人工智能整理资料大学计算机课程.docx
《人工智能整理资料大学计算机课程.docx》由会员分享，可在线阅读，更多相关《人工智能整理资料大学计算机课程.docx（33页珍藏版）》请在冰点文库上搜索。
人工智能整理资料大学计算机课程
第一章人工智能
人的智能：
人类思维活动表现出来的能力（解决智能问题的能力）
–感知和理解能力
–思维与演绎能力
–学习能力与适应环境能力
–行为能力
人工智能：
通过某些方法使机器有类似于人的智能。
–能听，能看，会写，能思考推理，会学习，能解决各种实际问题。
人工智能常用的方法:
•穷举法
•搜索法和回朔法
•启发式搜索法
•分解问题法（与或树方法）
•正反推理法
•博弈方法
主要研究领域:
•博弈
•定理证明
•专家系统
•模式识别
•自然语言理解
•机器视觉
•机器人学
•智能决策系统
人工智能研究的主要问题
•知识的表示
•知识的应用
•知识的获取
3阶"梵塔"问题（TowerofHanoiProblem）:
◦有三个柱子（1，2和3）和两个不同尺寸的圆盘（A，B，C）。
在每个圆盘的中心有个孔，所以圆盘可以堆叠在柱子上,
最初,全部三个圆盘都堆在柱子1上（最大的在底部,最小
的在顶部）。
要求把所有圆盘都移到另一个柱子上，搬
动规则为：
（1）一次只能搬一个圆盘
（2）不能将大圆盘放在小圆盘上
（3）可以利用空柱子。
人工智能研究的基本原则
◦有限合理性
◦搜索补偿知识的不足
◦知识补偿搜索不足
第二章知识表示及其推理
知识:
是有关信息关连在一起形成的信息结构
信息：
是数据的语言（含义）
数据：
是信息的载体和表示
知识的特性1.相对正确性2.不确定性3.可表示性与可利用性
知识表示的作用：
建立智能系统的关键
选择知识表示方法考虑的因素：
1.充分表示领域知识2.有利于对知识的利用
3.便于组织维护和管理4.便于理解和实现（外部表示和内部表示）
知识表示方法;
产生式表示方法
框架表示方法
一阶谓词逻辑表示法
语义网络表示法
面向对象的表示法
●产生式表示方法基本格式:
P&Q或IFPTHENQ
含义：
如果前提P被满足，可推出结论Q或执行Q所规定的操作
例r4:
IF动物会飞AND会下蛋THEN该动物是鸟
产生式推理过程：
匹配：
规则的前提条件与已知事实比较
}匹配结果：
完全匹配近似匹配不匹配
}执行：
得出右部分的结论或执行右部分的操作
产生式系统的基本结构：
规则库：
描述领域知识的产生式规则集
综合数据库：
记录求解（或推理）过程中各种信息的数据结构
推理机构：
负责匹配到得出结论的整个问题求解过程
产生式系统的工作过程：
1.将观察到的事实放入综合数据库中
}2.用事实与规则库中的前提进行匹配
3.将匹配成功规则的结论作为新的事实加到综合数据库
}4.重复上述2,3步直到满足结束条件
举例：
建立一个动物识别系统，用以识别虎、金钱豹、斑马、长颈鹿、企鹅、驼鸟、信天翁等七种动物。
规则库（知识库）：
r1:
IF该动物有毛发THEN该动物是哺乳动物
r2:
IF该动物有奶THEN该动物是哺乳动物
r3:
IF该动物有羽毛THEN该动物是鸟
r4:
IF该动物会飞AND会下蛋THEN该动物是鸟
r5:
IF该动物吃肉THEN该动物是食肉动物
r6:
IF该动物有犬齿AND有爪AND眼盯前方THEN该动物是食肉动物
r7:
IF该动物是哺乳动物AND有蹄THEN该动物是有蹄类动物
r8:
IF该动物是哺乳动物AND是嚼反刍动物THEN该动物是有蹄类动物
r9:
IF该动物是哺乳动物AND是食肉动物AND是黄褐色AND身上有暗斑点THEN该动物是金钱豹
r10:
IF该动物是哺乳动物AND是食肉动物AND是黄褐色AND身上有黑色条纹THEN该动物是虎
r11:
IF该动物是有蹄类动物AND有长脖子AND有长腿AND身上有暗斑点THEN该动物是长颈鹿
r12:
IF该动物是有蹄类动物AND身上有黑色条纹THEN该动物是斑马
r13:
IF该动物是鸟AND有长脖子AND有长腿AND不会飞AND有黑白二色THEN该动物是鸵鸟
r14:
IF该动物是鸟AND会游泳AND不会飞AND有黑白二色THEN该动物是企鹅
r15:
IF该动物是鸟AND善飞THEN该动物是信天翁
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
●．智能系统的基本组成：
知识库：
用于存放领域知识。
推理机：
进行推理或搜索的程序模块
综合数据库：
