人工智能培训讲义.pptxVIP

第四章 知识表示;4.1 概述;知识的定义;爱德华?费根鲍姆（Edward A. Feigenbaum）;费根鲍姆-知识工程的创始人;知识的种类;猴子;红烧肉做法;红烧肉做法;…….. 实例性知识：只给出一些实例，知识藏在实例中。 类比性知识: 即不给出外延，也不给出内涵，只给出它与其它事物的某些相似之处 。 如：比喻、谜语 元知识：有关知识的知识。最重要的元知识是如何使用知识的知识，如何从知识库中找到想要的知识。 ;知识的要素;知识表示研究用机器表示知识的可行性、有效性的一般方法。 知识表示是理智推理的部分理论。 知识表示是有效计算的载体。 知识表示是交流的媒介。;选取知识表示的因素;选取知识表示的因素;知识表示的研究内容;知识表示观;表示方法分类;知识表示研究的特点;表示方法;4.2 产生式表示方法;1. 事实的表示： 可看成是断言一个语言变量的值或是多个语言变量 之间关系的陈述句，语言变量的值或语言变量间的 关系可以是一个词，不一定是数字。 例1：香蕉是黄色的。 语言变量——香蕉，值——黄色的 例2：小李喜欢小莉。 语言变量——小李、小莉， 关系值——喜欢 ;一般用三元组（对象，属性，值）或 （关系，对象1，对象2） 例：（Li, Age, 25）, (Friend, Li, Chang);2. 规则的表示： 规则用于表示事物间的因果关系，来表达求解问题所需要的知识。 产生式规则的一般形式:条件---- 行动 　或 　前提---- 结论　 　即表示成： if 前件 then 后件 例1：如果天下雪，我就不骑车上班。 if 天下雪 then 不骑车上班 ;;4.2.2 产生式系统结构;2．规则集 相当于系统的知识库，它采用“IF 前件 THEN 后件”的形式，来表达求解问题所需要的知识。 ;可触发规则： 当一个规则的前件被综合数据库中的数据满足时，该规则称为可触发规则。 被触发规则： 从可触发规则中选择一个规则来执行，被执行的规则称为被触发规则。;3．推理机(规则解释程序) 匹配器：判断规则条件是否成立。 冲突消解器：选择可调用的规则。 解释器：执行规则的动作，并在满足结束条件时终止产生式系统运行。; 产生式系统举例--字符转换问题; 产生式系统举例--字符转换问题; 产生式系统举例--字符转换问题; 正向 推理方法 反向 双向 ;;1、正向推理方法： 从已知数据出发，一步步应用规则，一直到推出结论。 又称自低向上推理方式或数据驱动方式;正向推理过程： (1)用工作存储器中的数据与产生式规则的前提条件进行匹配。 (2)按冲突消解策略从匹配的规则中选择一条规则。 (3)执行选中规则的动作（依次）。修改工作存储器。 (4)用更新后的工作存储器，重复上述工作，直到得出结论或工作存储器不再发生变化为止。 举例：字符转换问题;2. 反向推理方法： 从结论出发，一步步反向使用规则，最后看是否所有的前提条件都成立。 又称自顶向下推理方式或目标驱动方式;反向推理过程： (1)首先假定结论正确，然后反向使用规则，看在哪些条件下该结论才能够成立。 (2) 检查这些条件是否是已知条件。如果全部是已知条件，则结论得证。如果部分或者全部条件都是非已知的，则将这些条件看成是新的要求解的结论，用同样的逆向方法推断它们是否正确。 (3)依次类推，直到所有的条件都是已知的，就推导出了最初的结论。;3．双向推理方法 即自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。 该方法较正向或反向推理所形成的推理网络小，从而推理效果更高。;推理方法的选择 推理方法的选择取决于推理的目标和搜索空间的形状。 如果目标是从一组给定事实出发，找出所有可能的结论，通常使用正向推理。 如果目标是证实或否定某一特定结论，通常使用反向推理。 ; 与人类求解问题时的思维很相像，可用于模拟人类求解问题的思维过程。 可以把产生式系统作为人工智能系统的基本 结构单元或基本模型看待，就像积木世界中的积木块一样。;优点 模块性。 规则与规则之间相互独立 灵活性。 知识库易于增加、修改、删除 自然性。 方便地表示专家的启发性知识与经验 透明性。 易于保留动作所产生的变化、轨迹;