人工智能及其应用 教学课件 作者 孔月萍 周继 chapter2_071101.ppt

人工智能及其应用 第二章 知识及其表示 内容概要: 知识表示技术 状态空间表示法 与或图表示法 知识的逻辑表示法 产生式表示法 语义网络表示法 框架表示法 Petri网知识表示法 2.1 知识表示技术 知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 对一个给定的问题一般都有多种等价的表示方法，但它们对问题描述的明晰性存在差异，因此导致问题求解的难易程度不同，所以知识的适当表示对问题求解是至关重要的。 知识表示的最好方法是与所要解决问题的性质和求解方法密切相关的。 2.1 知识表示技术 知识的分类 知识表示及其评价 不确定性知识表示 知识的分类  知识按问题求解要求分为： 叙述型知识、过程型知识、控制型知识。 知识按其作用分为： 描述性知识、判断性知识、过程性知识。 知识按其描述对象分为： 对象级知识、元知识 。 知识的分类  其中： 叙述型知识: 描述有关系统状态、环境和条件，问题的概念、定义和事实的知识。 过程型知识: 描述有关系统状态变化、问题求解过程的操作、演算和行动的知识。 控制型知识: 描述有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 知识表示及其评价 同构变换与 同态变换： 同构问题的解答等价于原始问题的解答。 原始问题有解，则同态问题有解；同态问题无解，则原始问题无解 知识表示及其评价 知识表示体系： 知识表示及其评价 专家系统对知识表示方案的三个基本要求： 表示方案应便于修改和扩充知识 表示方案应尽量做到简单易懂 表示方法应是清晰、明确 知识表示及其评价 评价知识表示方案时需考虑的因素： 范围和细度 不确定性和语义根词 模块性和可理解性 叙述性与过程性 不精确性与缺省值 不确定性知识表示 随机性知识表示： 随机性不确定性，一般采用信度（或称可信度）来划分。一个命题的信度是指该命题为真的可信程度。 随机性产生式的一般表示形式为：　 A　 B(C(A B))或者A (B,C(B A)) 不确定性知识表示 模糊性知识的表示： 模糊性知识，一般采用程度或集合来刻画 。 程度是一个命题中所描述的事物的属性、状态和关系等的强度。 一般形式为：（对象,属性,属性值,程度） 2.2 状态空间表示法 状态空间的基本概念： 状态、算符、状态空间、问题的解 状态空间法表示问题基本步骤： (1) 定义状态的描述形式。 (2) 用所定义的状态描述形式把问题的所有可能状态都表示出来，并确定出问题的初始状态描述和目标状态描述。 (3) 定义一组算符，使得利用这组算符可把问题由一种状态转变为另一种状态。 2.3 与或图表示法 与/或图是一种超图，通常表达为树的形式，也称为与/或树，它是人们在求解问题时的两种思维方法的直接表现。 分解—与树：将复杂的大问题分解为一组简单的小问题，将总问题分解为若干子问题。 变换—或树：将较难的问题变换为较容易的等价或等效问题。 与或图变换 与树问题分解： 与或图变换 或树问题变换： 2.4 知识的逻辑表示法 命题逻辑 谓词逻辑 谓词逻辑知识表示举例 2.4 知识的逻辑表示法 逻辑表示法是利用命题演算、谓词演算等知识来描述一些事实，并根据现有的事实推出新事实的方法。 命题、命题的真与假以及单命题通过逻辑连接词构成复命题及其演算规律。 谓词逻辑表达法的优点表现为：严格性、通用性、自然性、模块性；缺点表现为：效率低。 2.4 知识的逻辑表示法 用谓词逻辑模式构建的实际范例：QA3自动问答系统、STRIPS机器人行动规划系统、机器博弈系统FOL和Ps问题求解系统。 “合取”，即两个命题必须同时成立，用符号“ ”表示; “析取”，即两个命题中至少有一个成立，用符号“ ”表示。 “非”表示逆命题，用符号“ ”表示; “当且仅当”，即两个命题是等价的，用符号“ ”表示。 全称量词“ ”表示“所有的”；存在量词“ ”表示“存在一个”。 2.4 知识的逻辑表示法 例2-9：用谓词逻辑公式表示命题“任何整数或是正的或是负的”。 解：设 表示“是整数”， 表示“是正 数”， 表示“是负数”。 于是根据给定命题，可用谓词逻辑公式表示如下： 2.5 产生式表示法 产生式的基本概念 产生式的模糊推理 产生式知识表示实例 产生式的基本概念 产生式是根据串替换规则提出的一种