人工智能復(fù)習(xí)大綱——馬少平，朱小燕編著課程重點(diǎn)章節(jié)介紹本教材共分7章，其中第0章，第1.2~1.4章，第2章，第3.2~3.4章，第4.1~4.4章，第6.1~6.6章，第7.4為重點(diǎn)章節(jié)。本課程重點(diǎn)和難點(diǎn)內(nèi)容簡(jiǎn)介第0章

人工智能的定義，人工智能三種主要學(xué)派及其主要觀點(diǎn)，人工智能的應(yīng)用領(lǐng)域目前人工智能的主要學(xué)派符號(hào)主義

認(rèn)為人工智能源于數(shù)理邏輯。連接主義

認(rèn)為人工智能源于仿生學(xué)，特別是人腦模型的研究。行為主義

認(rèn)為人工智能源于控制論。符號(hào)主義認(rèn)為人是一個(gè)物理符號(hào)系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào)系統(tǒng)，因此，能夠用計(jì)算機(jī)來(lái)模擬人的智能行為，即用計(jì)算機(jī)的符號(hào)操作來(lái)模擬人的認(rèn)知過(guò)程。認(rèn)為人工智能的研究方法應(yīng)為功能模擬方法。通過(guò)分析人類(lèi)認(rèn)知系統(tǒng)所具備的功能和機(jī)能，然后用計(jì)算機(jī)模擬這些功能，實(shí)現(xiàn)人工智能。

連接主義認(rèn)為人的思維基元是神經(jīng)元，而不是符號(hào)處理過(guò)程。它對(duì)物理符號(hào)系統(tǒng)假設(shè)持反對(duì)意見(jiàn)，認(rèn)為人腦不同于電腦，并提出聯(lián)結(jié)主義的大腦工作模式，用于取代符號(hào)操作的電腦工作模式。

認(rèn)為人工智能的研究方法應(yīng)為結(jié)構(gòu)模擬方法。通過(guò)分析人腦的生理結(jié)構(gòu)和工作機(jī)理

，然后用計(jì)算機(jī)模擬這些結(jié)構(gòu)與機(jī)理，實(shí)現(xiàn)人工智能。

行為主義認(rèn)為智能取決于感知和行為，取決于對(duì)外界復(fù)雜環(huán)境的適應(yīng)，而不是知識(shí)表示和推理，提出智能行為的“感知－動(dòng)作”模式。認(rèn)為人工智能的研究方法應(yīng)采用行為模擬方法，模擬人在控制過(guò)程中的智能活動(dòng)和行為特性（自尋優(yōu)，自適應(yīng)，自學(xué)習(xí)），強(qiáng)調(diào)“現(xiàn)場(chǎng)AI”。圖搜索技術(shù)的分類(lèi)盲目搜索——未使用啟發(fā)性信息搜索過(guò)程無(wú)須對(duì)OPEN表進(jìn)行重排，如：寬度優(yōu)先搜索、深度優(yōu)先搜索。啟發(fā)式搜索——使用了啟發(fā)信息搜索過(guò)程需要對(duì)OPEN表重排，如：爬山法、分支界限法、動(dòng)態(tài)規(guī)劃法(均一代價(jià)法)、最佳優(yōu)先搜索法、A*算法等。爬山法爬山法是一種局部搜索方法，通過(guò)評(píng)價(jià)當(dāng)前節(jié)點(diǎn)的各個(gè)子節(jié)點(diǎn)與目標(biāo)的距離h(n)，然后優(yōu)先選取距離最短的子節(jié)點(diǎn)，作為下一步搜索的方向。動(dòng)態(tài)規(guī)劃法在分支界限法得出的各種可能的局部解中，根據(jù)最小耗散值原則，舍棄那些肯定不能得到最優(yōu)解的局部解，以節(jié)約存儲(chǔ)空間，提高搜索效率。最佳優(yōu)先搜索算法是“爬山法”的推廣，但它是對(duì)OPEN表中所有節(jié)點(diǎn)的h(n)進(jìn)行重排，因此是一種全局尋優(yōu)法。A算法A算法對(duì)當(dāng)前節(jié)點(diǎn)n的評(píng)價(jià)函數(shù)f(n)分為兩部分：從初始點(diǎn)到n的耗散值g(n)從n到達(dá)目標(biāo)點(diǎn)的距離值h(n)。

f(n)=g(n)+h(n)A*算法在A算法中，如果滿足條件：

h(n)≤h*(n)，g*(n)≤g(n)

