您好、欢迎来到现金彩票网!
当前位置:刘伯温四肖中特料 > 推理子句 >

高级人工智能——第3讲逻辑、推理与知识ppt

发布时间:2019-06-16 14:42 来源:未知 编辑:admin

  这是高级人工智能——第3讲逻辑、推理与知识ppt,包括了命题逻辑,一阶逻辑(一阶谓词演算),其他逻辑系统,约束推理,定性推理,基于范例的推理,知识及其表示等内容,欢迎点击下载。

  上述X、Y、Z都是陈述性语句,分别具有肯定(True)或否定(False)意义的真值,我们把它们都称之为命题。其中,诸如“爱因斯坦”,“海水”,数字“3”、“4”等,它们是命题中的行为中心对象,又称为个体。

  命题或谓词逻辑推理演算,主要可利用连接词和量词,把单个的谓词组合成为谓词公式来完成。

  基于命题和谓词逻辑可相互转换的特性,这里约定:对命题和谓词逻辑的相关公式表达、相关定理、定律的论证和推导等,不再加以严格区别。

  ⑴ 符号“”称为“否定”(Negation)或补,表示“非”的连接关系。即当命题P为真时,则P 为假;反之,当命题P为假,则P 为真。

  ⑵ 符号“”称为“合取”(Conjunction),表示“与”(AND)或“同时”的关系。例如,PQ,读作“P与Q”。

  ⑶ 符号“”称为“析取”(Disjunction),它表示“或”(OR)的连接关系。例如,PQ,读作“P或Q”。

  ⑷ 符号“”称为“条件”(Conditional)或者“蕴涵” (Implication),它表示“如果,则”的定义关系。例如,在PQ的表达式中,表示了“如果P,则Q”的条件推导关系。这里,又称P为前件,表示条件的前提,称Q为后件,表示逻辑结论。

  当前件P=F时,无论后件Q为何值(T或者F),条件式PQ真值总是为T;

  ⑸ 符号“”称为“双条件”(Biconditional)或者等价(Equivalence) 连接关系。例如,表达式PQ,读作“P当且仅当Q”。或者说它表示的含义为:P为真,当且仅当Q为真。

  ⑴ 全称量词(Universal Quantifier):用字符“x”表达,表示了该量词作用的辖域为个体域中“所有的个体x”或“每一个体x都”要遵从所约定的谓词关系。

  解:该谓词逻辑表达的含义是:“所有现代理工科的大学生x,都必须学习计算机应用基础课程”。

  ⑵ 存在量词(Existential Quantifier):用字符“彐x”表达,表示了该量词要求“存在于个体域中的某些个体x”或“某个个体x”,要服从所约定的谓词关系。

  解:该谓词逻辑表达的意思是:在所有的计算机学院学生中,相对于每一位同学x,必然存在一个个体y,y同学与x满足同班同学的关系。

  解:先设定谓词,再设定变元,并将变元代之以常量,用连接词运算符连接并加以描述:

  (3)*在那遥远的地方,有位好姑娘,人们走过她的身旁,都要回头留恋地张望。

  使用连接词和量词,把若干谓词连接组合在一起,就得到了谓词逻辑公式(PLF:Predicate Logic Formula)的表达。

  定义3.6 用连接词或者量词把若干原子命题联结组合在一起,就得到了命题公式(PF:Proposition Formula),又称之为命题合式公式。

  定义3.7 采用参量变元来替代命题合式公式中的常量,就得到了原子谓词公式,又称之为谓词合式公式(PWFF:Predicate Well-Formed Formula),简称合式公式或WFF。

  ② 若A是谓词合式公式,x是A中的任一个变元,则A,( x)A和(彐x)A也都是合式公式;

  注意:为了使合式公式WFF在连接和运算中表达简洁一致,对WFF还有如下规定:

  首先以个体域中任意常量来替换谓词公式中的变元,使谓词公式转换为一组确定的命题公式;随后赋予各命题逻辑以真值,就得到了对应于该谓词公式的某个含义的解释。

  定义3.8 设D为谓词合式公式PWFF的个体域,按照如下规定对PWFF中的各参量赋值:

  则称这些指派为公式P在D上的一个解释。若某个解释I使PWFF为真(T),则称I是该公式的一个正模型,简称模型;反之,若某个解释I,使PWFF为假(F), 则称I是该公式的一个反模型。

  人们若把想要完成的智能任务表示为一个谓词公式,从而把问题的求解转化为求解该公式的真值问题:

  其中, x{西安,洛阳,深圳,刘平,雪花,华盛顿,墨水,开封,}

  那么, x 的哪些取值的真值为T?哪些取值的真值又为F?它的哪些解释是一个正模型?而哪些解释又是反模型?

