人工智能复习总结

深度优先方法特点:属于图搜索；是一个通用的搜索方法；如果深度限制不合适，有可能找不到问题的解；(4)不能保证找到最优解置换:通用有序对的集合s={t1/v1，…，tn/vn}来表任一置换，置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换，用s对表达式E作置换后的例简记为Es。一般说，置换是不可交，两个置换合成的结果与置换使用的次序有关4.产生式：产生式规则基本形式：P-Q或P是产生式的前提(前件)，用于指出该产生式是否可用的条件Q是一组结论或操作(后件)，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作产生式规则的语义：如果前提P被满足，则可推出结论Q或执行Q所规定的操作7、产生式系统的组成1)产生式规则库：描述相应领域知识的产生式规则集2)数据库：(事实的集合)存放问题求解过程中当前信息的数据结构(初始事实、外部数据库输入的事实、中间结果事实和最后结果事实)3)推理机：(控制系统)是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略已知W={P(f(x,g(A,y)),z),P(f(x,z),z)}，求MGU：k=0;S0=S;50=£;S0不是单元素集，求得差异集D0={g(A,y)},z}，其中z是变元，g(A,y)是项，且z不在g(A,y)中出现°k=k+1=1,有51=50・{g(A,y)/z}=£・{g(A,y)/z}={g(A,y)/z}，S1=S0・{g(A,y)/z}={P(f(x,g(A,y)),g(A,y))},S1是单元素集。根据求MGU算法，MGU=51={g(A,y)/z}证明G是否是F1、F2的逻辑结论；①」P(x)VQ(x).从F1变换②」P(y)VR(y).从F1变换③P(a).从F2变换④S(a).从F2变换⑤」S(z)V「R(z)结论的否定⑥R(a).②③归结{a/y}⑦」R(a).④⑤归结{a/z}⑧□.⑥⑦归结得证.谓词公式G通过8个步骤所得的子句集合S，称为G的子句1)消去蕴含式和等价式一，<->2)缩小否定词的作用范围，直到其作用于原子公式:3)适当改名，使量词间不含同名指导变元和约束变元。4.)消去存在量词(形成Skolem标准型)5)消去所有全称量词6)化成合取范式7).适当改名，使子句间无同名变元8).消去合取词八，用逗号代替，以子句为元素组成一个集合S已知S={P(f(x),y,g(y)),P(f(x),z,g(x))}，求MGU：k=0;S0=S;50=£;S0不是单元素集，求得差异集D0={y,z}，其中y是变元，z是项，且y不在z中出现。k=k+1=1有51=50・{z/y}=£・{z/y}={z/y}，S1=S0・{z/y}={P(f(x),z,g(z)),P(f(x),z,g(x))},S1不是单元素集，求得差异集D1={z,x},k=k+1=2;52=51•{z/x}={z/y,z/x},S2=S1・{z/x}={P(f(z),z,g(z))}是单元素集。根据求MGU算法，MGU=52={z/y,z/x}13.证明G是否是F的逻辑结论①P(x).从F变换②Q(a)VQ(x).从F变换③」P(y)V「Q(y).结论的否定④」Q(x).①③归结，｛x/y｝⑤□.②④归结，置换｛a/x得证。16.设有如下关系：(1)如果x是y的父亲，y又是z的父亲，则x是z的祖父；(2)老李是大李的父亲；(3)大李是小李的父亲；问上述人员中谁和谁是祖孙关系？解:现定义如下谓词F(x,y)------x是y的父亲;G(x,z)------x是y的祖父;用谓词逻辑表示已知与求解：(1)F(x,y)AF(y,z)-G(x,z)(2)F(L,D)(3)F(D,X)(4)G(u,v),u=?,v=?其中,L表示老李,D表示大李,X表示小李。先证存在祖孙关系①〜F(x,y)V〜F(y,z)VG(x,z).从(1)变换②F(L,D).从(2)变换③F(D,X).从(3)变换④〜G(u,v).结论的否定⑤〜F(D,z)VG(L,z).①②归结，置换｛L/x,D/y｝⑥G(L,X).③⑤归结，置换｛X/z｝⑦口.④⑥归结，置换｛L/u,X/v｝得证,说明存在祖孙关系。为了求解用一个重言式④..④〜G(u,v)VG(u,v)...用重言式代替结论的否定,重言式恒为真⑤〜F(D,z)VG(L,z)..①②归结，置换｛L/x,D/y｝⑥G(L,X) .③⑤归结，置换｛X/z｝⑦G(L,X).④⑥归结，置换｛L/u,X/v｝得结果:L是X的祖父，即老李是小李的祖父。17解：设用T(x)表示x是作案者，则侦察员A的话可表示：T(赵)侦直钱)侦察员B的话可表示：T(钱ET(孙)侦察员C的话可表示：T(孙)町(李)侦察员D的话可表示：「T(赵E-T(孙)侦察员E的话可表示：「T(钱)▼-T(李)上面五个组成子句集S,求谁是作案者，把「T(xP/ANSWER(x)并入5］得到。即比S：多出如下一个子句：「T(x)vANSWER(x)然后利用消解原理对S］进行消解可得答案：钱和孙是作案者。x(student(x)Aread(x三国演义))19.利用谓词逻辑表示下列知识(包括已知和结论)，然后化成子句集：1凡是清洁的东西就有人喜欢；2人们都不喜欢苍蝇求证：苍蝇是不清洁的。证：现定义如下谓词L(x,y) 某人x喜欢某物y；P(y) 某物y是清洁的东西(1)Vy3x(P(y)一L(x,y))==>nP(y)VL(f(y),y)(2)Vx(qL(x,Fly))==>nL(x,Fly)(3)P(Fly).