,形象性知识〔如：什么是树？4、按知识的确定性：确定性知识,不确定性知识〔给出知识,判断是以上哪种知识知识表示：将人类知识形式化或者模型化一阶谓词逻辑表示法：命题：一个非真即假的陈述句命题逻辑：研究命题及命题之间关系的符号逻辑系统谓词的一般形式：P<x1,x2,…,xn>个体x1,x2,…,xn：某个独立存在的事物或者某个抽象的概念；谓词名P：刻画个体的性质、状态或个体间的关系个体是常量：一个或者一组指定的个体例："老张是一个教师"：一元谓词Teacher<Zhang>；"5>3"：二元谓词Greater<5,3>"Smith作为一个工程师为IBM工作"：三元谓词Works<Smith,IBM,engineer>个体是变元〔变量：没有指定的一个或者一组个体例："x<5"：Less<x,5>个体是函数：一个个体到另一个个体的映射例："小李的父亲是教师"：Teacher<father<Li>>个体是谓词例："Smith作为一个工程师为IBM工作"：二阶谓词Works<Engineer<Smith>,IBM>谓词公式：1、连接词〔连词〔1﹁："否定"或"非"eg："机器人不在2号房间"：﹁Inroom<robot,r2>〔2∨："析取"——或eg："李明打篮球或踢足球"：Plays<Liming,basketball>∨Plays<Liming,football>〔3∧："合取"——与eg："我喜欢音乐和绘画"：Like<I,music>∧Like<I,painting>〔4→："蕴含"或"条件"<condition>eg："如果刘华跑得最快,那么他取得冠军。"：RUNS<Liuhua,faster>→WINS<Liuhua,champion>〔5："等价"或"双条件"："P当且仅当Q"谓词逻辑真值表量词：〔1全称量词〔universalquantifier〔："对个体域中的所有〔或任一个个体x"例："所有的机器人都是灰色的"：<>[ROBOT<x>→COLOR<x,GRAY>]〔考试类型就是由汉字翻译成英文,或由英文译成汉字〔2存在量词〔existentialquantifier〔："在个体域中存在个体x"例："1号房间有个物体"：〔INROOM〔x,r1举例：<><>F<x,y>表示对于个体域中的任何个体x都存在个体y,x与y是朋友；<x><y>F<x,y>表示在个体域中存在个体x,与个体域中的任何个体y都是朋友；<x><y>F<x,y>表示在个体域中存在个体x与个体y,x与y是朋友；<x><y>F<x,y>表示对于个体域中的任何两个个体x和y,x与y都是朋友〔谓词公式和量词具体考试是体现在后面的大题中的应用练习题：用谓词公式表示下列语句有的人喜欢梅花,有的人喜欢菊花,有的人既喜欢梅花又喜欢菊花。表示：定义谓词：like<x,y>为x喜欢y；flower1：梅花；flower2：菊花；他每天下午都去踢足球表示：定义谓词：plays<z,y,x>为z在x时间踢y；x：下午；所有人都有饭吃表示：定义谓词：have<x,y>为x有y；x：人喜欢玩篮球的人必喜欢玩排球要想出国留学,必须通过外语考试表示：定义谓词：pass<x,y>为x通过y；study<x,y>为x到y学习；x：人；〔English为英语考试谓词公式的性质：1、对于每一个解释,谓词公式都可求出一个真值〔T或F2、谓词公式的永真性、可满足性、不可满足性〔对于谓词公式P,如果至少存在一个解释使得P在此解释下的真值为T,则称P是可满足的,否则,则称P是不可满足的3、谓词公式的等价性主要的等价式：〔1交换律〔2结合律〔3分配律〔4德摩根律〔