人工智能總結(jié)解讀

1、人工智能總結(jié)解讀人工智能總結(jié)解讀35/35人工智能總結(jié)解讀第二章鑒于規(guī)則的專家系統(tǒng)2.1知識(shí)對(duì)于對(duì)象在理論和實(shí)踐方面的理解，是目前所知知識(shí)的總結(jié)2.2規(guī)則2.3構(gòu)造2.4基本特點(diǎn)2.5推理技術(shù)向前鏈接：是采集信息此后利用信息進(jìn)行推理的技術(shù)Rule1：Y&DZRule2：X&B&EYRule3：AXRule4：CLRule5：L&MN向后鏈接：目標(biāo)的驅(qū)動(dòng)推理2.6參加者2.7矛盾的解決方案1）達(dá)到目標(biāo)就停止規(guī)則2）優(yōu)先級(jí)3）最長(zhǎng)般配規(guī)則4）近來錄入數(shù)據(jù)庫(kù)規(guī)則2.8優(yōu)弊端長(zhǎng)處：（1）自然的知識(shí)表達(dá)方法2）一致的構(gòu)造3）知識(shí)與其辦理能力相分別4）能夠辦理不圓滿或許不確立的知識(shí)弊端：（1）規(guī)則間的關(guān)系

2、不透明2）搜尋策略效率低3）不可以夠自學(xué)習(xí)第三章鑒于規(guī)則的專家系統(tǒng)的不確立管理3.1不確立不確立性：就是缺少能夠使我們的出圓滿靠譜結(jié)論的精準(zhǔn)知識(shí)根源：纖弱的表示、不精準(zhǔn)的語(yǔ)言、數(shù)據(jù)的缺失、綜合不同樣專家的建議3.2貝葉斯規(guī)則使用貝葉斯方法，必然知足憑證有條件的獨(dú)立，靠譜的數(shù)據(jù)統(tǒng)計(jì)，每個(gè)假定的先驗(yàn)概率。用于礦產(chǎn)勘探的專家系統(tǒng)PROSPECTOR是第一個(gè)成功運(yùn)用憑證的貝葉斯規(guī)則3.3確立因子：貝葉斯方法最常有的取代方法3.4比較概率論是辦理不精準(zhǔn)知識(shí)和隨機(jī)數(shù)據(jù)的最早和最好的技術(shù)貝葉斯主要用于天氣預(yù)告和計(jì)劃確立因子用在診療領(lǐng)域共同：要求找能夠量化的主觀的和定性的信息的專家第四章模糊專家系統(tǒng)4.1概括

3、4.2模糊集4.3語(yǔ)言描繪4.5推理1）步驟：a、輸入變量模糊化b、評(píng)估規(guī)則c、聚合規(guī)則的輸出d、規(guī)則的輸出及逆模糊化2）兩種技術(shù)Mamdani：用模糊規(guī)則獲得專家知識(shí)，但計(jì)算量很大Sugeno：改良了計(jì)算效率，優(yōu)化及自適應(yīng)技術(shù)共同作用，在動(dòng)向非線性系統(tǒng)中合用第五章鑒于框架的專家系統(tǒng)5.1簡(jiǎn)介框架：帶相對(duì)于某個(gè)對(duì)象和見解的典型知識(shí)的數(shù)據(jù)構(gòu)造，用來在鑒于框架的專家系統(tǒng)中獲得和表達(dá)知識(shí)。用途：主要用于和產(chǎn)生式規(guī)則的鏈接5.25.3繼承單父類繼承和多重繼承5.4方法和捍衛(wèi)程序框架見的交互是經(jīng)過方法和捍衛(wèi)程序?qū)崿F(xiàn)的。方法是和框架屬性有關(guān)的過程，在需要的時(shí)候履行。大部分鑒于框架的專家系統(tǒng)使用兩種方法：W

