人工智能-筆記

1、人工智能-筆記緒論 AI三種認知觀符號主義（基于物理符號系統(tǒng)假設和優(yōu)先合理性原理）連接主義（基于神經網絡及其間的連接機制與學習算法）行為主義（基于控制論及感知動作控制系統(tǒng)）智能的特征具有感知能力具有記憶和思維能力具有學習能力具有行為能力 AI研究領域人丁.智能研究的領域主要有五層，最底層是基礎設施建設,包含數據和計算能力兩局部，數據越大，人 T智能的能力越強,往上一層為算法，如卷積神經網絡、LSTM序列學習、Q-Leammg,深度學習等算法, 都是機器學習的算法。第三層為乖要的技術方向和問題，如計算機視覺，語音工程.自然語言處理等 還有另外的一些類似決策系統(tǒng),像Reinforcement Le

2、arning增強學習,或一些大數據分析的統(tǒng)計系統(tǒng),這些 都能在機器學習算法上產生。第四層為具體的技術,如圖像識別、語音識別、機器翻譯等等。最頂端為 行業(yè)的解決方案.如在金融、醫(yī)療、互聯網、交通、游戲等領域的應用，這是我們關心它能帶來的價值。技本方向3計算帆槿龍4 語西工程5自然語言處理6晚到決策亭怏 7天數據/炫i十分折自泣2機等學習、融學習t基臉施1硬件目力.大致漏3知識表示與知識圖譜概念知識是人們長期生活及社會實踐中，在科學研究及實驗中積累起來的對客觀世界的認識與經驗知識特征（相對正確性，不確定性，可表示與可利用性）知識的分類（事實知識，規(guī)那么知識，控制知識，元知識，確定性和不確定性知識）

3、知識的表示（就是將人類知識形式化或者模型化）謂詞邏輯命題：非真既假的陳述句命題邏輯：研究命題及命題之間關系的符號邏輯系統(tǒng)局限性：命題這種表示方法，無法將它所描述的客觀事物的結構及邏輯特征反映出來，也不能 將不同事物間的共同特征表述出來。謂詞/謂詞邏輯：謂詞名和個體（常量，變元，函數）謂詞演算：否認（非），析?。ɑ颍先。ㄅc），蘊含，等價全稱量詞或存在量詞5.交換律：PvQ = QvP PaQ = QaP,結合律：Pv(QvR) = (PvQ)vRPa(QaR) = (PaQ)aR7.逆否率：(Pf Q)=(Q fP)5.交換律：PvQ = QvP PaQ = QaP,結合律：Pv(QvR)

4、= (PvQ)vRPa(QaR) = (PaQ)aR7.逆否率：(Pf Q)=(Q fP)謂詞公式：L否認之否認:(P) = P. (Pf Q) = (PvQ)或(Pf Q) = (PvQ).狄摩根定律I：(PvQ) =P/Q-* (PaQ) = -P vQ4.分配律：Pv(QaR) = (PvQ)a(PvR)Pa(QvR) = (PaQ)v(PaR)1.單個謂詞是謂詞公式，稱為原子謂詞公式；2.假設A是謂詞公式，那么A也是謂詞公式；3.假設人、B是謂詞公式，那么AaB、AvB. A-B、A-B也都是謂詞公式；4假設A是謂詞公式，那么（V x）A. （3 x）A也是謂詞公式；5 .有限步應用-

5、生成的公式也是謂詞公式。語義網絡基本的管理表達即可知識圖譜狀態(tài)空間法問題的表示，求解的方法狀態(tài)和算符來求解問題首要確定的三件事狀態(tài)的描述方式，初始狀態(tài)的描述操作符集合及其初始狀態(tài)描述的作用目標狀態(tài)描述的特性。狀態(tài)空間三要素狀態(tài)空間三要素.狀態(tài)（stale）:描述問題在某一時刻所處的信息狀況的一組變址,一般用向量表示為描述某類不同由物間的差異,川人的組最少變植.，%的行序集合,是表示問題解法中,每一步問題狀況的數據結構2有序集合中的每個元素q, （/ = 0. 1.n）是集合的分此 稱為“狀態(tài)變家” 給定每個分量的一組值,就得到個具體的狀態(tài).操作（operator）：引起狀態(tài)變化的一組關系或函數

6、.乂稱算符或操作符尸=5,力，/.問題的狀態(tài)空間可用一個三元組來表示：（S.F.G）.S：問題的全部初始狀態(tài)的集合;年操作的集合;G： 11標狀態(tài)的集合猴子摘香蕉問題漢諾塔問題傳教土與野人問題問題規(guī)約將大問題化為小問題進行規(guī)約與或圖確定性推理演繹推理轉化為謂語公式（三段式證明）定義謂詞找蘊含轉化為子句集（化為標準形式）九個步驟（1 .消去蘊含2.否認放在謂詞前3.變量重命名（不同的約束變元有不同的名字）4. 消除存在量詞（用特定的代替a.如果不存在全稱量詞的轄域內b否那么用函數型表示，存在 量詞由函數型表示）5.化為前束式，全稱量詞在最左邊6.化為合取式7.消去全稱量詞，將 變量標準化，不同字

7、句間使用不同的變量名）歸結樹含有變量子句歸結（最一般合一（a/y ）反證法（魯冰遜歸結原理）證明（將結論否認加入子句集）求解問題（將問題否認析取答案加入子句集）問題化為謂詞公式，結論否認加入謂詞公式中將謂詞公式化為子句集，推導出空推導。得證！歸納推理類比歸納推理習題不確定性推理 C-F模型CF模型中，知識是用產生式規(guī)那么表示的，其一般形式為：IF E THEN H （CF（H. E）不確定性用可信度。表示,稱為可信度因子。CRH.E）知識，CRE）證據.CR/力結論知識不確定性表示，證據不確定性表示 CF（H,E）,CF（E）,CF（H）組合證據不確定性算法（集合知識）多個單一證據合?。╩in

