人工智能66.pptx
《人工智能66.pptx》由会员分享，可在线阅读，更多相关《人工智能66.pptx（66页珍藏版）》请在冰点文库上搜索。
主讲教师：
吴斌EMALL:
西南科技大学信息工程学院2009年9月,总学时：
45学时学时安排：
绪论2学时知识表示8学时确定性推理10学时不确定性推理7学时状态空间搜索6学时机器学习4学时自然语言理解4学时课堂讨论4学时成绩构成：
平时成绩（写一篇综述性论文）30分期末考试70分。
人工智能课程安排,主要参考书,第1章绪论,1.1人工智能的起源1.2人工智能1.3人工智能的研究方法和技术路线1.4人工智能的研究领域与方向,一、孕育期（1956年前）人工智能的发展可追溯到19世纪，首先由布尔和德摩根提出了“思维定律”，即“命题演算”，这是走向AI的第一步。
在20世纪30年代40年代，又形成了数学逻辑，并在计算机上得以实现，它为人们建立了计算与智能之间的关系。
二、形成期（1956年1970年）1.各种学术会议和杂志的诞生首先，在1956年在美国举行了长达2个月的研讨会，讨论了机器模拟人类智能的问题。
并首次提出了人工智能宣布人工智能诞生了；,第一节人工智能的起源,命题演算,命题是指有真假意义的陈述句。
命题演算是数理逻辑的一部分，它主要研究命题如何通过一些命题联结词构成更复杂的命题以及逻辑推理的方法。
如果我们把命题看作运算的对象，如同代数中的数字、字母或代数式，而把逻辑联结词看作代数中的“加、减、乘、除”那样的运算，那么由简单命题组成复合命题的过程，就可以当作逻辑运算的过程，从而实现命题的演算。
这样的逻辑运算也同代数运算一样具有一定的性质，满足一定的运算规律。
例如满足交换律、结合律、分配律，同时也满足逻辑上的同一律、吸收律、双否律、德.摩根定律、肯定律、否定律和析取三段论等推理定律。
利用这些定律，我们可以进行逻辑推理，可以简化复合命题，可以推证两个复合命题是不是等价，某个命题是否是若干前提的有效结论等等。
其次，在1969年召开了第一届国际人工智能联合会议（每两年举行一次）；各种学术团体成立：
美国人工智能学会（AAAI）、英国的AISB，意大利的GLIA、加拿大计算机智能研究会（CSCSI）、西德的KI和中国AI学会（CAAI）等；专门的人工智能杂志和文集：
人工智能杂志创刊，IJCAI会议录、MachineIntelligence（英国）、ArtificialIntelligence（日本）、计算机智能研究学会文集（加拿大）和CongnitiveScience（美国）；,学术会议：
国际自动控制协会、国际工业机器人协会、国际信息处理联合会和国际模式识别会议等；学术期刊：
ACM、AFIPS、IEEE等。
2.主要的研究成果
（1）、心理学小组在1957年，纽厄尔、肖（J.Shan）和西蒙等人的心理学小组研制了一个称为逻辑理论机（LogicTheoryMachine）的数学定理证明程序。
该程序模拟了人类用数理逻辑证明定理时的思维规律。
纽厄尔用它证明了怀特（A.N.Whitehead）和罗素（B.A.W.Russell）的历史名著数学原理中的38条定理，开创了用,计算机研究人类思维活动规律的工作。
随后，在1960年，又研制了通用问题求解程序，该程序当时可以解决11种不同类型的问题：
如不定积分、三角函数、代数方程、猴子与香蕉、河内梵塔、人羊过河等。
（2）、IBM工程课题小组1956年，塞缪尔在IBM704计算机上研制成功了具有自学习、自组织和自适应能力的西洋跳棋程序。
该程序可以从棋谱中学习、也可以在下棋过程中积累经验、提高棋艺。
通过不断的学习，该程序1959年击败了塞缪尔本人，1962年又击败了一个州冠军。
（3）、MIT小组1958年，麦卡锡建立了行动规划咨询系统；1960年，麦卡锡又研制了人工智能语言LISP。
该语言不仅可以处理数值，而且可以方便地处理符号，作为建造智能系统的重要工具在人工智能领域中得到广泛的应用；1961年，明斯基发表了“走向人工智能的步骤”的论文，推动了人工智能的发展；（4）、其他方面1965年，鲁宾逊（J.A.Robinson）提出了归结（消解）原理。
