人工智能整理資料——大學計算機課程

1、第一章 人工智能人的智能：人類思維活動表現(xiàn)出來的能力（解決智能問題的能力） 感知和理解能力 思維與演繹能力 學習能力與適應環(huán)境能力 行為能力人工智能：通過某些方法使機器有類似于人的智能。 能聽，能看，會寫，能思考推理，會學習，能解決各種實際問題。人工智能常用的方法: 窮舉法 搜索法和回朔法 啟發(fā)式搜索法 分解問題法（與或樹方法） 正反推理法 博弈方法主要研究領(lǐng)域: 博弈 定理證明 專家系統(tǒng) 模式識別 自然語言理解 機器視覺 機器人學 智能決策系統(tǒng) 人工智能研究的主要問題 知識的表示 知識的應用 知識的獲取3階"梵塔"問題(Tower of Hanoi Problem): 有

2、三個柱子(1，2和3)和兩個不同尺寸的圓盤(A，B，C)。 在每個圓盤的中心有個孔，所以圓盤可以堆疊在柱子上, 最初,全部三個圓盤都堆在柱子1上(最大的在底部,最小 的在頂部)。要求把所有 圓盤都移到另一個柱子上，搬 動規(guī)則為： (1)一次只能搬一個圓盤 (2)不能將大圓盤放在小圓盤上 (3)可以利用空柱子。 人工智能研究的基本原則 有限合理性 搜索補償知識的不足 知識補償搜索不足 第二章 知識表示及其推理知識: 是有關(guān)信息關(guān)連在一起形成的信息結(jié)構(gòu) 信息 ： 是數(shù)據(jù)的語言（含義） 數(shù)據(jù)： 是信息的載體和表示 知識的特性 1. 相對正確性 2.不確定性 3.可表示性與可利用性 知識表示的作用 ：

3、 建立智能系統(tǒng)的關(guān)鍵 選擇知識表示方法考慮的因素 ：1. 充分表示領(lǐng)域知識 2. 有利于對知識的利用 3. 便于組織維護和管理 4. 便于理解和實現(xiàn)（外部表示和內(nèi)部表示）知識表示方法; 產(chǎn)生式表示方法 框架表示方法 一階謂詞邏輯表示法 語義網(wǎng)絡表示法 面向?qū)ο蟮谋硎痉óa(chǎn)生式表示方法基本格式: P &ÔQ或IF P THEN Q 含義：如果前提P被滿足，可推出結(jié)論Q或執(zhí)行Q所規(guī)定的操作 例r4: IF 動物會飛AND 會下蛋THEN 該動物是鳥 產(chǎn)生式推理過程：匹配：規(guī)則的前提條件與已知事實比較 匹配結(jié)果：完全匹配近似匹配不匹配 執(zhí)行：得出右部分的結(jié)論或執(zhí)行右部分的操作產(chǎn)生式系

4、統(tǒng)的基本結(jié)構(gòu)：規(guī)則庫：描述領(lǐng)域知識的產(chǎn)生式規(guī)則集綜合數(shù)據(jù)庫：記錄求解（或推理）過程中各種信息的數(shù)據(jù)結(jié)構(gòu)推理機構(gòu)：負責匹配到得出結(jié)論的整個問題求解過程 產(chǎn)生式系統(tǒng)的工作過程：1.將觀察到的事實放入綜合數(shù)據(jù)庫中 2.用事實與規(guī)則庫中的前提進行匹配 3.將匹配成功規(guī)則的結(jié)論作為新的事實加到綜合數(shù)據(jù)庫 4.重復上述2,3步直到滿足結(jié)束條件舉例： 建立一個動物識別系統(tǒng)，用以識別虎、金錢豹、斑馬、長頸鹿、企鵝、駝鳥、信天翁等七種動物。規(guī)則庫（知識庫）：r1:IF 該動物有毛發(fā)THEN 該動物是哺乳動物r2:IF 該動物有奶THEN 該動物是哺乳動物r3:IF 該動物有羽毛THEN 該動物是鳥r4:IF 該

5、動物會飛AND 會下蛋THEN 該動物是鳥r5: IF 該動物吃肉THEN 該動物是食肉動物r6: IF 該動物有犬齒AND 有爪AND 眼盯前方THEN 該動物是食肉動物r7: IF 該動物是哺乳動物AND 有蹄THEN 該動物是有蹄類動物r8:IF 該動物是哺乳動物AND 是嚼反芻動物THEN 該動物是有蹄類動物r 9:IF 該動物是哺乳動物AND 是食肉動物AND 是黃褐色AND 身上有暗斑點THEN 該動物是金錢豹r10:IF 該動物是哺乳動物AND 是食肉動物AND 是黃褐色AND 身上有黑色條紋THEN 該動物是虎r11:IF該動物是有蹄類動物AND 有長脖子AND 有長腿AND