8、 ）多個單一證據析取(max )結論不確定性傳遞算法CF模型中的不確定性推理是從不確定的初始證據出發(fā).通過運用相關的不確定性知識，III 終推出結論并求出其可信度值CT():CF(Ii) - C7(/A E)xmax【0. C/()|結論不確定性合成算法設有如下知識:11 / IF E.那么結iTHEN /THEN /(C/ U/.AJ) vX7 (/(/, AJ)H華經喬U信度可分為如F兩部算出(我幽li只“辿過曲曲合并實現)： D粒別對每一條知識求E (/u=( 7 力K無而工X 10.(7. 1)；K(/nCA(/, 2)xmax：0, (7(,)2)川下述公式求出心與生時的嫁合影響所形

9、成fiQ繞僉可信號6.M)：(.()+(;(乂邛)(下;()/ 齒(單)沙g“)20(第()+(7；()+(7；(/儀工(7/點&/)07；()0證據理論(D-S理論)概率分配函數，信任函數，似然函數通過概率分配函數進行求解信任函數，似然函數概率分配函數：定義4.1 :設函數M : 2D - 0, 1 z即對任何一個屬于D的子集A , 命它對應一個數Me0z 1,且滿足：A/()=0, Z (口)=1信任函數：求集合A的子集和(通過概率分配函數求解)Bel(A) = Z M(B)BjA似然函數：信任函數Bel(A)表示對A為假的信任度，似然函數PI(A) =1 - Bel(A) 表示對A為非假

10、的信任度。P(4) = 1 - Be/(-4)= 2 M (B),4c方工概率分配函數的正交和概率函數的正交和：設Ml和M2是兩個概率分配函數；那么正交和M=MlM2為：Af()=0W2(v)xry=A其中：K = l- Z M(x)%(y)= Z M(x)%。)xcy=xc w D-S求解問題(結合C-F模型)L建立問題的樣本空間D;2.由經驗給出，或者由隨機性規(guī)那么和事實的信度度量計算求得幕集2D的基本概率分配函數 M ;當有兩個MLM2或多個M1,M2，Mn時,利用公式算出它們的正交和M ;。3.計算所關心的子集Ae2D的信任函數值Bel(A)和似然函數值PI(A);4.由Bel(A)和

11、PI(A)得出結論為真的下限和上限。模糊推理方法模糊集合及其表示方法 Zadeh表示法、序偶表示法、向量表示法. Zadeh表示法：a.論域是離散的且元素數目有限：H = ,(N)/怎+“4(占)/工2 + .*) X0 = /zj.vr)/.v, j=i/ =(電)/2,，式七)/ b.論域是連續(xù)的或者元素數目無限：=j (x)/xxeU.序偶表示法：A = (4 (.V).$), (,區(qū)),.v?),(式.“ ),a; ).向量表示法：A = 4(.v,),4,(項)，,區(qū))模糊集合的運算交并補 交運算 凡2。)= min4(x),/(x) = /4(x) a 小。) 并運算 4M(x)=

12、 max4(x),/(x)=4(x) v /(x)補運算出(x) = l-4(X)代數積，代數和，有界積，有界和代數積 分(X)=代數和應.Q)=應+ 4。)心(X) 有界和 心*) = minL4(x) + 4(x) = 1 a/x) + (x)有界積 4觸(x) = max0,凡(x) + (x)-l) = 0vjuA(x) + 4(x)-l模糊關系模糊關系可用叉積表示R : A x B 0, 1叉積常用最小算子運算：NxB 3辦)=niinx/ (tv), jlib (Z?)假設A、B為離散模糊集，其隸屬函數分別為：a =.(%),(“2 )% =那么其叉積運算為：金/?(。，6)=(。

13、月模糊關系合成就是求模糊矩陣的叉乘，可用最大-最小合成法、最大-代數積合成法求解。模糊推理與決策模糊推理：用模糊集合表示模糊知識，用從條件論域到結論論域的模糊關系矩陣R表示模 糊規(guī)那么，通過條件模糊向量與模糊關系R的合成進行模糊推理，得到結論的模糊向量模糊決策：常用的決策方法有最大隸屬度法、加權平均判決法、中位數法。搜索搜索方法狀態(tài)空間法盲目搜索DFSBFS兩者區(qū)別：深度優(yōu)先將拓展的節(jié)點放在open表的首部(對頭)，廣度優(yōu)先將拓展的節(jié)點放在 open表的尾部(隊尾)。啟發(fā)式搜索估價函數f(n) = g(n)+h(n)1. g(n)表示從初始節(jié)點SO到節(jié)點x的代價；2. h(n)稱為啟發(fā)函數，它是從節(jié)點x到目標節(jié)點Sg的最優(yōu)路徑的代價的估計，表達了問題 的啟發(fā)性信息。八數碼的應用g(n):表示搜索樹的深度，h(n):表示棋子錯放位置的個數,將f(n)從小到大 在open表里排列。 A算法 open表通過f(n)的值進行排序“特征:估價函數/() = # () +但6).對h(n)無雨雖提島算法效率，但不 能保證找到最優(yōu)解。.不合適的h(n)定義會林致算法找到不解“性能：不完備.不最優(yōu)。 A*算法的估價函數/ *(77 )