记录推理过程
知识获取：
修改和补充知识库的内容
解释程序：
解答用户有关推理过程及结论的问题
人机接口：
系统的交互界面
设计智能系统解决的主要问题：
知识库及管理系统
◦领域知识的表达
◦知识库的合理组织
◦知识库的管理：
对知识的组织，管理及维护
智能系统分类：
按知识表示方法
◦基于产生式的推理系统
◦基于框架的推理系统
◦基于语义网络的推理系统等
推理机：
控制推理过程
◦推理机制：
推理方向（正向推理,反向推理）
◦推理策略：
每步推理如何进行
◦技术问题：
如何匹配
匹配程度确定匹配结果处理推理结束条件
◦搜索策略：
图搜索策略
不精确推理模糊推理
知识获取：
将领域知识输入到知识库中
任务：
抽取知识知识的转换知识的输入知识的检测
方法：
机械式学习指导式学习归纳式学习类比学习等
综合数据库：
记录推理过程
◦内容：
收集到的事实推理得到的中间结论使用过的规则
◦形式：
可以使用各种数据结构表示队，表，集合，向量，矩阵等
解释模块：
回答用户关于推理的问题例：
为什么问我这个问题？
如何得出这个结论？
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
●框架系统：
许多框架联合起来描述应用领域问题的系统
◦节点：
框架
◦联系：
某些槽或侧面的值可以是其他框架。
框架系统的分类（适于框架表示的问题）
◦事物组成：
机械设备，人体
◦层次分类体系：
人员分类
框架系统的结构特点
◦纵横交错的分层网络
◦“继承”槽：
上下层框架间
◦框架名作为槽值或侧面值：
框架间的横向联系。
如何建立框架系统
◦框架要能充分表达事物各有关方面的属性
◦表达相关事物间的各种关系：
Isa,Ako等
◦对槽和侧面进行合理的组织：
充分利用继承性的特点
框架系统推理过程
◦匹配，冲突解决，推理（操作）
框架推理的主要技术
◦特性继承：
若查询一实例的某槽值属性，且描述该实例的框架未提供值时，就沿
Isa和Ako槽追溯到具有同名槽的框架（父框架）。
根据下列情况分别处理：
在该槽提供值的情况下,继承该值（缺省值）作为结果返回；
否则,该槽应提供If-Needed侧面供继承,可执行If-Needed
操作产生一个值作为返回结果。
若对一实例的某个槽或侧面进行了赋值或修改工作，则系统自动就沿
Isa和Ako槽追溯到相应的框架（父框架），只要发现框架中同名的槽
具有If-Added侧面，就可执行操作If-Added，修改父框架同名的槽的值
第三章状态空间的搜索策略
状态空间表示法：
表示法
◦
（1）状态（State）:
Sk=［Sk1,Sk2,…Skn］
◦
（2）操作（Operator）:
操作描述了状态之间的关系
表示：
F:
{f1,f2,……fn｝
◦（3）状态空间（StateSpace）
三元组表示〈｛S｝,F,｛G｝〉
其中：
S：
初始状态集合
Q：
目标状态集合
F：
操作的集合。
状态空间图
◦可有相应的赋值有向图
◦节点表示状态，有向边表示操作
◦问题求解过程转化为在图中寻找从初始状态S出发到
达目标状态G的路径问题，也就是寻找操作序列的问题
用状态空间方法来描述问题：
状态的表示
◦柱的编号用i,j来代表
（i,j）表示问题的状态其中:
i代表A所在的柱子,j代表
B所在的柱子
◦状态集合（如教材258图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）
◦初始状态S={s0}，目标状态G={s4,s8}
操作（算符）
◦定义操作A（i,j）,B（i,j）
◦操作集合（12种操作）：
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：
如何找到解的路径
◦即如何生成进一步的状态
约定：
不可走回头路
搜索图：
问题求解的所有路径
最优解：
使用操作（算符）最少的解
搜索策略1：
宽度优先
状态空间方法表示问题的关建
。
选择合适的状态描述形式
。
定义一组算符（操作）:
将每个
。
搜索策略：
使用算符生成进一步
。
分类：
宽度优先
深度优先
有界深度优先
代价树的宽度优先
代价树的深度优先
局部择优，全局择优
状态空间的一般搜索过程
盲目搜索策略
◦宽度优先
◦深度优先
◦有界深度优先
◦代价树的搜索策略
代价树的宽度优先搜索策略
代价树的深度优先搜索策略
★启发式搜索策略
◦局部择优搜索
◦全局择优搜索
盲目搜索（无信息搜索）