則A算法稱(chēng)為A*算法。即f*(n)=g*(n)+h*(n)

對(duì)右圖所示的狀態(tài)空間圖進(jìn)行：1)深度優(yōu)先搜索;2)寬度優(yōu)先搜索；3)動(dòng)態(tài)規(guī)劃(均一代價(jià))搜索；4)最佳優(yōu)先搜索；5)A*搜索。其中A為起始節(jié)點(diǎn)，E為目標(biāo)節(jié)點(diǎn)，各節(jié)點(diǎn)的啟發(fā)值表示在括號(hào)內(nèi)。FGHECADB42348243385(15)(14)(10)(2)(11)(9)(5)(0)2)寬度優(yōu)先搜索算法FGHEAB1234CD567搜索到的路徑為：ABCDE8OPEN:{B,H}CLOSED:{A}OPEN:{H,C}CLOSED:{A,B}OPEN:{C,G}CLOSED:{A,B,H}OPEN:{G,D}CLOSED:{A,B,H,C}OPEN:{D,F}CLOSED:{A,B,H,C,G}OPEN:{F,E}CLOSED:{A,B,H,C,G,D}OPEN:{E}CLOSED:{A,B,H,C,G,D,F}OPEN:{}CLOSED:{A,B,H,C,G,D,F}3)動(dòng)態(tài)規(guī)劃(均一代價(jià))搜索算法FGHEAB1234CD567搜索出的路徑為：AHGFDE，整條路徑的代價(jià)和為15。8OPEN:{B(3),H(4)}CLOSED:{A(0)}OPEN:{H(4),C(7)}CLOSED:{A(0),B(3)}OPEN:{G(6),C(7)}CLOSED:{A(0),B(3),H(4)}OPEN:{C(7),F(10),D(14)}CLOSED:{A(0),B(3),H(4),G(6)}OPEN:{F(10),D(14)}CLOSED:{A(0),B(3),H(4),G(6),C(7)}OPEN:{D(14→13)}CLOSED:{A(0),B(3),H(4),G(6),C(7),F(10)}OPEN:{E(15)}CLOSED:{A(0),B(3),H(4),G(6),C(7),F(10),D(14→13)}OPEN:{}CLOSED:{A(0),B(3),H(4),G(6),C(7),F(10),D(13)}5)A*算法FGHEAB1234CD5搜索出的路徑為：AHGDE，整條路徑的代價(jià)和為15。6OPEN:{H(15),B(17)}CLOSED:{A(15)}OPEN:{G(15),B(17)}CLOSED:{A(15),H(15)}OPEN:{F(15),D(16),B(17),C(19)}CLOSED:{A(15),H(15),G(15)}OPEN:{D(16→15),B(17),C(19)}CLOSED:{A(15),H(15),G(15),F(15)}OPEN:{E(15),B(17),C(19)}CLOSED:{A(15),H(15),G(15),F(15),D(16→15)}OPEN:{B(17),C(19)}CLOSED:{A(15),H(15),G(15),F(15),D(16→15)}第2章與或圖搜索問(wèn)題在用某一中方法求解問(wèn)題時(shí)，可能需要求解幾個(gè)子問(wèn)題，這些子問(wèn)題必須全部求解，才能求解原始問(wèn)題。這些“子”問(wèn)題間的關(guān)系，就是“與”的關(guān)系，此類(lèi)問(wèn)題可用與或圖來(lái)表示?！?..K個(gè)圖2.2n0→{n7，n8}的3個(gè)解圖設(shè)N={n7,n8},且kn7=kn8=0。則0022678=？=？能解節(jié)點(diǎn)終節(jié)點(diǎn)是能解節(jié)點(diǎn)若非終節(jié)點(diǎn)有“或”子節(jié)點(diǎn)時(shí)，當(dāng)且僅當(dāng)其子節(jié)點(diǎn)至少有一能解時(shí)，該非終節(jié)點(diǎn)才能解。