人工智能技術(shù)導(dǎo)論(廉師友)考試復(fù)習(xí)重點(diǎn)總結(jié)

1、第一章人工智能：主要研究如何用人工的方法和技術(shù)，使用各種自動化機(jī)器或智能機(jī)器(主要指計(jì)算機(jī))模仿、延伸和擴(kuò)展人的智能，實(shí)現(xiàn)某些機(jī)器思維或腦力勞動自動化。為什么要研究人工智能：1)普通計(jì)算機(jī)智能低下，不能滿足社會需求。2)研究人工智能也是當(dāng)前信息化社會的迫切需求。3)智能化是自動化發(fā)展的必然趨勢。4)研究人工智能，對人類自身智能的奧秘也提供有益幫助。遠(yuǎn)期目標(biāo)是要制造智能機(jī)器。具體講就是使計(jì)算機(jī)具有看、聽、說、寫等感知和交互能力，具有聯(lián)想、學(xué)習(xí)、推理、理解、學(xué)習(xí)等高級思維能力，還要有分析問題解決問題和發(fā)明創(chuàng)造的能力。近期目標(biāo)：是實(shí)現(xiàn)機(jī)器智能。即先部分地或某種程度地實(shí)現(xiàn)機(jī)器智能，從而使現(xiàn)有的計(jì)算機(jī)更

2、靈活好用和更聰明有用。人工智能的研究內(nèi)容1)搜索與求解2)學(xué)習(xí)與發(fā)現(xiàn)3)知識與推理4)發(fā)明與創(chuàng)造5)感知與交流6)記憶與聯(lián)想7)系統(tǒng)與建造8)應(yīng)用與工程研究途徑與方法：1)心理模擬，符號推演法就是以人腦的心理模型為依據(jù)，將問題或知識表示成某種邏輯網(wǎng)絡(luò)，采用符號推演的方法，實(shí)現(xiàn)搜索、推理、學(xué)習(xí)等功能，從宏觀上來模擬人腦的思維，實(shí)現(xiàn)人工智能。2)生理模擬，神經(jīng)計(jì)算就是用人工神經(jīng)元組成的人工神經(jīng)網(wǎng)絡(luò)來作為信息和知識的載體，用稱為神經(jīng)計(jì)算的方法實(shí)現(xiàn)學(xué)習(xí)、記憶、聯(lián)想、識別和推理等功能，從而來模擬人腦的智能行為，使計(jì)算機(jī)表現(xiàn)出某種智能。3)行為模擬，控制進(jìn)化是一種基于感知行為模型的研究途徑和方法，它是在模

3、擬人在控制過程中的智能活動和行為特性，如自適應(yīng)，自尋優(yōu)、自學(xué)習(xí)、自組織等，來研究和實(shí)現(xiàn)人工智能。4)群體模擬，仿生計(jì)算模擬生物群落的群體智能行為，從而實(shí)現(xiàn)人工智能。5)博采廣鑒，自然計(jì)算就是模仿或借鑒自然界的某種機(jī)理而設(shè)計(jì)計(jì)算模型，這類計(jì)算模型通常是一類具有自適應(yīng)、自組織、自學(xué)習(xí)、自尋優(yōu)能力的算法。6)原理分析，數(shù)學(xué)建模就是通過對智能本質(zhì)和原理的分析，直接采用某種數(shù)學(xué)方法來建立智能行為模型。人工智能的基本技術(shù)1)表示a符號智能的表示是知識表示b計(jì)算智能的表示一般是對象表示2)運(yùn)算a符號智能的運(yùn)算是基于知識表示的推理或符號操作b計(jì)算智能的運(yùn)算是基于對象表示的操作或計(jì)算3)搜索a符號智能在問題空間

4、內(nèi)搜索進(jìn)行問題求解b計(jì)算智能在解空間搜索進(jìn)行求解第三章1廣度優(yōu)先搜索的特點(diǎn)廣度優(yōu)先中open4。綜述圖搜索的方式和策略。用計(jì)算機(jī)來實(shí)現(xiàn)圖的搜索有兩種最基本的方式：樹式搜索和線式搜索。樹式搜索就是在搜索過程中記錄所經(jīng)過的所有節(jié)點(diǎn)和邊。線式搜索就是在搜索過程中只記錄那些當(dāng)前認(rèn)為是處在所找路徑上的節(jié)點(diǎn)和邊。線式搜索的基本方式又可分為不回溯和可回表是一個隊(duì)列，closed表是一個順序表，溯的的兩種。圖搜索的策略可分為：盲目表中各節(jié)點(diǎn)按順序編號，正被考察的節(jié)點(diǎn)在表中編號最大，廣度優(yōu)先策略是完備的廣度優(yōu)先搜索策略與問題無關(guān)，具有通用性。缺點(diǎn)搜索效率低。2.深度優(yōu)先搜索的特點(diǎn)open表為一個堆棧。一般不能保

