人工智能技术导论总复习课件幻灯片.pptVIP

替换与合一 一个替换（Substitution）是形如 {t1/x1, t2/x2, …, tn/xn}的有限集合 设σ是原子公式集S的一个合一，如果对S的任何一个合一θ都存在一个替换λ，使得 θ ＝ σ ?λ 则称σ为S的最一般合一(Most General Unifier),简称MGU。 谓词逻辑中的归结原理 C1，C2为无相同变元的子句； L1，L2为其中的两个文字， L1和?L2有最一般合一σ； C1，C2的二元归结式（二元消解式）为： C1 σ －{L1 σ}）∪（ C2 σ－ {L2 σ}） 应用归结原理求取问题答案 （1）先为待求解的问题找一个合适的求证目标谓词； （2）再对目标否定子句增配（以析取形式）一个辅助谓词，该谓词的变元必须与对应目标谓词中的变元完全一致； （3）进行归结； （4）当归结是刚好只剩下辅助谓词时，辅助谓词中原变元位置上的项就是所求的结果。 归结策略 删除策略 支持集策略 线性归结策略 输入归结策略 单元归结策略 祖先过滤型策略 第6章 产生式系统 产生式系统的组成 产生式系统的运行过程 产生式系统有哪几种推理方式？各自有什么特点. 产生式系统的控制策略与常用算法（正向，反向） 第7章 知识表示 框架 语义网络 类和对象 第8章 不确定性知识的表示和推理 确定性理论 主观贝叶斯方法 证据理论 贝叶斯网络 模糊逻辑 第9章 机器学习 机器学习的原理 机器学习分类 机器学习的方法 符号学习：决策树学习（ID3算法） 连接学习：权值修正学习（BP算法） 第12章 专家系统 什么是专家系统？有哪些特征？ 专家系统的结构？每部分功能是什么？ 专家系统的应用与发展？ 考试相关 考试题型 简答题（25%） 应用题（65%） 其他（10%） 成绩计算 卷面成绩*80%+平时成绩*20% 内容分布 第1章：5% 第3章：26% 第4章：5% 第5章：22% 第6章：5% 第7章：5% 第8章：12% 第9章：5% 第12章：5% 其他：10% * 终止结点一定是端节点 端节点不一定是终止结点 * 从下到上逐层交替使用极小和极大选值方法，故成为绩效极大分析法。 搜索可以使用宽度、深度或启发式方法，一个阶段结束后，从树上提取一个优先考虑的走步。 第1章 人工智能概述 什么是人工智能？人工智能的研究目标和意义？ 人工智能的研究学派、途径与方法 人工智能的研究目标 人工智能的分支领域（基于应用领域） 人工智能基本技术 第3章 图搜索技术 状态图知识表示 状态图搜索 穷举式搜索 启发式搜索 加权状态图搜索 与或图知识表示 与或图搜索 启发式与或树搜索 博弈树搜索 极小极大分析法 α-β剪枝 状态图知识表示 状态空间（State Space） 问题的状态空间是一个表示该问题全部的可能状态及相互关系的图。 一般用赋值有向图，包含 S：问题的可能有的初始状态的集合； F：操作的集合； G：目标状态的集合。 状态空间常记为三元序列S，F，G 状态空间中问题求解（1） 在状态空间图中，问题求解过程转化为在图中寻找从初始状态S0出发到达目标状态Sg的路径问题，也就是寻找操作序列的问题。 状态空间的解为三元组 S0, O, Sg S0 ：某个初始状态 Sg ：某个目标状态 O：把Qs变换成Qg的有限的操作序列{O1,O2,…,On} 状态转换图 S1 S3 S2 … O1 O2 O3 O4 S0 Sg On 状态空间中问题求解（2） 状态图搜索：从初始节点出发，沿着与之相连的边试探地前进，寻找目标节点的过程。 状态图的解：搜索成功后，从目标结点反向沿搜索树按所作标记追溯一直到初始结点，所得到一条从初始结点到目标结点的路径就是问题的一个解。 状态图搜索（1） 穷举式搜索 广度优先 深度优先 有界深度优先 启发式搜索 全局择优（广度优先搜索+h(x)） 局部择优（深度优先搜索+h(x)） 状态图搜索（2） 加权状态图搜索 分支界限（广度优先搜索+g(x)） 最近择优/瞎子爬山（深度优先搜索+g(x)） A算法（一般树式搜索算法+f(x)） A*算法（h(x)=h*(x)） 或图（状态图） 知识表示 搜索 穷举式搜索 启发式搜索 加权状态图搜索 广度优先 深度优先 全局择优(最好优先) 局部择优(瞎子爬山) 分支界限(最小代价优先) 最近优先(瞎子爬山) A算法和A*算法 与或图知识表示 一个复杂的问题P常常可以归约为与之等价的一组子问题，当这些问题全部可解时，问题可解；任何一个子问题无解时，都将导致原问题P无解。即一个问题与一组子问题的与等价。 一个