若非終節(jié)點(diǎn)有“與”子節(jié)點(diǎn)時(shí)，當(dāng)且僅當(dāng)其子節(jié)點(diǎn)均能解時(shí)，該非終節(jié)點(diǎn)才能解。不能解節(jié)點(diǎn)沒(méi)有后裔的非終節(jié)點(diǎn)是不能解節(jié)點(diǎn)。若非終節(jié)點(diǎn)有“或”子節(jié)點(diǎn)，當(dāng)且僅當(dāng)所有子節(jié)點(diǎn)均不能解時(shí)，該非終節(jié)點(diǎn)才不能解。若非終節(jié)點(diǎn)有“與”子節(jié)點(diǎn)時(shí)，當(dāng)至少有一個(gè)子節(jié)點(diǎn)不能解時(shí)，該非終節(jié)點(diǎn)才不能解。AO*算法舉例其中：h(n0)=3h(n1)=2h(n2)=4h(n3)=4h(n4)=1h(n5)=1h(n6)=2h(n7)=0h(n8)=0設(shè)：k連接符的耗散值為k目標(biāo)目標(biāo)初始節(jié)點(diǎn)n0n1n2n3n4n5n6n7n8目標(biāo)目標(biāo)初始節(jié)點(diǎn)n0n1n2n3n4n5n6n7n8初始節(jié)點(diǎn)n0n1(2)n4(1)n5(1)紅色：4黃色：3目標(biāo)目標(biāo)初始節(jié)點(diǎn)n0n1n2n3n4n5n6n7n8初始節(jié)點(diǎn)n0n4(1)n5(1)紅色：4黃色：6n1n2(4)n3(4)5目標(biāo)目標(biāo)初始節(jié)點(diǎn)n0n1n2n3n4n5n6n7n8紅色：5黃色：6初始節(jié)點(diǎn)n0n4(1)n5(1)n1n2(4)n3(4)5n6(2)n7(0)n8(0)2目標(biāo)目標(biāo)初始節(jié)點(diǎn)n0n1n2n3n4n5n6n7n8紅色：5黃色：6初始節(jié)點(diǎn)n0n4(1)n5(1)n1n2(4)n3(4)5n6(2)n7(0)n8(0)21博弈樹(shù)搜索博弈問(wèn)題雙人一人一步，輪流進(jìn)行雙方信息完備，即雙方得到的信息是一樣的零和，即雙方是尋找置對(duì)手于必?cái)B(tài)的過(guò)程雙方都無(wú)法干預(yù)對(duì)方的選擇可用圖搜索技術(shù)進(jìn)行，但效率很低極小極大過(guò)程05-333-3022-30-23541-30689-30-33-3-3-21-36-30316011極大極小ab-剪枝法在極小極大法中，必須求出所有終端節(jié)點(diǎn)的評(píng)估值，當(dāng)預(yù)先考慮的棋步比較多時(shí)，計(jì)算量會(huì)大大增加。為了提高搜索的效率，引入了通過(guò)對(duì)評(píng)估值的上下限進(jìn)行估計(jì)，從而減少需進(jìn)行評(píng)估的節(jié)點(diǎn)范圍的-剪枝法。-剪枝極大節(jié)點(diǎn)的下界為。極小節(jié)點(diǎn)的上界為。剪枝的條件：后輩節(jié)點(diǎn)的值≤祖先節(jié)點(diǎn)的值時(shí)，剪枝后輩節(jié)點(diǎn)的值≥祖先節(jié)點(diǎn)的值時(shí)，剪枝簡(jiǎn)記為：極小≤極大，剪枝極大≥極小，剪枝86-31453-350-剪枝（續(xù)）3-3022-30-2309-300-303305411-31661abcdefghijkmn第3章謂詞邏輯與歸結(jié)原理基本概念個(gè)體詞：表示主語(yǔ)的詞謂詞：刻畫(huà)個(gè)體性質(zhì)或個(gè)體之間關(guān)系的詞量詞：表示數(shù)量的詞謂詞歸結(jié)原理基礎(chǔ)公式及其解釋個(gè)體常量：a,b,c個(gè)體變量：x,y,z謂詞符號(hào)：P,Q,R量詞符號(hào)：，轄域：xA，x