5双重否定律吸收律〔7补余律〔8连接词化归律〔9逆否律〔10量词转换律〔11量词分配律4、谓词公式的永真蕴含一些重要的永真蕴含式〔1化简式〔2附加式〔3假言推理〔4拒取式推理〔5假言三段论〔6析取三段论〔7二难推理〔8全称固化〔9存在固化〔公式要牢记,大题中都会应用到谓词逻辑的其他推理规则：①P规则：在推理的任何步骤上都可引入前提②T规则：在推理过程中,如果前面步骤中有一个或多个公式永真蕴含公式S,则可把S引入推理过程中〔主要用在后面的大题中一阶谓词逻辑知识表示方法：谓词公式表示知识的步骤：〔1定义谓词及个体〔2变元赋值〔3用连接词连接各个谓词,形成谓词公式〔大题中用来定义谓词的方法,掌握步骤,才会定义谓词,不作具体考试内容,主要大题中用到产生式：1、确定性规则知识的产生式表示基本形式：IFPTHENQ或者PQ不确定性规则知识的产生式表示基本形式：IFPTHENQ〔置信度或者PQ〔置信度3、确定性事实性知识的产生式表示三元组表示：〔对象,属性,值或者：〔关系,对象1,对象2例：老李年龄是40岁：〔Li,age,40李和老王是朋友：〔friend,Li,Wang4、不确定性事实性知识的产生式表示四元组表示：〔对象,属性,值,置信度或者：〔关系,对象1,对象2,置信度例：老李年龄很可能是40岁：〔Li,age,40,0.8老李和老王不大可能是朋友：〔friend,Li,Wang,0.1〔掌握语义网络是一种采用网络形式表示人类知识的方法,一个语义网络是一个带标识的有向图。在语义网络知识表示中,结点一般划分为实例结点和类结点两种类型。结点之间带有标识的有向弧表示结点之间的语义联系,是语义网络组织知识的关键。1、以个体为中心组织知识的语义联系〔1实例__类结点与所属实例结点之间的联系ISA,如：〔2泛化__AKO聚集__某一个体与其组成成分之间的联系,part-of如：两只手是人体的一部分属性__个体、属性及其取值之间的联系以谓词或关系为中心组织知识的语义__3元谓词give<x,y,z>:z是x给y的如：x：John,y：Mary,z：warandpeace合取〔与give<John,Mary,warandpeace>∧read<Mary,warandpeace>析取〔或JohnisaprogrammerorMaryisalawyer.3.否定<"﹁ISA、﹁AKO、﹁part-of"或非give<John,Mary,warandpeace>∧read<Mary,warandpeace>蕴含"如果车库起火,那么用CO2或沙来灭火。"变元和量词在语义网络中的表示方法：存在量词直接用ISA弧表示,全称量词用分块方法表示。如,命题:Thedogbitthepostman.〔注意：题中是否有量词关系,若有,就要注意该方法命题:Everydoghasbittenapostman.G是断言,分别指向分块S1,注意有向弧上写有FROM,另外指向分块中所示的全称量词的变元或个体,有向弧上有全称量词的符号；分块S1用虚线框围起来命题<3>：Everydoghasbitteneverypostman.例：描述桌子的语义网络练习题：〔1知更鸟是一种鸟；鸵鸟是一种鸟；鸟是会飞的；鸵鸟不会飞；CLYDE是一只知更鸟；CLYDE从春天到秋天占一个巢〔2猪和羊都是动物；猪和羊都是偶蹄动物和哺乳动物；野猪是猪,但生长在森林中；山羊是羊,且头上长着角；绵羊是一种羊,它能生产羊毛〔3孙老师从2月至7月给计算机应用专业讲"网络技术"课程〔4王丽萍是天发电脑公司的经理,她35岁,住在南内环街68号〔应用题,画语义网络图第三章确定性推理方法推理：从已知事实〔证据出发,通过运用相关知识逐步退出结论或者证明某个假设成立或者不成立的思维过程。