6、身上有暗斑點THEN 該動物是長頸鹿r12:IF 該動物是有蹄類動物AND 身上有黑色條紋THEN 該動物是斑馬r13:IF 該動物是鳥AND 有長脖子AND 有長腿AND 不會飛AND有黑白二色THEN 該動物是鴕鳥r14: IF 該動物是鳥AND 會游泳AND 不會飛AND 有黑白二色THEN 該動物是企鵝r15:IF 該動物是鳥AND 善飛THEN 該動物是信天翁智能系統(tǒng)的基本組成：知識庫：用于存放領(lǐng)域知識。 推理機：進行推理或搜索的程序模塊 綜合數(shù)據(jù)庫：記錄推理過程 知識獲?。盒薷暮脱a充知識庫的內(nèi)容 解釋程序：解答用戶有關(guān)推理過程及結(jié)論的問題 人機接口：系統(tǒng)的交互界面設計智能系統(tǒng)解決的

7、主要問題：知識庫及管理系統(tǒng)領(lǐng)域知識的表達知識庫的合理組織知識庫的管理：對知識的組織，管理及維護智能系統(tǒng)分類：按知識表示方法 基于產(chǎn)生式的推理系統(tǒng) 基于框架的推理系統(tǒng) 基于語義網(wǎng)絡的推理系統(tǒng)等推理機：控制推理過程 推理機制：推理方向(正向推理,反向推理) 推理策略：每步推理如何進行 技術(shù)問題：如何匹配 匹配程度確定 匹配結(jié)果處理 推理結(jié)束條件 搜索策略：圖搜索策略 不精確推理 模糊推理知識獲?。簩㈩I(lǐng)域知識輸入到知識庫中 任務：抽取知識知識的轉(zhuǎn)換知識的輸入知識的檢測 方法：機械式學習指導式學習歸納式學習類比學習等綜合數(shù)據(jù)庫：記錄推理過程 內(nèi)容：收集到的事實推理得到的中間結(jié)論使用過的規(guī)則 形式：可以

8、使用各種數(shù)據(jù)結(jié)構(gòu)表示隊，表，集合，向量，矩陣等解釋模塊：回答用戶關(guān)于推理的問題例：為什么問我這個問題？如何得出這個結(jié)論？框架系統(tǒng) ：許多框架聯(lián)合起來描述應用領(lǐng)域問題的系統(tǒng) 節(jié)點：框架 聯(lián)系：某些槽或側(cè)面的值可以是其他框架?？蚣芟到y(tǒng)的分類(適于框架表示的問題） 事物組成：機械設備，人體 層次分類體系：人員分類框架系統(tǒng)的結(jié)構(gòu)特點 縱橫交錯的分層網(wǎng)絡 “繼承”槽：上下層框架間 框架名作為槽值或側(cè)面值：框架間的橫向聯(lián)系。如何建立框架系統(tǒng) 框架要能充分表達事物各有關(guān)方面的屬性 表達相關(guān)事物間的各種關(guān)系： Isa,Ako等 對槽和側(cè)面進行合理的組織：充分利用繼承性的特點框架系統(tǒng)推理過程 匹配，沖突解決，推

9、理（操作）框架推理的主要技術(shù) 特性繼承： 若查詢一實例的某槽值屬性，且描述該實例的框架未提供值時，就沿Isa和Ako槽追溯到具有同名槽的框架(父框架)。根據(jù)下列情況分別處理： 在該槽提供值的情況下,繼承該值(缺省值)作為結(jié)果返回； 否則,該槽應提供If-Needed側(cè)面供繼承,可執(zhí)行If-Needed操作產(chǎn)生一個值作為返回結(jié)果。 若對一實例的某個槽或側(cè)面進行了賦值或修改工作，則系統(tǒng)自動就沿Isa和Ako槽追溯到相應的框架（父框架），只要發(fā)現(xiàn)框架中同名的槽具有If-Added側(cè)面，就可執(zhí)行操作If-Added ，修改父框架同名的槽的值第三章 狀態(tài)空間的搜索策略狀態(tài)空間表示法：表示法 (1)狀態(tài)(

10、State): Sk=Sk1,Sk2,Skn (2)操作(Operator): 操作描述了狀態(tài)之間的關(guān)系表示：F:f1,f2,fn (3) 狀態(tài)空間 (State Space)三 元 組 表 示 S ,F, G 其 中 ： S ：初始狀態(tài)集合Q ： 目 標 狀 態(tài) 集 合F： 操作的集合。狀態(tài)空間圖 可有相應的賦值有向圖 節(jié)點表示狀態(tài)，有向邊表示操作 問題求解過程轉(zhuǎn)化為在圖中尋找從初始狀態(tài)S出發(fā)到達目標狀態(tài)G的路徑問題，也就是尋找操作序列的問題用狀態(tài)空間方法來描述問題：狀態(tài)的表示 柱的編號用 i,j 來代表(i,j)表示問題的狀態(tài)其中: i代表A所在的柱子, j 代表B所在的柱子 狀態(tài)集合 （

11、 如教材 258 圖 6-1 ）s0=(1,1), s1=(1,2), s2=(1,3)s3=(2,1), s4=(2,2), s5=(2,3)s6=(3,1), s7=(3,2), s8=(3,3) 初始狀態(tài)S=s0，目標狀態(tài)G=s4,s8操作（算符） 定義操作A(i,j), B(i,j) 操作集合(12種操作）：A(1,2),A(1,3),A(2,1),A(2,3),A(3,1),A(3,2)B(1,2),B(1,3),B(2,1),B(2,3),B(3,1),B(3,2)搜索策略：如何找到解的路徑 即如何生成進一步的狀態(tài) 約定：不可走回頭路 搜索圖：問題求解的所有路徑 最優(yōu)解：使用操作（