4、HENCHANGED和WHENNEEDED。WHENCHANGED方法在有新的信息加入槽中使用，WHENNEEDED在解決問題需要該信息，但沒有指定槽值的時(shí)候使用。第六章人工神經(jīng)網(wǎng)絡(luò)6.1人腦工作1）機(jī)器學(xué)習(xí)：使用計(jì)算機(jī)的經(jīng)驗(yàn)、實(shí)例、和類比自己來學(xué)習(xí)的自適應(yīng)系統(tǒng)。跟著時(shí)間的推移，學(xué)習(xí)能力能夠提升智能系統(tǒng)的性能。機(jī)器學(xué)習(xí)最常有的方法就是人工智能。2）生物神經(jīng)網(wǎng)絡(luò)3）人工神經(jīng)網(wǎng)絡(luò)：由一些特別簡(jiǎn)單并高度互聯(lián)的辦理器（成為神經(jīng)元）構(gòu)成，這個(gè)人類大腦中的生物神經(jīng)元近似。神經(jīng)元之間由一個(gè)神經(jīng)元傳達(dá)信號(hào)到另一個(gè)神經(jīng)元的有權(quán)重的鏈接連結(jié)，每個(gè)鏈接有與之有關(guān)的數(shù)值權(quán)重。權(quán)重是ANN中長(zhǎng)久記憶的最基本見解，它用來

5、表達(dá)神經(jīng)元輸入的強(qiáng)度和重要性。神經(jīng)網(wǎng)絡(luò)經(jīng)過不停的調(diào)整權(quán)重來學(xué)習(xí)。6.2簡(jiǎn)單計(jì)算6.3感知器感知器經(jīng)過對(duì)權(quán)重的微調(diào)來減少時(shí)間輸出和希望輸出的差異進(jìn)而進(jìn)行學(xué)習(xí)，初始權(quán)重是隨機(jī)指定的，此后經(jīng)過調(diào)整權(quán)重，獲得和訓(xùn)練實(shí)例一致的輸出。感知器可是能夠?qū)W習(xí)線性切割函數(shù)，不可以夠?qū)W習(xí)局部實(shí)例的基礎(chǔ)進(jìn)步行全局推行6.4多層神經(jīng)網(wǎng)絡(luò)多層感知器是一個(gè)前饋神經(jīng)網(wǎng)絡(luò)，含有根源神經(jīng)元的輸入層、至少一個(gè)計(jì)算神經(jīng)元的中間層或許隱含層、一個(gè)神經(jīng)元輸出層。輸入層從外界接受輸入信號(hào)，并將信號(hào)從頭分派給中間層的全部神經(jīng)元。隱含層檢查特點(diǎn)，隱含層神經(jīng)元的權(quán)重表示輸入模式的特點(diǎn)。輸出層建立整個(gè)網(wǎng)絡(luò)的輸出模式。算法：向后傳達(dá)法6.5加快學(xué)習(xí)

6、向后傳達(dá)法計(jì)算量過大，致使訓(xùn)練速度遲緩。以下方向用來提升效率：（1）用雙曲正切函數(shù)取代S型激活函數(shù)（2）多層網(wǎng)（3）因素使用（4）自適應(yīng)學(xué)習(xí)6.6Hopfield神經(jīng)網(wǎng)絡(luò)（擁有反應(yīng)的循環(huán)網(wǎng)絡(luò)）Hopfield訓(xùn)練算法有兩個(gè)階段：儲(chǔ)蓄和檢索。在第一個(gè)階段，網(wǎng)絡(luò)需要儲(chǔ)蓄一系列由全部神經(jīng)元的目前輸出的狀態(tài)（或稱作基本記憶），這是經(jīng)過計(jì)算網(wǎng)路權(quán)重矩陣來實(shí)現(xiàn)的。權(quán)重一旦被計(jì)算出，就會(huì)保持不變。第二階段，未知的含糊或許不圓滿的基本記憶會(huì)被輸入到網(wǎng)絡(luò)中，此后計(jì)算機(jī)網(wǎng)絡(luò)輸出并進(jìn)行反應(yīng)以調(diào)整輸入。這個(gè)過程會(huì)向來重復(fù)道輸出為一個(gè)常數(shù)為止。6.7BAM（雙向有關(guān)記憶）Hopfield網(wǎng)絡(luò)表示的是一種自有關(guān)的記憶。它

