人工智能的数学基础.ppt

4.模糊理论 例子： A∩B＝0.3/u1+0.4/u2+0.6/u3 A∪B＝0.6/u1+0.8/u2+0.7/u3 No A= 0.7/u1+0.6/u2+0.4/u3 u={u1,u2,u3} A=0.3/u1+0.8/u2+0.6/u3 B=0.6/u1+0.4/u2+0.7/u3 58 * 第三十页，共六十一页。 4.模糊理论 58 * 第三十一页，共六十一页。 4.模糊理论 λ水平截集把模糊集向普通集合转化的重要概念： 58 * 第三十二页，共六十一页。 4.模糊理论 58 * 第三十三页，共六十一页。 模糊度对模糊集的一种定量的描述，是模糊集的模糊程度的一种度量 处于中间的个体，最模糊（值最大），处于两边的个体的隶属度最清晰（值最小）。 58 * 第三十四页，共六十一页。 4.模糊理论 58 * 第三十五页，共六十一页。 4.模糊理论 几种模糊度的计算方法 58 * 第三十六页，共六十一页。 4.模糊理论 58 * 第三十七页，共六十一页。 58 * 第三十八页，共六十一页。 4.模糊理论 kerA set 58 * 第三十九页，共六十一页。 4.模糊理论 58 * 第四十页，共六十一页。 58 * 第四十一页，共六十一页。 4.模糊理论 笛卡尔积之后的集合大小？ 58 * 第四十二页，共六十一页。 4.模糊理论 58 * 第四十三页，共六十一页。 * * 人工智能的数学基础 模式识别与智能系统研究所 () 韩延彬 58 * 第一页，共六十一页。 人工智能的数学基础 人类智能在计算机上的模拟就是人工智能，而智能的核心是思维，因而如何把人们的思维活动形式化、符号化，使其得以在计算机上实现，就成为人工智能研究的重要课题。 知识的表示与处理中占有重要地位。因此，在系统学习人工智能的理论与技术之前，先掌握些有关逻辑、概率论及模糊理论方面的知识是很有必要的。 58 * 第二页，共六十一页。 主要内容 1.命题逻辑与谓词逻辑 2.多值逻辑 3.概率论 4.模糊理论 58 * 第三页，共六十一页。 1.命题逻辑与谓词逻辑 命题逻辑与谓词逻辑是最先应用于人工智能的两种逻辑 谓向逻辑是在命题逻辑基础上发展起来的，命题逻辑可看作是谓词逻辑的一种特殊形式。 58 * 第四页，共六十一页。 1.命题逻辑与谓词逻辑 命题是具有真假意义的语句:代表一种判断，肯定或者否定,真或者假(1:0) 。 局限性：无法反应描述的客观事物的结构及逻辑特征，事物间的共同特征。 老李是小李的父亲:(P，表示） 李白和杜甫都是诗人（无法体现“都”）。 58 * 第五页，共六十一页。 1.命题逻辑与谓词逻辑 谓词的一般形式是： P(x1,x2,…,xn) P是谓词名， x1,x2,…,xn是个体。 谓词可分为谓词名和个体。 个体：常量，变元，函数 teacher(wang)，teacher（x）， teacher（father(wang)） P(x1,x2,…,xn)，其中xi是一阶谓词，则称之为二阶谓词，…。 58 * 第六页，共六十一页。 1.命题逻辑与谓词逻辑 连接词：将一些简单命题连接起来，构成一个符合命题。 符号： 量词 ： 谓词公式：1、2、3、4 约束变元，自由变元 58 * 第七页，共六十一页。 1.命题逻辑与谓词逻辑 谓词公式的解释：个命题变元的一次真值指派 谓词公式：永真性，可满足性，不可满足性。 58 * 第八页，共六十一页。 1.命题逻辑与谓词逻辑 58 * 第九页，共六十一页。 1.命题逻辑与谓词逻辑 58 * 第十页，共六十一页。 1.命题逻辑与谓词逻辑 对于谓词公式P和Q，如果P－Q永真，则称P永真蕴含Q，且称Q为P的逻辑结论，称P为Q的前提，记作P=Q。 58 * 第十一页，共六十一页。 1.命题逻辑与谓词逻辑 其中y是个体域中的某一个可以使得P(y)为真的个体。 P规则，T规则，CP规则，反证法。 58 * 第十二页，共六十一页。 1.命题逻辑与谓词逻辑 (P∧Q) → P：永真 √ 58 * 第十三页，共六十一页。 2.多值逻辑 经典命题逻辑和谓词逻辑的语义解释只有两个：真和假，0和1。 现实生活中的某些问题不是简单的真和假的问题，而是存在于真和假之间的某个位置上（甚至更复杂） 58 * 第十四页，共六十一页。 2.多值逻辑 58 * 第十五页，共六十一页。 2.多值逻辑 58 * 第十六页，共六十一页。 3.概率论 概率论是研究随机现象中数量规律的一门学科。反应了事物的不确定性。 随机现象：硬币，色子，彩票等。 样本空间，随机事件。 事件的包含，事件的并，事件的交，事件的差，事件的逆。 （A，B） 58 * 第十七页，共六十一页。 3.概率论 58 * 第十八页，共六十一页。 3.概率论 概率事件： 58