◦搜索按预定的规则进行，不使用与问题有关的启发式信息（效率低）
★启发式搜索
◦搜索中使用与问题有关的启发式信息,并以这些启发式信息指导搜索过程（可以提高效率）
无信息搜索：
广度优先搜索
深度优先搜索
有界深度优先搜索
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
广度优先搜索基本思想：
从初始节点S0开始，逐层地对节点进行扩展并考察它是否为目标节点，在第n层节点没有全部扩展并考察前，不对第n+1层的节点进行扩展。
节点按进入open表的先后顺序排列
搜索过程：
1.将初始节点放入OPEN表
2.如果OPEN表为空，则问题无解，退出
3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表
4.考察节点n是否为目标节点。
若是，则求得了问题的解，退出。
5.若节点n不可扩展转
（2）步。
6.扩展节点n，将其子节点放入OPEN表的尾部，并为每一个子节点都配
置指向父节点的指针，然后转
（2）步。
深度优先搜索基本思想：
从初始节点S0开始，在其子节点中选择一个节点进行扩展并考察它是否为目标节点，若不是目标节点，则在该子节点的子节点中选择一个节点进行考察，一直如此向下搜索。
当到达某个子节点，且该子节点即不是目标节点又不能继续扩展时，才选择其兄弟节点进行扩展。
节点按后进入open表的顺序排列，即后进入的节
点排在前面
搜索过程
1.将初始节点放入OPEN表
2.如果OPEN表为空，则问题无解，退出
3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表
4.考察节点n是否为目标节点。
若是，则求得了问题的解，退出。
5.若节点n不可扩展转
（2）步。
6.扩展节点n，将其子节点放入OPEN表的首部，并为每一个子节点都配置指向父节点的指针，然后转
（2）步。
有界深度优先搜素基本思想：
对深度优先搜索引入搜索深度的限制（设当搜索深度达到深度界限时，尚未出现目就选择其兄弟节点进行扩展。
节点按后进入open表的顺序排列，即后
点排在前面
深度的确定：
固定深度
可变深度
搜索过程
1.将初始节点S0放入OPEN表,置S0的深度d（S0）=0
2.如果OPEN表为空，则问题无解，退出
3.把OPEN表的第一个节点（记为n节点）取出放入CLOSED表
4.考察节点n是否为目标节点。
若是，则求得了问题的解，退出。
5.若节点n的深度d（n）=dm,转
（2）步。
6.若节点n不可扩展转
（2）步。
7.扩展节点n，将其子节点放入OPEN表的首部，并为每一个子节点都配置指向父节点的指针，然后转
（2）步
代价驱动的搜索策略基本思想：
基本概念
◦代价，边代价，代价树
代价树的广度优先搜索
动态规划法（改进的代价树广度优先搜索）
代价树的深度优先搜索
启发式搜索的基本概念：
启发式搜索与盲目搜索
启发性信息
评估函数
基本的启发式搜索方法：
◦局部优先搜索◦全局优先搜索
评估函数的表示：
含义：
用于估价节点重要性的函数称
表示：
f（x）=g（x）+h（x）
◦g（x）是从初始结点S0到x实际代价
◦h（x）是从x到目标结点Sg的最佳路径的估息的函数描述。
局部择优搜索方法评价：
◦搜索快，开销小
◦只适于单峰值，多峰值时可能找不到解
◦解不一定是最优解
深度优先搜索比较：
◦深度优先搜索
◦代价树的深度优先搜索
◦局部择优搜索
共同点：
子节点作为考察范围
不同点：
考察标准不同
第五章专家系统
定义
专家系统是:
一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统
能够利用人类专家的知识和解决问题的方法来处理该领域问题
简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
特点
}启发性：
专家系统能运用专家的知识与经验进行推理、判断和决策。
} 透明性：
专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。
} 灵活性：
专家系统能不断地增长知识，修改原有知识，不断更新。
优点
}具体地说，包括下列八个方面：
}
（1）专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。
}