5、證找到最優(yōu)解。當(dāng)深度限制不合理時(shí)，可能找不到解，可以將算法改為可變深度限制，即有界深度優(yōu)先搜索。最壞情況時(shí)，搜索空間等同于窮舉。3.加權(quán)狀態(tài)圖與代價(jià)樹邊上附有數(shù)值的狀態(tài)圖稱為加權(quán)狀態(tài)圖或賦權(quán)狀態(tài)圖，這種數(shù)值稱為權(quán)值。加權(quán)狀態(tài)圖的搜索：加權(quán)狀態(tài)圖的搜索與權(quán)值有關(guān)，并且要用權(quán)值來導(dǎo)航。具體來講，加權(quán)狀態(tài)圖的搜索算法，要在一般狀態(tài)圖搜索算法基礎(chǔ)上再增加權(quán)值的計(jì)算與傳播過程，并且要由權(quán)值來確定節(jié)點(diǎn)的擴(kuò)展順序。搜索和啟發(fā)式搜索。盲目搜索就是無向?qū)У乃阉?。樹式盲目搜索就是窮舉式搜索。而線式盲目搜索，對于不回溯的就是隨機(jī)碰撞式搜索，對于回溯的則也是窮舉式搜索。啟發(fā)式搜索則是利用“啟發(fā)性信息”引導(dǎo)的搜索。啟發(fā)

6、式搜索又可分為許多不同的策略，如全局擇優(yōu)、局部擇優(yōu)、最佳圖搜索等。第四章三種遺傳操作:1)選擇-復(fù)制從種群中選擇適應(yīng)度高的染色體進(jìn)行復(fù)制，以生成下一代種群。2)交叉就是互換兩個染色體某些位上的基因。3)變異就是改變?nèi)旧w某個(些)位上的基因。遺傳算法就是對種群中的染色體反復(fù)做三種遺傳操作，使其朝著適應(yīng)度增高的方向不斷更新?lián)Q代，直至出現(xiàn)了適應(yīng)度滿足目標(biāo)條件的染色體為止。遺傳算法的主要特點(diǎn)1)遺傳算法一般是直接在解空間搜索,而不像圖搜索那樣一般是在問題空間搜索,最后才找到解。2)遺傳算法的搜索隨機(jī)地始于搜索空間的一個點(diǎn)集,所以遺傳算法是一種隨機(jī)搜索算法。3)遺傳算法總是在尋找優(yōu)解,所以遺傳算法又是

7、一種優(yōu)化搜索算法。4)遺傳算法的搜索過程是從空間的一個點(diǎn)集(種群)到另一個點(diǎn)集(種群)的搜索。5)遺傳算法的適應(yīng)性強(qiáng),除需知適應(yīng)度函數(shù)外,幾乎不需要其他的先驗(yàn)知識。6)遺傳算法長于全局搜索,它不受搜索空間的限制性假設(shè)的約束,不要求連續(xù)性,能以很大的概率從離散的、多極值的、含有噪聲的高維問題中找到全局最優(yōu)解。第六章產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)網(wǎng)絡(luò)的結(jié)構(gòu)圖。對應(yīng)過程性知識。推理機(jī)：負(fù)責(zé)產(chǎn)生式規(guī)則的前提條件測試或匹配，規(guī)則的調(diào)度和選取，規(guī)則體的解釋和執(zhí)行。即推理機(jī)實(shí)施推理，并對推理進(jìn)行控制，它也是規(guī)則的解釋程序。對應(yīng)控制性知識。全局?jǐn)?shù)據(jù)庫：人工智能系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)中心。是一個動態(tài)數(shù)據(jù)結(jié)構(gòu)，用來存放初始事實(shí)數(shù)據(jù)

