第二章 智能控制的知识工程基础讲解

2.3.2 一阶谓词表示法
取值为真或假的句子称为命题。 它可分为谓词和个体两部分。
谓词：用于刻划个体的性质、状态或个 体间的关系，用大写字母表示。 个体：表示某个独立存在的事物或某个 抽象的概念，用小写字母表示。
谓词的一般形式是：
P(x1,, xn )
其中P是谓词，有n个个体 xi (i 1,, n)，
G: (x)(I(x) R(x)) 证明：
(F1 F2F3) →G是永真公式
2.3.3 时序逻辑表示法
将时间及其次序关系引入谓词表 达式之中，利用谓词逻辑的概念和方 法， 便构成了时序逻辑知识模型。
例：Holds (u1, t1) Holds (u2, t2) After (t2, t1) After (t3, t2) Holds (y, t3)
学习系统的基本模型
学习是系统积累经验以改善其性 能的过程，是知识的获取与改进，是 事物规律的发现过程。也就是，学习 是一个有特定目的的知识获取过程。
学习系统的基本模型
学习系统内在行为：获取知识、积 累经验、发现规律
学习系统外部表现：改进性能、适 应环境、实现系统的自我完善
学习系统的基本模型
2.1 引言
需要解决： 知识信息的分类 知识信息的表示方法 智能控制系统中的推理方法 学习系统状态空间的搜索技术
2.2 知识的基本概念
2.2.1 什么是知识 2.2.2 知识的分类
2.2.1 什么是知识
知识是人们在长期生活、社会实 践、科学研究和实验中积累起来的对 客观世界的认识和总结，然后将实践 中获得的信息关联在一起，也就构成 了知识。
事实个性性知知识识(（描领述域性性 知识知)识） 过程性知识
确控定制性性知知识识
不确定性知逻识辑型知识
按知识结构及表现形式分类
形象型知识
2.3知识的表示
知识必须以适当的形式表示出来 才便于在计算机中存储、检索、使用 和修改等。
知识的表示
知识表示是一种计算机可接受的 对人类智能行为的描述。它是一种符 号模型的约定，将人类知识通过一个 符号模型映射到计算机中。
代表知识信息（学习成果），用 于存储或记忆系统通过学习所获 得的各种知识。分长期和中期记 忆两部分。
环境
学习环节
知识库
工作环节
系统的外界信息源。有关环境的 信息数据存在数据库中，它处于 在线学习时是可变的，属于短期 记忆范畴。
用于处理系统面临的现实问 题，如组合调度。从工作环 节到学习环节必须有反馈信 息，以便学习环节决定是否 进行再学习。
输入：
(x1, x2,, xn )
输出：
( y1, y2,, yn )
存储联想对：
[(x1, x2,, xn ), ( y1, y2,, yn )]
类比学习系统(Analogy Learning)
在两个相似域之间进行类比。
源域S： S s1, s2,, sn 目标域T： T t1,t2,,tn
关于海豚的定理证明形式
定义谓词： R(x): 动物x能阅读 L(x): 动物x能识字 D(x): x是海豚 I(x): x有智能 X是个体，域是每个人或动物
关于海豚的定理证明形式
已知： F1: (x)(R(x)→L(x))
F2: (x)(D(x)→L(x))
F3: (x)(D(x)I(x))
称之为n元谓词。
一阶谓词中的基本概念
基本要素：常量、变量、函数、谓 词、联接词、量词
用谓词逻辑表示状态和操作。 例：关于积木世界的问题。
基本要素
常量：某一个具体的事物 变量：不确定性事物 函数：由其他事物所确定的事物 联接词：联接谓词的逻辑符号 量词：分为全称量词和存在量词
B
B
A
C
关于积木世界的问题
定义谓词：
大写字母表示
ON(x, y):表谓词示x在y上 CLEAR(x):表示x顶上是空的 ONTABLE(x):表示x在桌子上
HOLDING(x):表示手里拿着x
HANDEMPTY:表示手是空的
关于积木世界的问题
以上谓词中，x和y是个体，个体 域为A，B和C。
关于积木世界的问题
关于积木世界的问题
操作4：
UNSTACK(x, y): 把x从y上拿开 P.D: ON (x, y), CLEAR(x), HANDEMPTY A: CLEAR(y), HOLDING(x)
关于积木世界的问题
A
C
B
B
A
C
• 操作序列：
UNSTACK PUTDOWN
(C, A)
(C)
PICKUP (B)
学习系统是指，一个系统能够从 某个过程或环境的未知特征中学到有 关信息，并且能把学到的信息用于未 来的估计、分类、决策或控制，以便 改进系统的性能。