A中的A例謂詞歸結(jié)原理基礎(chǔ)量詞轄域收縮與擴(kuò)張等值式：(x

）(

P（x）∨Q)<=>(x

）

P（x）∨Q(x

）(

P（x）∧Q)<=>(x

）

P（x）∧Q

(x

）(

P（x）→Q)<=>(x

）

P（x）→Q

(x

）(Q

→P（x）)<=>Q

→(x

）

P（x）(x

）(

P（x）∨Q)<=>(x

）

P（x）∨Q(x

）(

P（x）∧Q)<=>(x

）

P（x）∧Q

(x

）(

P（x）→Q)<=>(x

）

P（x）→Q

(x

）(Q

→P（x）)<=>Q

→(x

）

P（x）前束范式把所有的量詞都提到最左端后的謂詞公式，稱(chēng)為前束范式。(Q1x1)(Q2x2)…(Qnxn)P(x1,x2,…xn)例如

(x)(z){[P(x)S(z)]L(x,z)}Skolem標(biāo)準(zhǔn)形消去前束范式的所有量詞，得到Skolem標(biāo)準(zhǔn)形。對(duì)任意量詞來(lái)說(shuō)，只需將其取消，其轄域中的變量代表任意個(gè)體即可。對(duì)存在量詞來(lái)說(shuō)，左邊有全程量詞的存在量詞，消去時(shí)該變量改寫(xiě)成為全程量詞的函數(shù)；如左邊沒(méi)有全程量詞，將存在量詞改寫(xiě)成為常量。

將謂詞公式G化為Skolem標(biāo)準(zhǔn)型的步驟(一)消去謂詞公式G中的蘊(yùn)涵（→）符號(hào)，以A∨B代替A→B。減少否定符號(hào)()的轄域，使否定符號(hào)“”最多只作用到一個(gè)謂詞上。重新命名變?cè)?，使所有的變?cè)拿志煌⑶易杂勺冊(cè)凹s束變?cè)嗖煌?。將量詞等值變換到公式的左邊，構(gòu)成謂詞公式的前束范式。將謂詞公式G化為Skolem標(biāo)準(zhǔn)型的步驟(二)消去存在量詞；略去全稱(chēng)量詞。將Skolem標(biāo)準(zhǔn)形化為合取范式：寫(xiě)成由一些謂詞公式和謂詞公式否定的析取的有限集組成的合取。將合取(∧)符號(hào)用逗號(hào)代替，獲得子句集。謂詞邏輯的歸結(jié)原理由命題：A1，A2，A3和B，要求證明：A1∧A2∧A3→B是重言式（永真式）。歸結(jié)法的思路是證明A1∧A2∧A3∧B是矛盾式（永假式）。其中，A1，A2，A3，B可以化為子句形式S1，S2，S3，…….Sn。這樣，上述命題等價(jià)于證明S1

∧S2∧……∧Sn是矛盾式。

歸結(jié)式設(shè)p∨q和～q∨r都為真，則p∨r為真?？刹捎脷w結(jié)式對(duì)S1

∧S2∧……∧Sn進(jìn)行歸結(jié)，獲得空子句，證明矛盾式成立。

置換由于有函數(shù)存在，例如P(x)與P(a)不能直接歸結(jié)，所以要考慮用置換項(xiàng)去置換變量。置換表示為：{t1/x1,t2/x2,…,tn/xn}其中，x1,x2,…,xn是被置換的變量；t1,t2,…,tn是用于置換x1,x2,…,xn的項(xiàng)(常量、變量、函數(shù))。置換的合成設(shè)＝{t1/x1,t2/x2,…,tn/xn}， ＝{u1/y1,u2/y2,…,un/yn}，是兩個(gè)置換。 則與的合成也是一個(gè)置換，記作·。它是從集合

{t1·/x1,t2·/x2,…,tn·/xn,u1/y1,u2/y2,…,un/yn} 中刪去以下兩種元素：當(dāng)ti=xi時(shí)，刪去ti/xi(i=1,2,…,n);

當(dāng)yi{x1,x2,…,xn}時(shí)，刪去uj/yj

(j=1,2,…,m)

置換的合成例：設(shè)：＝{f(y)/x,z/y}，＝{a/x,b/y,y/z}，求與的合成。解：先求出集合 {f(b/y)/x,(y/z)/y,a/x,b/y,y/z}＝{f(b)/x,y/y,a/x,b/y,y/z} 其中，f(b)/x中的f(b)是置換作用于f(y)的結(jié)果；y/y中的y是置換作用于z的結(jié)果。在該集合中，y/y滿足定義中的條件I，需要?jiǎng)h除；a/x，b/y滿足定義中的條件II，也需要?jiǎng)h除。最后得

·＝{f(b)/x，y/z}歸結(jié)原理證明步驟寫(xiě)出謂詞關(guān)系公式→用反演法寫(xiě)出謂詞表達(dá)式→SKOLEM標(biāo)準(zhǔn)形→子句集S→對(duì)S中可歸結(jié)的子句做歸結(jié)→歸結(jié)式仍放入S中，反復(fù)歸結(jié)過(guò)程→得到空子句

