2022人工智能原理及應(yīng)用

一.二.三..實(shí)例展示2.2.式，并且對于解題所需的巨大的搜索空間也難于處理。1965年，f.a.結(jié)合化學(xué)領(lǐng)域的專門知識(shí)，研制了世界上第一個(gè)專家系統(tǒng)dendral，專家系統(tǒng)的發(fā)展已經(jīng)歷了3第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門第二代專家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學(xué)3.3.數(shù)據(jù)庫、知識(shí)獲取等6個(gè)部分構(gòu)成。其中尤以知識(shí)庫與推理機(jī)相互分3.3.知識(shí)庫和推理機(jī)3個(gè)主要部分組成，綜合數(shù)據(jù)庫包含求解問題的世界3.3.推理機(jī)針對當(dāng)前問題的條件或已知信息，反復(fù)匹配知知識(shí)獲取是專家系統(tǒng)知識(shí)庫是否優(yōu)越的關(guān)鍵，也是專家系統(tǒng)設(shè)計(jì)在20世紀(jì)70年代早期，來自卡內(nèi)基-梅隆大學(xué)的Newell和Simon提出了產(chǎn)生式系統(tǒng)模型，為現(xiàn)代的基于規(guī)則的專家系統(tǒng)奠定了基礎(chǔ)（NewellandSimon，1972）。產(chǎn)生式模存儲(chǔ)器中。圖2.2是產(chǎn)生式系統(tǒng)模型和基于規(guī)則的專家系多數(shù)專家系統(tǒng)還提供輸入/輸出設(shè)備，例如運(yùn)行時(shí)知識(shí)獲2.2.假設(shè)數(shù)據(jù)庫最初包含5個(gè)事實(shí)：A、B、C、D和E，知識(shí)庫最初包含3能被執(zhí)行一次。當(dāng)沒有規(guī)則可觸發(fā)時(shí)，匹配-觸發(fā)循環(huán)終例子中，目標(biāo)是推出事實(shí)Z。我們僅有5條規(guī)則，其中4條即THEN部分包含的目標(biāo)規(guī)則。如果找到這種規(guī)則，在數(shù)單的例子說明了當(dāng)需要證實(shí)一個(gè)特定事實(shí)時(shí)（例子中是Z），后向鏈接更為有效。前向鏈接中，在推理過程開始的規(guī)則。推理引擎找到了規(guī)則1∶Y&D→Z，將它壓棧。規(guī)則1的IF部分包含事實(shí)Y和D其中沒有事實(shí)Y。因此需要尋找THEN部分包含事實(shí)Y的規(guī)則。推理引擎發(fā)現(xiàn)規(guī)則2∶X&B&E→Y滿足條件，將它壓棧。規(guī)則2的IF部分包括事實(shí)X、B和E，接下來同樣需要建在第5個(gè)周期，推理引擎要證實(shí)子目標(biāo)Y，再次試圖執(zhí)行規(guī)則2∶X&B&E→Y。由于事在第6個(gè)周期，系統(tǒng)轉(zhuǎn)向規(guī)則1∶Y&D→Z，嘗試證實(shí)初始目標(biāo)Z。由于規(guī)則1的IF部分與3.3. 當(dāng)目標(biāo)實(shí)現(xiàn)后不再觸發(fā)規(guī)則。在過馬路的例子中，目標(biāo)是為語言對象“action”確立值。當(dāng)專家系統(tǒng)為“action”賦發(fā)規(guī)則2，“action”的值是“stop”，至此系統(tǒng)終止。在這個(gè)則數(shù)在100條左右的系統(tǒng)。但在某些應(yīng)用中，必須按照重 統(tǒng)一結(jié)構(gòu)。產(chǎn)生式規(guī)則具有統(tǒng)一的IFTHEN結(jié)構(gòu)。每一條規(guī)則這條規(guī)則用數(shù)值表達(dá)不確定性，稱為確信因子{cf0.1}。專家系統(tǒng)使用規(guī)則很多時(shí)（多于100條規(guī)則），系統(tǒng)速度會(huì)很慢。基于規(guī)則的大型MYCIN是一個(gè)基于規(guī)則的系統(tǒng)，此系統(tǒng)是由斯坦福大學(xué)在七十年代中后期研制成的?？梢酝ㄟ^此系統(tǒng)和醫(yī)生的一段對話來看，這段對話詳細(xì)的說明了大部分基于規(guī)則的系統(tǒng)會(huì)話特征，并提供了一個(gè)單一的示1.患者姓名：省略若干問題（可以接受“不知道”作為合法值。不必對所有回答給出完全乃至正確的數(shù)據(jù)。***為什么（用戶詢問“為什么”是想要了解MYCIN所沿的推理路線的解釋。有證據(jù)證明，可能引起感染的病原菌是大腸桿菌（.75）凝