人工智能考點整理

1、第一章 緒論1、 人工智能概念人工智能就是讓機器來完成那些如果由人來做則需要智能的事情的科學(xué)2、 智能有哪些具體特征？ l 具有感知能力（系統(tǒng)輸入）: 機器視覺，機器聽覺，圖像語音識別l 具有記憶與思維能力：思維是智能的根本原因，思維是一個動態(tài)的過程。思維分為：邏輯思維，形象思維和頓悟思維。l 具有學(xué)習(xí)能力及自適應(yīng)能力：適應(yīng)環(huán)境的變換、積累經(jīng)驗的能力 l 具有行為能力（系統(tǒng)輸出）：對外界的智能化反應(yīng)3、 AI的本質(zhì)研究如何制造出人造的智能機器或系統(tǒng)，來模擬人類智能活動的能力，以延伸人們智能的科學(xué)。4、 人工智能系統(tǒng)的三大基本問題知識獲取、知識表示和知識利用5、 人工智能研究形成了三大學(xué)派l 符

2、號主義，認為符號是人類的認識基元，同時人的認識過程即是對符號的計算推理的過程。其研究內(nèi)容是基于邏輯的知識表示和推理技術(shù)。l 聯(lián)結(jié)主義，認為人的認識基元是神經(jīng)元，認識的過程就是人腦進行信息處理的過程。主要研究內(nèi)容是神經(jīng)網(wǎng)絡(luò)。l 行為主義，其主要原理是智能取決于感知和行為，它不需要知識，不需要表示，不需要推理，智能行為是通過與現(xiàn)實外界環(huán)境的交互作用體現(xiàn)出來的。研究重點是模擬人的各種控制行為。三個學(xué)派各有所長，各有所短，應(yīng)相互結(jié)合、取長補短，綜合集成。不同學(xué)派間的爭論進一步促進了人工智能的發(fā)展。6、 人工智能的目的l 通過計算機技術(shù)模擬人腦智能，替代人類解決生產(chǎn)、生活中的具體問題。l 通過計算機技術(shù)

3、延伸人類智力，提高人類解決生產(chǎn)、生活中的具體問題的能力。l 通過計算機技術(shù)研究推動人類智力發(fā)展7、 人工智能的目標人工智能是電腦科學(xué)的一個重要分支，它的近期目標是讓電腦更聰明、更有用，它的遠期目標是使電腦變成“像人一樣具有智能的機器”。8、 人工智能研究的基本內(nèi)容Cognition modeling (認知建模)Knowledge Representation(知識表示)Knowledge Reasoning(知識推理)Knowledge Application(知識應(yīng)用)Machine Perception(機器感知)Machine thinking(機器思維)Machine learnin

4、g(機器學(xué)習(xí))Machine behavior(機器行為)Intelligent system constructing(智能系統(tǒng)構(gòu)建)9、 人工智能研究的主要方法Function simulation (功能模擬法)Construction simulation (結(jié)構(gòu)模擬法 )Behavior simulation (行為模擬法)Integration simulation (集成模擬法)Mechanism simulation（機制模擬法）10、 人工智能的研究與應(yīng)用領(lǐng)域Problem Solving 問題求解Logic Reasoning & Automatic Theorem

5、 Proving 邏輯推理與自動定理證明Natural Language Understanding 自然語言理解Automatic Programming 自動定理證明Machine Learning 機器學(xué)習(xí)Expert System (ES) 專家系統(tǒng)Artificial Neural Network (ANN) 人工神經(jīng)網(wǎng)絡(luò)Robotics 機器人學(xué)Pattern Recognition 模式識別Computer Vision 計算機視覺Intelligent Control（智能控制）第2章 知識和知識表示方法1、 什么是知識把有關(guān)的信息關(guān)聯(lián)在一起的信息結(jié)構(gòu)，就是知識。知識反映了客觀

6、世界中事物之間的關(guān)系。2、 知識的特性1.相對正確性知識是人們對客觀世界認識的結(jié)晶，并且受到長期實踐經(jīng)驗的檢驗。因此，在一定的條件及環(huán)境下，知識一般是正確的，可信任的。應(yīng)該注意一定的條件及環(huán)境的條件約束。2.不確定性知識不總是具有“真”或“假”這兩種狀態(tài)，在真和假之間可能存在許多中間狀態(tài)，這種特性稱為知識的不確定性。造成知識不確定性的原因有以下幾種：（1）由隨機性引起的不確定性（2）由模糊性引起的不確定性（3）由不完全性引起的不確定性（4）由經(jīng)驗性引起的不確定性3.可表示性與可利用性知識是可以用適當(dāng)?shù)男问奖硎境鰜淼?，如語言、文字、圖形、神經(jīng)元網(wǎng)絡(luò)等。它是可利用的，我們每個人天天都在利用自己掌握