结论的反(4)L(f(Fly),Fly).(1)(3)归结，置换｛Fly/y｝(5)□.(2)(4)归结，｛f(Fly)/x｝得证。人工智能：是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。联结主义：联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。什么是自然语言理解？：语言处理也是人工智能的早期研究领域之一，并引起了进一步的重视。语言的生成和理解是一个极为复杂的编码和解码问题。一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。什么是神经网络：神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。产生式系统：在基于规则系统中，每个if可能与某断言(assertion)集中的一个或多个断言匹配，then部分用于规定放入工作内存的新断言。当then部分用于规定动作时，称这种基于规则的系统为反应式系统(reactionsystem)或产生式系统(productionsystem)o证明G是否是F1、F2的逻辑结论；证明：①」P(x)VQ(x).从F1变换②「P(y)VR(y).从F1变换③P(a).从F2变换④S(a).从F2变换⑤」S(z)VnR(z).结论的否定⑥R(a).②③归结{a/y}⑦」R(a).④⑤归结{a/z}⑧□.⑥⑦归结得证.产生式系统推理的三种方式：正向推理从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。一般策略：先提供一批事实(数据)到总数据库中。系统利用这些事实与规则的前提相匹配，触发匹配成功的规则，把其结论作为新的事实添加到总数据库中。继续上述过程，用更新过的总数据库的所有事实再与规则库中另一条规则匹配，用其结论再次修改总数据库的内容，直到没有可匹配的新规则，不再有新的事实加到总数据库中。逆向推理从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。一般策略：首先假设一个可能的目标，然后由产生式系统试图证明此假设目标是否在总数据库中。若在总数据库中，则该假设目标成立；否则，若该假设为终叶(证据)节点，则询问用户。若不是，则再假定另一个目标，即寻找结论部分包含该假设的那些规则，把它们的前提作为新的假设，并力图证明其成立。这样反复进行推理，直到所有目标均获证明或者所有路径都得到测试为止。双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。30阐述语义网络的基本语义联系。：隶属关系，包含关系，属性关系，时间关系，位置关系，相近关系，因果关系，组成关系31.阐述求子句集的步骤1消去蕴涵符号2减少否定符号的辖域3对变量标准化4消去存在量词5化为前束形6把母式化为合取范式7消去全称量词8消去连词符号八9更换变量名称信息处理系统？：又叫符号操作系统(SymbolOperation或物理符号系统(Physical所谓符号就是模式，一个完善的符号系统应具有下列6种基本功能1输入符号2输出符号3存储符号4复制符号5建立符号结构：通过找出各符号间的关系，在符号系统中形成符号结构；6条件性迁移(conditionaltransfer):根据已有符号，继续完成活动过程行为主义又称进化主义(Evolutionism)或控制论学派(Cyberneticsism)，其原理为控制论及感知专家系统：一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题.发展专家系统的关键是表达和运用专家知识，即来自人类专家的并已被证明对解决有关领域内的典型问题是有用的事实和过程自然语言理解:语言处理也是人工智能的早期研究领域之一，并引起了进一步的重视。语言的生成和理解是一个极为复杂的编码和解码问题。一个能理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。理解口头的和书写语言的计算机系统所取得的某些进展，其基础就是有关表示上下文知识结构的某些人工智能思想以及根据这些知识进行推理的某些技术。智能机器：能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphictasks)的机器。符号主义:又称为逻辑主义,心理学派(，或计算机学派,其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理知识？以及特点和分类：是人类智能的基础，是经过加工的信息，是由特定领域的描述、关系和过程组成的，是事实、信念和启发式规则。特点：相对正确性，不确定性，可表示性，可利用性。分类：事实性知，过程性知，行为性知，实例性知，类比性知，元知人工智能的研究领域专家系统；模式识别；机器人学；自动定理证明；自然语言理解；博弈；智能检索；自动程序设计；组合调度问题；软件集；分布式人工智能；数据挖掘;工智能的基本技术。：技术，搜索技术，归纳技术，联想技术。架表示法的特点：继承性，结构化，自然性，推理灵活多变。知识是大脑对现实世界认识的表达，它经过对信息的加工整理、解释、挑选和改造而成。通常知识可以从范围、目的和有效性三个方面来描述，其中知识的范围是由具体到一般，知识的目的是由说明性到指定性，知识的有效性是由确定到不确定。43.不确定性推理：泛指除精确推理以外的其它各种推理问题。包括不完备、不精确知识的推理，模糊知识的推理，非单调性推理等。不确定性推理过程实际