7、能夠檢索含糊或許不圓滿的記憶，可是不可以夠?qū)⒁粋€(gè)記憶和其余記憶聯(lián)系起來。BAM是一種異質(zhì)有關(guān)網(wǎng)絡(luò)，它將一個(gè)會(huì)合的模式和另一個(gè)會(huì)合的模式關(guān)系起來?；舅枷耄簝?chǔ)蓄模式對(duì)。當(dāng)輸入為會(huì)合A中的n維向量x時(shí)，BAM便會(huì)回想起來會(huì)合B中的m維向量y；當(dāng)輸入為y時(shí)，BAM會(huì)回想起輸出向量x6.8自組織網(wǎng)絡(luò)Hebb法例：假如神經(jīng)元i和神經(jīng)元j之間足夠近，i能夠刺激j而且重復(fù)的參加j的活動(dòng)，則這兩個(gè)神經(jīng)元之間的突觸連結(jié)就會(huì)增強(qiáng)，而且神經(jīng)元j對(duì)來自神經(jīng)元i的刺激也更為的敏感。競(jìng)爭(zhēng)學(xué)習(xí)：神經(jīng)元經(jīng)過互相競(jìng)爭(zhēng)來激活，輸出的神經(jīng)元是輸出的勝出者，也叫作勝者通吃。Kohonen網(wǎng)絡(luò)：由單層的計(jì)算神經(jīng)元構(gòu)成，但存在兩種不同樣

8、種類的鏈接，即輸入層神經(jīng)元到輸出層神經(jīng)元的向前鏈接，以及輸出層神經(jīng)元之間的互相鏈接。之中后者用于創(chuàng)立神經(jīng)元之間的互相競(jìng)爭(zhēng)。神經(jīng)元經(jīng)過從非激活狀態(tài)的變化來改變權(quán)重進(jìn)行學(xué)習(xí)。僅有勝出的神經(jīng)元及其相鄰的點(diǎn)贊成學(xué)習(xí)。假如神經(jīng)元對(duì)給定的輸入模式?jīng)]有響應(yīng)，那么這個(gè)神經(jīng)元就不會(huì)進(jìn)行學(xué)習(xí)。第七章進(jìn)化計(jì)算7.1進(jìn)化計(jì)算：人工智能進(jìn)化方法的基礎(chǔ)是自然選擇和遺傳的計(jì)算模型。包括：遺傳算法、進(jìn)化計(jì)算、遺傳編程方法：創(chuàng)立個(gè)體的種群、計(jì)算適應(yīng)性、用遺傳操作產(chǎn)生新的種群、重復(fù)該過程必然的次數(shù)。7.2遺傳算法：鑒于生物進(jìn)化系統(tǒng)的隨機(jī)搜尋算法遺傳算法使用自然選擇和交叉、突變等技術(shù)，每個(gè)染色體由幾個(gè)基因構(gòu)成，每個(gè)基因用0或許1來

9、表示。遺傳算法使用單個(gè)染色體適應(yīng)性值來實(shí)現(xiàn)生殖。進(jìn)行生殖時(shí)，交叉操作互換兩個(gè)獨(dú)自染色體的一部分，突變操作隨機(jī)選擇的染色體上某個(gè)基因的值。在幾次成功生殖后，適應(yīng)性低的染色體就會(huì)滅絕，而適應(yīng)性高的染色體就會(huì)在各代中占主導(dǎo)地位。最常用的染色體選擇技術(shù)是輪盤選擇工作原理：發(fā)現(xiàn)好的計(jì)劃，即候選方案中好的組件并將其重組。不需要知道問題領(lǐng)域的任何知識(shí)，但需要適應(yīng)性函數(shù)評(píng)估解決方案的適應(yīng)性。問題：解決問題波及定義限制和最優(yōu)標(biāo)準(zhǔn)、將問題解決方案編碼為染色體、定義合用性函數(shù)來評(píng)估染色體的性能，創(chuàng)立適合的交叉和突變操作。用編碼位串來表示可能會(huì)改變問題的實(shí)質(zhì)。也就是說,將問題變得和我們所需要解決的問題圓滿不同樣。7.