8、、中間結(jié)果和最后結(jié)果。對應(yīng)敘述性知識?？刂撇呗耘c常用算法:a正向推理從初始事實(shí)數(shù)據(jù)出發(fā)，正向使用規(guī)則進(jìn)行推理，朝目標(biāo)方向前進(jìn)。又稱為前向推理、b正向鏈、數(shù)據(jù)驅(qū)動的推理。反向推理從目標(biāo)出發(fā)，反向使用規(guī)則進(jìn)行推理，朝初始事實(shí)或數(shù)據(jù)方向前進(jìn)。又稱反向推理、反向鏈、目標(biāo)驅(qū)動的推理。問題求解、圖搜索和產(chǎn)生式系統(tǒng)的關(guān)系是：問題求解是目的，圖搜索是方法，產(chǎn)生式系統(tǒng)是形式。產(chǎn)生式規(guī)則庫：作用在全局?jǐn)?shù)據(jù)庫上的一些規(guī)則的集合。每條規(guī)則都有一定的條件，若全局?jǐn)?shù)據(jù)庫中內(nèi)容滿足這些條件可調(diào)用這條規(guī)則。一般可形成一個稱為推理第八章確定性理論e=e1e2cf(e)=mincf(e1),cf(e2)e=e1e2cf(e)=m

9、axcf(e1),cf(e2)主觀貝葉斯方法1)證據(jù)肯定存在的情況2)證據(jù)肯定不存在的情況3)證據(jù)不確定的情況4)多證據(jù)的總概率合成第一步：o(h)=p(h)/(1-p(h)第二步：o(h|e)=ls*o(h)或o(h|非e)=ln*o(h)第三步o(h|e1e2)=o(h|e1)/o(h)*o(h|e2)/o(h)*o(h)第四步p(h|e1e2)=o(h|e1e2)/o(h|e1e2)+11.不確定性及其類型知識和信息中含有的不肯定、不可靠、不準(zhǔn)確、不精確、不嚴(yán)格、不嚴(yán)密、不完全甚至不一致的成分。按性質(zhì)分類：(狹義)不確定性；不確切性(模糊性)；不完全性；不一致性(狹義)不確定性(unce

10、rtainty)就是一個命題(亦即所表示的事件)的真實(shí)性不能完全肯定，而只能對其為真的可能性給出某種估計(jì)。不確切性(模糊性)就是一個命題中所出現(xiàn)的某些言詞其涵義不夠確切，從概念角度講，就是其代表的概念的內(nèi)涵沒有硬性的標(biāo)準(zhǔn)或條件，其外延沒有硬性的邊界。2.不確定性推理的一般模式不確定性推理符號推演信度計(jì)算3.不確定性推理與通常的確定性推理的差別：(1)不確定性推理中規(guī)則的前件能否與證據(jù)事實(shí)匹配成功，不但要求兩者的符號模式能夠匹配(合一)，而且要求證據(jù)事實(shí)所含的信度必須達(dá)“標(biāo)”，即必須達(dá)到一定的限度。這個限度一般稱為“閾值”。(2)不確定性推理中一個規(guī)則的觸發(fā)，不僅要求其前提能匹配成功，而且前提條

11、件的總信度還必須至少達(dá)到閾值。(3)不確定性推理中所推得的結(jié)論是否有效，也取決于其信度是否達(dá)到閾值。(4)不確定性推理還要求有一套關(guān)于信度的計(jì)算方法，包括“與”關(guān)系的信度計(jì)算、“或”關(guān)系的信度計(jì)算、“非”關(guān)系的信度計(jì)算和推理結(jié)果信度的計(jì)算等等。第九章學(xué)習(xí)：學(xué)習(xí)是系統(tǒng)積累經(jīng)驗(yàn)以改善其自身性能的過程。學(xué)習(xí)與經(jīng)驗(yàn)有關(guān)；學(xué)習(xí)可以改善系統(tǒng)性能；學(xué)習(xí)是一個有反饋的信息處理與控制過程。機(jī)器學(xué)習(xí)的原理：1)基于學(xué)習(xí)策略的分類:a模擬人腦的機(jī)器學(xué)習(xí):a符號學(xué)習(xí)：模擬人腦的宏觀心理級學(xué)習(xí)過程，以認(rèn)知心理學(xué)原理為基礎(chǔ)，以符號數(shù)據(jù)為輸入，以符號運(yùn)算為方法，用推理過程在圖或狀態(tài)空間中搜索，學(xué)習(xí)的目標(biāo)為概念或規(guī)則等。符號