?得證例題“快樂(lè)學(xué)生”問(wèn)題假設(shè)任何通過(guò)計(jì)算機(jī)考試并獲獎(jiǎng)的人都是快樂(lè)的，任何肯學(xué)習(xí)或幸運(yùn)的人都可以通過(guò)所有的考試，張不肯學(xué)習(xí)但他是幸運(yùn)的，任何幸運(yùn)的人都能獲獎(jiǎng)。求證：張是快樂(lè)的。

解：先將問(wèn)題用謂詞表示如下：R1:“任何通過(guò)計(jì)算機(jī)考試并獲獎(jiǎng)的人都是快樂(lè)的” (x)((Pass(x,computer)∧Win(x,prize))→Happy(x))R2:“任何肯學(xué)習(xí)或幸運(yùn)的人都可以通過(guò)所有考試” (x)(y)(Study(x)∨Lucky(x)→Pass(x,y))R3:“張不肯學(xué)習(xí)但他是幸運(yùn)的” ～Study(zhang)∧Lucky(zhang)R4:“任何幸運(yùn)的人都能獲獎(jiǎng)” (x)(Luck(x)→Win(x,prize))結(jié)論：“張是快樂(lè)的”的否定～Happy(zhang)例題“快樂(lè)學(xué)生”問(wèn)題由R1及邏輯轉(zhuǎn)換公式:P∧W→H=～（P∧W）∨H，可得(1)～Pass(x,computer)∨～Win(x,prize)∨Happy(x)由R2：(2)～Study(y)∨Pass(y,z)(3)～Lucky(u)∨Pass(u,v)由R3：(4)～Study(zhang)(5)Lucky(zhang)由R4：(6)～Lucky(w)∨Win(w，prize)由結(jié)論：(7)～Happy(zhang) （結(jié)論的否定）(8)～Pass(w,computer)∨Happy(w)∨～Luck(w)(1)(6)，{w/x}(9)～Pass(zhang,computer)∨～Lucky(zhang)(8)(7)，{zhang/w}(10)

～Pass(zhang,computer) (9)(5)(11)

～Lucky(zhang) (10)(3)，{zhang/u,computer/v}(12)

?

(11)(5)

歸結(jié)過(guò)程的控制策略控制策略的目的——?dú)w結(jié)點(diǎn)盡量少六種控制策略：刪除策略：小的子句將大的子句歸類(lèi)。采用支撐集：采用含有不可滿足子句的支撐集。語(yǔ)義歸結(jié)：不同語(yǔ)義子集中的子句進(jìn)行歸結(jié)。線性歸結(jié)：采用頂子句及后代參與歸結(jié)。單元?dú)w結(jié)：每次歸結(jié)都有一個(gè)單文字子句參加。輸入歸結(jié)：每次歸結(jié)都有一個(gè)原始子句參加。Herbrand定理（H域）由于公式G的定義域D是無(wú)限、不可數(shù)的，為了簡(jiǎn)化定義域，需要建立一個(gè)簡(jiǎn)單、特殊的域。在這個(gè)論域上，公式G也是不可滿足的，此域稱(chēng)為H域，是無(wú)限、可數(shù)的。因此，D域與H域在證明公式G不可滿足的意義上是一致的。Herbrand定理（原子集）原子集A：謂詞套上H域的元素組成的集合。如

A={所有形如P(t1,t2,…tn)的元素}

即把H中的東西填到S的謂詞里去。S中的謂詞是有限的，H是可數(shù)的，因此，A也是無(wú)限、可數(shù)的。Herbrand定理（H解釋?zhuān)┳泳浼疭在的H域上任何一組真值的指定，稱(chēng)為一個(gè)H解釋。

Herbrand定理（語(yǔ)義樹(shù)）完全語(yǔ)義樹(shù)：原子集中所有元素逐層添加的一棵二叉樹(shù)。將元素的是與非分別標(biāo)記在兩側(cè)的分枝上（可不完全畫(huà)完）。S的完全語(yǔ)義樹(shù)是無(wú)限、可數(shù)樹(shù)。