这种与传统自然演绎完全不同的方法为自动定理证明做出了突破性的贡献。
另外，1965年美国斯坦福大学的费根鲍姆（E.A.Feigenbaum）领导的研究小组开始研究化学专家系统DENDRAL。
该专家系统于1968年完成并投入使用，它可以根据质谱仪的实验，通过分析推理决定化合物的分子结构。
DENDRAL被称为专家系统的萌芽，是人工智能研究从一般思维探讨到专门知识应用的一次成功的尝试。
3、控制论的提出对人工智能的研究起到很大的作用控制论的概念跨接了许多领域，它把神经系统的工作原理与信息理论、控制理论、逻辑以及早期计算联系起来，为此，控制论成为人工智能工作者的指导思想。
三、知识形成期（1971年1980年代末）,1.挫折与教训在70年代80年代，人工智能遭受了严重的挫折。
很多预言未能得以实现。
如：
在博奕方面，塞缪尔的下棋程序在与世界冠军对奕时，5局中击败了4局；在定理证明方面，发现鲁宾逊的归结原理的能力十分有限，当用归结原理证明两个连续函数之和还是连续函数时，推了10万步也没有结果；在问题求解方面，由于过去研究的多是良结构问题，而现实世界中的问题又多是不良结构，如果仍用那些方法去处理，将会产生组合爆炸。
在机器翻译方面、在神经生理学方面、在人工智能的本质、理论、思想及机理方面等都有不同程度的失败。
2.以知识为中心的研究在这种极端困难的情况下，仍有一大批人工智能学者不畏艰辛、潜心研究。
在1972年，费根鲍姆在继化学专家系统DENDRAL之后，又领导他的研究小组开始研究MYCIN专家系统，并于1976年研制成功。
MYCIN是一个用于细菌感染患者的诊断和治疗医学专家系统。
从应用的角度看，它可以识别51种病菌，正确使用23种抗生素，能协助内科医生诊断细菌感染疾病，并为患者提供最佳处方。
1976年，斯坦福大学国际人工智能中心杜达（R.D.Duda）等人开始研制地质勘探专家系统PROSPECTOR，到1981年该系统已拥有15种矿藏知识。
另外，还有MIT在1971年研制了数学专家系统MACSYMA，1978年研制成功的用于青光眼诊断和治疗的专家系统CASNET等。
1977年，在第五届国际人工智能联合会上正式提出了知识工程的概念。
从此，人工智能的发展又步入了一个飞速发展的时期。
四、综合集成期（20世纪80年代末至今）,1.在专家系统方面，从20世纪80年代末，开始逐步向多技术、多方法的综合集成与多学科、多领域的综合应用型发展。
2.目前，人工智能技术正在向大型分布式人工智能、大型分布式多专家协同系统、广义知识表达、综合知识库、并行推理、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能体（Agent）协同系统等方向发展。
总结：
20世纪50年代：
主要是以游戏、博弈为研究对象；20世纪60年代前期：
主要是以搜索方法和一般问题的求解为主要研究内容；20世纪70年代：
主要是以专家系统和知识工程为主要的研究对象；20世纪80年代：
主要是以推理技术作为主要的研究内容；20世纪90年代以来：
主要是以机器学习和人工神经网络为主要的研究内容。
目前：
主要是以信息过滤、分类、数据挖掘等为主要研究内容。
第二节人工智能,一、人工智能的定义1、什么是智能通过适当的行为调整，成功地满足各种新的状况的能力；以导致所希望目标的方式来理解现有事实间的相互关系；前者反映了智能的学习能力；后者描述了智能的面向目标、问题求解和理解等几方面的属性。
通常，我们认为智能是在客观世界中解决实际问题的能力，而具备这种能力至少需要以下几个方面的知识：
关于客观世界中的诸多背景知识，包括历史资料和现实状况；能对所掌握的知识进行分析、选择、归纳和总结的知识；解决问题所需的策略和预测的知识；问题本身所包含的专门知识。
二、人工智能的定义1.定义,广义的讲：
用计算机来表示和执行人类的智能活动，就是人工智能。
定义1（智能机器）：
能够在各类环境中自主地或交互地执行各种拟人任务的机器称为人工智能。