12、學(xué)習(xí)的典型方法有：記憶學(xué)習(xí)、示例學(xué)習(xí)、演繹學(xué)習(xí)、類比學(xué)習(xí)、解釋學(xué)習(xí)等。b神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)(或連接學(xué)習(xí))：模擬人腦的微觀生理級學(xué)習(xí)過程，以腦和神經(jīng)科學(xué)原理為基礎(chǔ)，以人工神經(jīng)網(wǎng)絡(luò)為函數(shù)結(jié)構(gòu)模型，以數(shù)值數(shù)據(jù)為輸入，以數(shù)值運(yùn)算為方法，用迭代過程在系數(shù)向量空間中搜索，學(xué)習(xí)的目標(biāo)為函數(shù)。典型的連接學(xué)習(xí)有權(quán)值修正學(xué)習(xí)、拓?fù)浣Y(jié)構(gòu)學(xué)習(xí)。b直接采用數(shù)學(xué)方法的機(jī)器學(xué)習(xí):主要有統(tǒng)計(jì)機(jī)器學(xué)習(xí)(貝葉斯學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)學(xué)習(xí)、幾何分類學(xué)習(xí)、支持向量機(jī)svm)。2)基于學(xué)習(xí)方法的分類:a歸納學(xué)習(xí)a符號歸納學(xué)習(xí)：典型的符號歸納學(xué)習(xí)有示例學(xué)習(xí)，決策樹學(xué)習(xí)。b函數(shù)歸納學(xué)習(xí)(發(fā)現(xiàn)學(xué)習(xí))：典型的函數(shù)歸納學(xué)習(xí)有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、示例學(xué)習(xí)，發(fā)現(xiàn)學(xué)習(xí)

13、，統(tǒng)計(jì)學(xué)習(xí)。b演繹學(xué)習(xí)c類比學(xué)習(xí)：典型的類比學(xué)習(xí)有案例(范例)學(xué)習(xí)。d分析學(xué)習(xí)：典型的分析學(xué)習(xí)有案例(范例)學(xué)習(xí)、解釋學(xué)習(xí)。3)基于學(xué)習(xí)方式的分類a有導(dǎo)師學(xué)習(xí)(監(jiān)督學(xué)習(xí))：輸入數(shù)據(jù)中有導(dǎo)師信號，以概率函數(shù)、代數(shù)函數(shù)或人工神經(jīng)網(wǎng)絡(luò)為基函數(shù)模型，采用迭代計(jì)算方法，學(xué)習(xí)結(jié)果為函數(shù)。b無導(dǎo)師學(xué)習(xí)(非監(jiān)督學(xué)習(xí))：輸入數(shù)據(jù)中無導(dǎo)師信號，采用聚類方法，學(xué)習(xí)結(jié)果為類別。典型的無導(dǎo)師學(xué)習(xí)有發(fā)現(xiàn)學(xué)習(xí)、聚果為規(guī)則，或者說是為了獲得規(guī)則的一種學(xué)習(xí)。典型的規(guī)則學(xué)習(xí)有決策樹學(xué)習(xí)。c函數(shù)學(xué)習(xí)：即學(xué)習(xí)的目標(biāo)和結(jié)果為規(guī)則，或者說是為了獲得函數(shù)的一種學(xué)習(xí)。典型的函數(shù)學(xué)習(xí)有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。d類別學(xué)習(xí)：即學(xué)習(xí)的目標(biāo)和結(jié)果為對象類，或者

14、說是為了獲得類別的一種學(xué)習(xí)。典型的類別學(xué)習(xí)有聚類分析。e貝葉斯網(wǎng)絡(luò)學(xué)習(xí)：即學(xué)習(xí)的目標(biāo)和結(jié)果是貝葉斯網(wǎng)絡(luò)，或者c類、競爭學(xué)習(xí)等。強(qiáng)化學(xué)習(xí)(增強(qiáng)學(xué)習(xí))：說是為了獲得貝葉斯網(wǎng)絡(luò)的一種學(xué)習(xí)。其以環(huán)境反饋(獎/懲信號)作為輸入，以統(tǒng)計(jì)和動態(tài)規(guī)劃技術(shù)為指導(dǎo)的一種學(xué)習(xí)方法。4)基于數(shù)據(jù)形式的分類a結(jié)構(gòu)化學(xué)習(xí)：以結(jié)構(gòu)化數(shù)據(jù)為輸入，以數(shù)值計(jì)算或符號推演為方法。典型的結(jié)構(gòu)化學(xué)習(xí)有神經(jīng)網(wǎng)絡(luò)又可分為結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。符號學(xué)習(xí)：1)記憶學(xué)習(xí)：又稱死記硬背學(xué)習(xí)或機(jī)械學(xué)習(xí)，這種學(xué)習(xí)方法不要求系統(tǒng)具有對復(fù)雜問題求解的能力，也就是沒有推理能力，系統(tǒng)的學(xué)習(xí)方法就是直接記錄與問題有關(guān)的信息，然后檢索并利用這些學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)、決策

