人工智能+试题+课件.docVIP

人工智能+试题+课件 人工智能的定义AI ( Artificial Intelligence ) 是研究如何使用机器，能够做一些通常需要人的智慧才能完成的工作。或人工智能就是机器（计算机）执行某些与人的智能有关的复杂功能（如判断、识别、学习、理解、问题求解等）的能力。 1.2 人工智能的研究途径与方法 1.2.1 结构模拟，神经计算 ④采用结构模拟，运用神经网络和神经计算的方法研究人工智能者→生理学派、连接主义。 1.2.2 功能模拟（符号主义、心理学派、逻辑学派） 1.2.3 行为模拟（行为主义、进化主义、控制论学派） ④以行为模拟法研究人工智能者→行为主义、进化主义、控制论学派。 1.4 人工智能的基本技术 推理技术。基于谓词逻辑的自然演绎推理和归结反演推理。 搜索技术。盲目搜索、启发式搜索。神经网络搜索。启发式搜索是人工智能的核心课题， 1.5、人工智能的发展概况，需要处理的是知识。由数据处理范围扩展到符号知识处理范畴的转变是人工智能诞生的重要因素之一。 而试探性的搜索、启发式的不精确的模糊的甚至允许出现错误的推理方法指导了人工智能的求解方法。 在许多应用中，被编码进入产生式系统数据库的信息来源于说明语句，这些语句难以或者不能自然地用像数组或集合那样的简单结构来表示。 而逻辑语句，或者更具体地说，一阶谓词演算能用来表示种类众多的语句,且能给出一种从旧知识直接求得新知识的有效方法——数学演绎。 如果我们把句子限制为我们至今已介绍过的造句法所能表示的那些句子，而且也不使用变量项，那么我们可以把这个谓词演算的子集叫做命题演算。 例：每个有理数都是实数 有些实数是有理数 并非每个实数都是有理数 解： 令原子谓词公式 P(x) 表示 x 是有理数 Q(x) 表示 x 是实数 （x）［P(x) = Q(x)］ （彐x）［Q(x) ∧ P(x)］ ～(（x）［Q(x) = P(x)］) 等价于 （彐x）［Q(x) ∧ ～P(x)］ 例： 每一个人的外祖父都是他母亲的父亲。 令 P(x) 表示 x 是人 O(x,y) 表示 x 是y的外祖父 F(x,y) 表示 x 是y的父亲 M(x,y) 表示 x 是y的母亲 将原句转化为：每一个人y的外祖父x都是该y的母亲z的父亲。 （x）（y）(P(x)∧P(y)∧O(x,y))=(彐z)(P(z)∧F(x,z)∧M(z,y)) 在一个量化的表达式中的约束变量是一个虚元，它可以用任何一个不在表达式中出现过的其他变量符号来代替。 All blocks on top of blocks that have been moved or that are attached to block that have been moved also have been moved. 可表示为：（x）（y）{{BLOCK（x）∧BLOCK（y）∧［ONTOP（x，y）∨ ATTACHED（x，y）］∧MOVED（y）}→MOVED（x）} 寻找项对变量的置换，以使表达式一致，叫做合一。 求mgu的算法：非递归算法 例：求公式集{P［a，x，f(g(y))］，P［z，h(z,u)，f(u)］}的最一般合一者 mgu。 解： k=0; F0 = F; б0 =ε; F0 不是单一元素集，有 D0 ={a ,z} б1=б0·{ a /z }=ε·{ a /z }={ a /z }； F1=F0·{ a /z }={P［a，x，f(g(y))］，P［a，h(a,u)，f(u)］}； k=1; F1 不是单一元素集，有 D1 ={x ,h(a,u)} б2=б1·{ h(a,u) /x }={ a /z }·{ h(a,u) /x }={ a /z, h(a,u) /x }； F2=F1·{ h(a,u) /x }={P［a，h(a,u)，f(g(y))］，P［a，h(a,u)，f(u)］}； k=2; F2 非单一，有 D2 ={g(y) ,u} б3=б2·{ g(y) /u }={ a /z, h(a,g(y)) /x, g(y) /u }； F3=F2·{ g(y) /u }={P［a，h(a, g(y))，f(g(y))］}； k=3;F3 已为单一元素集 ∴ б3= { a /z, h(a,g(y)) /x, g(y) /u }为公式集F的mgu 递归 例： E1=’P［a，x