12、算符）最少的解搜索策略1：寬度優(yōu)先狀態(tài)空間方法表示問題的關(guān)建。選擇合適的狀態(tài)描述形式。定義一組算符（操作）:將每個。搜索策略：使用算符生成進一步。分類：寬度優(yōu)先深度優(yōu)先有界深度優(yōu)先代價樹的寬度優(yōu)先代價樹的深度優(yōu)先局部擇優(yōu)，全局擇優(yōu)狀態(tài)空間的一般搜索過程 盲目搜索策略 寬度優(yōu)先 深度優(yōu)先 有界深度優(yōu)先 代價樹的搜索策略 代價樹的寬度優(yōu)先搜索策略 代價樹的深度優(yōu)先搜索策略啟發(fā)式搜索策略 局部擇優(yōu)搜索 全局擇優(yōu)搜索盲目搜索(無信息搜索） 搜索按預定的規(guī)則進行，不使用與問題有關(guān)的啟發(fā)式信息（效率低）啟發(fā)式搜索 搜索中使用與問題有關(guān)的啟發(fā)式信息,并以這些啟發(fā)式信息指導搜索過程(可以提高效率)無信息搜索：

13、 廣度優(yōu)先搜索 深度優(yōu)先搜索 有界深度優(yōu)先搜索廣度優(yōu)先搜索基本思想： 從初始節(jié)點S0開始，逐層地對節(jié)點進行擴展并考察它是否為目標節(jié)點，在第n層節(jié)點沒有全部擴展并考察前，不對第n+1層的節(jié)點進行擴展。節(jié)點按進入open表的先后順序排列 搜索過程： 1.將初始節(jié)點放入OPEN表2.如果OPEN表為空，則問題無解，退出3.把OPEN表的第一個節(jié)點（記為n節(jié)點）取出放入CLOSED表4.考察節(jié)點n是否為目標節(jié)點。若是，則求得了問題的解，退出。5.若節(jié)點n不可擴展轉(zhuǎn)（2）步。6.擴展節(jié)點n，將其子節(jié)點放入OPEN表的尾部，并為每一個子節(jié)點都配置指向父節(jié)點的指針，然后轉(zhuǎn)（2）步。深度優(yōu)先搜索基本思想：從初

14、始節(jié)點S0開始，在其子節(jié)點中選擇一個節(jié)點進行擴展并考察它是否為目標節(jié)點，若不是目標節(jié)點，則在該子節(jié)點的子節(jié)點中選擇一個節(jié)點進行考察，一直如此向下搜索。當?shù)竭_某個子節(jié)點，且該子節(jié)點即不是目標節(jié)點又不能繼續(xù)擴展時，才選擇其兄弟節(jié)點進行擴展。 節(jié)點按后進入open表的順序排列，即后進入的節(jié)點排在前面 搜索過程 1.將初始節(jié)點放入OPEN表2.如果OPEN表為空，則問題無解，退出3.把OPEN表的第一個節(jié)點（記為n節(jié)點）取出放入CLOSED表4.考察節(jié)點n是否為目標節(jié)點。若是，則求得了問題的解，退出。5.若節(jié)點n不可擴展轉(zhuǎn)（2）步。6.擴展節(jié)點n，將其子節(jié)點放入OPEN表的首部，并為每一個子節(jié)點都配置

15、指向父節(jié)點的指針，然后轉(zhuǎn)（2）步。有界深度優(yōu)先搜素基本思想： 對深度優(yōu)先搜索引入搜索深度的限制（設當搜索深度達到深度界限時，尚未出現(xiàn)目就選擇其兄弟節(jié)點進行擴展。 節(jié)點按后進入open表的順序排列，即后點排在前面 深度的確定： 固定深度可變深度搜索過程1.將初始節(jié)點S0放入OPEN表,置S0的深度d(S0)=02.如果OPEN表為空，則問題無解，退出3.把OPEN表的第一個節(jié)點（記為n節(jié)點）取出放入CLOSED表4.考察節(jié)點n是否為目標節(jié)點。若是，則求得了問題的解，退出。5.若節(jié)點n的深度d(n)=dm, 轉(zhuǎn)（2）步。6.若節(jié)點n不可擴展轉(zhuǎn)（2）步。7.擴展節(jié)點n，將其子節(jié)點放入OPEN表的首部

16、，并為每一個子節(jié)點都配置指向父節(jié)點的指針，然后轉(zhuǎn)（2）步代價驅(qū)動的搜索策略基本思想：基本概念 代價，邊代價，代價樹代價樹的廣度優(yōu)先搜索動態(tài)規(guī)劃法（改進的代價樹廣度優(yōu)先搜索)代價樹的深度優(yōu)先搜索啟發(fā)式搜索的基本概念：啟發(fā)式搜索與盲目搜索 啟發(fā)性信息 評估函數(shù) 基本的啟發(fā)式搜索方法： 局部優(yōu)先搜索 全局優(yōu)先搜索評估函數(shù)的表示： 含義：用于估價節(jié)點重要性的函數(shù)稱 表示： f(x)=g(x)+h(x) g(x)是從初始結(jié)點S0到x實際代價 h(x)是從x到目標結(jié)點Sg的最佳路徑的估息的函數(shù)描述。 局部擇優(yōu)搜索方法評價： 搜索快，開銷小 只適于單峰值，多峰值時可能找不到解 解不一定是最優(yōu)解 深度優(yōu)先搜索

