人工智能幻灯片3.pptVIP

人工智能及其应用 ;目录;前言;3.1 经典推理和非经典推理; 非经典逻辑，一般泛指与经典命题逻辑和经典谓词逻辑不同的那些逻辑。 非经典逻辑系统所使用形式语言与经典逻辑的语言基本相同，它们的差别在于经典逻辑系统中的某些定理，在这类逻辑中不再成立（即不再是定理）。 非经典逻辑大体上可以划分为两类：一类是与经典逻辑平行的逻辑，如直觉主义逻辑、多值逻辑和模糊逻辑。另一类是对经典逻辑进行扩充的逻辑，如模态逻辑、时态逻辑与动态逻辑。 ;模态逻辑（Modal Logic）是逻辑学中最引人注目的一种非经典逻辑，也是大部分非经典逻辑的基础。它不仅是程序语义描述的有力工具、时态逻辑和动态逻辑的理论基础，而且在知识的形式表示方面表现出极大的优越性。 模态逻辑主要是研究“必然”、“可能”、“不可能”和“偶然”等所谓“模态”概念的逻辑学说。 ;3.1.1 ???态逻辑; 前面所讨论的经典逻辑、模态逻辑等属于二值逻辑，即每一个命题皆取真假二值之一为值，每一命题或者真或者假。 如果更一般地来考查一个命题；使其不限于只取“真”、“假”二值，而是可以取三值、四值、任意有限个值，乃至可数无穷多个值，那么，这种多值命题间的逻辑关系的研究就称之为多值逻辑。 ; 三值逻辑是最简单的多值逻辑，也是最重要的逻辑系统，以三值逻辑系统为背景可以更深入地了解多值逻辑系统的理论与应用。 克利恩（Kleene）三值逻辑系统K3 卢卡西维茨（Luckasiewicz）三值逻辑系统L3 波兹瓦（Bochvar）三值逻辑系统B ; 人工智能研究的发展，迫使人们研究人的常识性推理的形式化问题。常识具有不确定性，一个常识可能具有众多的例外，一个常识可能是尚无理论根据或缺乏充分验证的经验，并且常识对环境往往有极强的依存性。; 例如“鸟是会飞的”。但有许多例外，如鸵鸟、死鸟就不会飞。由于常识的这种不确定，决定了常识推理的所谓非单调性，即依据常识进行通常的逻辑推理，但保留对常识的不确定性及环境的变迁造成的推理失误的修正权。 ;建立在谓词逻辑基础上的经典逻辑是单调的。在单调逻辑系统中，新的命题可以加入系统，新的定理可被证明，并且这种加入和证明决不会导致前面已知命题或已证明命题的无效。 单调逻辑不能完整地反应人类的思维过程和推理方式。; 人类认识世界的过程是个否定之否定的辩证发展过程。由于人们对客观世界的认识不仅是不确定的，而且往往是不完全的，新知识的出现往往在一定程度上否定、完善、或补充了旧的知识。所以人类的思维及推理行为本质上是非单调的。例如根据某些前提推出的某一结论，但当人们又获得另外一些事实后，却又取消这一结论。显然，结论并不随着条件的增加而增加，这种推理称为非单调的，相应的逻辑系统称为非单调逻辑系统。;3.1 经典推理与非经典推理;3.2 非单调推理;3.2 非单调推理;3.2.1 缺省推理;3.2.1 缺省推理;3.2.1 缺省推理;3.2.1 缺省推理;3.2.1 缺省推理;3.2.1 缺省推理;3.2.2 限定推理;3.2.2 限定推理;3.2.3真值维持系统;3.2.3真值维持系统;3.2.3真值维持系统;3.3 时序推理;3.4 不确定性推理;3.4.1 不确定性的表示与度量;3.4.1 不确定性的表示与度量;3.4.1 不确定性的表示与度量;3.4.1 不确定性的表示与度量;3.4.2 不确定性的算法;3.4.2 不确定性的算法;3.4.2 不确定性的算法;3.4.2 不确定性的算法;3.4.2 不确定性的算法;3.5 概率推理;3.5 概率推理;3.5 概率推理;3.5 概率推理;3.5 概率推理;实际应用中，不容易获知“结论 的先验概率 及证据E的条件概率 杜达、哈特等人在贝叶斯公式的基础上，于1976年提出主观贝叶斯方法，建立了不精确推理模型，并把它成功应用于PROSPECTOR专家系统（地矿勘察）。 ;主观贝叶斯方法的不精确推理过程就是根据前提E的概率 ，利用规划的充分性因子LS和必要性因子LN，把结论H的先验概率 更换为后验概率 的过程。;知识表示方法 表示知识的静态强度 LS为上式成立的充分性因子，衡量证据E对结论H的支持程度 ;LN为上式成立的必要性因子。衡量证据～E对结论H的支持程度 LS、LN的取值范围为 ，其具体数值由领域专家决定 。 ;定义概率函数 上式表示X的几率等于X出现的概率与X不出现的概率之比。 ;则有 修改后的贝叶斯公式为： ;知识的动态强度：对于初始证据E，用户根据观察