（2）专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。
} （3）可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。
} （4）专家系统能促进各领域的发展。
} （5）专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力。
} （6）军事专家系统的水平是一个国家国防现代化的重要标志之一。
} （7）专家系统的研制和应用，具有巨大的经济效益和社会效益。
}（8）研究专家系统能够促进整个科学技术的发展。
专家系统的类型：
1、解释专家系统
} 任务通过对过去和现在已知状况的分析，推断未来可能发生的情况
} 特点数据量很大，常不准确、有错误、不完全能从不完全的信息中得出解释，并能对数据做出某些假设，推理过程可能很复杂和很长
} 例子语音理解、图象分析、系统监视、化学结构分析和信号解释等。
2，预测专家系统
}任务通过对已知信息和数据的分析与解释，确定它们的涵义。
}特点系统处理的数据随时间变化，且可能是不准确和不完全，系统需要有适应时间变化的动态模型
}例子有气象预报、军事预测、人口预测、交通预测、经济预测和谷物产量预测等
3诊断专家系统
任务根据观察到的情况（数据）来推断出某个对象机能失常（即故障）的原因
} 特点能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系，能够区分一种现象及其所掩盖的另一种现象，能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断
} 例子医疗诊断、电子机械和软件故障诊断以及材料失效诊断等
4设计专家系统
}任务寻找出某个能够达到给定目标的动作序列或步骤。
} 特点从多种约束中得到符合要求的设计；系统需要检索较大的可能解空间；能试验性地构造出可能设计；易于修改；能够使用已有设计来解释当前新的设计。
} 例子VAX计算机结构设计专家系统等
5.教学专家系统
}任务教学专家系统的任务是根据学生的特点、弱点和基础知识，以最适当的教案和教学方法对学生进行教学和辅导。
} 特点
}
（1）同时具有诊断和调试等功能。
}
（2）具有良好的人机界面。
} 例子MACSYMA符号积分与定理证明系统，计算机程序设计语言和物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等
5.1专家系统的简化结构图
}知识库包括两部分内容：
一部分是已知的同当前问题有关的数据信息；另一部分是进行推理时要用到的一般知识和领域知识。
}调度器按照系统建造者所给的控制知识，从议程中选择一个项作为系统下一步要执行的动作。
}执行器应用知识库中的及黑板中记录的信息，执行调度器所选定的动作。
}协调器的主要作用就是当得到新数据或新假设时，对已得到的结果进行修正，以保持结果前后的一致性。
}解释器的功能是向用户解释系统的行为，包括解释结论的正确性及系统输出其它候选解的原因.
}
5.2理想专家系统结构图
}
}如图5.2所示。
由于每个专家系统所需要完成的任务和特点不相同，其系统结构也不尽相同，一般只具有图中部分模块。
}在上图中，知识库、推理机和解释器是构成本专家系统的核心
}系统的主要部分是知识库和推理机
}到目前为至的推理系统中
◦知识库由谓词演算事实和有关讨论主题的规则构成
◦推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成－如消解、前向链或反向链
◦用户接口可能包括某种自然语言处理系统
•它允许用户用一个有限的自然语言形式与系统交互
•也可能用带有菜单的图形接口界面。
解释子系统分析被系统执行的推理结构，并把它解释给用户
}接口是人与系统进行信息交流的媒介，它为用户提供了直观方便的交互作用手段。
} 黑板是用来记录系统推理过程中用到的控制信息、中间假设和中间结果的数据库。
它包括计划、议程和中间解3部分。
}
一般应用程序与专家系统的区别：
}一般应用程序:
把问题求解的知识隐含地编入程序
}专家系统：
把其应用领域的问题求解知识单独组成一个实体,即为知识库。
知识库的处理是通过与知识库分开的控制策略进行的。
}更明确地说，一般应用程序把知识组织为两级：
数据级和程序级；
大多数专家系统则将知识组织成三级；数据、知识库和控制。
基于规则专家系统的工作模型