推理方式及其分类：1、演绎推理、归纳推理、默认推理〔1演绎推理：一般到个别；三段论式〔三段论法[大前提,小前提,结论]〔2归纳推理：个别到一般；分为完全归纳推理〔必然性推理,不完全归纳推理〔非必然性推理〔3默认推理〔缺省推理：只是不完全的情况下假设某些条件已经具备所进行的推理确定性推理、不确定性推理〔1确定性推理：推理时所用的知识和证据、推出的结论都是正确的,其真值或者为真或者为假〔2不确定性推理：推理时所用的知识与证据不都是确定的,推出的结论也是不确定的单调推理、非单调推理〔1单调推理：随着推理向前推进及新知识的加入,推出的结论越来越接近最终目标〔2非单调推理：新知识加入,否定已推出的结论,使推理退回到前面的某一步,重新开始4、启发式推理、非启发式推理启发性知识：与问题有关且能加快推理过程、提高搜索效率的知识推理方向：1、正向推理〔事实驱动推理已知事实结论2、逆向推理〔目标驱动推理：以某个假设目标作为出发点3、混合推理：先正向后逆向,先逆向后正向4、双向推理：正向逆向同时进行,且在推理过程中的某一步骤上"碰头"的推理冲突消解策略：已知事实与知识的三种匹配情况：〔1恰好匹配成功〔一对一〔2不能匹配成功〔3多种匹配成功〔一对多、多对一、多对多多种冲突消解策略：〔1按针对性排序〔2按已知事实的新鲜性排序〔3按匹配度排序〔4按条件个数排序〔5按上下文限制排序〔6按冗余限制排序〔7根据领域问题的特点排序自然演绎推理：从一组已知为真的事实出发,运用经典逻辑的推理规则推出结论的过程推理规则：P规则、T规则、假言推理、拒取式推理〔应用题中运用到例：已知事实：〔1凡是容易的课程小王〔Wang都喜欢〔2C班的课程都是容易的〔3ds是C班的一门课程求证：小王喜欢ds这门课程证明：①定义谓词：EASY<x>：x是容易的,LIKE〔x,y：x喜欢y,C〔x：x是C班的一门课程②已知事实和结论用谓词公式表示：③应用推理规则进行推理归结演绎推理：反证法：,当且仅当,即Q为P的逻辑结论,当且仅当是不可满足的；定理：Q为P1,P2,…,Pn的逻辑结论,当且仅当是不可满足的〔没要求,看看即可谓词公式化为子句集的方法：原子谓词公式：一个不能再分解的命题；文字：原子谓词公式及其否定；子句：任何文字的析取式,任何文字本身也都是子句；空子句：不包含任何文字的子句；子句集：由子句构成的集合〔合取关系[子句中是析取,子句间是合取]例将下列谓词公式化为子句集消去蕴含符号把否定符号移到每个谓词前面变量标准化消去存在量词,设y的函数是f<x>,则化为前束形化为标准型略去全称量词消去合取词,把母式用子句集表示子句变量标准化例将下列谓词公式化为不含存在量词的前束形消去存在量词〔2消去蕴含符号设z的函数是g<y>,则谓词公式不可满足的充要条件是其子句集不可满足鲁滨逊归结原理〔消解原理：子句集中子句之间是合取关系,只要有一个子句不可满足,则子句集就不可满足；基本思想：检查子句集S中是否包含空子句,若包含,则S不可满足,若不包含,在S中选择合适的子句进行归结,一旦归结出空子句,就说明S是不可满足的命题逻辑中的归结原理〔基子句的归结：设C1与C2是子句集中的任意两个子句,如果C1中的文字L1与C2中的文字L2互补,那么从C1和C2中分别消去L1和L2,并将二个子句中余下的部分析取,构成一个新的子句C12[C12：C1、C2的归结式,C1、C2：C12的亲本子句定理3.3：归结式C12是其亲本子句C1与C2的逻辑结论。