10、3計(jì)劃策略：用于解決技術(shù)優(yōu)化問題用途：在沒有分析對(duì)象函數(shù)，傳統(tǒng)的優(yōu)化方法不存在，工程師必須依靠于他們的直覺是，進(jìn)化策略能用于優(yōu)化問題。進(jìn)化策略是純粹的數(shù)值優(yōu)化方法，它和蒙特卡洛搜尋方法近似，僅合用于突變操作中7.4遺傳編程遺傳編程經(jīng)過自然選擇的方法來使計(jì)算機(jī)程序進(jìn)化，其實(shí)是遺傳算法的擴(kuò)展，遺傳編程不再是用位串來表示問題，而是用編寫解決問題的代碼。也就是說，遺傳編程創(chuàng)立作為解決方案的計(jì)算機(jī)程序，而遺傳算法創(chuàng)立了表示解決方案的預(yù)備步驟：（1）確立終端函數(shù)及（2）選擇基本函數(shù)集（3）定義適應(yīng)性函數(shù)（4）確立控制運(yùn)轉(zhuǎn)的參數(shù)（5）選擇指定運(yùn)轉(zhuǎn)結(jié)果的方法長(zhǎng)處：遺傳編程和遺傳算法使用同樣的進(jìn)化方法，可是遺傳

11、編程不再使用位串表示編碼方法，而是用圓滿的計(jì)算機(jī)程序來解決詳細(xì)問題。遺傳算法最基本的困難在于問題的表達(dá)，也就是固定長(zhǎng)度的編碼，表達(dá)見效不好限制了遺傳算法的能力，甚至致使錯(cuò)誤的結(jié)論。遺傳編程使用第八章混淆智能系統(tǒng)8.1概括軟計(jì)算：能夠在不確立和不精準(zhǔn)環(huán)境中進(jìn)行推理和學(xué)習(xí)的混淆智能系統(tǒng)。概率推理、模糊集理論、神經(jīng)網(wǎng)絡(luò)和進(jìn)化計(jì)算構(gòu)成了軟計(jì)算的核心。各個(gè)組件都有自己的長(zhǎng)處和弊端。概率推理主要辦理不確立性，模糊邏輯主要辦理不精準(zhǔn)性，神經(jīng)網(wǎng)絡(luò)主要用來學(xué)習(xí)，進(jìn)化計(jì)算主要用來優(yōu)化。8.2神經(jīng)專家系統(tǒng)專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)都試圖模擬人類的智能，可是使用方法不同樣。專家系統(tǒng)依靠IF-THEN規(guī)則和邏輯推理，而神經(jīng)網(wǎng)絡(luò)

12、則使用并行的數(shù)據(jù)辦理。專家系統(tǒng)不可以夠?qū)W習(xí)，但能夠解說其推理過程，神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)，但其行為像黑盒子。他們構(gòu)成混淆專家系統(tǒng)，成為神經(jīng)或許連結(jié)專家系統(tǒng)。神經(jīng)專家系統(tǒng)用經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)取代知識(shí)庫(kù)，和傳統(tǒng)的鑒于規(guī)則的專家系統(tǒng)不同樣，神經(jīng)專家系統(tǒng)能夠辦理模糊和不圓滿的數(shù)據(jù)。領(lǐng)域知識(shí)能夠用于神經(jīng)知識(shí)庫(kù)的最先構(gòu)造中。訓(xùn)練后，神經(jīng)知識(shí)庫(kù)就能夠表完成IF-THEN產(chǎn)生式規(guī)則集。8.3神經(jīng)模糊系統(tǒng)神經(jīng)網(wǎng)路是初級(jí)的計(jì)算構(gòu)造，辦理原始數(shù)據(jù)時(shí)性能優(yōu)秀，模糊邏輯使用從領(lǐng)域?qū)＜夷抢铽@得的語(yǔ)言信息進(jìn)行高級(jí)推理?？墒悄：到y(tǒng)沒有學(xué)習(xí)能力且不可以夠在新的環(huán)境中調(diào)整自己。神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)，但是它們對(duì)用戶而言是不透明的。繼承的神