定义2（学科）：
人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支，它的近期目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
定义3（能力）：
人工智能（能力）是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
总之：
人工智能也称为机器智能，就是让机器更“聪明”，更具有类似人的智能，同时又与人的智能互为补充、互相促进。
2.人工智能的任务定义：
凡是使机器能具有感知功能（如视、听、嗅）、思维功能（如分析、综合、计算、推理、联想、判断、规划、决策）、表达行动功能（如说、写、画）及学习记忆等功能，都属于人工智能研究的范畴。
3.人工智能的学科体系,人工智能的学科体系主要分三个层次：
（1）、人工智能的理论基础：
数学理论（离散数学、模糊数学）思维科学理论（认知心理学、逻辑抽象思维学、形象或直感思维学等）计算机工程技术（硬件与软件技术）
（2）、人工智能原理人工智能的工作原理是以知识的表达、知识的处理、知识的获取与学习，利用知识求解问题的基本技术作为主要的研究内容。
（3）.人工智能的工程系统（应用层次）,根据人工智能的原理而建立的工程系统：
如专家系统咨询系统、专家系统开发工具与环境、自然语言理解系统、图象理解与识别系统、智能机器人系统等。
上述三个层次是相互关联的，原理在理论基础上建立，技术是原理的工程应用。
（4）知识信息处理系统（KIPS）,知识库系统解题与推理系统人机智能接口系统,第三节人工智能的研究方法,一、人工智能的位置整个学科体系分为：
自然科学社会科学交叉科学（人工智能）哲学是所有科学的指导思想数学是一切科学的基础科学,由于人工智能是一门交叉科学，因此，具有很强的综合性，人工智能吸取了自然科学与社会科学的最新成就，以思维与智能为核心，形成自身的新体系。
人工智能是逻辑学、思维学、生理学、心理学、计算机科学、电子学、语言学、教育学等多门学科相互渗透的结果。
二、人工智能的研究方法,由于人工智能的目标是使机器具有认识问题与解决问题的能力，是对人的智能进行模拟，其主要方法有：
1.仿生学方法：
是对人脑思维建立生理学模型，通过微观的方法直接模拟人脑和神经系统的结构与功能，把脑的微观结构与宏观功能统一起来进行研究，希望制成一种大脑的智能机。
这种方法从1943年由麦克卡烙克（W.S.McCulloch）和比托斯（W.Pitts）提出第一个神经网络模型以来，至今已建立了几百多种神经网络模型。
2.计算机方法,运用计算机科学的观点，撇开脑的微观结构，单纯地进行脑的宏观功能的模拟。
这种方法用于研制适用于人工智能的新的体系结构的计算机系统，用于研制大量实用的计算机智能软件，此方法是当今人工智能研究的主要方法。
在运用计算机方法求解智能问题时，特别在编制智能软件时，又有二种方法：
（1）、数学方法,依靠建立数学模型并利用算法来求解问题。
算法：
求解某类问题时，确定的可被机械执行的有穷步骤。
算法又具有三个性质：
通用性：
一个算法应适用于求解某类问题的全部问题，而不是只能解决其中的某些特殊的问题；确定性：
算法中的任何状态和步骤都是确定的、唯一的，不具有任意性。
有效性：
算法对本类问题中的任何状态都是有效的。
依靠算法，可以保证得到需要的解或最佳解，但须事先掌握把前提和结论联系起来的全部先验信息，在实际求解问题时，运用算法受到如下限制：
（1）、不是所有问题都能找到算法来求解;
（2）、有些问题虽有算法，但实际是不可计算的。
（这类问题随时间的复杂度的线性增长，计算所需时间或存储空间将按指数增长）,2.心理学方法,依靠心理学模型，把人在解决各种问题时所使用的经验方法、策略、窍门都编进程序（即对人解决问题的认识过程进行计算机程序的模拟），这种程序称为启发式程序。
启发式程序：
求解某类问题时，试探的可被机械执行的有穷步骤。
启发式程序具有三个性质：
局部性：
启发式程序在求解某类问题的结果时，不一定保证是准确解或最佳解；试探性：