  其中,w {煤球,雪花,大海,刘平,面粉,墨水,玫瑰花,}

  那么,w 的哪些取值其真值为T?哪些取值的真值又为F?它的哪些解释为正模型?而哪些解释又属于反模型?

  谓词公式是否为永线 如果谓词公式P对个体域D上的任何一个解释都取得真值T,则称P在D上是永真的;如果P在每个非空个体域上都是永真的,则称P永线 对于谓词公式P,若至少存在一个解释,使得谓词公式P在此解释下的真值为T,则称公式P是兼容的或可满足的;反之,如果存在一个解释集(Set),使得谓词公式P在其中的任何解释下的真值都为F,则称公式P对该解释集是不兼容的或不可满足的。

  判断谓词公式是否为永线 如果谓词合式公式WFF对于个体域中的任何一个解释I都有

  类同上述,可否引入关于“永假的”、“非永真的”、“非永假的”概念与定义,并得出关于谓词公式永真性问题的若干定理呢?

  永假公式定理3.3 如果谓词合式公式WFF对于个体域中的任何一个解释I都有

  成立,则该公式WFF是一个非永真公式;并且该解释I是此公式的一个反模型。

  由定义3.10可知,非永假公式可叫做是兼容的或可满足的,而永假公式又称为不可满足的或不兼容的。

  常用的谓词逻辑演算律主要有两大类:一类是逻辑等价律,另一类是逻辑蕴涵律。下面分别加以介绍。

  定义3.11 设P与Q是两个谓词公式,D是它们共同的个体域,若P与Q对于D上的任何一个解释都有相同的真值,则称公式P和Q在D上是逻辑等价的,记为

  如果D是任意个体域,则称公式P和Q是逻辑等价的,记作 PQ。

  定义3.12 在谓词公式P与Q中,若PQ是永真的,则称P永真蕴涵Q;并称P为前提,Q为P的逻辑结论,记作P Q。

  ⑵ T规则:在进行推理时,若同时有一个或多个谓词公式永真(T)蕴含公式S,则可把S引入推理过程中。

  ⑶ CP规则:若从公式C和前提集合P能推出S来,则由P可推出:PS。

  顺便指出,这是一条使用了反证法的定理,也是迄今实现机器定理证明一种较为可靠的传统途径。

  正如计算机中使用“0”和“1”两个代码来解释世界一样,人们在基于符号的命题与谓词逻辑中,试图只使用“F”和“T”二个真值来描述智能特性。因此,人们把这种逻辑描述,又常称之为二值逻辑或标准逻辑。

  但是,发展中的世界,事物运动变化,气象万千,是否“非真即假”二值逻辑就能全部包容呢?事实上,在“T”和“F”两极之间,世界万物还有着无限精彩表现。由于这些逻辑的特性往往都不是二值的,故统称其为多值逻辑,或称为“非二值”逻辑。

  (1) 为了表示关于认知的有关概念,如相信、知道、愿望、意图、目标、承诺等等,人们引进了刻划各种认知概念的模态逻辑;

  (2) 为了刻划智能系统中的时间因素,人们在逻辑系统中引进时间的概念,提出了各种时序逻辑;

  (3) 为了描述各种不确定的和不精确的概念,人们引进了所谓模糊逻辑;模糊逻辑是直接建立在自然语言上的逻辑系统,与其它逻辑系统相比较,它考虑了更多的自然语言的成分。

  按照其创始人 Zadeh 的说法就是词语上的计算, 表示为一个公式, 即

  (4) 行为或者动作的概念在智能系统中是一个关键的概念。动作的概念与一般逻辑中的静态的概念很不相同,它是一个动态的概念,动作的发生影响着智能系统的性质。为了刻划动作的概念, 人们引进了一些新的逻辑体系来刻划它。