基于规则的专家系统是个计算机程序
◦该程序使用一套包含在知识库内的规则对工作存储器内的具体问题信息（事实）进行处理
◦通过推理机推断出新的信息,其工作模型如图5.4所示
基于规则的专家系统不需要一个人类问题求解的精确匹配，而能够通过计算机提供一个复制问题求解的合理模型
}在上图中，知识库、推理机和工作存储器是构成本专家系统的核心
}系统的主要部分是知识库和推理引擎
}到目前为至的推理系统中
◦知识库由谓词演算事实和有关讨论主题的规则构成
◦推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成－如消解、前向链或反向链
◦用户接口可能包括某种自然语言处理系统
•它允许用户用一个有限的自然语言形式与系统交互
•也可能用带有菜单的图形接口界面。
解释子系统分析被系统执行的推理结构，并把它解释给用户
基于框架的专家系统
}1、面向目标编程与基于框架设计
}基于框架的专家系统建立在框架的基础之上，采用面向目标编程技术，
}框架的设计和面向目标的编程共享许多特征。
}在设计基于框架系统时，专家系统的设计者们把目标叫做框架。
基于框架的专家系统的结构
}基于框架的专家系统是个计算机程序
•该程序使用一组包含在知识库内的框架对工作存储器内的具体问题信息进行处理
•通过推理机推断出新的信息。
}这里采用框架而不是采用规则来表示知识
一般设计方法：
基于框架专家系统的主要设计步骤与基于规则的专家系统相似。
}主要差别在于如何看待和使用知识
}在设计基于框架的专家系统时，把整个问题和每件事想像为编织起来的事物
}在辨识事物之后，寻找把这些事物组织起来的方法
}对于任何类型的专家系统，其设计是高度交互的过程
基于模型专家系统的提出
}对人工智能的研究内容有着各种不同的看法。
}有一种观点认为：
人工智能是对各种定性模型的获得、表达及使用的计算方法进行研究的学问。
}基于该观点人们提出了基于模型的专家系统。
}采用各种定性模型来设计专家系统，其优点是显而易见的。
}在诸多模型中，人工神经网络模型的应用最为广泛。
基于神经网络的专家系统
}神经网络模型从知识表示、推理机制到控制方式，与目前专家系统中的基于逻辑的心理模型有本质的区别。
三种神经网络模型与专家系统集成模式
}
（1）神经网络支持专家系统以传统的专家系统为主，以神经网络的有关技术为辅。
}
（2）专家系统支持神经网络以神经网络的有关技术为核心，建立相应领域的专家系统，采用专家系统的相关技术完成解释等方面的工作
}（3）协同式的神经网络专家系统针对大的复杂问题，将其分解为若干子问题，针对每个子问题的特点，选择用神经网络或专家系统加以实现，在神经网络和专家系统之间建立一种耦合关系
新型专家系统的特征
}1、并行与分布处理
} 基于各种并行算法，采用各种并行推理和执行技术，适合在多处理器的硬件环境中工作，即具有分布处理的功能。
}2、多专家系统协同工作
} 在这种系统中，有多个专家系统协同合作。
}3、高级语言和知识语言描述
} 专家系统生成系统就能自动或半自动地生成所要的专家系统。
}4、具有自学习功能
}新型专家系统应提供高级的知识获取与学习功能。
}5、引入新的推理机制
}在新型专家系统中，除演绎推理之外，还应有归纳推理，各种非标准逻辑推理，以及各种基于不完全知识和模糊知识的推理等等。
}6、具有自纠错和自完善能力
}为了排错必须首先有识别错误的能力，为了完善必须首先有鉴别优劣的标准。
}7、先进的智能人机接口
}理解自然语言，实现语声、文字、图形和图象的直接输入输出是如今人们对智能计算机提出的要求
第六章机器学习
机器学习的基本概念：
} 按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高
机器学习的定义
} 机器学习是研究如何使用机器来模拟人类学习活动的一门学科。
稍为严格的提法是：
机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问
机器学习的主要策略
}学习过程与推理过程是紧密相连的
}按照学习中使用推理的多少，机器学习所采用的策略大体上可分为4种
}机械学习、示教学习、类比学习和示例学习
}学习中所用的推理越多，系统的能力越强
4种主要的学习策略：
}1.机械学习就是记忆，是最简单的学习策略。
这种学习策略不需要任何推理过程
}2.比机械学习更复杂一点的学习是示教学习策略。
系统在接受外部知识时需要
升级会员 