[2018年最新整理]人工智能综合文档.docVIP

  1. 1、本文档共18页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[2018年最新整理]人工智能综合文档

1. 人工智能的定义人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等1 智能机器   能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。 定义2 人工智能(学科)   人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能,并开发相关理论和技术。 定义3 人工智能(能力)   人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。   为了让读者对人工智能的定义进行讨论,以便更深刻地理解人工智能,下面综述其它几种关于人工智能的定义。 定义4 人工智能是一种使计算机能够思维,使机器具有智力的激动人心的新尝试(Haugeland,1985)。 定义5 人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化(Bellman,1978)。 定义6 人工智能是用计算模型研究智力行为(Charniak和McDermott,1985)。 定义7 人工智能是研究那些使理解、推理和行为成为可能的计算(Winston,1992)。 定义8 人工智能是一种能够执行需要人的智能的创造性机器的技术(Kurzwell,1990)。 定义9 人工智能研究如何使计算机做事让人过得更好(Rick和Knight,1991)。 定义10 人工智能是一门通过计算过程力图理解和模仿智能行为的学科(Schalkoff,1990)。 定义11 人工智能是计算机科学中与智能行为的自动化有关的一个分支(Luger和Stubblefield,1993)。 2. 人工智能的主要研究和应用领域是什么?其中,哪些是新的研究热点? 答:人工智能的应用领域有:问题求解 ? 、 ? 逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、神经网络、机器人学、模式识别、 机器人视觉、智能控制、智能检索、智能调度与指挥、分布式人工智能与 Agent 、计算智能与进化计算、数据挖掘与知识发现、人工生命 。其中新的研究热点为:分布式人工智能与 Agent 、计算智能与进化计算、数据挖掘与知识发现、人工生命。 状态空间法是一种基于解答空间的问题表示和求解方法,它是以状态和操作符为基础的。状态空间法现在人工智能有哪些学派?它们的任知观是什么?答:人工智能的学派及其认知观如下: (1)符号主义 认为人工智能起源于数理逻辑; (2)连接主义 认为人工智能起源于仿生学,特别是对人脑模型的研究; (3)行为主义 认为人工智能源于控制论。 搜索算法是来自于人工智能理论中问题的状态空间表示法;按照这种表示法,不同的问题求解过程可以统一地转化为在问题状态空间中寻找一条从初始状态到目标状态的道路的过程A*(A-Star)算法是一种静态路网中求解最短路最有效的方法。 公式表示为:? ?? ???f(n)=g(n)+h(n), 其中f(n) 是节点n从初始点到目标点的估价函数, g(n) 是在状态空间中从初始节点到n节点的实际代价, h(n)是从n到目标节点最佳路径的估计代价。 保证找到最短路径(最优解的)条件,关键在于估价函数h(n)的选取: 估价值h(n)= n到目标节点的距离实际值,这种情况下,搜索的点数多,搜索范围大,效率低。但能得到最优解。 如果 估价值实际值, 搜索的点数少,搜索范围小,效率高,但不能保证得到最优解。 估价值与实际值越接近,估价函数取得就越好。 例如对于几何路网来说,可以取两节点间欧几理德距离(直线距离)做为估价值,即f=g(n)+sqrt((dx-nx)*(dx-nx)+(dy-ny)*(dy-ny));这样估价函数f在g值一定的情况下,会或多或少的受估价值h的制约,节点距目标点近,h值小,f值相对就小,能保证最短路的搜索向终点的方向进行。明显优于Dijstra算法的毫无无方向的向四周搜索。 conditions of heuristic Optimistic (must be less than or equal to the real cost) As close to the real cost as possible 主要搜索过程: 创建两个表,OPEN表保存所有已生成而未考察的节点,CLOSED表中记录已访问过的节点。 遍历当前节点

文档评论(0)

liwenhua11 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档