17、比較： 深度優(yōu)先搜索 代價樹的深度優(yōu)先搜索 局部擇優(yōu)搜索 共同點：子節(jié)點作為考察范圍 不同點：考察標準不同第五章 專家系統(tǒng)定義專家系統(tǒng)是:一個含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗智能計算機程序系統(tǒng)能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。 特點 啟發(fā)性：專家系統(tǒng)能運用專家的知識與經(jīng)驗進行推理、判斷和決策。 透明性：專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提 高對專家系統(tǒng)的信賴感。 靈活性：專家系統(tǒng)能不斷地增長知識，修改原有知識，不斷更新。優(yōu)點 具體地說，包括下列八個方面： (

18、1)專家系統(tǒng)能夠高效率、準確、周到、迅速和不知疲倦地進行工作。 (2)專家系統(tǒng)解決實際問題時不受周圍環(huán)境的影響，也不可能遺漏忘記。 (3)可以使專家的專長不受時間和空間的限制，以便推廣珍貴和稀缺的專家知識與經(jīng)驗。 (4)專家系統(tǒng)能促進各領(lǐng)域的發(fā)展。 (5)專家系統(tǒng)能匯集多領(lǐng)域?qū)＜业闹R和經(jīng)驗以及他們協(xié)作解決重大問題的能力。 (6)軍事專家系統(tǒng)的水平是一個國家國防現(xiàn)代化的重要標志之一。 (7)專家系統(tǒng)的研制和應用，具有巨大的經(jīng)濟效益和社會效益。 (8)研究專家系統(tǒng)能夠促進整個科學技術(shù)的發(fā)展。專家系統(tǒng)的類型：1、解釋專家系統(tǒng) 任務 通過對過去和現(xiàn)在已知狀況的分析，推斷未來可能發(fā)生的情況 特點 數(shù)據(jù)

19、量很大，常不準確、有錯誤、不完全能從不完全的信息中得出解釋，并能對數(shù)據(jù)做出某些假設，推理過程可能很復雜和很長 例子 語音理解、圖象分析、系統(tǒng)監(jiān)視、化學結(jié)構(gòu)分析和信號解釋等。2，預測專家系統(tǒng) 任務 通過對已知信息和數(shù)據(jù)的分析與解釋，確定它們的涵義。 特點 系統(tǒng)處理的數(shù)據(jù)隨時間變化，且可能是不準確和不完全，系統(tǒng)需要有適應時間變化的動態(tài)模型 例子 有氣象預報、軍事預測、人口預測、交通預測、經(jīng)濟預測和谷物產(chǎn)量預測等3診斷專家系統(tǒng)任務 根據(jù)觀察到的情況(數(shù)據(jù))來推斷出某個對象機能失常(即故障)的原因 特點 能夠了解被診斷對象或客體各組成部分的特性以及它們之間的聯(lián)系，能夠區(qū)分一種現(xiàn)象及其所掩蓋的另一種現(xiàn)象

20、，能夠向用戶提出測量的數(shù)據(jù)，并從不確切信息中得出盡可能正確的診斷 例子 醫(yī)療診斷、電子機械和軟件故障診斷以及材料失效診斷等4設計專家系統(tǒng) 任務 尋找出某個能夠達到給定目標的動作序列或步驟。 特點 從多種約束中得到符合要求的設計；系統(tǒng)需要檢索較大的可能解空間；能試驗性地構(gòu)造出可能設計；易于修改；能夠使用已有設計來解釋當前新的設計。 例子 VAX計算機結(jié)構(gòu)設計專家系統(tǒng)等5.教學專家系統(tǒng) 任務 教學專家系統(tǒng)的任務是根據(jù)學生的特點、弱點和基礎(chǔ)知識，以最適當?shù)慕贪负徒虒W方法對學生進行教學和輔導。 特點 (1)同時具有診斷和調(diào)試等功能。 (2)具有良好的人機界面。 例子 MACSYMA符號積分與定理證明系

21、統(tǒng)，計算機程序設計語言和物理智能計算機輔助教學系統(tǒng)以及聾啞人語言訓練專家系統(tǒng)等 5.1專家系統(tǒng)的簡化結(jié)構(gòu)圖 知識庫包括兩部分內(nèi)容：一部分是已知的同當前問題有關(guān)的數(shù)據(jù)信息；另一部分是進行推理時要用到的一般知識和領(lǐng)域知識。 調(diào)度器按照系統(tǒng)建造者所給的控制知識，從議程中選擇一個項作為系統(tǒng)下一步要執(zhí)行的動作。 執(zhí)行器應用知識庫中的及黑板中記錄的信息，執(zhí)行調(diào)度器所選定的動作。 協(xié)調(diào)器的主要作用就是當?shù)玫叫聰?shù)據(jù)或新假設時，對已得到的結(jié)果進行修正，以保持結(jié)果前后的一致性。 解釋器的功能是向用戶解釋系統(tǒng)的行為，包括解釋結(jié)論的正確性及系統(tǒng)輸出其它候選解的原因.5.2理想專家系統(tǒng)結(jié)構(gòu)圖 如圖5.2所示。由于每個專

