AI考试重点.docVIP

1.4 人工智能的研究与应用领域 The fields of AI research and application 1.博弈 2.自动定理证明 3.专家系统 4.自然语言理解 5 .机器视觉 6.自动程序设计 7.机器人学 8.机器学习 9.人工神经网络 10.智能决策支持系统 11.智能检索 12.分布式人工智能与Agent13.数据挖掘与知识发现 14.系统与语言工具 2.2 一阶谓词逻辑表示法 (First-order prediction representation method) 一阶谓词逻辑表示法是一种重要的知识表示方法，它以数理逻辑为基础。谓词逻辑是到目前为止能够表达人类思维活动规律的一种最精确的形式语言，也是目前能够表达人类思维活动的一种最精确的语言，它与人类的自然语言比较接近，又可以方便地存储到计算机中，并被计算机进行精确处理。因此，它是一种最早应用于人工智能中的表示方法。 2.2.2用谓词公式表示知识的步骤 (1) 定义谓词及个体，确定每个谓词及个体的确切含义； (2) 根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值； (3) 根据所要表达的知识的语义，用适当的连接符号将各个谓词连接起来，形成谓词公式。 例 2.2 用谓词公式表示下列规则性知识： 自然数都是大于零的整数。 任何人都会死的。 解 首先定义谓词如下： N(x) 表示x是自然数 I(x) 表示x是整数 HUMAN(x) 表示x是 人 WILLDIE(x) 表示x是会死的 GZ(x) 表示x大于零。 按照第二步和第三步的要求，可以得到 (?x)( N(x) ? I(x)∧GZ(x)) (?x)(HUMAN(x) ? WILLDIE(x))  1． 产生式系统的组成 把一组产生式放在一起，让它们相互配合，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己知事实使用，以求得问题的解，这样的系统称为产生式系统。 产生式系统一般由三个基本部分组成：规则库、综合数据库和推理机。它们之间的关系如图所示。 2.3.1 知识的产生式表示 产生式可表示的知识种类:确定性的事实、规则和不确定性的事实、规则。 1. 确定性规则知识的产生式表示 确定性规则知识的产生式形式为 P → Q 或者 IF P THEN Q 其中，P 是产生式的前提，用于指出该产生式是否是可用的条件；Q 是一组结论或操作，用于指出前提P所指示的条件被满足时，应该得出的结论或应该执行的操作。 2. 不确定性规则知识的产生式表示 产生式可用于不确定知识的表示，不确定性规则知识的产生式形式为 P → Q ( 可信度 ) 或 IF P THEN Q ( 可信度 ) 框架表示法 几种比较常用的槽名 ① ISA槽:用于指出对象间抽象概念上的类属关系。其直观含义是“是一个”，“是一种”，“是一只”…… 一般用“ISA”槽指出的联系都具有继承性，即下层框架可继承上层框架所描述的属性和值。 ② AKO槽:用于具体地指出对象间的类属关系。其直观含义是“是一种”。 当用它作为某下层框架的槽时，就明确地指出了该下层框架所描述的事物是其上层框架所描述事物中的一种，下层框架可继承上层框架中的属性和值。 ③ Instance槽：用来表示AKO的逆关系。当用它作为某上层框架的槽时，可在该槽中指出它所联系的下层框架。用“Instance”槽指出的联系都具有继承性，即下层框架可继承上层框架所描述的属性及值。 ④ Part-of槽:用于指出“部分”与“全体”的关系。当用其作为某框架的一个槽时，槽中所填的值称为该框架的上层框架，该框架所描述的对象只是其上层框架所描述对象的一部分。 例如，“两只手”是“人体”的一部分。可以将“两只手”和“人体”分别定义成框架，“两只手”称为下层框架，“人体”则为其上层框架。在“两只手”的框架中设置一个槽，其中填上人体这个框架名。可以表示为： 几种比较常用的槽名 框架名：两只手 Part-of：人体 手指数：单位(个) 语义网络表示法 (2) 动作和事件的表示 有些表示知识的语句涉及的动词既有主语，又有直接宾语和间接宾语。也就是说，既有发出动作的主体，又有接受动作的客体和动作所作用的客体。在用语义网络表示这样的知识时，即可以把动作设立成一个节点，也可以将所发生的动作当成一个事件，设立一个事件节点。动作或事件节点也有一些向外引出的弧，用于指出动作的主体与客体，或指出事件发生的动作以及该事件的主体与客体。 例如，张三送给李四一支钢笔。 既可以把“送给”作为一个动作节点，也可以把它作为一个事件表示。 鲁滨逊归结原理 – 命题逻辑的归结 (2) 命题逻辑的归结反演 ? 归结原理：假设F为已知前提，G为欲证明的结论，归结原理把证明G为F的逻辑结