7、的知識解決所面臨的各種各樣問題。3、 知識的分類對知識從不同角度劃分，可得到不同的分類方法：1.按作用域劃分:常識性知識和領(lǐng)域性知識2.按作用及表示劃分：事實性知識，過程性知識，控制性知識3.按確定性劃分：確定性知識和不確定性知識4.按結(jié)構(gòu)及表現(xiàn)形式劃分：邏輯性知識和形象性知識5.若拋開知識涉及領(lǐng)域的具體特點，從抽象的、整體的觀點來劃分，知識可分為零級、一級和二級知識。4、 知識表示分類知識表示方法可分為兩大類：符號表示法：用各種包含具體含義的符號，以各種不同的方式和次序組合起來表示知識連接機制表示法：用神經(jīng)網(wǎng)絡(luò)技術(shù)表示知識的一種方法，相對于符號表示法而言是一種隱式表示法5、 狀態(tài)空間法從某個

8、初始狀態(tài)開始，每次加一個操作符，遞增的建立起操作符的實驗序列，直到達到目標狀態(tài)止。如下棋、迷宮及各種游戲。6、 問題歸約法先把問題分解為子問題及子-子問題，然后解決較小的問題。對該問題的某個具體子集的解答就意味著對原始問題的一個解答7、謂詞邏輯表示方法的特點主要優(yōu)點 符號簡單，描述易于理解。 自然、嚴密、靈活、模塊化。 具有嚴格的形式定義。 每項事實僅需表示一次。 具有證明過程中所使用的推理規(guī)則。 利用定理證明技術(shù)可從舊事實推出新事實。主要缺點： 難于表示過程式和啟發(fā)式知識。 由于缺乏組織原則，利用該方法表示的知識庫難于管理。 由于是弱證明過程，當(dāng)事實的數(shù)目增大時，在證明過程中決定使用哪條規(guī)則

9、時可能產(chǎn)生組合爆炸。 不具有表示不精確和不確定知識的能力。8、語義網(wǎng)絡(luò)法是通過概念及其語義關(guān)系來表示知識的一種網(wǎng)絡(luò)圖。用語義網(wǎng)絡(luò)表示事物間的關(guān)系：（1）分類關(guān)系（2）聚集關(guān)系（3）推論關(guān)系（4）時間、位置關(guān)系（5）多元關(guān)系9、語義網(wǎng)絡(luò)的推理主要包括：網(wǎng)絡(luò)匹配：尋找與網(wǎng)絡(luò)片斷的語義網(wǎng)絡(luò)模式繼承推理：使用節(jié)點的繼承關(guān)系進行推理網(wǎng)絡(luò)演繹 ：使用節(jié)點間的推論關(guān)系確定不同結(jié)構(gòu)網(wǎng)絡(luò)片斷間的語義等價關(guān)系10、語義網(wǎng)絡(luò)求解問題的基本過程：1)把待求解的問題構(gòu)造為一個問題網(wǎng)絡(luò)片段，其中有些節(jié)點或者有向弧的標識是空的，反映待求解問題2)在語義網(wǎng)絡(luò)知識庫中搜尋可與問題網(wǎng)絡(luò)片段匹配的網(wǎng)絡(luò)片段。搜尋中，可能需要進行繼承

10、推理和網(wǎng)絡(luò)演繹3)當(dāng)問題網(wǎng)絡(luò)片段與知識庫中的某語義網(wǎng)絡(luò)片段匹配時，則由此可匹配的語義網(wǎng)絡(luò)片段得到問題的解11、框架表示法框架表示法就是用來表示經(jīng)驗性知識的一種知識表示方法?？蚣芡ǔＳ擅枋鍪聞?wù)的各個方面的槽組成，每個槽可以擁有若干個側(cè)面，而每個側(cè)面可以擁有若干個值。12、框架表示知識的系統(tǒng)組成（1） 知識庫（提供求解問題所需要的知識）（2）推理機（針對用戶提的問題，運用知識庫中的知識完成問題求解）13、框架表示法的特點：（1）結(jié)構(gòu)性（2）繼承性?？蚣鼙硎痉ú蛔悖翰簧朴诒硎具^程性知識第3章 確定性推理 1、 問題求解技術(shù)盲目與啟發(fā)式搜索：狀態(tài)空間法、圖的搜索技術(shù)與或樹搜索：問題歸約法、與或圖的特例