学习系统的基本模型 学习系统的核心。是对环境信
息进行搜索、控制和逻辑思维。
通过比较、抽象、概括、综合、 推理等，以产生、修改与补充 知识。是智能系统的知识产生 器。
STACK( B，C)
பைடு நூலகம்
PICKUP (A)
STACK( A，B)
一阶谓词表示法
也称一阶谓词逻辑表示法，用一 阶谓词逻辑表示人们在问题求解时的 逻辑演绎推理过程。
例：关于海豚的定理证明形式
关于海豚的定理证明形式
已知： ①无论什么动物，能阅读即识字 ②海豚不识字 ③某些海豚有智能
证明：某人或动物有智能却不能阅读
属性、动作、状态、地点等。 弧：表示各种语义联系，指明所连接
节点的某种关系。 当多个三元组综合在一起表达时，就
可得到一个语义网络。
究竟采用哪一种表示模示，没有 统一的标准。
在确定一个知识表示模式时，首 先应考虑的是它能否充分地表示领域知 识。
2.4 知识的获取
人工智能或知识工程系统中，通 过非自动方式或自动方式实现计算机 从知识源获取知识的过程。
学习系统的分类
机械式学习系统 类比学习系统 示例学习系统 发现式学习系统 指导学习系统
机械式学习系统（Rote Learning)
又称记忆学习。是一种最简单、最 基本的学习方法，无推理过程，是从特 殊到特殊的学习过程。通过从知识库中 检索相应的知识，直接求解问题。
机械式学习系统
力
知识、规则、数据、信息之间的关系
规则：把关联起来的知识称为规则。 事实或原子事实：把不与其他信息关 联的信息称为事实或原子事实。
知识、规则、数据、信息之间的关系
数据：描述客观事物的属性、数量、 位置以及相互关系。是信息的载体和 表示。它可以是数，也可以是字符串。 信息：是数据在特定场合下的具体 含义，或是数据的语义。
关于积木世界的问题
操作2：
PUTDOWN(x): 放x在桌上 P.D: HOLDING(x) A: CLEAR(x), ONTABLE(x), HANDEMPTY
关于积木世界的问题
操作3：
STACK(x, y): 把x放在y上 P.D: CLEAR(y), HOLDING(x) A: ON (x, y), CLEAR(x), HANDEMPTY
框架网络
把多个相互关联的框架 连接起来组成的框架
2.3.5 语义网络知识表示法
语义网络（Sematic Network) 是通 过概念及其语义关系来表达知识的一 种网络图，由节点和连接节点的弧构 成。其基础是一种三元组。
（下层概念） （上层概念）
是一种
猎狗
狗
（节点）
（节点）
结构（节点1，弧，节点2） 节点：表示各种事物、概念、情况、
非自动知识获取是指知识是通过 知识工程师和知识编辑器传授给知识 库的。
知识编辑器是一类程序设计系统， 包括语法检查、一致性检查、自动薄 记、知识抽取等功能。
知识工程师
领域专家
知识编辑器
知识库
非自动知识获取
2.4.2 自动知识获取
全自动知识获取是让计算机直接 从环境中获取全部信息。包括机器感 知（主要是计算机视觉和听觉）、机 器识别和机器学习等。
知识表示法（知识表示模式/技术）
状态空间 表示法
产生式表 示法
一阶谓词 逻辑表示 法
框架表 示法
Petri网络表 示法
神经网络知 识表示法
定性模型知 识表示法
不确定性 （模糊）知 识表示法
时序逻辑表 示法
语义网络表 示法
可视知识模 型表示法
…….
2.3.1 状态空间表示法
状态、操作和状态空间的概念 状态空间图示法
简言之，知识是把有关信息关联在 一起所形成的信息结构。
应用最多的关联形式是“IF-THEN” 形式，它反映了信息间的某种因果关系。
知识、规则、数据、信息之间的关系
人类大量 的
智能活动：是人类获取知识并运用
知识的过程。
知识：是智能的基础。
要使计算机具有智 能的话，就必须使 计算机具有获取知 识和运用知识的能
初始状态QS： CLEAR(C)
CLEAR(B) ONTABLE(A)
C
B
A
ONTABLE(B) ON(C，A)
HANDEMPTY
关于积木世界的问题
目标状态Qg：
ONTABLE(C)
ON(B，C)
A B
C
ON(A，B)
CLEAR(A)
HANDEMPTY
关于积木世界的问题
操作1：
PICKUP(x): 拿起x P.D: CLEAR(x), ONTABLE(x), HANDEMPTY A: HOLDING(x)
2.3.4 产生式表示法
又称为规则或产生式规则。通常 用于表示具有因果关系的知识。