22、家系統(tǒng)所需要完成的任務和特點不相同，其系統(tǒng)結(jié)構(gòu)也不盡相同，一般只具有圖中部分模塊。 在上圖中，知識庫、推理機和解釋器是構(gòu)成本專家系統(tǒng)的核心 系統(tǒng)的主要部分是知識庫和推理機 到目前為至的推理系統(tǒng)中 知識庫由謂詞演算事實和有關(guān)討論主題的規(guī)則構(gòu)成 推理引擎由所有操縱知識庫來演繹用戶要求的信息的過程構(gòu)成如消解、前向鏈或反向鏈 用戶接口可能包括某種自然語言處理系統(tǒng) 它允許用戶用一個有限的自然語言形式與系統(tǒng)交互 也可能用帶有菜單的圖形接口界面。解釋子系統(tǒng)分析被系統(tǒng)執(zhí)行的推理結(jié)構(gòu)，并把它解釋給用戶 接口是人與系統(tǒng)進行信息交流的媒介，它為用戶提供了直觀方便的交互作用手段。 黑板是用來記錄系統(tǒng)推理過程中用到的控

23、制信息、中間假設和中間結(jié)果的數(shù)據(jù)庫。它包括計劃、議程和中間解3部分。一般應用程序與專家系統(tǒng)的區(qū)別： 一般應用程序:把問題求解的知識隱含地編入程序 專家系統(tǒng)： 把其應用領(lǐng)域的問題求解知識單獨組成一個實體, 即為知識庫。知識庫的處理是通過與知識庫分開的控制策略進行的。 更明確地說，一般應用程序把知識組織為兩級：數(shù)據(jù)級和程序級；大多數(shù)專家系統(tǒng)則將知識組織成三級；數(shù)據(jù)、知識庫和控制?；谝?guī)則專家系統(tǒng)的工作模型基于規(guī)則的專家系統(tǒng)是個計算機程序 該程序使用一套包含在知識庫內(nèi)的規(guī)則對工作存儲器內(nèi)的具體問題信息（事實）進行處理 通過推理機推斷出新的信息, 其工作模型如圖5.4所示基于規(guī)則的專家系統(tǒng)不需要一個人

24、類問題求解的精確匹配，而能夠通過計算機提供一個復制問題求解的合理模型 在上圖中，知識庫、推理機和工作存儲器是構(gòu)成本專家系統(tǒng)的核心 系統(tǒng)的主要部分是知識庫和推理引擎 到目前為至的推理系統(tǒng)中 知識庫由謂詞演算事實和有關(guān)討論主題的規(guī)則構(gòu)成 推理引擎由所有操縱知識庫來演繹用戶要求的信息的過程構(gòu)成如消解、前向鏈或反向鏈 用戶接口可能包括某種自然語言處理系統(tǒng) 它允許用戶用一個有限的自然語言形式與系統(tǒng)交互 也可能用帶有菜單的圖形接口界面。解釋子系統(tǒng)分析被系統(tǒng)執(zhí)行的推理結(jié)構(gòu)，并把它解釋給用戶基于框架的專家系統(tǒng) 1、面向目標編程與基于框架設計 基于框架的專家系統(tǒng)建立在框架的基礎(chǔ)之上，采用面向目標編程技術(shù)， 框架

25、的設計和面向目標的編程共享許多特征。 在設計基于框架系統(tǒng)時，專家系統(tǒng)的設計者們把目標叫做框架?；诳蚣艿膶＜蚁到y(tǒng)的結(jié)構(gòu) 基于框架的專家系統(tǒng)是個計算機程序 該程序使用一組包含在知識庫內(nèi)的框架對工作存儲器內(nèi)的具體問題信息進行處理 通過推理機推斷出新的信息。 這里采用框架而不是采用規(guī)則來表示知識一般設計方法：基于框架專家系統(tǒng)的主要設計步驟與基于規(guī)則的專家系統(tǒng)相似。 主要差別在于如何看待和使用知識 在設計基于框架的專家系統(tǒng)時，把整個問題和每件事想像為編織起來的事物 在辨識事物之后，尋找把這些事物組織起來的方法 對于任何類型的專家系統(tǒng)，其設計是高度交互的過程基于模型專家系統(tǒng)的提出 對人工智能的研究內(nèi)容有

26、著各種不同的看法。 有一種觀點認為：人工智能是對各種定性模型的獲得、表達及使用的計算方法進行研究的學問。 基于該觀點人們提出了基于模型的專家系統(tǒng)。 采用各種定性模型來設計專家系統(tǒng)，其優(yōu)點是顯而易見的。 在諸多模型中，人工神經(jīng)網(wǎng)絡模型的應用最為廣泛。基于神經(jīng)網(wǎng)絡的專家系統(tǒng) 神經(jīng)網(wǎng)絡模型從知識表示、推理機制到控制方式，與目前專家系統(tǒng)中的基于邏輯的心理模型有本質(zhì)的區(qū)別。三種神經(jīng)網(wǎng)絡模型與專家系統(tǒng)集成模式 （1）神經(jīng)網(wǎng)絡支持專家系統(tǒng) 以傳統(tǒng)的專家系統(tǒng)為主，以神經(jīng)網(wǎng)絡的有關(guān)技術(shù)為輔。 （2）專家系統(tǒng)支持神經(jīng)網(wǎng)絡 以神經(jīng)網(wǎng)絡的有關(guān)技術(shù)為核心，建立相應領(lǐng)域的專家系統(tǒng)，采用專家系統(tǒng)的相關(guān)技術(shù)完成解釋等方面的工