15、樹學(xué)習(xí)、規(guī)則學(xué)習(xí)。存儲的信息來解決問題。2)示例學(xué)習(xí)也稱b非結(jié)構(gòu)化學(xué)習(xí)：以非結(jié)構(gòu)化數(shù)據(jù)為輸入，典型的非結(jié)構(gòu)化學(xué)習(xí)有類比學(xué)習(xí)、案實(shí)例學(xué)習(xí),它是一種歸納學(xué)習(xí)。示例學(xué)習(xí)是從若干實(shí)例中歸納出一般概念或規(guī)則例學(xué)習(xí)、解釋學(xué)習(xí)、文本挖掘、圖像挖掘、的學(xué)習(xí)方法。3)決策樹學(xué)習(xí)：歸納學(xué)習(xí)，web挖掘等。5)基于學(xué)習(xí)目標(biāo)的分類a概念學(xué)習(xí)：即學(xué)習(xí)的目標(biāo)和結(jié)果為概念，或者說是為了獲得概念的一種學(xué)習(xí)。典型的概念學(xué)習(xí)有示例學(xué)習(xí)。b規(guī)則學(xué)習(xí)：即學(xué)習(xí)的目標(biāo)和結(jié)用構(gòu)造形數(shù)據(jù)結(jié)構(gòu)的方法，從一批事實(shí)數(shù)據(jù)集中歸納出若干條分類、決策規(guī)則4)演繹學(xué)習(xí)：基于演繹推理的一種學(xué)習(xí)。演繹推理是一種保真變換，即若前提真則推出的結(jié)論也真5)類比學(xué)習(xí)

16、：基于類比推理的學(xué)習(xí)方法，就是尋找和利用事物間的可類比的關(guān)系，而從已有的知識推導(dǎo)出未知的知識人機(jī)界面推理機(jī)解釋模塊知識庫動態(tài)數(shù)據(jù)庫知識庫管理系統(tǒng)自學(xué)習(xí)模塊始證據(jù)事實(shí)、推理結(jié)果和控制信息。解釋模塊：推理過程中，回答why第十二章專家的特點(diǎn)：擁有豐富的專業(yè)知識和實(shí)踐經(jīng)驗(yàn)；具有獨(dú)特的思維方式專家系統(tǒng)的要素：應(yīng)用于某專門領(lǐng)域；擁有專家級知識；模擬專家思維；達(dá)到專家級水平。專家系統(tǒng)特點(diǎn)：善于解決不確定性的、非結(jié)構(gòu)化的、沒有算法解或有算法解但在機(jī)器上無法實(shí)施的困難問題?？恐R和推理之類的問題；推理結(jié)束后，回答how之類問題。知識庫：某種表示形式存儲于計(jì)算機(jī)中的知識的集合。包括專家知識、領(lǐng)域知識和元知識。知

17、識庫管理系統(tǒng)：管理知識庫的建立刪除重組知識的獲取、知識的檢查2)實(shí)際結(jié)構(gòu)：1)總控實(shí)際問題錯綜復(fù)雜，可能需要多次推理，所以處處專專來解決問題，專家系統(tǒng)是基于知識的智能問題求解系統(tǒng)。強(qiáng)調(diào)知識與推理的分離，理理家家模模模模塊塊塊塊1n1m知識庫是多層的或多塊的。系統(tǒng)具有靈活性和可擴(kuò)充性。具有解釋功能，回答用戶提出的問題和處理問題的過程作出解釋推理機(jī)：實(shí)現(xiàn)推理的程序。使用知識庫中的知識進(jìn)行推理而解決問題的，是專家的(2)實(shí)際問題往往不僅需要推理，而且還需要做一些處理，所以增加處理模塊?？刂茩C(jī)構(gòu)監(jiān)督程序調(diào)度程序黑板：分層的全思維機(jī)制。人機(jī)界面：用戶通過界面向系統(tǒng)實(shí)現(xiàn)推理的程序。使用知識庫中的知識層次n知識源n層次2知識源2層次1知識源1黑板知識源局工作區(qū)，用來存儲初始數(shù)據(jù)、進(jìn)行推理而解決問題的，是專家的思維機(jī)制。提出或回答問題，向系統(tǒng)提供原始數(shù)據(jù)和事實(shí)。系統(tǒng)通過界面向用戶提出回答結(jié)果。動態(tài)數(shù)據(jù)庫：全局?jǐn)?shù)據(jù)庫，存放初中間結(jié)果和最終結(jié)果。知識源：就是知識模塊。一個知識源可視為一個規(guī)則，包括先決條件和知識源題?？刂平Y(jié)構(gòu)：求解問題的推理機(jī)構(gòu)，選擇合適的知識源。專家系統(tǒng)的一般步驟有