即如果C1与C2为真,则C12为真推论1：设C1与C2是子句集S中的两个子句,C12是它们的归结式,若用C12代替C1与C2后得到新子句集S1,则由S1不可满足性可推出原子句集S的不可满足性,即：的不可满足性S的不可满足性推论2：设C1与C2是子句集S中的两个子句,C12是它们的归结式,若C12加入原子句集S,得到新子句集S1,则S与S1在不可满足的意义上是等价的,即：S1的不可满足性S的不可满足性谓词逻辑中的归结原理〔含有变量的子句的归结定义3.4：设是与两个没有相同变元的子句,和分别是和中的文字,若是和的最一般合一,则称为的二元归结式〔以上都是归结原理的方法,看看,主要掌握方法,学会在例题中运用例设,求其二元归结式解：选则得：归结反演〔证明定理的过程：步骤：〔1将已知前提表示为谓词公式〔2将待证明的结论表示为谓词公式,并否定得到〔3把谓词公式集化为子句集〔4应用归结原理对子句集中的子句进行归结,并把每次得到的归结式都并入到中,如此反复进行,若出现了空子句,则停止归结,此时就证明了为真例某公司招聘工作人员,A、B、C三人应试,经面试后公司表示如下想法：三人中至少录取一人〔2如果录取A而不录取B,则一定录取C〔3如果录取B,则一定录取C求证：公司一定录取C证明：公司的想法用谓词公式表示：：录取<2><3>把要求证的结论用谓词公式表示出来并否定,得：把上述公式化成子句集：<2><3><4>例已知：规则1：任何人的兄弟不是女性；规则2：任何人的姐妹必是女性事实：Mary是Bill的姐妹求证：Mary不是Tom的兄弟证明：定义谓词将规则与事实用谓词公式表示：把要求证的结论用谓词公式表示出来并否定,得：把上述公式化为子句集：将子句集进行归结：应用归结原理求解问题：步骤：〔1已知前提用谓词公式表示,并化为子句集；〔2把待求解的问题用谓词公式表示,并否定,再与构成析取式；〔3把化为子句集,并入到子句集中,得到子句集；〔4对应用归结原理进行归结；〔5若得到归结式,则答案就在中〔考应用题,若题中已经有了结论,就是用归结反演求证明,若题中没有结论,就是靠应用归结原理求解问题例已知：F1：王Wang先生是小李Li的老师；F2：小李与小张Zhang是同班同学；F3：如果x与y是同班同学,则x的老师也是y的老师求：小张的老师是谁？解：定义谓词：T〔x,y：x是y的老师C〔x,y：x与y是同班同学把已知前提表示成谓词公式：把目标表示成谓词公式,并把它否定后与析取：把上述公式化为子句集：应用归结原理进行归结：〔1与〔3归结〔4与〔5归结〔2与〔6归结例张某被盗,公安局派出五个侦查员去调查。研究案情时,侦查员A说"赵与钱中至少有一人作案"；B说"钱与孙中至少有一人作案"；C说"孙与李中至少有一人作案"；D说"赵与孙中至少有一人与此案无关"；E说"钱与李中至少有一人与此案无关"。如果这五个侦查员的话都是可信的,试用归结演绎推理求出谁是盗窃犯？练习：设A,B,C三人中有人从不说真话,也有人从不说假话,某人向这三人分别提出同一个问题：谁是说谎者？A答："B和C都是说谎者"；B答："A和C都是说谎者"；答："A和B中至少有一个是说谎者"。求谁是老实人,谁是说谎者？