27、作 （3）協(xié)同式的神經(jīng)網(wǎng)絡專家系統(tǒng) 針對大的復雜問題，將其分解為若干子問題，針對每個子問題的特點，選擇用神經(jīng)網(wǎng)絡或?qū)＜蚁到y(tǒng)加以實現(xiàn)，在神經(jīng)網(wǎng)絡和專家系統(tǒng)之間建立一種耦合關(guān)系新型專家系統(tǒng)的特征 1、并行與分布處理 基于各種并行算法，采用各種并行推理和執(zhí)行技術(shù)，適合在多處理器的硬件環(huán)境中工作，即具有分布處理的功能。 2、多專家系統(tǒng)協(xié)同工作 在這種系統(tǒng)中，有多個專家系統(tǒng)協(xié)同合作。 3、高級語言和知識語言描述 專家系統(tǒng)生成系統(tǒng)就能自動或半自動地生成所要的專家系統(tǒng)。 4、具有自學習功能 新型專家系統(tǒng)應提供高級的知識獲取與學習功能。  5、引入新的推理機制 在新型專家系統(tǒng)中，除演繹推理之外，還應

28、有歸納推理，各種非標準邏輯推理，以及各種基于不完全知識和模糊知識的推理等等。 6、具有自糾錯和自完善能力 為了排錯必須首先有識別錯誤的能力，為了完善必須首先有鑒別優(yōu)劣的標準。 7、先進的智能人機接口 理解自然語言，實現(xiàn)語聲、文字、圖形和圖象的直接輸入輸出是如今人們對智能計算機提出的要求 第六章 機器學習 機器學習的基本概念： 按照人工智能大師西蒙的觀點，學習就是系統(tǒng)在不斷重復的工作中對本身能力的增強或者改進，使得系統(tǒng)在 下一次執(zhí)行同樣任務或類似任務時，會比現(xiàn)在做得更好或效率更高機器學習的定義 機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習是一門研究機器獲取新

29、知識和新技能，并識別現(xiàn)有知識的學問機器學習的主要策略 學習過程與推理過程是緊密相連的 按照學習中使用推理的多少，機器學習所采用的策略大體上可分為4種 機械學習、示教學習、類比學習和示例學習 學習中所用的推理越多，系統(tǒng)的能力越強4種主要的學習策略： 1.機械學習就是記憶，是最簡單的學習策略。這種學習策略不需要任何推理過程 2.比機械學習更復雜一點的學習是示教學習策略。系統(tǒng)在接受外部知識時需要一點推理，翻譯和轉(zhuǎn)化工作 3.類比學習系統(tǒng)只能得到完成類似任務的有關(guān)因此，他比上述兩種學習策略需要更多的推理 4.采用示例學習策略的計算機系統(tǒng)，事先完全沒有完成任務的任何規(guī)律性的信息，因此需要推理是最多的機器

30、學習系統(tǒng)的主要結(jié)構(gòu)圖影響學習系統(tǒng)設計的最重要的因素: (1).影響學習系統(tǒng)設計的最重要的因素是環(huán)境向系統(tǒng)提供的信息。整個過程要遵循“取之精華，棄之糟粕”的原則，同時謹記“實踐是檢驗真理的唯一標準”。 (2).知識庫是影響學習系統(tǒng)設計的第二個因素。知識的表示有多種形式，在選擇表示方式時要兼顧以下4個方面： 表達能力強。所選擇的表示方式能很容易地表達有關(guān)的知識 易于推理。為了使學習系統(tǒng)的計算代價比較低，希望知識表示方式能使推理較為容易 容易修改知識庫。學習系統(tǒng)的本質(zhì)要求它不斷地修改自己的知識庫，當推廣得出一般執(zhí)行規(guī)則后，要加到知識庫中 知識表示易于擴展機械學習的主要問題： 對于機械學習，需要注意3

31、個重要的問題：存儲組織，穩(wěn)定性和存儲與計算之間的權(quán)衡。 （1）存儲組織信息：采用適當?shù)拇鎯Ψ绞?，使檢索速度 盡可能地快，是機械學習中的重要問題 （2）環(huán)境的穩(wěn)定性與存儲信息的適用性問題： 機械學習系統(tǒng)必須保證所保存的信息適應于外界環(huán)境變化的需要，這也就是所謂的信息適用性問題 （3）存儲與計算之間的權(quán)衡：對于機械學習來說很重要的一點是它不能降低系統(tǒng)的效率歸納學習的定義 （1）歸納（induction）是人類拓展認識能力的重要方法，是一種從個別到一般的，從部分到整體的推理行為。 （2）歸納推理是應用歸納方法，從足夠多的具體事例中歸納出一般性知識，提取事物的一般規(guī)律；它是一種從個別到一般的推理。 （

