人工智能[第三章确定性推理方法]山东大学期末考试知识点复习

合集下载

人工智能教程习题及答案第3章习题参考解答

人工智能教程习题及答案第3章习题参考解答

第三章确定性推理方法习题参考解答3.1 练习题3.1 什么是命题?请写出3个真值为T 及真值为F 的命题。

3.2 什么是谓词?什么是谓词个体及个体域?函数与谓词的区别是什么?3.3 谓词逻辑和命题逻辑的关系如何?有何异同?3.4 什么是谓词的项?什么是谓词的阶?请写出谓词的一般形式。

3.5 什么是谓词公式?什么是谓词公式的解释?设D= {1,2} ,试给出谓词公式( x)( y)(P(x,y) Q(x,y))的所有解释,并且对每一种解释指出该谓词公式的真值。

3.6对下列谓词公式分别指出哪些是约束变元?哪些是自由变元?并指出各量词的辖域。

(1)( x)(P(x, y) ( y)(Q(x, y) R(x, y)))(2)( z)( y)(P(z, y) Q(z, x)) R(u, v)(3)( x)(~ P( x, f (x )) ( z)(Q(x,z) ~ R(x,z)))(4)( z)(( y)(( t)(P(z, t) Q(y, t)) R(z, y))(5)( z)( y)(P(z, y) ( z)(( y)(P(z, y) Q(z, y) ( z)Q(z, y))))什么是谓词公式的永真性、永假性、可满足性、等价性及永真蕴含?3.7什么是置换?什么是合一?什么是最一般的合一?3.8判断以下公式对是否可合一;若可合一,则求出最一般的合一:3.9(1)P(a,b) ,P(x, y)(2)P(f(z),b) ,P(y, x)(3)P(f(x), y) ,P(y, f(a))(4)P(f(y), y,x) ,P(x, f(a), f(b))(5)P(x, y) ,P(y, x)什么是范式?请写出前束型范式与SKOLEM 范式的形式。

3.10什么是子句?什么是子句集?请写出求谓词公式子句集的步骤。

3.113.12谓词公式与它的子句集等值吗?在什么情况下它们才会等价?3.13 把下列谓词公式分别化为相应的子句集:(1)( z)( y)(P(z, y) Q(z, y))(2)( x)( y)(P(x, y) Q(x, y))(3)( x)( y)(P(x, y) (Q(x, y) R(x, y)))(4)( x)( y)( z)(P(x, y) Q(x, y) R(x, z))(5)( x)( y)( z)( u)( v)( w)(P(x, y,z,u,v,w) (Q(x, y, z,u, v, w) ~R(x, z, w)))3.14 判断下列子句集中哪些是不可满足的:(1)S {~ P Q,~ Q,P,~ P}(2)S {P Q,~ P Q,P ~ Q,~ P ~ Q}(3)S {P(y) Q(y), ~ P(f(x)) R(a)}(4)S {~ P(x) Q(x), ~ P(y) R(y), P(a),S(a),~ S(z) ~ R(z)}(5)S {~ P(x) ~ Q(y) ~ L(x, y), P(a), ~ R(z) L(a, z), R(b), Q(b)}(6)S {~ P(x) Q(f(x), a), ~ P(h(y)) Q(f(h(y)), a) ~ P(z)}(7)S {P(x) Q(x) R(x),~ P(y) R(y),~Q(a),~ R(b)}(8)S {P(x) Q(x),~ Q(y) R(y), ~ P(z) Q(z),~ R(u)}3.15 为什么要引入Herbrand 理论?什么是H 域?如何求子句集的H 域?3.16 什么是原子集?如何求子句集的原子集?3.17 什么是H 域解释?如何用域D 上的一个解释I 构造H 域上的解释I *呢?3.18 假设子句集S={P(z) ∨Q(z),R(f(t))} ,S 中不出现个体常量符号。