〔自己要做搜索求解策略〔考一个应用题5.1搜索的概念问题求解的基本方法：搜索法、归约法、推理法及产生式等搜索的主要过程：〔1从初始或目的状态出发,并将它作为当前状态〔2扫描操作算子集,将适用当前状态的一些操作算子作用于当前状态而得到新的状态,并建立指向其父节点的指针〔3检查所生成的新状态是否满足结束状态,若满足,则得到问题的一个解,并可沿着有关指针从结束状态反向到达开始状态,给出一个解答路径,否则,将新状态作为当前状态,返回第二步在进行搜索搜索策略：1、搜索方向：〔1数据驱动：从初始状态出发的正向搜索〔2目的驱动：从目的状态出发的逆向搜索〔3双向搜索2、盲目搜索与启发式搜索5.2状态空间知识表示方法状态：表示系统状态、事实等叙述型知识的一组变量或数组：操作：表示引起状态变化的过程型知识的一组关系或函数：状态空间：利用状态变量和操作符号,表示系统或问题的有关知识的符号体系,状态空间是一个四元组：S:状态集合；O：操作算子的集合；So：包含问题的初始状态S的非空子集；G：若干具体状态或满足某些性质的路径信息描述例八数码问题的状态空间状态集S：所有摆法操作算子：将空格向上移Up,将空格向左移Left,将空格向下移Down,将空格向右移Right产生式规则：R1：IF空格上方有棋THEN空格上移；R2：IF空格右方有棋THEN空格右移；R3：IF空格下方有棋THEN空格下移；R4：IF空格左方有棋THEN空格左移八数码状态空间图：5.3盲目的图搜索策略回溯策略：带回溯策略的搜索：从初始状态出发,不停地、试探性地寻找路径,直到它到达目的或"不可解结点",即"死胡同"为止。若它遇到不可解结点就回溯到路径中最近的父结点上,查看该结点是否还有其他的子结点未被扩展。若有,则沿这些子结点继续搜索；如果找到目标,就成功退出搜索,返回解题路径。宽度搜索策略：例通过搬动积木块,希望从初始状态达到一个目的状态,即三块积木堆叠在一起该问题的宽度优先搜索树：操作算子为MOVE<X,Y>:把积木X搬到Y上面深度优先搜索策略：例卒子穿阵问题,要求一卒子从顶部通过下图所示的阵列到达底部。卒子行进中不可进入到代表敌兵驻守的区域〔标注1,并不准后退。假定深度限制值为5该问题的深度优先搜索树：5.4启发式图搜索策略启发式策略：利用问题有关的启发信息进行搜索启发信息：分类〔1陈述性启发信息〔2过程性启发信息〔3控制性启发信息估价函数：从初始结点经过结点到达目的结点的路径的最小代价估计值,其一般形式是,一般的,在中,的比重越大,越倾向于宽度优先搜索方式,而的比重越大,表示启发性能越强A搜索算法：启发式图搜索法的基本特点：如何寻找并设计一个与问题有关的及构出,然后以的大小来排列待扩展状态的次序,每次选择值最小者进行扩展例：利用A搜索算法求解八数码问题的搜索树,其估价函数定义为,：状态的深度,每步为单位代价。：以"不在位"的将数码作为起发信息的度量。：为状态到目的状态的最优路径的代价搜索算法及其特性分析：1、可采纳性2、单调性3、信息性传教士与野人问题设有三个传教士和三个野人来到河边,打算乘一条船从河的右岸到左岸去。该船的负载能力为两人。在任何时候,若野人的人数超过传教士的人数,则野人就将传教士吃掉问题：他们怎样才能用这条船安全的把所有人都渡过河去？分析已知条件：①传教士和野人都会划船,但船一次最多只能装运两个；②在任何岸边野人数目都不得超过传教士,否则传教士就会遭遇危险,被野人攻击甚至被吃掉解：第一种方法：应用状态空间表示法第二种方法：应用启发式搜索〔A*搜索算法专家系统6.2专家系统的概念专家系统：〔一种智能的计算机程序,运用知识和推理解决只有专家才能解决的复杂问题一类包含知识和推理的智能计算机程序专家系统的基本组成：知识库〔数据库、规则库知识获取专家推理机〔解释程序、调度程序推理咨询系统用户知识库推理机专家系统的特点：〔1具有专家水平的专业知识〔2能进行有效的推理〔3启发性〔4灵活性〔5透明性〔系统自身及其行为能被用户所理解〔6交互性专家系统与传统程序的比较：〔1编程思想：传统程序=数据结构+算法专家系统=知识+推理〔2传统程序：关于问题求解的知识隐含于程序中。