人工智能总结---矿大版东哥无敌放大版.docVIP

人工智能主要研究学派：符号主义：强调物理符号系统主义：又称仿生学派，强调神经元的运作。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。 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 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。逻辑性强推理效率低）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）+处理机制 基本的知识表示方式（1）谓词逻辑（2）产生式（3）语义网络（4）框架（5）脚本（6）状态空间（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——不包含变量的谓词公式和逻辑语句； 命题逻辑——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：∧），或表示事物间具有确定因果关系的规则性知识（蕴涵符号：→）。 一阶谓词逻辑表示法的特点优点 （1）严密性（2）自然性（3）通用性（4）知识易表达（5）易于实现；缺点：（1）效率低（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；（适用于事实性知识、规则性知识） 【规则分类】①前提-结论型②条件-动作型 ：（确定性规则、不确定性规则） 产生式系统的组成把一组产生式放在一起，让他们互相配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决，这样的系统称为产生式系统。 基本组成部分{规则库、控制系统、综合数据库 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(规则)的存储器，其中的规则是以产生式形式表示的。 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(事实)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：正向推理（数据驱动方式、自底向上的方式）：从已知事实出发，通过规则库求得结论：反向推理（目标驱动方式、自顶向下的方式）：从目标（作为假设）出发，反向使用规则，求得已知事实；双向推理（既自顶向下又自底向上）：从两个方向同时进行，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-Kind-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。 语义网络特点（1）结构性（2）联想性（3）自索引性（4）自然性（5）非严格性 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； 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）——扩展当前节点后生成的子节点总是置于OPEN表的后端，即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）——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)