  (5) 人类在决策时,对于各种方案和目标有一定的偏好和选择。这时“偏爱”就成为了一个基本的概念。为了表述和模拟人类在决策时的选择的规律和行为,对于“偏爱”这个词的研究就是不可避免的。于是,基于管理科学的所谓的偏爱逻辑被提出并加以研究。

  (6) 时间是智能系统中最重要的几个概念之一。人类使用各类副词来对时间概念加以描述。例如, “一会儿” “相当长” “断断续续地” “偶尔”等等,含有这些词的句子显然是很难用经典的时序逻辑来刻划的,于是有人引进了一种逻辑系统专门刻划这类句子。其基本思想是利用数学中积分的思想,通过对时间的某种像积分那样的表示和运算来形式化这些句子

  Prolog 程序就是一种逻辑程序,它是一种交互式的描述性语言,第一个正式版本是 1970 年代法国Marseilles 大学的 Alain Colmerauer 作为 PROgramming in LOGic的工具开发出来的。只要给定所需的事实和规则,Prolog 使用演绎推理方法就可对问题进行求解。Prolog 特点:

  (1)Prolog 是数据和程序的统一。Prolog提供了一种一致的数据结构:项。所有数据和程序都是由项构造而成的。在智能程序中常需要将一段程序的输出数据作为新产生的程序来执行,因此人工智能语言应具有数据和程序结构一致的特性。

  (2) Prolog 能够自动实现模式匹配和回溯。这些是人工智能系统中最常用的、最基本的操作。

  (3) Prolog 具有递归的特点,它反映在 Prolog 程序和数据结构的设计中。由于这一特性,一个大的数据结构常常可以用一个小的程序来处理。 一般情况下, 对一个应用来说,用 Prolog 语言写的程序长度是用 C++语言写的程序长度的十分只一。

  一个子句由两部分组成:头部和体。IF-THEN 规则的结论称为头部,前提部分称为体。

  定义 3. 13 Horn 子句是头部最多包含一个文字(命题或谓词)的子句。

  定义 3.14 逻辑程序就是由 Horn 子句构成的程序。在逻辑程序中,头部具有相同谓词符的那些子句称为该谓词的定义。

  上述两个子句都是 Horn子句,它们构成一个逻辑程序。假设还有下面三个事实子句:

  如果把上述规则和事实加入 Prolog 中,编译执行后,给出下面的查询,则有:

  在现有知识的基础上,通过严密的逻辑论证和推理获得的新知识必须与已有的知识相一致。

  具体地说,设有知识系统 A,如果已知 A 蕴涵着知识 B,即 AB ,则可推理得出知识 B。在此过程中,严格要求 B 必须遵从知识系统 A。

  推理系统的定理集合并不随推理过程的进行而单调地增大,新推出的定理很可能会否定、改变原来的一些定理,使得原来能够解释的某些现象变得不能解释了。

  假如把人们在不同认识阶段的知识用集合 F 来表示,则这样的集合是时间 t 的函数 F(t) 。每个集合 F(t) 表示人们在时刻 t 的知识总和,则这些集合不是单调增大的。形式地说,如果 t1t2,则 F(t1) F(t2) 并不成立。然而人们的知识却一直在不断增长。导致这一现象的根本原因就是人们推理时所依据的知识具有不完全性。非单调逻辑是处理不完全知识的工具。

  McCarthy 提出的限制理论:当且仅当没有事实证明 S在更大的范围成立时,S只在指定的范围成立;

  Reiter的缺省逻辑: “S在缺省的条件下成立”是指 “当且仅当没有事实证明 S不成立时 S是成立的” ;

  Moore 的自认知逻辑: “如果我知道 S,并且我不知道有其他任何事实与 S矛盾,则 S是成立的” 。

  语义方面的扩充是指对真值的真假两种情况进行修正;一是对推理模式的扩展,这涉及非单调推理的过程化方面,称为非单调系统。

  非单调逻辑大致分为两类:一类基于最小化语义,称为最小化非单调逻辑;另一类基于定点定义,称为定点非单调逻辑。

  最小化非单调逻辑可以分为基于最小化模型和基于最小化知识模型。前者主要有封闭世 界假设、 McCarthy的限制逻辑 (circumscription) 等, 后者包括 Konolige 的忽略逻辑 (ignorance)等。