人工智能第三章1

人工智能第三章1
10
2、置换(代换):
Artificial Intelligence
• 置换是一个形如{t1/v1,…, tn/vn}的有限集。 置换是一个形如{t1/v1,…, tn/vn}的有限集 的有限集。 其中:vi是变量 是变量, 其中:vi是变量, ti是不同于vi的项 常量、变量或函数) 是不同于vi的项( ti是不同于vi的项(常量、变量或函数) (vi<>ti)。 I<>j时 vi<>vj。 (vi<>ti)。当I<>j时,vi<>vj。 • 无元素组成的置换称为空置换,记为ε 无元素组成的置换称为空置换,记为ε • 例 是置换; {a/x, w/y, f(s)/z} 是置换; {x/x}, {y/f(x)}不是置换; {y/f(x)}不是置换 不是置换; • Eθ含义 Eθ含义 -----谓词公式 ---置换 则置换θ作用于E E-----谓词公式 θ---置换 则置换θ作用于E, 就是将E中的变量vi均以ti代入。 vi均以ti代入 就是将E中的变量vi均以ti代入。 • E的例 ----对公式E实施置换θ后得到的公式(Eθ) ----对公式 实施置换θ后得到的公式(Eθ) 对公式E
四、模式匹配
Artificial Intelligence
• 指对两个知识模式(如两个谓词公式、两个框架片 指对两个知识模式(如两个谓词公式、 段或两个语义网络片段等)的比较与耦合, 段或两个语义网络片段等)的比较与耦合,即检查 知识模式是否完全一致或近似一致。 知识模式是否完全一致或近似一致。 • 确定性匹配 : 完全一致 , 或经变量代换后变得完全 确定性匹配:完全一致, 一致 • 不确定性匹配 : 不完全一致 , 但总体上相似程度在 不确定性匹配: 不完全一致, 规定范围内 1、合一(一致化) 合一(一致化) 寻找项(常量、变量、函数) 寻找项(常量、变量、函数)对变量的置换使 表达式一致 P(x, f(A), B) 例:P(z, f(w), B) 置换(代换) 置换(代换) S={x/z, A/w}

人工智能考试必备知识点

人工智能考试必备知识点

人工智能考试必备知识点第三章约束推理约束的定义:一个约束通常是指一个包含若干变量的关系表达式,满足的条件。

贪心算法:贪心法把构造可行解的工作分阶段来完成。

在各个阶段,选择那些在某些意义下是局部最优的方案,期望各阶段的局部最优的选择带来整体最优。

回溯算法:有些问题需要彻底的搜索才能解决问题,然而,彻底的搜索要以大量的运算时间为代价,对于这种情况可以通过回溯法来去掉一些分支,从而大大减少搜索的次数第四章定性推理定性推理的定义是从物理系统、生命系统的结构描述出发 , 导出行为描述 , 以便预测系统的行为并给出原因解释。

定性推理采用系统部件间的局部结构规则来解释系统行为态的变化行为只与直接相邻的部件有关第六章贝叶斯网络贝叶斯网络的定义:贝叶斯网络是表示变量间概率依赖关系的有向无环图,这里每个节点表示领域变量,表示变量间的概率依赖关系,同时对每个节点都对应着一个条件概率分布表 (CPT) 该变量与父节点之间概率依赖的数量关系。

条件概率:条件概率:我们把事件B 已经出现的条件下,事件 A 发生的概率记做为并称之为在B 出现的条件下 A 出现的条件概率,而称 P(A)为无条件概率。

贝叶斯概率:先验概率、后验概率、联合概率、全概率公式、贝叶斯公式先验概率:先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率,验证实,属于检验前的概率,所以称之为先验概率后验概率:后验概率一般是指利用贝叶斯公式,结合调查等方式获取了新的附加信息,对先验概率进行修正后得到的更符合实际的概率联合概率:联合概率也叫乘法公式,是指两个任意事件的乘积的概率,或称之为交事件的概率。

贝叶斯问题的求解步骤定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断贝叶斯网络的构建为了建立贝叶斯网络,第一步,必须确定为建立模型有关的变量及其解释。

为此,需要:(1) 确定模型的目标,即确定问题相关的解释; (2) 确定与问题有关的许多可能的观测值,并确定其中值得建立模型的子集; (3) 将这些观测值组织成互不相容的而且穷尽所有状态的变量。

