人工智能2--传统推理技术.ppt

难题 正反向推理机的流程 R1 E1 E2 E3 E4 R2 H 例子 在综合数据库 在综合数据库 原始证据，0 原始证据，0 小结 传统推理技术包括 命题逻辑 谓词逻辑 基于传统逻辑的推理包括 知识库 综合数据库 推理机 习 题 用真值表证明假言三段论 画出下列规则集构成的推理树 (1) IF B THEN A (2) IF C THEN A (3) IF D AND E AND F THEN B (4) IF I AND J THEN E (5) IF G THEN C (6) IF H THEN C (7) IF K AND L THEN G p当且仅当q (6) (7) (8) (9) (10) 答案:列出各题真值表如下(步骤简略) (1)、(2)、(5)、(6)、(9)为重言式； (3)、(8)为矛盾式； (4)、(7)、(10)及上述的重言式均为可满足式。 三. 命题公式的关系 等价 对于两个命题公式　　,如果 是重言式，则称它们是等价的 蕴含 对于两个命题公式　　,如果 是重言式，则称　蕴含 注意区别： 2. 谓词逻辑 例１： P: 张三是学生 Q: 李四是学生 注意：命题符号不能反映张三和李四的共同身份 例２： 张三是李四的表兄弟 注意：命题符号不能描述张三和李四的亲戚关系 结论：命题逻辑存在局限性，即命题符号表示的局限 不能反映事物间的结构与特征 不能描述事物间的关系 谓词逻辑 命题使用谓词表示 可以反映个体的特征 可以表示个体间的关系 谓词逻辑是在命题逻辑基础上发展而来 2.1 谓词 谓词包括 个体：事物或概念 谓词名：用于刻画个体的性质、状态或个体间的关系 例子：Students(Zhang San, Li Si), Cousin(Zhang San, Li Si) 谓词的一般形式： 例：利用谓词逻辑将下列命题符号化 熊猫是我国的国宝 张三的年龄位于李四和王五之间 量词 全称量词 表示个体域中所有的个体，对应于“每一个”，“所有的”，“对任何一个” 存在量词符 表示个体域中存在某个或某些个体，对应于“存在一个”，“有的”，“有一些”，“至少有一个” 量词和联结词 量词和联结词配对使用 例：利用谓词逻辑将下列命题符号化 所有的人都要呼吸 某些人是聪明的 定义谓词如下： 所有的人都要呼吸 某些人是聪明的 2.2 谓词逻辑的推理规则 全称指定规则 全称推广规则 存在指定规则 存在推广规则 3. 传统推理技术 人类简单推理的过程是基于传统的命题逻辑和谓词逻辑 假言推理 假言三段论 由假言推理和假言三段论的推广，可以得到推理链式规则 实际上人类推理的过程包括 一系列的条件命题（规则） 已知是真的命题 推理链式法则 3.1 知识库 模仿人类推理，利用计算机实现基于传统逻辑的推理 知识库：包含一系列的规则 综合数据库：包含已知的命题 推理机：采用链式规则推理 知识库的特征 知识库中存储的知识 该领域的专家给出 一系列的规则 规则的特征 前提部分：一个或多个命题的“与、或” 结论部分：多个规则的结论可以相同 规则的形式 IF P1 AND P2 AND… AND Pn THEN R 前提：是命题P1 、 P2 … Pn 的“与” IF P1 OR P2 OR… OR Pn THEN R 可以分成多条规则 3.2 推理树 任何一个推理过程都可用一棵推理树表示 对应知识库的规则形式，树节点可分为 与节点 或节点 图例1 推理树 R P1 P2 … Pn 与节点 图例2 推理树 P1 R P2 … Pn 或节点 推理树实例 试用推理树来表示以下规则: 如果某动物有毛发,则该动物是哺乳动物; 如果某动物产乳,则该动物是哺乳动物; 如果某动物是哺乳动物,且吃肉,则该动物是食肉动物; 如果某动物是食肉动物,且黄褐色且有斑点,则该动物是金钱豹; 有毛发 产 乳 哺乳动物 吃 肉 食肉动物 黄褐色 有斑点 金钱豹 综合数据库 原始证据 对应于推理树的叶结点 只能由用户提供 不能推理得到 中间结论 对应于推理树的中间结点 最后结论 对应于推理树的根结点 3.3 推理机 基于传统逻辑的推理机包括 正向推理机 反向推理机 正反向推理机 正向推理机 1. 从知识库的规则开始，取出前提 2. 查找综合数据库 用户已将部分原始证据输入库中 3. 随机推出结论 4. 将结论放入综合数据库 5. 重新进行推理 说 明 推理从第1条规则（即i=1）开始，并依次进行； 知识库中的规则可以随机编号； 开始时，综合数据库可以由用户提供自认为必要的一些原始证据，也可以为空 推理流程的实例 给定规则如下，叙述正向推理机的推理流程 假设: A1=1，在综合数据库； A2=0, 原始证