  定点非单调逻辑可以分为缺省逻辑(default)和自认知逻辑(autoepistemic)。McDermott 和Doyle 提出的非单调模态逻辑 NML 旨在研究非单调逻辑的一般基础,是一种一般缺省逻辑。

  非单调系统的实现,可以通过对矛盾的检测进行真值的修正来维护相容性,可称为真值维护系统, 包括Doyle提出的真值维护系统TMS, Dekleer提出的基于假设的真值维护系统ATMS等等。

  封闭世界假设(Closed World AssumptionCWA)是一种对由一组基本信念集合 KB 定义的理论 T(KB)进行完备化的方法。一个理论 T(KB)是完备的,是说其包含(显式或隐含)了每一个基原子公式或该公式否定。

  CWA的基本思想是:如果无法证明 P,则就认为它是否定的。即: 如果从知识库中无法证明 P或者P,则就向 KB 中增加P。 这就是说你假定知道所有有关世界的事情(即世界是封闭的) 。

  CWA的最大用处是完备化数据库系统。例如,我们可以设计一个关于国家邻接的数据库Neighbor(x, y)。基于 CWA,凡是未在该数据库中说明是邻接的国家都是不邻接的。

  CWA 对理论的完备化是仅仅通过向基本信念集合 KB 中增加基原子公式的取反来实现的。换言之,若一个基原子公式不能经由逻辑推理从基本信念集 KB 导出,就将其取反作为KB 的扩充。显然,CWA是非单调的,因为一旦以后有新的基原子公式加进 KB,则为完备 T(KB)而生成的扩充集就必须收缩(删除该基原子公式的否定) 。例如对于国家相邻问题,可以向 KB 中增加Neighbor(Russia, Mongolia)实现完备化。

  多类逻辑( LR):建立在对情景演算的直观理解的意义上,把情景演算的概念和方法在这种特殊的多类一阶逻辑的框架之内进行描述,以便为有关的研究提供一个坚实的系统的理论基础。把情景演算集成在一个多类逻辑框架里,这一做法的核心是:为了刻划一个动作,只需要描述动作发生的条件和动作发生以后对其环境所产生的效果这两件事。

  为此,在逻辑框架 LR 中引入了“动作” , “状态”和“一般对象”这三种个体类型,然后通过一系列的逻辑句子来表述这三种对象的最一般关系以及动作发生的前提和后果。每个这样的句子集被称为一个基本的动作理论。从纯粹逻辑学的观点看,所谓的“动作的基本理论”就是在特定的多类逻辑中的普通逻辑学意义下的一个理论。

  LR 被定义成一种多类逻辑,在其形式语言 中引入了三种关于个体的类型,即状态类型s、对象类型o 和动作类型 a。

  一个类型为a,s;s的二元函数符号 do (描述一个动作的发生使得状态从一个变成另外一个);

  一个类型为a,s的二元关系符号 Poss(表示一个动作在一个状态之下是可能发生的);

  一个类型为s,s的二元关系符号(表示状态之间的先后关系) 。

  描述逻辑是一种基于对象的知识表示的形式化,也叫概念表示语言或术语逻辑。它是一阶逻辑的一个可判定的子集,具有合适定义的语义,并且具有很强的表达能力。一个描述逻辑系统包含四个基本组成部分:表示概念和关系的构造集;TBox 包含断言;ABox实例断言;TBox和 ABox上的推理机制。 一个描述逻辑系统的表示能力和推理能力取决于对以上几个要素的选择以及不同的假设。

  关系则表示在领域中个体之间所具有的相互关系,是在领域集合上的一种二元关系。

  约束通常是指一个包含若干变量的关系表达式,用以表示这些变量所必须满足的条件。

  约束满足问题(Constraint Satisfaction Problem, 简称 CSP) 一组变量与一组变量间的约束。一般而言,变量表示领域参数,每个变量都有一个固定的值域。一个变量的值域可能是有限的,例如一个布尔变量的值域包含两个值;也可能是离散无限的,如整数域;也可能是连续的,如实数域。约束可用于描述领域对象的性质、相互关系、任务要求、目标等。