启发式程序求解问题时允许失误而改用其他的方法；针对性：
启发式程序可以利用某些被解问题的特殊规律，大大简化该问题的求解过程，具有较强的针对性。
依靠启发，只须事先掌握把前提和结论联系起来的部分先验信息，一般求解问题比较简捷，在求解复杂问题时，可以更好地表现出人类智慧的特征。
在处理实际问题时，并不是单纯地使用上述两种方法中的任何一种，而是交替地使用算法和启发。
一般是在战略决策上较多地使用启发，在战术推进上较多地使用算法。
相比之下，心理学方法是人工智能取得重要成果的主要方法，也是目前人工智能研究中的主要方法。
计算机科学与心理学的相互渗透，相互促进，是人工智能今后发展的途径。
三、实现人工智能的技术路线,1、专用路线通过开发研制一些专用的智能计算机（如LISP机、PROLOG机）或专用的软件系统（如EMYCIN专家系统开发工具）或者专门用于开发人工智能系统的计算机语言（LISP语言、PROLOG语言）2、通用路线利用一般计算机硬件和软件系统来解决人工智能的问题，进行人工智能系统的开发。
3、硬件路线利用计算机硬件技术（如超大规模集成电路、人工神经网络等）对智能机器进行开发。
4、软件路线开发和运用各种智能软件及工具（启发性程序、知识工程、智能算法等），这将是人工智能发展的必由之路。
第四节人工智能的研究领域与方向,一、人工智能的研究领域1.人工智能的理论基础数学理论（离散数学、模糊数学）；思维科学理论（认知心理学、逻辑抽象思维学、形象或直感思维学等）；计算机工程技术（硬件与软件技术）；2.人工智能原理知识的模型化和表示；问题求解（常识性推理、演绎、启发式搜索）；机器学习；人工智能系统和语言。
二、人工智能的应用领域,1.问题求解10.机器人学2.逻辑与定理证明11.机器视觉3.自然语言理解12.智能控制4.专家系统13.智能决策支持系统5.模式识别14.机器学习6.知识发现和数据挖掘15.智能检索7.人工神经网络16.智能调度与指挥8.分布式人工智能17.自动程序设计9.系统与工具语言,1.问题求解人工智能的第一大成就就是发展了能够求解难题的下棋程序。
在下棋的程序中应用某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，由此而产生了搜索和问题归约技术。
今天的计算机程序可以下锦标赛水平的各种方盘棋、五子棋、国际象棋等。
1991年8月IBM公司研制的DeepThought2计算机系统与澳大利亚国际象棋冠军约翰森战成1：
1平局。
1997年5月由IBM公司研制的“申蓝”计算机在美国战胜了俄罗斯的一名世界著名的国际象棋大师卡斯帕若夫（对弈6局，结果“深蓝”获胜）。
另一种问题求解程序将各种数学公式符号化汇编在一起，进行较为复杂的数学公式符号运算。
目前，该类问题存在如下尚需研究与开发的：
如洞察棋局的能力，问题表示的选择等。
2.逻辑证明与定理证明,早期的逻辑演绎与问题的求解相当密切。
已开发出的程序能够借助于对事实数据库的操作来“证明”断定。
每个事实由分离的数据结构表示。
当本原问题（初始）事实是正确的，则程序就能证明这些从事实得出的定理。
逻辑推理是人工智能中最持久的子领域之一（从19世纪开始一直到今天）,自动定理证明也是一个十分重要的子领域。
在证明时，不仅需要根据假设进行演绎的能力，而且需要某些直觉的技巧。
如在求证主要定理时，要猜测应当首先证明哪一个引理。
一个熟练的数学家运用他的判断力能够精确地推测出哪些前已证明的定理在当前的证明中有用。
同时还可把复杂的大问题分解成若干简单的子问题。
如1976年7月，美国的阿佩尔（K.Appel）等人合作解决了长达124年（1852年提出）之久的难题四色猜想。
他们用三台大型的计算机，花去1200小时CPU时间，并对中间结果进行人为反复500多处的修改。
四色定理的证明曾轰动计算机世界。
3.自然语言理解,如何让计算机“听懂”、“看懂”人类自身的语言，使更多的人能使用计算机，大大提高计算机的利用率。
自然语言理解就是研究如何让计算机理解人类自然语言的一个研究领域。