人工智能期末复习概要

人工智能期末复习概要
当MD(H,E)>0时,应该有P(H/E)< P(H),那么有 MB(H,E)=0
当MB(H,E)>0时,则为P(H/E)> P(H),那么有 MD(H,E)=0
如果P(H/E)= P(H),则MD(H,E)= MD(H,E)=0表 示,E与H无关
第四章 不确定性推理
不确定性的传递问题
– 单条知识
第四章 不确定性推理
可信度方法 组合证据不确定性表示
– 当多个证据以合取得方式构成一个组合证 据的时候,组合证据的可信度为这些单一 证据的可信度最小值;
– 当多个证据以析取得方式构成一个组合证 据的时候,组合证据的可信度为这些单一 证据的可信度最大值;
第四章 不确定性推理
– MB(H,E):信任增长度 – MD(H,E):不信任增长度 – MB(H,E)与MD(H,E)是互斥的 – 解释
学习目标
– 了解不确定性推理的含义、思路和讨论的 主要问题。
– 掌握可信度方法、主观Bayes方法和证据 理论不确定性推理方法
第四章 不确定性推理
计算问题
– 不确定性的传递问题 – 证据不确定性的合成问题 – 结论不确定性的合成问题
第四章 不确定性推理
可信度方法 知识不确定性的表示
– 在基于可信度的不确定性推理模型中,知 识是以产生式规则来表示的,而只是的不 确定性则是以可信度CF(H,E)来表示的, 其一般的形式为:
第一章 绪论
课程研究的主要内容
– 知识表示 – 推理方式
确定性推理(主要归结原理) 不确定性推理
– 搜索技术研究
普通图搜索 超图搜索(与或图搜索)
第一章 绪论
需要解决的问题:
– 万能的人工智能的知识体系结构从根本上 就不可能有,最根本的原因是缺乏知识。 人是根据知识行事的,而不是根据抽象原 则上进行推理。

人工智能第三章归结推理方法

人工智能第三章归结推理方法

人工智能第三章归结推理方法
第三章主要讨论归结推理方法,归结推理方法是人工智能领域中的一种重要技术。

归结推理是一种推理过程,它从一个给定的知识库出发,将给定的输入推断,得出想要的结果。

归结推理是一种推断过程,它把已有的规则和数据应用到新的数据中,来解决新问题。

归结推理可以从三个层面来分析:
1.处理模型
在归结推理中,首先要建立一个处理模型,这个模型是一种结构,它描述了归结推理的步骤,以及归结推理过程中用到的数据和知识。

2.知识表示
归结推理过程是基于知识库,而知识的表示是归结推理中最重要的环节。

知识的表示是一种在计算机中存储、表示和管理数据的方法,它决定了归结推理过程中的正确性和性能。

3.推理机制
推理机制是归结推理过程中,根据已有的输入,对知识进行推理以及解决问题的一种机制。

它可以把归结推理分为计算环节和决策环节,从而实现和可靠的知识表示,实现更精确的推理过程。

基于上述三个层面,归结推理方法可以有效的解决知识表示、理解和存储问题,实现可靠的推理过程,从而解决复杂的问题。

山东大学网络教育-人工智能-期末考试试题答案

山东大学网络教育-人工智能-期末考试试题答案

⼭东⼤学⽹络教育-⼈⼯智能-期末考试试题答案⼭⼤⽹络教育《⼈⼯智能》1.⾸次提出“⼈⼯智能”是在(D )年A.1946B.1960C.1916D.19562. ⼈⼯智能应⽤研究的两个最重要最⼴泛领域为:BA.专家系统、⾃动规划B. 专家系统、机器学习C. 机器学习、智能控制D. 机器学习、⾃然语⾔理解3. 下列不是知识表⽰法的是 A 。

A:计算机表⽰法B:“与/或”图表⽰法C:状态空间表⽰法D:产⽣式规则表⽰法4. 下列关于不确定性知识描述错误的是 C 。

A:不确定性知识是不可以精确表⽰的B:专家知识通常属于不确定性知识C:不确定性知识是经过处理过的知识D:不确定性知识的事实与结论的关系不是简单的“是”或“不是”。

⼀、填空题1、在删除策路归结的过程中,删除以下⼦句:含有的⼦句;含有的⼦句;⼦句集中被别的⼦句的⼦句。

正确答案:纯⽂字#永真#类含2、⼀般公认⼈⼯智能学科诞⽣于年。

正确答案:19563、在启发式搜索当中,通常⽤来表⽰启发性信息。

正确答案:启发函数4、⽤谓词、量词(存在量词,全称量词、联接词(⼀蕴涵,个合取,V析取连接⽽成的复杂的符号表达式称为。

正确答案:谓词公式。

⼆、简答与应⽤题5、何谓“图灵测试”?简单描述之,请您设计⼀个图灵测试问题来测试您⾯对的是⼀台机器还是⼀个⼈?正确答案:图灵实验是为了判断⼀台机器是否具有智能的实验,试验由三个封闭的房间组成,分别放置主持⼈、参与⼈和机器。

