人工智能原理 知识表示 - search .ppt

人工智能原理第7章 不精确推理 本章内容 7.1 不精确推理的必要性 7.2 贝叶斯概率推理 7.3 贝叶斯网络 7.4 可信度方法* 7.5 模糊推理 参考书目 7.1 不精确推理的必要性不精确推理的原因 / 方法 为什么要不精确推理 做不精确推理的原因有多种： 推理所需的信息不完备：竞争双方不知道对方信息 背景知识不足：疑难病症的机理 多种原因导致同一结果：疾病的诊断 信息描述模糊：目击者对嫌疑犯的描述 信息中含有噪声：做假帐，虚假统计报表，采集数据当中的噪声（雷达、声纳/化验）等 不精确推理的原因 规则是模糊的：定性描述，如“如果刑事犯罪猖獗，就应加大打击力度”等 推理能力不足：天气预报的计算 解决方案不唯一：多个方案如何选优的问题 两种不确定性 环境的不确定性—智能体几乎从来无法了解关于其环境的全部事实 反映环境的知识的不确定性—过于复杂而无组织—知识粥(knowledge soup) 不确定环境下的智能体行动 从智能体角度看，他不得不在不确定的环境下行动 克服这种不确定性的解决方案 1)条件规划 2)使用简单而不完全正确的模型 大部分时间模型或者规划可行，但有时会出现矛盾 理性决策—依赖于各种目标的相对重要性，也依赖于这些目标被实现的可能性 不确定性下的决策 不确定性的存在改变了智能体进行决策的方式 智能体要在各种规划的不同可能结果之间进行选