专家系统：知识单独组成知识库,与推理机分离〔3处理对象：传统程序：数值计算和数据处理。专家系统：符号处理〔4传统程序：不具有解释功能。专家系统：具有解释功能〔5传统程序：产生正确的答案。专家系统：通常产生正确的答案,有时产生错误的答案〔6系统的体系结构不同[针对回答专家系统与传统程序的异同点或者专家系统的特点,看具体的问题]6.3专家系统的工作原理〔了解即可6.4知识获取知识获取的过程：抽取知识、知识的转换、知识的输入、知识的检测知识获取的模式：非自动知识获取、自动知识获取、半自动知识获取专家系统的设计原则：〔1专门的任务〔2专家合作〔3原型设计〔4用户参与〔5辅助工具〔6知识库与推理机分离专家系统的开发步骤：6.7专家系统的开发工具骨架系统：1、EMYCIN系统2、KAS系统3、EXPERT系统通用型知识表达语言OPS5〔1特点：将通用的表达和控制结合起来,提供了专家系统所需的基本机制,并不偏向于某些特定的问题求解策略和知识表达结构〔2组成：产生式规则库、推理机、数据库专家系统开发环境〔专家系统开发工具包AGE专家系统程序设计语言1、符号处理语言〔面向AI的语言或AI语言〔1PROLOG语言：基于演绎推理的逻辑型程序设计语言〔2LISP语言：表处理语言2、面向问题的语言：C语言,C++语言机器学习7.1机器学习的基本概念学习：一个有特定目的的知识获取过程学习的内在行为：获取知识、积累经验、发现规律学习的外部表现：改进性能、适应环境、实现系统的自我完善机器学习：计算机能模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善〔1学习机理〔2学习方法〔3学习系统学习系统：能够在一定程度上实现机器学习的系统机器学习系统的条件和能力〔1具有适当的学习环境〔2具有一定的学习能力〔3能应用学到的知识求解问题〔4能提高系统的性能机器学习系统的基本模型：机器学习的分类：1、按学习方法分类：机械式学习、指导式学习、示例学习、类比学习、解释学习等2、按学习能力分类：监督学习〔有教师学习,再励学习〔强化学习或增强学习,非监督学习〔非监督学习3、按推理方式分类：基于演绎的学习〔解释学习,基于归纳的学习〔示例学习、发现学习等4、按综合属性分类：归纳学习、分析学习、连接学习7.2机械式学习〔记忆学习实质：用存储空间来换取处理时间7.3指导式学习〔嘱咐式学习或教授式学习学习过程：1、征询指导者的指示或建议〔1简单征询〔2复杂征询〔3被动征询〔4主动征询2、把征询意见转换为可执行的内部形式3、加入知识库〔对知识进行一致性检查,防止出现矛盾、冗余、环路等4、评价7.4归纳学习归纳推理是从个别到一般,从部分到整体的推理。归纳推理的重要特征：归纳出的结论不能绝对保证它的正确性,只能以某种程度相信它为真。1、枚举归纳〔从个别事例归纳出一般性知识的方法2、联想归纳3、类比归纳4、逆推理归纳5、消除归纳由两个〔两类对象之间在某些方面的相似或相同,推演出他们在其他方面也相似或相同；或其中一类对象的某些已知特征,推出另一类对象也具有这些特征的推理,称为类比推理〔简称类比。简言之,类比推理是由特殊到特殊的推理示例学习：又称为实例学习或从例子中学习：通过从环境中取得若干与某概念有关的例子,经归纳得出一般性概念的一种学习方法。形成知识的方法〔1变量代换常量〔2舍弃条件〔3增加操作〔4合取变析取〔5归结归纳〔6曲线拟合观察与发现学习：观察学习：用于对事例进行概念聚类,形成概念描述。发现学习：用于发现规律,产生定律或规则。