  约束满足问题的目标就是找到所有变量的一个(或多个)赋值,使所有约束都得到满足。

  约束满足问题在一般情形下是一个 NP 问题,所以必须使用各种策略与启发式信息。

  (1) 约束表示允许以说明性的方式来表达领域知识,表达能力较强,应用程序只需指定问题的目标条件及数据间的相互关系。因而具有逻辑表示的类似性质。

  (2) 约束表示允许变量的域包含任意多个值,而不像命题只取真假二值。所以它保存了问题的一些结构信息,如变量域的大小、变量间的相关性等,从而为问题求解提供启发式信息。

  (5) 易于与领域相关的问题求解模型相衔接。各种数学规划技术,方程求解技术等, 都可以自然地嵌入约束系统。

  (2) 标记推理:每个节点标注以可能值的集合,在传播过程中约束用于限制这些集合。

  (3) 值推理:节点标记以常量值。约束用已标记节点的值求出标记节点的值。SKETCHPAD及 THINGLAB都使用值推理。

  (4) 表达式推理:是值推理的推广,其中节点可能标以关于其它节点的表达式。当一个节点标记以不同的表达式时, 应使其等同起来, 并求解结果方程。 CONSTRAINTS 就使用这种推理。

  CONSTRAINTS :是一个面向电路描述的约束表示语言。使用了符号处理技术来求解数学方程,系统采用表达式推理与值推理,并实现相关制导的回溯。

  Bertrand :Bertrand 是由 Leler 开发的基于增强型项重写技术的系统 ,是在项重写系统的基础上加上赋值功能与类型机制。能够解决实数与有理数上的线性方程。

  约束逻辑程序设计语言 CHIP:是在 Prolog 的基础上引入约束传播机制,以提高搜索效率,增强表达能力。通过提供几种新的计算域而增强逻辑程序设计的能力。

  约束层次与HCLP: 将需要尽可能满足的“软约束” 分成若干优先等级,这种表示就称为约束层次。Borning设计的HCLP语言将约束层次嵌入 Prolog 之中,使整个约束层次系统完全建立在说明性表示基础之上。

  面向对象约束语言 COPS :中科院计算所研制,将说明性约束表达与类型层次结合起来,具有如约束传播、面向目标和数据驱动的问题求解、有限步的回溯、对象分层中的继承等特点。

  定性推理(qualitative reasoning)是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关。

  对物理现象的研究, 早期的工作常常是针对一物理过程如动力学、流体力学、热流等问题来讨论的。

  1993年, “Artificial Intelligence”杂志第 59 卷又发表了一组文章,回顾十年前这几位定性推理奠基人所做的工作。

  对物理系统不同的结构描述, 便提出了不同的定性推理方法。常用的三种方法:

  de Kleer的定性模型方法:de Kleer 的定性模型方法所涉及的物理系统是由管子、阀门、容器等装置组成, 约束条件(定性方程)反映在这些装置的连接处, 依定性方程给出定性解释。

  Forbus的定性进程方法中,一个物理系统的变化是由进程引起的,一个物理过程由一些进程来描述。

  Kuipers定性仿真法直接用部件的参量作为状态变量来描述物理结构,定性约束直接由物理规律得到,把一个参量随时间的变化视作定性的状态序列,求解算法是从初始状态出发,生成各种可能的后续状态,进而通过一致性过滤,重复这过程直到没有新状态出现。

  (4) 功能说明:行为推理的结果表明对象系统的行为,由此可以说明对象系统的功能。

  将随时间 t连续变化的参量 x(t) 的值域离散化为定性值集合, 通常变量 x的定性值 [x]定义为

  依物理规律将微分方程转换成定性(代数)方程, 或直接依物理规 律建立定性模拟或给出定性进程描述。

  把当前所面临的问题或情况称为目标范例(target case),而把记忆的问题或情况称为源范例(base case)。基于范例推理就是由目标范例的提示而获得记忆中的源范例,并由源范例来指导目标范例求解的一种策略。

