人工智能最后总结(全).docVIP

第一章 1.人工智能: 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 2.近期目标：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 3.应用: 博弈,定理证明, 机器翻译, 专家系统, 模式识别, 机器人学, 智能控制, 神经生理学 第二章 1.知识的种类: 事实性知识, 过程性知识, 行为性知识, 元知识 2.知识的要素: 事实,规则,控制,元知识 3.知识的表示: 谓词逻辑, 产生式规则, 语义网络, 框架表示 4.谓词一般表达式: 5.谓词逻辑表示法: 定义谓词, 用连词或量词把谓词公式连接起来, 从外到里层层细化 6.推理机: 规则解释程序, 控制系统规则库与数据库,负责整个产生式系统的运行,决定问题求解过程的推理路线. 主要工作: 匹配器,冲突消解器,解释器 6.语义网络: A-kind-of A-member-of Is-a Part-of Have Can 7.多元关系的语义网络表示: 添加关系结点, 动作结点, 事件结点, 情况结点 8.框架表示: 框架名, 槽名, 侧面, 值 (1)横向联系: 一个框架的槽值或者侧面值可以是另外一个框架的名字 (2)纵向联系: 具有集成关系的框架之间构成纵向联系, 下层框架可以继承上层框架的槽值. 第三章 1.状态空间法: (1) 选择状态, 描述操作 (2)定义初始状态集合, 目标状态集合, 及操作符集合 例: 2层汉诺塔 A(1,3)---B(1,2)---A(3,2) [操作标识有向边 状态标识节点] 2.问题归约: (1)问题初始描述 (2) 一套把问题变为子问题的操作符 (3)一套本原问题描述 例: 3层汉诺塔 三元组标识状态S=(i,j,k), i,j,k表示A,B,C所在的钢针号 3.与或图: 如果一个原问题既需通过分解, 又需通过变换,才能得到本原问题,其归约过程可以用与或图表示 4.端节点: 在与或树中, 没有子节点的节点 终叶节点: 本原问题所对应的节点 终叶节点一定是端节点,但是端节点不一定是终叶节点 5.可解节点与不可解节点 任何终叶节点都是可解节点 不为终叶节点的端节点是不可解节点 “与或” 节点的可解性与子节点的关系 6.盲目搜索: 7.启发式搜索: (1) 度量节点的希望的量度 (2) 有序搜索: 在表中选择最小的节点作为扩展节点 (3)算法: (4): 8.与或树搜索: 自上而下搜索, 自上而下标示 (1)应用分解或者等价变换对当前节点扩展 (2)设置指向父节点的指针 (3)多次调用可解或不可解标记过程, 直到初始节点被标记为可解节点或不可解节点 9.有序搜索之解树代价 (1)终止节点: n不可以扩展且不是终止节点: (2)或节点: 与节点: 10.希望树: 自顶向下扩展节点, 自底向上, 修正代价估值 11.博弈树: 与~min 或~max 与或交替出现 12.剪枝: (1) (2) 则剪枝 第四章 推理技术 1.子句集的求取: (1)消去蕴含和双条件符号 (2)减少否定符号辖域 (3)使不同量词约束的变元有不同的名字 (4)消去存在量词 (个体常量替换, 函数替换) (5)化为前约束(量词左移), 使得每个全称量词的辖域都是整个公式 (6)化为合取范式 (7)消去全称量词 (8)消去合取词 (9)更换变量名 2.归结原理: (1)定理证明: (2)用归结原理求取问题的答案