11、的搜索技術(shù)消解原理：謂詞邏輯法、推理技術(shù)2、圖的盲目搜索技術(shù)分成：寬度優(yōu)先搜索技術(shù)、深度優(yōu)先搜索技術(shù)、等代價（代價優(yōu)先）搜索技術(shù)3、三種盲目搜索技術(shù)的比較主要差別：在于挑選要擴展節(jié)點的規(guī)則不同寬度優(yōu)先搜索技術(shù)：先擴展出來的節(jié)點隨后先擴展，OPEN表是隊列深度優(yōu)先搜索技術(shù)：后擴展出來的節(jié)點隨后先擴展，OPEN表是堆棧等代價搜索技術(shù)：選取OPEN表中代價最小的節(jié)點先擴展，OPEN表是線性表（以局部代價的遞增順序排列）4、 啟發(fā)式搜索- A*算法設(shè)函數(shù)f是f*的一個估計 f(n)= g(n) + h(n) 其中g(shù)(n)是g*(n)的估計、 h(n)是h*(n)的估計1.A算法：在圖搜索時，依據(jù)f(n

12、)= g(n) + h(n) 重排OPEN表在A算法中，如果對所有x存在h(x) h*(n)，則稱h(x)為h*(n)的下界2. A*算法采用h*(n)的下界h(x)為啟發(fā)函數(shù)的A算法5、消解原理的消解過程 ：（1）將命題寫成合取范式（2）求出子句集（3）對子句集使用消解推理規(guī)則（4）消解式作為新子句參加消解（5）消解式為空子句 ，S是不可滿足的（矛盾），原命題成立。6、化為子句集1.消蘊涵符理論根據(jù)：a b => a b2. 移動否定符減少否定符號的轄域(反復(fù)應(yīng)用狄.摸根定律)理論根據(jù)：3. 變量標準化(讓每個量詞有自己唯一的啞元)即：對于不同的約束，對應(yīng)于不同的變量4. 量詞左移5.

13、 消存在量詞 (skolem化）原則：對于一個受存在量詞約束的變量，如果他不受全程量詞約束，則該變量用一個常量代替，如果他受全程量詞約束，則該變量用一個skolem函數(shù)代替。 若消去的存在量詞不在任何一個全程量詞的轄域內(nèi)， skolem函數(shù)即是常數(shù)6.化為合取范式7.隱去全程量詞9、 消解反演求解過程l 公式集S，目標公式L，通過反演求證目標公式L.證明步驟： 1.否定L，得L; 2.把L添加到S中去； 3.把新產(chǎn)生的集合L， S化成子句集； 4.應(yīng)用消解原理，力圖推導(dǎo)出一個表示矛盾的空子句；l 提取回答的過程1、先進行歸結(jié)，證明結(jié)論的正確性；2、用重言式代替結(jié)論求反得到的子句；3、按照證明過

14、程，進行歸結(jié)；4、最后，在原來為空的地方，得到的就是提取的回答。10、規(guī)則演繹系統(tǒng)將有關(guān)問題的知識和信息劃分成規(guī)則與事實兩種類型。規(guī)則有包含蘊涵形式的表達式表示，事實由無蘊涵形式的表達式表示，這種推理系統(tǒng)稱為基于規(guī)則的演繹系統(tǒng)。正向推理：從if部分向then部分推理的過程11、規(guī)則正向演繹系統(tǒng)（1）事實表達式的與或形變換（2）事實表達式的與或圖表示（3）與或圖的F規(guī)則變換（4）作為終止條件的目標公式12、與/或樹的一般搜索過程：1）把原始問題作為初始節(jié)點S0，并把它作為當(dāng)前節(jié)點2）應(yīng)用分解或等價變換算符對當(dāng)前節(jié)點進行擴展。3）為每個子節(jié)點設(shè)置指向父節(jié)點的指針。4）選擇合適的子節(jié)點作為當(dāng)前節(jié)點，

