第四章 人工智能逻辑演示文稿.ppt

第四章 人工智能逻辑 第六节 非经典推理 二、定性推理 3、定性演算 将普通演算中出现的具体的量抽象化，归入有限的几个类，就得到了定性演算。如，将实数分为三类：0、=0、0。 第四章 人工智能逻辑 第六节 非经典推理 二、定性推理 4、基于状态的推理 是定性演算的一个直接应用。在现实世界中，物理系统的状态是连续变化的，往往可用微分方程来描述。为了应用定性演算，就需要将相应微分方程定性化。一般遵循的原则是：将各级导数作为独立的定性变量，将常数抽象化为定性常数：+1,-1或0，保留导数前的正负号。 用n个定性变量描述一个物理系统P,每个定性变量的取值在{+1,-1,0}之中，对这n个定性变量的每一组合法的赋值构成P的一个状态。状态之间的变迁遵循一定的规则。 第四章 人工智能逻辑 第六节 非经典推理 二、定性推理 5、定性进程理论 以描述物理系统的变迁历史为主，而非情况演算(动作导致状态变化，相邻状态变化有限，需描述状态的变化部分和非变化部分——框架问题)。 注：1)描述历史时，要用到时间(如Allen的时间区间)、参量(每个参量代表一个物体的一个参数)、视图和进程概念。 2)定性进程方法把物理现象视作由一些相关的进程来描述，每个进程由一组个体、前提条件、数量条件、参数关系和影响来描述；推理是从已知的进程表中依次选出一些可用的进程来描述一物理过程。 第四章 人工智能逻辑 第六节 非经典推理 二、定性推理 6、几何空间定性推理 对几何形状或者运动性质通过定义一组空间并寻找这些空间关系的联系进行定性推理。 A)空间逻辑 ——Randell 基础是假设一个原语性的二元关系C(x,y)，其中x,y表示两个区域(region)，谓词C表示共享一个以上公共点，即，相接触。 通过描述区域间的关系及基本关系间的联系，基本状态间的相互转换来描述空间逻辑。 第四章 人工智能逻辑 第六节 非经典推理 二、定性推理 6、几何空间定性推理 B)空间时间关系描述 1)方位性状态和运动性状态 2)扰动原理(perturbation principle) 每个RCC关系是它自身的扰动，另外一个静止性的状态只能与一个运动性的状态互扰动，反之亦然。 第四章 人工智能逻辑 第六节 非经典推理 三、不精确推理 1、导致不精确推理的原因 a)很多原因导致同一结果，推理不能精确 b)推理所需的信息不完备，只能根据种种迹象作出判断 c)背景知识不足 d)信息描述模糊 e)信息中含有噪声 f)规则是模糊的 g)推理能力不足 h)解题方案不唯一，只好选择主观上认为相对较优的方案 第四章 人工智能逻辑 第六节 非经典推理 三、不精确推理 1、导致不精确推理的原因 注：1)在人类的知识和思维行为中，精确性只是相对的，不精确性才是绝对的。 2)概率推理是一种常用的不精确推理 第四章 人工智能逻辑 第六节 非经典推理 三、不精确推理 2、Bayes概率推理 a)基本量 1)假设H的先验概率P(H) 2)在证据e为真时假设H的条件概率P(H|e) 注：这里，先验概率是给定的，条件概率的一部分也是给定的。 B)Bayes概率服从的公理 1) 0=P(H)=1 2) P(已知为真的假设)=1 3) P(H或G)=P(H)+P(G) 其中H和G互斥 第四章 人工智能逻辑 第六节 非经典推理 三、不精确推理 2、Bayes概率推理 c)条件概率公式 1)P(HG)=P(H|G)*P(G)=P(G|H)*P(H) 2)P(H|G)=P(H) P(G|H)=P(G) P(HG)=P(H)*P(G) 当H和G互不相关(互相独立)时 3)P(H)=P(HG)+P(H?G) P(H)= (Gi是各种可能性) 4)P(H|G)=P(G|H)*P(H)/P(G) P(Hi|G)=P(G|Hi)*P(Hi)/ 第四章 人工智能逻辑 第四节 多值逻辑与模糊逻辑 三、三值逻辑 4、Post的三值逻辑 对第三个真值的含义理解为：“介于真和假两者之间” (半真半假)(用U表示)，相应地，非符号“?”的含义被理解为对真假程度的一种减弱。即有： ?T=U， ?U=F， ?F=T，succ(T)=U,succ(U)=F,succ(F)=T， 以v(p)表示p的真值，则有v(T)=T,v(U)=U,v(F)=F，这三个真值之间有一个全序：v(T)v(U)v(F) ?p,v(?p)=succ(v(p)) ?p,q,v(p