数据与知识工程课程内容简介.ppt

  1. 1、本文档共45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)。
查看更多
本领域的杰出人物 ? ? 目前为止共 56 名图灵奖获得者 (1966-1999:40 名 ,2000-2009:16 名 ) Marvin Minsky ( 1969 年) ? ? 框架理论的创立者 世界上最早的能模拟人的活动的机器人 Robot C ? John Mccarthy ( 1971 年) ? ? ? Lisp 语言 限制逻辑 情景演算 本领域的杰出人物 ? Herbert Simon 和 Allen Newell ( 1975 年) ? ? 符号主义学派的创始人 ( 物理符号系统假说 ) 开发了世界上最早的启发式程序“逻辑理论家”,应用其证明了数学名著《数学原理》 一书第二章 52 个定理中的 38 个定理 ? 开发了最早的下棋程序之一 MATER ? (Simon) 发展和完善了语义网络 ? Edward Feigenbaum 和 Raj Reddy ( 1994 年) ? ? ? ? 大规模人工智能系统的设计和实现的先驱 合力开发了第一个专家系统 DENDRAL (Feigenbaum) 专家系统之父 (1977 年 ) (Raj Reddy) John McCarthy 指导的 第一个博士;李开复的博士生导师 (CMU) 本领域的传奇人物 ? Herbert Simon ? ? ? ? 1975 年图灵奖获得者 符号主义学派的创始人 建立了机器证明数学定理的启发式搜索法 提出有限理论对经济决策活动的影响 ? ? ? ? 1978 年诺贝尔经济学奖获得者 1943 年在匹兹堡大学获得政治学博士学位 1969 年由于在心理学上的贡献而获得美国心理学会的“杰出科学贡献奖” 1986 年因为在行为科学上的出色贡献而荣获美国全国科学奖章 数据与知识工程 CS 227: Knowledge Representation and Reasoning /class/cs227/ Knowledge Representation and Reasoning rmatik.uni-erlangen.de/IMMD8/Lectures/KRR/ 百度文库 数据与知识工程 /?business&aid=6&un=kelame#7 本课程的开设背景 ? 智能: ? ? 智能行为依赖于知识 知识: ? ? ? 是构成智能的基础 把有关信息关联在一起形成的信息结构 由信息提炼出来的产物,反映了一些基本的规律 ? 信息: ? ? 计算学科:对 描述和变换信息 的算法过程进行的系统研究。 收信人事先不知道的报道 ( 辞海 ) ? ? ? 信息就是信息,不是物质,也不是能量 (Norbert Wiener) 数据的语义 数据: ? ? 信息的载体和表示 对于计算机而言,信息处理就是数据处理 本课程的开设背景 ? 智能: ? ? 智能行为依赖于知识 知识 : ? ? ? 把有关信息关联在一起形成的信息结构 由信息提炼出来的产物,反映了一些基本的规律 是构成智能的基础 ? 信息: ? ? 数据的语义 收信人事先不知道的报道 ( 辞海 ) ? ? ? 信息就是信息,不是物质,也不是能量 (Norbert Wiener) 计算学科:对描述和变换信息的算法过程进行的系统研究。 数据 : ? ? 信息的载体和表示 对于计算机而言,信息处理就是数据处理 本课程的开设背景 ? 信息时代 / 知识时代 ? ? 农业社会 ? 工业 / 机械社会:由机械化、电气化和自动化带来的 人类体力扩展 的结果。 机械社会 ? 信息 / 知识社会:由 信息化 、 网络化 和 智能化 带来的 人类智力扩展 的结果。 ? 一个标志: 万维网 (Web) 的普及 ? 信息化 和 网络化 带来的形形色色的 海量信息 和 内容理解 问题,向计算机科学和人工智 能提出了艰巨的挑战。 ? 语义 Web ? ? Web 技术 语义 ( 本体 / 逻辑 ) 数据挖掘 & 知识发现 知识表示与知识推理 本课程的目的 ? 了解 人工智能领域 关于知识表示、知识推理、知识发现的 研究历史 ; ? ? ? ? 掌握典型的 知识表示方法 ( 尤其是基于 一阶谓词逻辑 和基于 描述逻辑 的知识表示方法 ); 掌握典型的 知识推理方法 ( 尤其是基于 消解原理 的和基于 Tableau 的推理方法 ); 掌握典型的 知识发现方法 ; 了解 语义 Web 的基本思想、技术现状和发展趋势; ? ? 了解 Web 知识表示模型和语言 (主要包括 RDF 、 OWL 、 RIF 和 SPARQL ); 了解 语义 Web 背景下 关于知识表示、知识推理、和知识发现的 研究现状 。 本课程的内容 Ⅰ ? 基于一阶谓词逻辑 (FOL) 的知识表示和推理 ? ? ? ? 基于 FOL 的知识表示 基于消解法的知识推理

文档评论(0)

sunmuq + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档