32、3）歸納學習（induction learning）是應用歸納推理進行學習的一種方法。根據(jù)歸納學習有無教師指導，可把它分為示例學習和觀察與發(fā)現(xiàn)學習。前者屬于有師學習，后者屬于無師學習歸納學習的一般模式為： 給定：(1) 觀察陳述（事實）F，用以表示有關(guān)某些對象、狀態(tài)、過程等的特定知識；(2) 假定的初始歸納斷言（可能為空）；(3) 背景知識，用于定義有關(guān)觀察陳述、候選歸納斷言以及任何相關(guān)問題領(lǐng)域知識、假設和約束，其中包括能夠刻畫所求歸納斷言的性質(zhì)的優(yōu)先準則。 求：歸納斷言（假設）H，能重言蘊涵或弱蘊涵觀察陳述，并滿足背景知識。 假設H永真蘊涵事實F，說明F是H的邏輯推理，則有： H |>

33、 F （讀作H特殊化為F） 或 F |< H （讀作F一般化或消解為H） 這里，從H推導F是演繹推理，因此是保真的；而從事實F推導出假設H是歸納推理，因此不是保真的，而是保假的。歸納學習系統(tǒng)的模型如圖6.3所示。歸納學習的方法1、示例學習 示例學習（learning from examples）又稱為實例學習，它是通過環(huán)境中若干與某概念有關(guān)的例子，經(jīng)歸納得出一般性概念的一種學習方法。 在這種學習方法中，外部環(huán)境提供的是一組例子（正例和反例）， 示例學習就是要從這些特殊知識中歸納出適用于更大范圍的一般性知識，以覆蓋所有的正例并排除所有反例。2、觀察發(fā)現(xiàn)學習 觀察發(fā)現(xiàn)學習又稱為描述性概括，其

34、目標是確定一個定律或理論的一般性描述，刻畫觀察集，指定某類對象的性質(zhì) 觀察發(fā)現(xiàn)學習可分為觀察學習與機器發(fā)現(xiàn)兩種。前者用于對事例進行聚類，形成概念描述；后者用于發(fā)現(xiàn)規(guī)律，產(chǎn)生定律或規(guī)則3， 類比推理和類比學習形式 類比推理是由新情況與已知情況在某些方面的相似來推出它們在其它相關(guān)方面的相似 類比推理是在兩個相似域之間進行的 類比推理的目的是從源域中選出與當前問題最近似的問題及其求解方法以求解決當前的問題 或者建立起目標域中已有命題間的聯(lián)系，形成新知識類比推理過程如下： (1) 回憶與聯(lián)想 遇到新情況或新問題時，首先通過回憶與聯(lián)想在S中找出與當前情況相似的情況，這些情況是過去已經(jīng)處理過的，有現(xiàn)成的解

35、決方法及相關(guān)的知識。 (2) 選擇 從找出的相似情況中選出與當前情況最相似的情況及其有關(guān)知識。 (3) 建立對應映射 在S與T的相似情況之間建立相似元素的對應關(guān)系，并建立起相應的映射。 (4) 轉(zhuǎn)換 在上一步建立的映射下，把S中的有關(guān)知識引到T中來，從而建立起求解當前問題的方法或者學習到關(guān)于T的新知識 類比學習主要包括如下四個過程： (1) 輸入一組已知條件（已解決問題）和一組未完全確定的條件（新問題） (2) 對輸入的兩組條件，根據(jù)其描述，按某種相似性的定義尋找兩者可類比的對應關(guān)系 (3) 按相似變換的方法，將已有問題的概念、特性、方法、關(guān)系等映射到新問題上，以獲得待求解新問題所需的新知識

36、(4) 對類推得到的新問題的知識進行校驗。驗證正確的知識存入知識庫中，而暫時還無法驗證的知識只能作為參考性知識，置于數(shù)據(jù)庫中知識發(fā)現(xiàn)的定義 定義：數(shù)據(jù)庫中的知識發(fā)現(xiàn)是從大量數(shù)據(jù)中辨識出有效的、新穎的、潛在有用的、并可被理解的模式的高級處理過程。 （1）數(shù)據(jù)集：是指一個有關(guān)事實F的集合，它是用來描述事物有關(guān)方面的信息，是進一步發(fā)現(xiàn)知識的原材料 （2）新穎：經(jīng)過知識發(fā)現(xiàn)提取出的模式必須是新穎的 （3）潛在有用：提取出的模式應該是有意義的，這可以通過某些函數(shù)的值來衡量 （4）可被人理解：知識發(fā)現(xiàn)的一個目標就是將數(shù)據(jù)庫中隱含的模式以容易被人理解的形式表現(xiàn)出來，從而幫助人們更好地了解數(shù)據(jù)庫中所包含的信息

