人工智能_10.pdfVIP

人工智能与专家系统考试要点 一、 人工智能概念、内容 1．人工智能：通过某些方法使机器有类似于人的智能。研究如何使机器能听、会说、能看、 会写、能思考推理、会学习，能解决各种实际问题。人工智能是研究知识的一门科学， 即如何表示知识，如何获取知识和如何利用知识的科学。 2．人工智能常用的方法：穷举法；搜索法和回朔法；启发式搜索法；分解问题法 （与或树 方法）；正反推理法；博弈方法 3．人工智能研究途径：符号主义；连接主义；行为主义。 4．人工智能研究基本内容：①知识表示：也就是如何最佳地捕捉智能行为的关键特征以供 在计算机上使用，或者说以供与人交流——这是人工智能的一个永恒主题。 ②机器感 知：所谓的机器感知就是使机器具有类似于人的感知能力，其中以机器视觉与机器听觉 为主。 ③机器思维：机器思维是指对通过感知得到的外部信息及机器内部的各种工作 信息进行有目标的处理。 ④机器学习：研究使机器具有获取新知识、学习新技巧，并 在实践中不断完善、改进的能力。 ⑤机器行为：与人的行为相对应，机器行为主要是 指计算机的表达能力，即 “说”、“写”、“画”等。 5．人工智能三个基础性领域：①知识表示。研究各种适合在计算机上表示各类知识的形式 化方法，求解问题需要的各种知识，分三类：叙述性知识、过程性知识、控制性知识。 ②知识获取。包括推理技术、启发式搜索技术、类比推理技术等等。主要研究各种问题 的求解规律，设计可机械地执行的智能算子用以实现问题求解过程。 ③知识应用。研 究如何把各种有关的知识组织成一个有效的问题求解系统，以便在计算机中实现问题的 自动解决。包括人工智能语言和人工智能应用系统。 6．人工智能研究领域：模式识别；自然语言理解；自动订立证明；及其学习；专家系统； 自动程序设计；机器人学；博弈；智能决策支持系统；人工神经网络。 二、 知识表示方法 1．知识：有关信息关联在一起形成的信息结构。 知识特性：相对正确性，不确定性，模 糊性，可表示性与可利用性。  2．常见知识表示方法：①产生式表示法：一般形式：P Q 或 IF P THEN Q。语义： 如果前提P 被满足，可推出结论Q 或执行Q 所规定的操作。 P 是前提,Q 是结论或动作,前 提和结论可以是由逻辑运算符AND、OR、NOT 组成的表达式 （eg:IF 动物会飞 AND 会 下蛋 THEN 该动物是鸟）。 ②框架表示法： ③语义网络：是知识的一种图解表示，由节点和弧线组成。节点用于表示实体、概念和情况 等，弧线用于表示节点间的关系。 ④其他表示方法及推理：一阶谓词逻辑表示法；剧本知 识表示法；过程性知识表示法；直接知识表示法。 三、 语义网络怎么表示？ 1. 语义网络的结构：基本语义网络单元结构；语义基元(语义单元)；节点，弧 2. 基本的语义关系：1）ISA,AKO和Part-of型关系：常有的类属关系：Is-a(是一个)、Apart-of （是一部分）、A-kind-of （是一种）。 2）属性关系(Have,is,Can)。 3）其他关系：时 间关系，位置关系，相近关系。 3. 语义网络的推理：①基于语义网络推理系统组 成：知识库(语义网络)，推理过程。②推理过 程：继承推理过程，匹配推理过程。（eg：最 简单的isa 关系下的推理是直接继承： 4. 语义网络表达能力：实例关系，分类 （泛化） 关系，组装关系，属性关系，集合与成员关系，逻辑关系，方位关系，所属关系，语句 或事件，谓词公式。 5. 实例： 四、宽度优先搜索和深度优先搜索 1. 一般搜索方法分类：● 盲目搜索：1) 无变量的盲目搜索：状态空间、问题空间的盲目 搜索； 深度优先、广度优先、代价优先、混合； 向前、向后、双向 2) 有变量的盲目搜 索：通代。 ● 启发式搜索 2. 宽度优先搜索和深度优先搜索，均属于盲目搜索方法。其共同缺点是节点排序的盲目性， 由于不采用领域专门知识去指导排序，往往会搜索了大量无关的状态节点后才碰到解答，所 以称为盲目搜索。 3. 宽度优先搜索 （breadth-first search）：如果搜索是以 接近起始节点的程度依次扩展节点的，那么这种搜索就 叫做宽度优先搜索 （breadth-first search）。 特点：这种 搜索是逐层进行的；在对下一层的任一节点进行搜索之 前，必须搜索完本层的所有节点。 方法