搜索
654321789050654321789065432178954321year265432178910654321789654321789220ThisPPTisforyou1.人工智能简介什么是人工智能人工智能（ArtificialIntelligence,AI），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并产生出一种新的、能以人类智能相似的方式做出反应的智能机器。人工智能研究领域机器学习自动推理专家系统模式识别人工神经网络遗传算法2.机器学习什么是机器学习？机器学习机器学习（MachineLearning）是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。它主要应用于归纳、综合，而不是演绎。机器学习系统的基本结构外在环境学习部分知识库执行部分信息反馈学习策略表达能力强易于推理容易修改知识库知识易于扩展学习策略机械学习学习者无需任何推理或其他的知识转换，直接吸取环境所提供的信息。示教学习学生从环境获取信息，把知识转换成内部可使用的表示形式，并将新的知识和原有知识有机地结合为一体。演绎学习学生所用的推理形式为演绎推理。推理从公理出发，经过逻辑变换推导出结论。学习策略类比学习利用两个不同领域（源域、目标域）中的知识相似性，可以通过类比，从源域的知识（包括相似的特征和其他性质）推导出目标域的相应知识，从而实现学习。基于解释的学习学生根据教师提供的目标概念、该概念的一个例子、领域理论及可操作准则，首先构造一个解释来说明为什么该例子满足目标，然后将解释推广为目标概念的一个满足可操作准则的充分条件。归纳学习归纳学习是由教师或环境提供某概念的一些实例或反例，让学生通过归纳推理得出该概念的一般描述。Page113.自动推理自动推理是怎样的过程？自动推理的定义推理就是按某种策略由已知判断推出另一判断的思维过程，其中已知判断是指包括已掌握的与求解问题相关的知识及关于问题的已知事实。推理的结论是指由已知判断推出新判断，推理由程序实现，称为推理机。自动推理的分类演绎推理演绎推理是从全称判断推导出特称判断或单称判断的过程。常用的三段式：1）大前提：已知的一般性知识或假设。2）小前提：关于所研究的具体情况或个别事实的判断。3）结论：由大前提推出的适合于小前提所示情况的新判断。自动推理的分类归纳推理归纳推理是从足够多的事例中归纳出一般性结论的推理过程，是一种从个别到一般的推理。可分为完全归纳推理和不完全归纳推理。完全归纳推理是指在进行归纳时需要考察相应事物的全部对象，并根据这些对象是否都具有某种属性，从而推出这个事物是否具有这个属性。不完全归纳推理是指只考察了相应事物的部分对象就得出了结论。推理逻辑和表示方法自然演绎推理是指从一组已知的事实出发，直接运用命题逻辑或谓词逻辑中的推理规则推出结论的过程。自然演绎推理自然演绎推理是指从一组已知的事实出发，直接运用命题逻辑或谓词逻辑中的推理规则推出结论的过程。推理规则P规则：在推理的任何步骤上都可引入前提，继续进行推理。T规则：推理时，如果前面步骤中有一个或多个公式永真蕴含公式S，则可把S引入推理过程中。①反证法：P→Q，当且仅当P∧﹁QF，即Q为P的逻辑结论，当且仅当P∧﹁Q是不可满足的。②假言推理：P，P→QQ，表示：P→Q及P为真，可推出Q为真。③拒取式推理：P→Q，﹁Q﹁P，表示：P→Q为真及Q为假，可推出P为假自然演绎推理优点是：定理证明过程自然，容易理解，而且它拥有丰富的推理规则，推理过程灵活，便于在它的推理规则中嵌入领域启发式知识。缺点：容易产生组合爆炸，推理过程中得到的中间结论一般呈指数形式递增。谓词表示方法谓词公式谓词公式的一般形式：P(x1,x2…,xn)其中：P——谓词符号（简称谓词）Xi（i=1,2,…,n）——参数项（简称项），项可以是变量、常量、函数。P(x1,x2,…,xn)——n元谓词公式谓词公式的基本组成：谓词符号、常量符号、变量符号、函数符号；这些组成之间用括号和逗号隔开，表示论域内的关系。谓词公式是谓词逻辑的基本单元，也称为原子公式。其实，还可以通过引入连词和量词，把谓词公式组合为复合谓词公式。Youknow？连词﹁（非）加在谓词公式前面，称为否定，或取反∧（与）连接谓词公式，称为合取；产生的逻辑语句称为合取式，每个成分成为合取项∨（或）连接谓词公式，称为析取；产生的逻辑语句称为析取式，每个成分成为合取项（蕴涵）连接谓词公式产生蕴涵式；左部称为前，右部称为后项（等价）连接谓词公式产生等价式；正、逆向蕴含式的合取量词全称量词∀：符号(∀x)P(x)：表示对于某个论域中的所有（任意一个）个体x，都有P(x)真值为T。存在量词∃：符号(∃x)P(x)：表示某个论域中至少存在一个个体x，使P(x)真值为T。4.专家系统专家系统专家系统是一个具有大量的专门知识与经验的程序系统，它应用于人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题专家系统结构知识库知识获取领域专家推理咨询专家系统用户规则库数据库推理机解释程序调度程序知识库知识库包括3类知识：（1）基于专家经验的判断性规则（2）用于推理、问题求解的控制性规则（3）用于说明问题的状态、事实和概念，以及当前条件和常识等的数据。知识库包含多种功能模块，主要有知识查询、检索、增删、修改和扩充等。知识库通过人机接口与领域专家相沟通，实现知识的获取。推理机推理机是用于对知识库中的知识进行推理来得到结论的思维结构。包括3种推理方式：（1）正向推理：从原始数据和已知条件得到结论。（2）反向推理：先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立。（3）双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。知识的表示方法常用的知识表示方法：产生式规则、框架、语义网络、过程。产生式规则是专家系统最流行的表达方法。产生式规则的表达方式为：IFE,THENH,WITHCF(E,H)E表示规则的前提条件，即证据，它可以是单独命题或复合命题；H表示规则的结论部分，即假设，也是命题；CF为规则的强度，反应如果前提为真时，规则对结论的影响程度。专家系统建立步骤1)知识库的设计（1）确定知识类型（2）确定知识表示方法（3）知识库管理系统的设计2）推理机的设计（1）选择推理方式（2）选择推理算法3）人—机接口的设计（1）设计用户—专家系统接口：用于咨询理解和结论解释（2）设计专家—专家系统接口：用于知识库扩充及系统维护THEENDTHANKYOU！