从宏观上讲，自然语言理解使是指机器能够执行人类所期望的某些语言功能，如：
回答有关问题计算机能正确理解人们用自然语言输入的信息，并能正确回答计算机能将一种自然语言翻译成另一种自然语言（如英译汉、汉译英、同步翻译等）目前，处理自然语言的工作已开始从实验走向工程应用。
如用于飞机定票系统及家庭自动电话中。
4.专家系统,所谓专家系统，就是一种以知识为基础的计算机软件系统。
事先将有关专家系统的知识、经验总结出来，形成规则，并将它们以适当的形式存入计算机，即建立知识库。
然后采用合适的控制策略，按输入的原始数据选择合适的规则进行规划推理、演绎，作出判断和决策，并能根据用户的要求显示如何作出判断决策的过程。
专家系统可以解决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和控制等。
比较著名的专家系统有：
1965年美国斯坦福大学研制成功的DENDRAL专家系统（用于质谱仪分析有机化合物的分子结构）、MYCIN专家系统（用于抗生药物治疗）、PROSECTOR专家系统（用于地质勘探专家系统）。
此外，还有勘探、石油测井、通信故障诊断、军用报警、电子线路分析与计算机辅助设计等专家系统。
在我国，特别是中医诊疗系统的研制取得了令人注目的成绩。
5.模式识别,模式识别就是研究如何使机器具有感知能力的一个研究领域，其中主要研究对视觉模式、听觉模式的识别。
如文字和数字的识别（汉字、汽车牌照等）、图形图像的识别（指纹、脑电图、心电图等）、语音识别；人们在生产和生活中需要建立模式如在一堆工具中寻找自己所需型号的扳手，森林发生虫灾，飞行员要找到遭受虫灾的森林等。
目前模式识别学科正处于大力发展的阶段。
随着应用范围的不断扩大，随着计算机科学的不断进步，基于人工神经网络的模式识别技术，在21世纪将有更大的发展。
6.知识发现和数据挖掘,知识发现和数据挖掘是在数据库的基础上实现的一种知识发现系统。
它是通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从数据库中提炼和抽取知识，从而可以揭示出蕴涵在这些数据背后的客观世界的内在联系和本质原理，实现知识的自动获取。
传统的数据库技术仅限于对数据库的查询和检索，不能从数据库中提取知识，使得数据库中所蕴涵的丰富知识白白浪费。
知识发现和数据挖掘以数据库作为知识源去抽去知识，不仅可以提高数据库中数据的利用价值，同时也为专家系统的知识获取开辟了一条新的途径。
7.人工神经网络,神经网络的发展有着非常广泛的科学背景。
是众多学科研究的综合成果。
神经生理学家、心理学家的共同研究得出的结论是：
人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。
因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机神经计算机。
神经网络的研究始于40年代初期，经历了一条十分曲折的道路。
几起几落。
80年代初以来，对神经网络的研究再次出现高潮。
霍普菲尔德（Hopfield）提出用硬件实现神经网络，,鲁梅尔哈特（Rumelhart）等提出多层网络中的反向传播（BP）算法就是两个重要的标志。
对神经网络模型、算法、理论分析和硬件实现的大量研究，为神经网络计算机走向应用提供了物质基础。
现在，神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用。
特别在处理直觉和形象思维信息方面具有十分优良的效果。
8.分布式人工智能,分布式人工智能是随着计算机网络、计算机通信和并发程序设计技术而发展起来的一个新的人工智能研究领域。
它主要研究在逻辑或物理上分散的智能系统之间相互协调各自的智能行为，实现问题的并行求解。
分布式人工智能的研究为在计算机网络环境下设计和建立大型复杂智能系统提供了一条有效途径，体现了新一代软件设计的思想，是当前人工智能研究的一个热点。
9.系统与工具语言,除了直接描准实现智能的研究工作外，开发新的方法也往往是人工智能的一个重要方面。