  范例(case): 范例是一段带有上下文信息的知识,该知识表达了推理机在达到其目标的过程中能起关键作用的经验

  范例可以是各式各样的,可有不同的形状和粒度,可涵盖或大或小的时间片,可带有问题的解答或动作执行后的效应。

  范例记录了有用的经验,这种经验能帮助推理机在未来更容易地达到目标,或提醒推理机失败发生的可能性有多大等等。

  (1) 知识获取:这是基于知识的系统的瓶颈问题。开发基于规则的知识系统时,获取规则或模型是最繁琐的一件事务,需要领域专家和知识工程师的密切合作;有的领域甚至很难找到适合的规则。

  (2) 知识维护:随着系统的运行,知识系统常常出现初始的知识不完整而需要更新,新的知识可能会与原有知识产生冲突,导致非常大的系统变动。基于范例推理则不存在这些问题。

  (3) 改进问题求解效率:基于范例推理通过复用过去的解答,无需象常规推理那样从头做起。特别是,由于记录了过去求解时的失败或成功信息,使得求解新问题时可避开错误的途径。

  (4) 改进问题求解质量:过去求解失败的经历可以指导当前求解时避开失败。

  (5) 提高用户接受度:用户如果能清楚知道系统得出的结论是合理地推出的,他才相信该结论。基于范例推理的根据则是历史事实,事实胜于雄辩,因此对用户有说服力。

  类比问题求解的形式可描述为: 已知问题A,有求解结果B,现给定一个新问题A,A与A 在特定的度量下是相似的,求出问题A的求解结果B。如图所示,反映B与A之间的依赖关系,称作因果关系。 表示源领域(source domain)A与目标领域(target domain)A之间的相似关系。由此可以推出,B与A之间的依赖关系。

  问题求解型(problem-solving CBR):利用范例以给出问题的解答

  (1) 范例表示:基于范例推理方法的效率和范例表示紧密相关。范例表示涉及这样几个问题:选择什么信息存放在一个范例中;如何选择合适的范例内容描述结构;范例库如何组织和索引。

  (2) 分析模型:分析模型用于分析目标范例,从中识别和抽取检索源范例库的信息。

  (3) 范例检索: 利用检索信息从源范例库中检索并选择潜在可用的源范例。基于范例推理方法和人类解决问题的方式很相近。碰到一个新问题时,首先是从记忆或范例库中回忆出与当前问题相关的最佳范例。一般讲,范例匹配不是精确的,只能是部分匹配或近似匹配。因此,它要求有一个相似度的评价标准。该标准定义得好,会使得检索 出的范例十分有用,否则将会严重影响后面的过程。

  (5) 类比转换:转换源范例中同目标范例相关的信息,以便应用于目标范例的求解过程中。其中,涉及到对源范例的求解方案的修改,包括:源范例与目标范例间有何不同之处;源范例中的哪些部分可以用于目标范例。

  (6) 解释过程:对把转换过的源范例的求解方案应用到目标范例时所出现的失败做出解释,给出失败的因果分析报告。有时对成功也同样做出解释。

  (7) 范例修补:有些类似于类比转换,区别在于修补过程的输入是解方案和一个失败报告,而且也许还包含一个解释,然后修改这个解以排除失败的因素。

  (9) 范例保存:新问题得到了解决,则形成了一个可能用于将来情形与之相似的问题。这时有必要把它加入到范例库中。这是学习也是这是知识获取。此过程涉及选取哪些信息保留,以及如何把新范例有机集成到范例库中。修改和精化源范例库, 其中包括泛化和抽象等过程。