2、发现学习：从系统的初始知识、观察事例或经验数据中归纳出规律或规则——无教师指导的归纳学习。〔1经验发现:从经验数据中发现规律和定律。〔2知识发现:指从已观察的事例中发现新的知识7.5类比学习类比推理：由新情况与记忆中的已知情况在某些方面相似,从而推出它们在其他相关方面也相似。类比推理的目的：从S中选出与当前问题最近似的问题及其求解方法来求解当前的问题,或者建立起目标域中已有命题间的联系,形成新知识。推理过程：〔1回忆与联想〔2选择〔3建立对应关系〔4转换属性类比学习:根据两个相似事物的属性实现类比学习的。源域和目标域都是用框架表示的,分别称为源框架和目标框架。框架的槽用于表示事物的属性。学习过程:把源框架中的某些槽值传递到目标框架的相应槽中去。转换类比学习：由外部环境获得与类比有关的信息,学习系统找出与新问题相似的旧问题的有关知识,把这些知识进行转换使之适用于新问题,从而获得新的知识。7.6解释学习解释学习：演绎学习方法,是通过运用相关的领域知识,对当前提供的单个问题求解实例进行分析,从而构造解释并产生相应知识的。解释学习概念：通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习,并最终生成这个目标概念的一般性描述。解释学习的一般性描述：给定：领域知识；目标概念；训练实例；操作性准则。找出：满足的关于的充分条件。7.7机器学习方法的比较与展望〔该章重点以推理能力排列：机械式学习,指导式学习,解释学习,类比学习,示例学习,观察与发现学习对领域理论的要求：示例学习、观察与发现学习：要求较少；解释学习：要求完善的领域知识适用领域：连接学习：模拟人类较低级的神经活动；符号学习：模拟人类的高级思维活动知识获取角度：示例学习、观察与发现学习：通过学习可以产生新概念描述,可用于专家系统的知识获取；解释学习的学习目标主要是改善系统的效率,而不扩充概念描述的范围；指导式学习通过与指导者〔如领域专家的交互学习新知识,同时又可帮助指导追踪推理过程,发现其中的错误,找出产生错误的原因,然后由指导者进行修正〔本章从7.2—7.6主要用一句话概括一下各种学习,再掌握一下他们的特征与比较不确定性推理方法不确定性及其类型：随机性、模糊性、不完全性、不一致性和时变性等4.1不确定性推理中的基本概念推理：从已知事实〔证据出发,通过运用相关知识逐步推出结论或者证明某个假设成立或不成立的思维过程不确定性推理：从不确定性的初始证据出发,通过运用不确定性的知识,最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程4.2概率方法〔大题产生式规则：：前提条件,：结论：在证据出现的条件下,结论成立的确定性程度复合条件：…：在证据出现时结论的确定程度逆概率方法的基本思想：Bayes定理：逆概率原概率单个证据的情况：〔掌握Bayes公式例：：结论,E：证据已知：求：多个证据的情况：扩充后的公式：4.3主观Bayes方法〔重点知识不确定性的表示：知识：E：前提条件H：结论〔LS,LN：规则强度P<E|S>：对于初始证据E,由用户根据观察S给出的概率可信度C<E|S>：对所提供的证据可以相信的程度多个单一证据的合取：E=E1ANDE2AND…ANDEn,则组合证据的概率：多个单一证据的析取：E=E1ORE2OR…OREm,则组合证据的概率：非运算：不确定性的传递算法：1、证据肯定存在的情况几率〔odds函数：,概率：证据肯定不存在的情况例设有如下知识：求：当证据存在及不存在时,及的值各是多少？