主持⼈向参与⼈和机器提问,通过提问的结果判断哪是⼈,哪是机器,如果⽆法判断,则这台机器具有智能,即所谓的“智能机器”6、⼀个产⽣式系统是以整数的集合作为综合数据库,新的数据库可通过把其中任意⼀对元素的乘积添加到原数据库的操作来产⽣。

设以某⼀个整数⼦集的出现作为⽬标条件,试说明该产⽣式系统是可交换的。

正确答案:说明⼀个产⽣式系统是可交换的,就是要证明该产⽣式系统满⾜可交换产⽣式系统的三条性质。

(1)该产⽣式系统以整数的集合为综合数据库,其规则是将集合中的两个整数相乘后加⼊到数据库中。

2021年人工智能山东大学期末考试知识点复习

2021年人工智能山东大学期末考试知识点复习

第二章知识表达办法1.1 知识及其表达1.知识、信息和数据数据与信息是两个密切有关概念。

数据是记录信息符号,是信息载体和表达。

信息是对数据解释,是数据在特定场合下详细含义。

只有把两者密切结合起来,才干实现对现实世界中某一详细事物描述。

此外,数据和信息又是两个不同概念,相似数据在不同环境下表达不同含义,蕴涵有不同信息。

信息是要以数据形式来表达和传递,数据中蕴涵着信息,然而,并不是所有数据中都蕴涵着信息,而是只有那些有格式数据才故意义。

对数据中信息理解也是主观、因人而异,是以增长知识为目。

不同格式数据蕴涵信息多少也不同样,例如,图像数据所蕴涵信息量就大,而文本数据所蕴涵信息量就少。

信息在人类生活中占有十分重要地位,但是,只有把关于信息关联到一起时候,它才有实际意义,普通把关于信息关联在一起所形成信息构造称为知识。

知识是人们在长期生活及社会实践、科学研究及实验中积累起来对客观世界结识与经验,人们把实践中获得信息关联在一起,就获得了知识。

因而,知识、信息和数据是3个层次概念。

有格式数据通过解决、解释过程会形成信息,而把关于信息关联到一起,通过解决过程就形成了知识。

知识是用信息表达,信息则是用数据表达,这种层次不但反映了数据、信息和知识因果产生关系,也反映了它们不同抽象限度。

人类在社会实践过程中,其重要智能活动就是获取知识,并运用知识解决生活中遇到各种问题。

2.知识特性与分类知识具备如下特性:相对对的性;不拟定性;可表达性;可运用性。

知识分类:(1)按知识作用范畴划分,可分为常识性知识和领域性知识。

(2)按知识作用及表达划分,可分为事实性知识、规则性知识、控制性知识和元知识。

(3)以知识拟定性来划分,可分为拟定知识和不拟定知识。

(4)以人思维及结识办法划分,可分为逻辑性知识和形象性知识。

3.知识表达知识表达是研究用机器表达知识可行性、有效性普通办法,是一种数据构造与控制构造统一体,既考虑知识存储又考虑知识使用。

人工智能期末复习重点

人工智能期末复习重点

人工智能复习重点1绪论1.1人工智能-理论基础。

从理论基础上讲,它是信息论、控制论、系统工程论、计算机科学、心理学、神经学、认知科学、数学和哲学等多学科相互渗透的结果。

1.2 什么是人工智能?从思维基础上讲,它是人们长期以来探索研制能够进行计算、推理和其它思维活动的智能机器的必然结果;• 从理论基础上讲,它是信息论、控制论、系统工程论、计算机科学、心理学、神经学、认知科学、数学和哲学等多学科相互渗透的结果;• 从物质和技术基础上讲,它是电子计算机和电子技术得到广泛应用的结果。

1.3 人工智能的研究途径和方法1.利用搜索采用尝试-检验(try-and-test)的方法,对问题进行试探性的求解,直到成功。

这就是AI问题求解的基本策略中的生成-测试法。

2.利用知识知识有几大难以处理的属性:①非常庞大②难于精确表达③经常变化所以,对于知识的处理必须做到:①抓住一般性,以免浪费大量时间,空间;②要能够被提供和接受知识的人所理解;③易于修改;④能够通过搜索技术来减少知识的巨大容量。