  知识是经过筛选和整理的信息,是对事物运动变化规律的表述,是人类对客观世界一种较为准确、全面的认识和理解。

  对一个给定的问题一般都有多种等价的表示方法,但它们对问题描述的明晰性存在差异,因此导致问题求解的难易程度不同,所以知识的适当表示对问题求解是至关重要的。

  叙述型知识: 描述有关系统状态、环境和条件,问题的概念、定义和事实的知识。

  过程型知识: 描述有关系统状态变化、问题求解过程的操作、演算和行动的知识。

  控制型知识: 描述有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。

  随机性不确定性,一般采用信度(或称可信度)来划分。一个命题的信度是指该命题为真的可信程度。

  (2) 用所定义的状态描述形式把问题的所有可能状态都表示出来,并确定出问题的初始状态描述和目标状态描述。

  (3) 定义一组算符,使得利用这组算符可把问题由一种状态转变为另一种状态。

  与/或图是一种超图,通常表达为树的形式,也称为与/或树,它是人们在求解问题时的两种思维方法的直接表现。

  分解与树:将复杂的大问题分解为一组简单的小问题,将总问题分解为若干子问题。

  逻辑表示法是利用命题演算、谓词演算等知识来描述一些事实,并根据现有的事实推出新事实的方法。

  谓词逻辑表达法的优点表现为:严格性、通用性、自然性、模块性;缺点表现为:效率低。

  用谓词逻辑模式构建的实际范例:QA3自动问答系统、STRIPS机器人行动规划系统、机器博弈系统FOL和Ps问题求解系统。

  全称量词“ ”表示“所有的”;存在量词“ ”表示“存在一个”。

  产生式是根据串替换规则提出的一种计算模型,其中每一条规则称为一个产生式。一般写成“如果则”的形式,即 IF a THEN b 或 a b

  如果一个产生式的前提包含了几个事实,那么它的结论对应着这些事实的合取,如图中的结点A和B;如果同一个结论可以由多个产生式得到,则这个结论对应着这些产生式的析取,如图中的结点D。

  例:机器人去逛动物园,为帮助它区分其中的七种动物,给它存入了如下几条产生式规则:

  例:古代有个国王想知道他的三个大臣中谁最聪明,就在他们每个人前额上画了一个点,告诉他们至少有一个人额上的点是白色的,并且重复地问他们:“谁知道自己点的颜色?”他们头两次都回答说不知道。设每人都能看到别人点的颜色,但看不到自己额上点的颜色。要求证明下一次他们全都会说“知道”,而且所有的点都是白色的。

  解:为了形式化表示此推理过程,可建立一套产生式。为此引入了一些中间状态并定义了下述符号。

  W 标识大臣是否猜出自己点的颜色,如果他宣布已知道自己点的颜色,则 ,否则为0;

  在语义网络结构中使用了三种图形符号:框、带箭头及文字标识的线条和文字标识线, 并赋予不同名称:节点、弧、指针

  如下图,通过对房子的样本(a)和反例(b)、(c)语义网络的比较,很容易得到对房子概念更深刻的认识,这种认识的深化体现在(d)图中某些指示器变成了加强形式:must-be-supported、must-be-a。

  例: 用框架表示拱的概念。下图为拱的框架表示法,左边是拱的主框架,另外三个子框架用来描述它的组成对象和关系,其中有两个各说明一个终端,另一个则被两个终端所共享。

  例:设两个机器人罗宾和苏西在一块玩耍,淘气的苏西打了罗宾一下,结果将会怎样呢?

  框架表示法突出了状态,而语义网络表示法突出了关系,因此,框架法对描述复杂对象是很有效的。还可很好地表示因果关系、可能性和循环等。

  定义一个三元组N=(S,T,F),如果N满足以下条件就称为Petri网。

  (3) 假如变量V属于产生式C或非V属于产生式C,则把(t,V)或 (V,t)作为流关系画入图中。

  人工智能基础03--搜索技术ppt:这是人工智能基础03--搜索技术ppt,包括了盲目搜索,启发式搜索,博弈树搜索,遗传算法,模拟退火算法,免疫算法等内容,欢迎点击下载。

  人工智能基础07--自动规划系统ppt:这是人工智能基础07--自动规划系统ppt,包括了自动规划概述,基于谓词逻辑的规划,STRIPS规划系统,分层规划,基于专家系统的机器人规划,轨迹规划简介等内容,欢迎点击下载。

  人工智能第二章人工智能的数学基础ppt:这是人工智能第二章人工智能的数学基础ppt,包括了命题,谓词,谓词公式,概率论,随机现象,样本空间与随机事件,事件的概率,全概率公式与Bayes公式,模糊理论,模糊性,模糊集与隶属函数,模糊集的表示方法,模糊集的运算,模糊度,模糊关系及其合成,模糊变换,模糊集的水平截集,模糊数等内容,欢迎点击下载。

  《高级人工智能——第3讲逻辑、推理与知识ppt》是由用户迷人的Smile于2018-04-01上传,属于行业PPT。

http://mojdzwonek.com/tuiliziju/259.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有