〔该例与老师上课给的练习的例子略有不同,注意了例设有如下知识：若依次出现,求的值证据不确定的情况若n条知识都支持相同的结论,且每条知识的前提条件所对应的证据Ei都有相应的观察Si与之对应,则先对每条知识分别求出,然后求出：例设有如下知识：:已知：,求：4.4可信度方法可信度：根据经验对一个事物或现象为真的相信程度,带有较大的主观性和经验性,准确性难以把握C—F模型：基于可信度表示的不确定性推理的基本方法知识不确定性的表示产生式规则表示：IFETHENH<CF<H,E>>C<H,E>：可信度因子证据不确定性的表示CF<E>=0.6：E的可信度为0.6,证据E的可信度取值范围：[-1,1]若以某种程度为真：则0<CF<E><1；若以某种程度为假：则-1<CF<E><0；若肯定它为真：CF<E>=1；若肯定为假：CF<E>=0；若未获得任何任何相关的观察,则CF<E>=0静态强度CF<H,E>：知识的强度,即当E所对应的证据为真时对H的影响程度动态强度CF<E>：证据E当前的不确定性程度3、组合证据不确定性的算法组合证据：〔1多个单一证据的合取E=E1ANDE2AND…En则CF<E>=min{CF<E1>,CF<E2>,…,CF<n>}〔2多个单一证据的析取E=E1ORE2OR…En则CF<E>=max{CF<E1>,CF<E2>,…,CF<En>}不确定性的传递方法结论H的可信度计算公式：CF<H>=CF<H,E>*max{0,CF<E>},当CF<E><0时,则CF<H>=0；当CF<E>=1时,则CF<H>=CF<H,E>5、结论不确定性的合成算法设知识：IFE1THENH<CF<H,E1>>；IFE2THENH<CF<H,E2>>〔1分别对每一条知识求出CF<H>:例设有如下一组知识：r1：IFE1THENH<0.8>；r2：IFE2THENH<0.6>；r3：IFE3THENH<-0.5>；r4：IFE4AND<E5ORE6>THENE1<0.7>；r5：IFE7ANDE8THENE3<0.9>已知：CF<E2>=0.8,CF<E4>=0.5,CF<E5>=0.6,CF<E6>=0.7,CF<E7>=0.6,CF<E8>=0.9求证：CF<H>逻辑程序设计语言prolog〔不考程序,考概念和语法的基本组成9.1人工智能语言概述人工智能语言：人工智能语言是一类适应于人工智能和知识工程领域的、具有符号处理和逻辑推理能力的计算机程序设计语言。能够用来编写程序求解非数值计算、知识处理、推理、规划、决策等各种复杂的智能问题9.2基本prologPROLOG的语句：参数种类：整数〔绝对值小于某一个数的正数或负数,原子〔由小写字母开头的字符串,变量〔由大写字母或下划线〔_开头,结构Prolog字符集包括：大写字母,A-Z；小写字母,a-z；数字,0-9；+-^,.~:.?#$等事实常用来储存程序所需的数据Prolog的程序一般由一组事实、规则和问题组成,问题是程序执行的起点,称为程序的目标9.3Prolog中的一个实例事实用来储存一些数据,规则用来储存某种可以推理出来的关系以小写字符开头的字符串代表确知的事物,以大写字母开头的字符串表示未确定的事物注意：参数的顺序是定义事实时需要考虑的一个重要问题9.4Prolog中的简单查询使用Prolog的解释器调入程序可以对事实进行查询,Prolog的查询工作是靠模式匹配完成的,查询的模板叫做目标,Prolog的模式匹配工作叫做联合。?-是解释器的提示符当联合成功后,变量的值将和它所匹配的条目的值相同,这叫做变量的绑定,当带变量的目标成功的和数据库中的事实匹配之后,Prolog将返回变量绑定的值变量可能和多个条目匹配,Prolog允许查看其