80年代以来，计算机系统：
如分布式系统、并行处理系统、多机协作系统和各种计算机网络等都有发展。
在人工智能程序设计语言方面，除了继续开发和改进通用和专用的编程语言新版本和新语种外，还研究出了一些面向目标的编程语言和专用开发工具。
对关系数据库研究所取得的进展，无疑为人工智能程序设计提供了新的有效工具。
（如：
Lisp、Prolog、Smalltalk、Module、C+、OPS等）,10.机器人学,机器人（Robet）是一种具有类似生物器官的某些功能，用以完成操作或移动任务并能用程序加以控制的自动装置，它是人工智能的模式识别、问题求解、自然语言理解等综合成果。
机器人主要在功能上模仿人，外形上可以有多种多样，它们具有眼、脑、手等部分功能，把观测、思维和操作巧妙地结合起来。
目前已经应用和研究的机器人主要有三种：
工业机器人、远距离操纵型机器人和智能机器人。
工业机器人已相当普遍，远距离操纵型机器,人也有不少应用，如美国机器人“探测者3号”是第一台登月的使者，它由阿波罗12号运上月球，在空中实验室操作人员的控制下，伸出1.5米的机械手，在月球表面取岩石样品并把化验结果发回地球。
智能机器人的研究和应用体现出广泛的学科交叉，涉及众多的课题，如机器人体系结构、机械、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。
机器人已在各种工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。
目前已研制出多种类型用于机械装配、集成电路压焊、水泥电柱的装配、假肢及人工手等方面的智能机器人。
11.机器视觉,机器视觉或计算机视觉已从模式识别的一个研究领域发展为一门独立的学科。
计算机视觉通常可分为低层次视觉与高次视觉两类。
并非人工智能的全部领域都是围绕着知识处理的，计算机低层视觉就是一例。
低层视觉主要执行预处理功能，如边缘检测、动目标检测、纹理分析、通过阴影获得形状、立体造型、曲面色彩等。
其目的是使被观察的对象突现出来。
高层视觉则主要是理解所观察的形象，也只有这时才显示出掌握与所观察的对象相关联的知识的重要性。
机器视觉的前沿研究领域包括实时图象压缩传输和复原，多光谱和彩色图象的处理与解释等。
机器视觉已在机器人装配、卫星图象处理、工业过程控制、飞行器跟踪和制导以及电视实况转播等领域获得极为广泛应用。
12.智能控制,人工智能的发展促进了自动控制向智能控制发展。
智能控制是一类无需或尽可能少的人干预就能够独立地驱动智能机器实现其目标的自动控制。
随着人工智能和计算机技术的发展，已可能把自动控制和人工智能以及系统科学的某些分支结合起来，建立一种适用于复杂系统的控制理论和技术。
智能控制正是在这种条件下产生的，它是自动控制的最新发展阶段，也是用计算机模拟人类智能的一个重要研究领域。
1965年，付京孙首先提出把人工智能的启发式推理规则用于学习控制系统。
1971年，他又提出把人工智能与自动控制结合起来的思想。
1977年，美国G.N.莎里迪斯提出把人工智能、控制论和运筹学结合起来的思想。
1986年，中国蔡自兴提出把人工智能、控制论、信息论和运筹学结合起来的思想。
1985年在美国首次召开了智能控制学术讨论会，1987年又在美国召开了首届智能控制国际学术会议，1993年在北京召开了第一届全球华人智能控制与智能自动化大会。
智能控制主要有以下六个领域：
智能机器人规划与控制智能过程规划智能过程控制专家控制系统语音控制智能仪器,13.智能决策支持系统,智能决策支持系统是指那种在传统决策系统中增加了相应的智能部件的决策支持系统。
它是把人工智能技术尤其是专家系统技术与决策支持系统相结合的产物。
智能决策支持系统由数据库、模型库、方法库、人机接口及知识库五部分所组成。
既可发挥专家系统在知识处理方面的特长，又可发挥传统决策支持系统在数值分析方面的优势，具有很宽的应用前景。
14.机器学习,学习是人类智能的主要标志和获得知识的基本手段。
机器学
升级会员 