智能控制的知识工程基础.ppt

第二章 智能控制的知识工程基础 2.2 知识的基本概念 2.2.1 什么是知识 知识、规则、数据、信息之间的关系 知识、规则、数据、信息之间的关系 知识、规则、数据、信息之间的关系 2.2.2 知识的分类 2.3知识的表示 知识的表示 知识表示法（知识表示模式/技术） 2.3.1 状态空间表示法 状态、操作和状态空间的概念 状态、操作和状态空间的概念 状态、操作和状态空间的概念 状态、操作和状态空间的概念 状态空间图示法 状态空间图示法 2.3.2 一阶谓词表示法 一阶谓词中的基本概念 基本要素 一阶谓词中的联接词 一阶谓词中的量词 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 关于积木世界的问题 操作序列： 一阶谓词表示法 关于海豚的定理证明形式 关于海豚的定理证明形式 关于海豚的定理证明形式 2.3.3 时序逻辑表示法 2.3.4 产生式表示法 产生式表示法 2.3.6 框架知识表示法 2.3.5 语义网络知识表示法 2.4 知识的获取 知识的获取目的 2.4.1 非自动知识获取 2.4.2 自动知识获取 2.4.1 非自动知识获取 2.4.2 自动知识获取 机器感知 机器识别系统 机器学习系统（提供更高层次知识） 学习系统的基本模型 学习系统的基本模型 学习系统的基本模型 学习系统的基本模型 学习系统的分类 机械式学习系统（Rote Learning) 机械式学习系统 类比学习系统(Analogy Learning) 类比学习系统(Analogy Learning) 示例学习系统 （Learning from Examples) 示例学习系统 （Learning from Examples) 发现式学习系统 （Discovering Learning) 2.5 知识的处理 知识的处理 知识的处理 知识的处理 2.5.1 推理的方式与分类 2.5.2 推理控制策略 2.5.3 状态空间的搜索策略 2.5.1 推理的方式与分类 演绎推理（Deduction Reasoning) 演绎推理（Deduction Reasoning) 归纳推理（Inductive Reasoning) 非单调推理（Non-monotous Reasoning) 非单调推理（Non-monotous Reasoning) 2.5.2 推理控制策略 正向推理 反向推理 正反向混合推理 2.5.3 状态空间的搜索策略 状态空间的搜索策略 状态空间隐式图搜索 状态空间隐式图搜索 状态空间隐式图搜索过程 状态空间隐式图搜索过程 状态空间隐式图搜索过程 状态空间隐式图搜索过程 状态空间隐式图搜索过程 盲目搜索 宽度优先搜索（广度优先搜索） 宽度优先搜索（广度优先搜索） 深度优先搜索 深度优先搜索（有界深度） 启发式搜索 启发式搜索 启发式搜索 启发式搜索 启发式搜索 搜索策略总结（Conclusion) 可用知识。当所有知识都不能验证成功时，该结论应从假设目标中删除，直到上下文中含有原提出的目标或假设。这说明问题有解，当所有目标都测试过，而上下文中找不到原提出的目标或假设时，则说明该问题无解。 先根据数据库中的原始数据，通过正向推理帮助系统提出假设，再运用反向推理，进一步寻求支持假设的证据，如此反复，直到得出结论或不再有新的事实加到数据库为止。是压缩空间，提高搜索效率的有效途径。 搜索是针对求解不良或非结构化的问题。涉及叙述性知识、过程性知识和控制性知识。 状态空间隐式图的基本搜索： 盲目搜索（宽度/深度优先搜索策略） 启发式搜索 在不断的搜索过程中，产生新的状态空间，逐步地生成问题的状态空间图，即采用隐式存储。这种状态空间的生成过程就称为隐式图搜索。 状态表示问题求解过程中不同时刻的状况，对状态的操作引起状态的变化。当达到目标状态时，由初始状态到目标状态所用操作的序列就是问题的一个解。 OPEN：存放等待扩展的结点的表 C