封閉語(yǔ)義樹(shù)：如果S的完全語(yǔ)義樹(shù)的每個(gè)分枝上都有一個(gè)失敗結(jié)點(diǎn)，就稱(chēng)它是一棵封閉語(yǔ)義樹(shù)。S的封閉語(yǔ)義樹(shù)是有限、可數(shù)樹(shù)。第4章知識(shí)表示知識(shí)的種類(lèi)事實(shí)性知識(shí)：采用直接表示的形式過(guò)程性知識(shí)：描述做某件事的過(guò)程行為性知識(shí)：不直接給出事實(shí)本身，只給出它在某方面的行為實(shí)例性知識(shí)：只給出一些實(shí)例，知識(shí)藏在實(shí)例中類(lèi)比性知識(shí):即不給出外延，也不給出內(nèi)涵，只給出它與其它事物的某些相似之處元知識(shí)：有關(guān)知識(shí)的知識(shí)。最重要的元知識(shí)是如何使用知識(shí)的知識(shí)，如何從知識(shí)庫(kù)中找到想要的知識(shí)。知識(shí)的要素事實(shí)：事物的分類(lèi)、屬性、事物間關(guān)系、科學(xué)事實(shí)、客觀事實(shí)等。（最低層的知識(shí)）

規(guī)則：事物的行動(dòng)、動(dòng)作和聯(lián)系的因果關(guān)系知識(shí)。（啟發(fā)式規(guī)則）?？刂疲寒?dāng)有多個(gè)動(dòng)作同時(shí)被激活時(shí)，選擇哪一個(gè)動(dòng)作來(lái)執(zhí)行的知識(shí)。（技巧性）

元知識(shí)：高層知識(shí)。怎樣實(shí)用規(guī)則、解釋規(guī)則、校驗(yàn)規(guī)則、解釋程序結(jié)構(gòu)等知識(shí)。表示方法

—概述表示方法直接表示局部表示分布表示陳述性表示過(guò)程性表示語(yǔ)義網(wǎng)絡(luò)表示產(chǎn)生式表示邏輯表示框架表示腳本表示替代表示知識(shí)的表示方法表示方法直接表示局部表示分布表示陳述性表示過(guò)程性表示語(yǔ)義網(wǎng)絡(luò)表示產(chǎn)生式表示邏輯表示框架表示腳本表示替代表示表示方法—產(chǎn)生式規(guī)則表示法產(chǎn)生式系統(tǒng)基本結(jié)構(gòu)推理機(jī)數(shù)據(jù)庫(kù)規(guī)則庫(kù)知識(shí)庫(kù)產(chǎn)生式系統(tǒng)結(jié)構(gòu)圖

表示方法—產(chǎn)生式規(guī)則表示法產(chǎn)生式系統(tǒng)基本結(jié)構(gòu)工作存儲(chǔ)器(數(shù)據(jù)庫(kù))：存放當(dāng)前已知的數(shù)據(jù)，包括推理過(guò)程中形成的中間結(jié)論。數(shù)據(jù)是廣義的，可以是常量、多元數(shù)組、謂詞、表示結(jié)構(gòu)等。產(chǎn)生式規(guī)則：每條產(chǎn)生式規(guī)則分為左右兩個(gè)部分。左部表示激活該產(chǎn)生式規(guī)則的條件，右部表示調(diào)用該產(chǎn)生式規(guī)則后所作的動(dòng)作。條件是一組復(fù)雜的模式，規(guī)則之間的控制也不是語(yǔ)句的傳遞，而且滿足條件的規(guī)則被激活但不一定立即執(zhí)行，取決于產(chǎn)生式系統(tǒng)的沖突消解策略。表示方法—產(chǎn)生式規(guī)則表示法產(chǎn)生式系統(tǒng)基本結(jié)構(gòu)…….規(guī)則解釋程序匹配器：判斷規(guī)則條件是否成立。沖突消解器：選擇可調(diào)用的規(guī)則。解釋器：執(zhí)行規(guī)則的動(dòng)作。并且在滿足結(jié)束條件時(shí)終止產(chǎn)生式系統(tǒng)運(yùn)行。表示方法—產(chǎn)生式規(guī)則表示法推理方法： 正向、 反向、 雙向。表示方法—語(yǔ)義網(wǎng)絡(luò)表示法表示形式每一個(gè)要表達(dá)的事實(shí)用一個(gè)“結(jié)點(diǎn)”表示，而事實(shí)之間的關(guān)系用“弧線”表示。即，有向圖表示的三元組，（結(jié)點(diǎn)1，弧，結(jié)點(diǎn)2）連接而成。表示方法—語(yǔ)義網(wǎng)絡(luò)表示法類(lèi)屬關(guān)系：如A-Kind-of、A-Member-of、Is-a包含關(guān)系：如Part-of屬性關(guān)系：如have、can位置關(guān)系：如located-on、at、under、inside相近關(guān)系：如similar-to、near-to時(shí)間關(guān)系：如before、after表示方法—語(yǔ)義網(wǎng)絡(luò)表示法推理方法網(wǎng)絡(luò)匹配：結(jié)構(gòu)上的匹配，包括結(jié)點(diǎn)和弧的匹配繼承推理：“具體與抽象”、“個(gè)體與集體”的屬性繼承，即處在具體層的結(jié)點(diǎn)可以繼承抽象層結(jié)點(diǎn)的所有屬性。表示方法—框架表示法表示方法—框架表示法推理方法：匹配：和語(yǔ)義網(wǎng)絡(luò)一樣遵循匹配原理。槽計(jì)算：繼承（屬性值、屬性、限制）， 附加過(guò)程，即附加在數(shù)據(jù)結(jié)構(gòu)上，啟動(dòng)時(shí)計(jì)算槽值。機(jī)器學(xué)習(xí)—