15、反復(fù)執(zhí)行第2）步和第3）步，在此期間要多次調(diào)用可解標示過程和不可解標示過程，直到初始節(jié)點被標示為可解節(jié)點或不可解節(jié)點為止。第6章 機器學(xué)習(xí)1、機器學(xué)習(xí)的主要研究主要集中在以下方面：認知模擬：通過對人類學(xué)習(xí)機理的研究和模擬，從根本上解決機器學(xué)習(xí)方面存在的種種問題理論性分析：從理論上探索各種可能的學(xué)習(xí)方法，并建立起獨立于具體應(yīng)用領(lǐng)域的學(xué)習(xí)算法面向任務(wù)的研究：根據(jù)特定任務(wù)的要求，建立相應(yīng)的學(xué)習(xí)系統(tǒng)2、機器學(xué)習(xí)系統(tǒng)特征目的性：系統(tǒng)可以有目的的學(xué)習(xí)結(jié)構(gòu)性：具備適當(dāng)?shù)闹R存儲結(jié)構(gòu)來記憶學(xué)到的知識，能夠修改和完善知識表示和知識的組織形式有效性：新近學(xué)到的知識應(yīng)受到實踐的檢驗，且必須能夠改善系統(tǒng)的行為起到有益

16、的作用開放性：系統(tǒng)在實際的使用過程、交互過程中不斷改進3、機器學(xué)習(xí)的方法歸納學(xué)習(xí)：指從特例推導(dǎo)一般規(guī)則的學(xué)習(xí)方法，在機器學(xué)習(xí)領(lǐng)域中，可把歸納學(xué)習(xí)形式地描述為使用訓(xùn)練實例以導(dǎo)出一般規(guī)則的搜索問題。類比學(xué)習(xí)基于解釋的學(xué)習(xí)：是一種基于實例分析的學(xué)習(xí)方法。遺傳算法：是借鑒生物遺傳機制的一種隨機化搜索算法，其主要特點是群體搜索和群體中個體之間的信息交換。人工神經(jīng)網(wǎng)絡(luò)4、消除候選者算法 （1）初始化概念空間H=<G,S>，其中，G為零描述集合，S為訓(xùn)練集合，初始化時，S中只含第一個正例 （2）接受一個新的訓(xùn)練實例。如果實例為正例，則從G中刪去所有與該例不相容的概念，并更新集合S，盡可能小地對S

17、進行一般化，以相容這個新的正實例；如果實例為反例，則首先從S中刪去所有與該例相容的概念，并更新集合G，盡可能小地特殊化G中的元素，以便它們不相容這個反例。 （3）如果G <>S，則重復(fù)步驟（2）；否則輸出H。5、決策樹構(gòu)造算法CLS(1)如果訓(xùn)練實例集T中所有實例的分類結(jié)果均為C，則返回C(2)從屬性表AttList中任選一個屬性作為檢測屬性。(3)若屬性Ai的值域ValueType(Ai)中有s個不同的取值，則將T分成s個子集T1, T2, TS ，每個子集的所有元素的屬性Ai的取值相同。(4)更新屬性表，從屬性表Attrlist中刪除檢測屬性Ai 。(5)對每個子集Tk，若子集

18、Tk中的所有實例的分類結(jié)果均為Cj ，則生成葉節(jié)點Cj ；若子集中Tk所有實例的分類結(jié)果有兩個或兩個以上，則對子集Tk和更新后的屬性表轉(zhuǎn)到步驟2），遞歸調(diào)用CLS構(gòu)造算法，生成Tk的子樹6、基于解釋的學(xué)習(xí)過程（1）分析階段，對訓(xùn)練實例提供的事實，使用領(lǐng)域理論的有關(guān)規(guī)則和目標概念規(guī)則生成一棵樹，樹的根節(jié)點是待學(xué)概念的一個事實，如果能得到樹的所以葉節(jié)點都是已知的實例事實，那么稱這棵樹為這個訓(xùn)練實例的證明樹，它解釋了這個實例為什么是目標概念的一個實例，或稱其為對目標概念的一個解釋。（2）基于解釋的泛化階段，是將實例證明樹中的謂詞常量用相應(yīng)的謂詞變量進行替換，這一過程也稱為解釋的泛化，從而得到一棵基于解釋的泛化樹（EBG樹）。7、證明樹生成算法1）以目標概念事實作為根節(jié)點。2）尋找一個匹配規(guī)則對當(dāng)前節(jié)點擴展。3）如果所以的葉節(jié)點都已