3.利用抽象抽象用以区分重要与非重要的特征,借助于抽象可将处理问题中的重要特征和变式与大量非重要特征和变式区分开来,使对知识的处理变得更有效、更灵活。

4.利用推理目前,AI 工作者以研究出各种逻辑推理、概率推理、定性推理、模糊推理、非单调推理和次协调推理等各种推理技术和各种控制策略,它为人工智能的应用开辟了广阔的应用前景。

5.遵循有限合理性原则西蒙在20世纪50年代在研究人的决策制定中总结出一条关于智能行为的基本原则,因此而获得诺贝尔奖。

爆炸性的搜索量,仍要做好决策,而不是放弃,这时,人将在一定的约束条件下作机遇性的搜索,以制定尽可能好的决策。

这样的决策的制定具有一定的机遇性,往往不是最优的。

1.4 人工智能三大学派1. 符号主义认为人工智能源于数理逻辑。

2. 联结主义(Connetionism)认为人工智能源于仿生学,特别是人脑模型的研究,神经元与神经元之间的连接。

人工智能导论 第3章 确定性推理方法(导论) [兼容模式]

人工智能导论 第3章 确定性推理方法(导论) [兼容模式]

①足球运动员的身体都是强壮的;
(大前提)
②高波是一名足球运动员;
(小前提)
③所以,高波的身体是强壮的。 (结 论)
9
3.1.2推理方式及其分类
1.演绎推理、归纳推理、默认推理 (2)归纳推理(inductive reasoning):个别一一般
完全归纳推理(必然性推理) 不完全归纳推理(非必然性推理)
■逆向推理需要解决的问题: ♦如何判断一个假设是否是证据?
___ ♦当导出假设的知识有多条时,如何确定先选哪一条? ♦ 一条知识的运用条件一般都有多个,当其中的一个经 验证成立后,如何自动地换为对另一个的验证?
♦ ......
选择初 -_逆向推理:目的性强,利于向用户提供解释,但 始目标时具有盲目性,比正向推理复杂。
22
3.1.3推理的方向
3.混合推理
.正向推理:盲目、效率低。
■逆向推理:若提出的假设目标不符合实际,会降低效
率C
■正反向混合推理:
1 ( ) 先正向后逆向:先进行正向推理,帮助选择某个目标,
即从已知事实演绎出部分结果,然后再用逆向推理证实该目标
2 或提高其可信度;
( ) 先逆向后正向:先假设一个目标进行逆向推理,然后
■实现正向推理需要解决的问题: .确定索知识库。 .冲突消解策略。
■正向推理简单,易实现,但目的性不强,效率低。
19
3.1.3推理的方向
2.逆向推理
.逆向推理(目标驱动推理):以某个假设目标作为出 发点。 -基本思想:
选定一个假设目标。 寻找支持该假设的证据,若所需的证据都能找到,则 原假设成立;若无论如何都找不到所需要的证据,说明 原假设不成立的;为此需要另作新的假设。 ■主要优点:不必使用与目标无关的知识,目的性强, 同时它还有利于向用户提供解释。

人工智能期末考试知识点(考点)总结

人工智能期末考试知识点(考点)总结

1、智能所包含的能力(1) 感知能力(2)记忆与思维能力(3)学习和自适应能力(4)行为能力2、人工智能分为五个阶段:(1) 孕育期(2)形成期(3)知识应用期(4)从学派分立走向综合(5)智能科学技术学科的兴起3、人工智能研究的基本内容(1)与脑科学和认知科学的交叉研究(2)智能模拟的方法和技术研究4、人工智能研究中的不同学派(三大学派)(1)符号主义(2)联结主义(3)行为主义5、机器学习机器学习是机器获取知识的根本途径,同时也是机器具有智能的重要标志。

有人认为,一个计算机系统如果不具备学习功能,就不能称其为智能系统。

机器学习有多种不同的分类方法,如果按照对人类学习的模拟方式,机器学习可分为符号学习、联结学习、知识发现和数据挖掘等。

6、演绎推理与归纳推理的区别演绎推理与归纳推理是两种完全不同的推理。

演绎推理是在已知领域内的一般性知识的前提下,通过演绎求解一个具体问题或证明一个给定的结论。

这个结论实际上早已蕴涵在一般性知识的前提中,演绎推理只不过是将其揭示出来,因此它不能增殖新知识。

而在归纳推理中,所推出的结论是没有包含在前提内容中的。

这种由个别事物或现象推出一般性知识的过程,是增殖新知识的过程。

7、确定性知识确定性知识是指其真假可以明确给出的知识,其表示方法主要包含谓语逻辑表示法、产生式表示法、语义网络表示法、框架表示法等。

8、谓语逻辑表示方法P299、语义网络表示法P3410、框架表示法(鸟框架)P4111、产生式推理的基本结构产生式推理的基本结构如图所示,它包括综合数据库、规则库和控制系统三个重要组成部分。