概述機(jī)器學(xué)習(xí)模型學(xué)習(xí)是建立理論、形成假設(shè)和進(jìn)行歸納推理的過(guò)程。

整個(gè)過(guò)程包括：信息的存儲(chǔ)、知識(shí)的處理兩部分

環(huán)境學(xué)習(xí)環(huán)節(jié)知識(shí)庫(kù)

執(zhí)行環(huán)節(jié)機(jī)器學(xué)習(xí)—

概述分類(lèi)：按學(xué)習(xí)策略機(jī)械式學(xué)習(xí)，直接輸入新知識(shí)（記憶學(xué)習(xí)） 學(xué)習(xí)者不需要進(jìn)行任何推理或知識(shí)轉(zhuǎn)換，將知識(shí)直接裝進(jìn)機(jī)器中。根據(jù)示教學(xué)習(xí)（傳授學(xué)習(xí)、指點(diǎn)學(xué)習(xí)） 從老師或其它有結(jié)構(gòu)的事物獲取知識(shí)。要求學(xué)習(xí)者將輸入語(yǔ)言的知識(shí)轉(zhuǎn)換成它本身的內(nèi)部表示形式。并把新的信息和它原有的知識(shí)有機(jī)地結(jié)合為一體?！?機(jī)器學(xué)習(xí)—

概述……….通過(guò)類(lèi)推學(xué)習(xí)（演繹學(xué)習(xí)） 學(xué)習(xí)者找出現(xiàn)有知識(shí)中所要產(chǎn)生的新概念或技能十分類(lèi)似的部分。將它們轉(zhuǎn)換或擴(kuò)大成適合新情況的形式，從而取得新的事實(shí)或技能。從例子中學(xué)習(xí)（歸納學(xué)習(xí)） 給學(xué)習(xí)者提供某一概念的一組正例和反例，學(xué)習(xí)者歸納出一個(gè)總的概念描述，使它適合于所有的正例且排除所有的反例。（目前研究較多的一種方法）……….機(jī)器學(xué)習(xí)—