37、知識發(fā)現(xiàn)的處理過程： 1、數(shù)據(jù)選擇。根據(jù)用戶的需求從數(shù)據(jù)庫中提取與KDD相關(guān)的數(shù)據(jù)。 2、數(shù)據(jù)預處理。主要是對上述數(shù)據(jù)進行再加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對丟失的數(shù)據(jù)利用統(tǒng)計方法進行填補，形成發(fā)掘數(shù)據(jù)庫 3、數(shù)據(jù)變換。即從發(fā)掘數(shù)據(jù)庫里選擇數(shù)據(jù) 4.數(shù)據(jù)挖掘。根據(jù)用戶要求，確定KDD的目標是發(fā)現(xiàn)何種類型的知識 5、知識評價。這一過程主要用于對所獲得的 規(guī)則進行價值評定，以決定所得的規(guī)則是否存入基礎(chǔ)知識庫 上述KDD全過程的幾個步驟可以進一步歸納為三個步驟，即數(shù)據(jù)挖掘預處理（數(shù)據(jù)挖掘前的準備工作）、數(shù)據(jù)挖掘、數(shù)據(jù)挖掘后處理（數(shù)據(jù)挖掘后的處理工作）知識發(fā)現(xiàn)的方法有統(tǒng)計方法、機器學習、神經(jīng)計算

38、和可視化方法等 1、統(tǒng)計方法 統(tǒng)計方法是從事物的外在數(shù)量上的表現(xiàn)去推斷該事物可能的規(guī)律性 2、機器學習方法 可能用于機器發(fā)現(xiàn)的機器學習方法有： (1) 規(guī)則歸納。規(guī)則反映數(shù)據(jù)項中某些屬性或數(shù)據(jù)集中某些數(shù)據(jù)項之間的統(tǒng)計相關(guān)性 (2) 決策樹。決策樹的每一個非終葉節(jié)點表示所考慮的數(shù)據(jù)項的測試或決策。 (3) 范例推理。范例推理是直接使用過去的經(jīng)驗或解法來求解給定的問題。 （4) 貝葉斯信念網(wǎng)絡。貝葉斯信念網(wǎng)絡是概率分布的圖表示。 （5) 科學發(fā)現(xiàn)。科學發(fā)現(xiàn)是在實驗環(huán)境下發(fā)現(xiàn)科學定律。 (6) 遺傳算法。在求解過程中，通過最好解的選擇和彼此組合，使期望解的集合愈來愈好。知識發(fā)現(xiàn)應用 知識發(fā)現(xiàn)已在許多

39、領(lǐng)域得到應用，且應用領(lǐng)域越來越廣 現(xiàn)在，知識發(fā)現(xiàn)已在銀行業(yè)、保險業(yè)、零售業(yè)、醫(yī)療保健、工程和制造業(yè)、科學研究、衛(wèi)星觀察和娛樂業(yè)等行業(yè)和部門得到成功應用，為人們的科學決策提供很大幫助。第七章 機器翻譯語言是人類進行通信的自然媒介，它包括口語、書面語以及動作語(如啞語和旗語)等。語言由語句組成，每個語句又由單詞組成；組成語句和語言時，應遵循一定的語法與語義規(guī)則。 語言是音義結(jié)合的詞匯和語法體系，是實現(xiàn)思維活動的物質(zhì)形式。 語言是以詞為基本單位的，詞匯又受到語法的支配才可構(gòu)成有意義的和可理解的句子，句子按一定的形式再構(gòu)成篇章等。語法是語言的組織規(guī)律。語法規(guī)則制約著如何把詞素構(gòu)成詞，詞構(gòu)成詞組和句子。

40、語言正是在這種嚴密的制約關(guān)系中構(gòu)成的。用詞素構(gòu)成詞的規(guī)則叫構(gòu)詞規(guī)則。語法中的另一部分就是句法。句法也可分成兩部分：詞組構(gòu)造法和造句法。詞組構(gòu)造法是詞搭配成詞組的規(guī)則。造句法則是用詞或詞組造句的規(guī)則。 另一方面，語言是音義結(jié)合的，每個詞匯有其語音形式。自然語言中所涉及的音素并不多，一種語言一般只有幾十個音素。由一個發(fā)音動作所構(gòu)成的最小的語音單位就是音素。語言的理解 從微觀上講，語言理解是指從自然語言到機器(計算機系統(tǒng))內(nèi)部之間的一種映射。從宏觀上看，語言理解是指機器能夠執(zhí)行人類所期望的某些語言功能。這些功能包括： (1) 回答有關(guān)提問； (2) 提取材料摘要； (3) 不同詞語敘述； (4) 不

41、同語言翻譯。 對自然語言的理解卻是一個十分艱難的任務。自然語言不僅有語義、語法和語音問題，而且還存在模糊性等問題。 具體地說，自然語言理解的困難是由下列3個因素引起的： (1) 目標表示的復雜性； (2) 映射類型的多樣性； (3) 源表達中各元素間交互程度的差異性 自然語言理解是語言學、邏輯學、生理學、心理學、計算機科學和數(shù)學等相關(guān)學科發(fā)展和結(jié)合而形成的一門交叉學科；它能夠理解口頭語言或書面語言語言理解包括下列幾個方面的內(nèi)容： (1) 能夠理解句子的正確詞序規(guī)則和概念，又能理解不含規(guī)則的句子。 (2) 知道詞的確切含義、形式、詞類及構(gòu)詞法。 (3) 了解詞的語義分類以及詞的多義性和歧義性。 (4) 指定和不定特性及所有(隸屬)特性。 (5) 問題領(lǐng)域的結(jié)構(gòu)知識和時間概念。 (6) 語言的語氣信息和韻律表現(xiàn)。 (7) 有關(guān)語言表達形式的文學知識。