13、經(jīng)模糊系統(tǒng)能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)的并行計(jì)算和學(xué)習(xí)能力和模糊系統(tǒng)的近似人類的知識(shí)表達(dá)方式和解釋能力聯(lián)合起來。8.3ANFIS：自適應(yīng)性神經(jīng)模糊推理系統(tǒng)Sugeno模糊模型一種用來在給定的輸入輸出數(shù)據(jù)集中產(chǎn)生模糊規(guī)則的系統(tǒng)方法，ANFIS：對(duì)應(yīng)于一階的Sugeno模糊模型。用6層神經(jīng)網(wǎng)絡(luò)表示：輸入層、模糊化層、模糊規(guī)則層、歸一化層、逆模糊化層、總結(jié)層怎樣學(xué)習(xí)：使用了混淆了最小二乘法和梯度降落法的學(xué)習(xí)算法。在前向傳輸中會(huì)出現(xiàn)輸入模式的訓(xùn)練集，神經(jīng)元的輸出會(huì)一層一層的計(jì)算，其規(guī)則后向參數(shù)用最小二乘法表示。在后向傳達(dá)中，偏差信號(hào)向后傳達(dá)，規(guī)則前向參數(shù)依據(jù)鏈規(guī)則更新。8.5進(jìn)化神經(jīng)網(wǎng)絡(luò)8.6模糊進(jìn)化系統(tǒng)第九章知識(shí)

14、工程和數(shù)據(jù)挖據(jù)9.1簡(jiǎn)介知識(shí)工程是建立智能的鑒于知識(shí)的系統(tǒng)的過程步驟：（1）評(píng)估問題（2）獲得數(shù)據(jù)和知識(shí)（3）開發(fā)原型系統(tǒng)（4）開始圓滿的系統(tǒng)（5）評(píng)估并校訂系統(tǒng)（6）整合和保護(hù)系統(tǒng)9.2專家系統(tǒng)診療專家系統(tǒng)：電腦故障分類專家系統(tǒng)：風(fēng)帆分類9.3模糊專家系統(tǒng)模糊邏輯主要針對(duì)不明確的事件自己，適合模擬人類的決議制定過程。重要的決議平常鑒于人們的直覺、知識(shí)和經(jīng)驗(yàn)，而不是鑒于數(shù)據(jù)的可用性和精準(zhǔn)性。模糊技術(shù)供給了一種辦理軟標(biāo)準(zhǔn)和模糊數(shù)據(jù)的方法。決議支持模糊系統(tǒng)：銀行評(píng)估抵押申請(qǐng)9.4神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)在展望、分類、聚類問題中獲得了成功的應(yīng)用。使用神經(jīng)網(wǎng)絡(luò)的領(lǐng)域有語(yǔ)音和字符鑒識(shí)、醫(yī)學(xué)診療、過程控制、和機(jī)器人技術(shù)、鑒識(shí)雷達(dá)目標(biāo)、展望匯率以及檢測(cè)欺騙交易。特點(diǎn)鑒識(shí)神經(jīng)網(wǎng)絡(luò)：字符鑒識(shí)系統(tǒng)展望神經(jīng)網(wǎng)絡(luò)：房地產(chǎn)評(píng)估擁有競(jìng)爭(zhēng)學(xué)習(xí)的分類神經(jīng)網(wǎng)絡(luò)：9.5遺傳算法主要用于優(yōu)化問題9.6數(shù)據(jù)發(fā)掘和知識(shí)發(fā)現(xiàn)工具：決議樹基尼系數(shù)是談?wù)撜雇髑懈钋爻?jié)點(diǎn)中所包括的類的利害的一種胸懷方法念書的利處1、行萬里路，讀萬卷書。2、書山有路勤為徑，學(xué)海無涯苦作舟。3、念書破萬卷，下筆若有神。4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的。達(dá)爾文5、少壯不努力，老大徒傷心。6、黑發(fā)不知勤學(xué)早，白首方悔念書遲。顏真卿7、寶劍鋒從磨礪出，梅花香自嚴(yán)寒來。8、念書要三到：心到、眼到、口到9、玉不琢、不可以器，人不學(xué)、不