概述 ……….類(lèi)比學(xué)習(xí) 演繹學(xué)習(xí)與歸納學(xué)習(xí)的組合。匹配不同論域的描述、確定公共的結(jié)構(gòu)。以此作為類(lèi)比映射的基礎(chǔ)。尋找公共子結(jié)構(gòu)是歸納推理，而實(shí)現(xiàn)類(lèi)比映射是演繹推理。實(shí)例學(xué)習(xí)－兩個(gè)空間模型規(guī)則空間歸納方法：從特殊到一般的推理，把已有的知識(shí)總結(jié)歸納推廣。但歸納出來(lái)的知識(shí)不能保證正確(不怕一萬(wàn)只怕萬(wàn)一)。歸納方法的過(guò)程就是搜索過(guò)程，找到包含在少數(shù)例子中的正確信息。需要經(jīng)常檢驗(yàn)，用新例子去否定歸納出的錯(cuò)誤規(guī)則。即解釋例子和選擇例子的反復(fù)，反復(fù)于例子空間和規(guī)則空間之間。實(shí)例學(xué)習(xí)－兩個(gè)空間模型Winston的積木世界中的“拱”概念的學(xué)習(xí)。實(shí)例學(xué)習(xí)－學(xué)習(xí)單個(gè)概念變形空間法變形空間方法以整個(gè)規(guī)則空間為初始的假設(shè)規(guī)則集合H，進(jìn)行一般化或特殊化處理。逐步縮小集合H，最后使H收斂為只含有要求的規(guī)則，故稱(chēng)為變形空間。具體方法：消除候選元素法。決策樹(shù)學(xué)習(xí)（概述）決策樹(shù)學(xué)習(xí)是以實(shí)例為基礎(chǔ)的歸納學(xué)習(xí)。其基本思想是以信息熵為度量構(gòu)造一棵熵值下降最快的樹(shù)，到葉子節(jié)點(diǎn)處的熵值為零，此時(shí)每個(gè)葉節(jié)點(diǎn)中的實(shí)例都屬于同一類(lèi)。決策樹(shù)學(xué)習(xí)（學(xué)習(xí)）條件熵設(shè)信源為X，收信者收到信息Y，用條件熵H(X|Y)來(lái)描述收信者在收到Y(jié)后對(duì)X的不確定性估計(jì)。設(shè)X的符號(hào)ai，Y的符號(hào)bj，p(ai|bj)為當(dāng)Y為bj時(shí)，X為ai的概率，則有：樣本集的信息熵設(shè)樣本數(shù)據(jù)集為：X=[x1,x2,…,xn]記X的兩個(gè)訓(xùn)練子集P+X和P-X分別為正例集和反例集，其中P+和P-分別為兩個(gè)集合的概率，則樣本空間的信息熵為：P=1/2時(shí)，H=？P=1或0時(shí)，H=？決策樹(shù)學(xué)習(xí)（學(xué)習(xí)）實(shí)例s含有的信息為，如果一個(gè)觀測(cè)值具有屬性，劃歸為類(lèi)，并應(yīng)該有下面的規(guī)則總結(jié)出來(lái)式中xi為事件所具有的第i個(gè)屬性。這里的屬性和類(lèi)具有廣泛的意義。1957年FrankRosenblatt定義了一個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，稱(chēng)為感知器(Perceptron)。前饋型神經(jīng)網(wǎng)－單層感知器

w1

θ

Y

x1

xn

wn

Σ

但是，單層感知器只能做線性劃分。對(duì)于非線性或其他分類(lèi)會(huì)遇到很大困難。一個(gè)簡(jiǎn)單的XOR問(wèn)題的例子就證明了這一點(diǎn)。前饋型神經(jīng)網(wǎng)－單層感知器BackPropagation（BP）學(xué)習(xí)算法，為當(dāng)今應(yīng)用最廣泛的方法之一。該方法克服了單層感知器非線性不可分類(lèi)問(wèn)題，給神經(jīng)網(wǎng)絡(luò)研究帶來(lái)了新的希望。前饋型神經(jīng)網(wǎng)－BP網(wǎng)Hopfield神經(jīng)網(wǎng)絡(luò)模型是一種循環(huán)神經(jīng)網(wǎng)絡(luò)，從輸出到輸入有反饋連接，有離散型和連續(xù)型兩種。

這種全互連反饋型神經(jīng)網(wǎng)絡(luò)是提供聯(lián)想記憶功能的典型，其通過(guò)引人網(wǎng)絡(luò)的能量函數(shù)和穩(wěn)定性概率，產(chǎn)生非線性動(dòng)力學(xué)系統(tǒng)所表現(xiàn)出的豐富的動(dòng)態(tài)特性。前饋型神經(jīng)網(wǎng)－Hopfield網(wǎng)單層感知器的學(xué)習(xí)算法設(shè)tq為期望輸出(教師信號(hào))，當(dāng)xA為輸入時(shí)，tq=1；xB為輸入時(shí)，tq=0。給定初始值：給每一個(gè)權(quán)值賦給一個(gè)較小的隨機(jī)非零值；在xA或xB中，任選一個(gè)作為訓(xùn)練樣本。假設(shè)選定xA中的xl為輸入，則實(shí)際輸出為：?jiǎn)螌痈兄鞯膶W(xué)習(xí)算法若yl=1，則權(quán)值不需要調(diào)整，回到②重新選取一個(gè)樣本重新訓(xùn)練