12、谓语公式P6913、状态空间的盲目搜索根据状态空间采用的数据结构的不同,它可分为图搜索算法和树搜索算法。

树搜索算法包括一般树和代价树的盲目搜索算法。

一般树的盲目搜索主要包括广度优先搜索算法和深度优先搜索算法两种。

14、广度优先搜索算法和深度优先搜索算法的区别P7915、八数码难题P7916、代价树的广度优先搜索也称为分枝界限算法P8017、城市交通难题P8118、什么是估价函数用来估计节点重要性的函数称为估价函数。

(完整word版)人工智能复习参考(山东大学2015)

(完整word版)人工智能复习参考(山东大学2015)

一、填空题01.构成产生式系统的基本元素有(综合数据库)(产生式规则)(控制系统),控制策略按执行规则的方式分为(正向推理)(反向推理)(双向推理)三类。

02.归结过程中控制策略的作用是给出控制策略,以使仅对选择合适的子句间方可做归结,避免(多余的不必要的归结式)。

常见的控制策略有(采用支撑集)(线性归结)(单元归结)(输入归结).03.公式G和公式的子句集并不等值,但在(不可满足)的意义下是一致的。

04.与或图的启发式搜索算法(AO*算法)的两个过程分别是(图生成过程即扩展节点)和(计算耗散值的过程)。

05.人工智能的研究途径主要有两种不同的观点,一种观点称为(符号主义),认为智能的基本单元是(符号)。

另一种观点称为(连接主义),认为智能的基本单元是(神经元).06.集合{P(a,x,f(g(y)),P(z,f(z),f(u)))}的mgu(最一般合一置换)为({z/a, f(x)/x, u/g(y)})。

07.语义网络是对知识的(有向图)表示方法,一个最简单的语义网络是一个形如(节点1、弧、节点2)的三元组,语义网络可以描述事物间多种复杂的语义关系、常用ISA、AKO弧表示节点间具有(类属)的分类关系.语义网络下的推理是通过(继承和匹配)实现的。

08.按综合属性分类,机器学习可分为(连接学习)(归纳学习)(分析学习)和遗传算法与分类器系统。

一个机器学习系统应有(环境)(知识库)(学习环节)(执行环节)四个基本部分组成.09.常用的知识表示法有逻辑表示法和(产生式规则表示法)(语义网络表示法)(框架理论表示法)(过程表示法)等。

10.有两个A*算法A1和A2,若A1比A2有较多启发信息,则h1(n) (大于)h2(n)。

11.关于A算法与A*算法,若规定h(n)≥0,并且定义启发函数:f*(n)=g*(n)+h*(n)表示初始状态S0经点n到目标状态Sg最优路径的费用。

其中g*(n)为S0到n的最小费用,h *(n)为n到Sg的实际最小费用。

人工智能导论 第3章 确定性推理方法(导论) [兼容模式]

人工智能导论 第3章 确定性推理方法(导论) [兼容模式]
2第3章确定性推理方法第3章确定性推理方法31推理的基本概念32自然演绎推理33谓词公式化为子句集的方法34鲁宾逊归结原理35归结反演36应用归结反演求解问题第3章确定性推理方法31推理的基本概念32自然演绎推理33谓词公式化为子句集的方法34鲁宾逊归结原理35归结反演36应用归结反演求解问题31推理的基本概念311推理的定义312推理方式及其分类313推理的方向314冲突消解策略311推理的定义推理
EASY (ds)
P规则及假言推理
所以 EASY (ds), EASY (z) →LIKE (Wang,z)
LIKE ( Wang, ds ) T规则及假言推理
35
3.2 自然演绎推理
优点: 表达定理证明过程自然,易理解。 拥有丰富的推理规则,推理过程灵活。 便于嵌入领域启发式知识。
缺点:易产生组合爆炸,得到的中间结论一般呈指 数形式递增。
P :正文字, P :负文字。
子句(clause):任何文字的析取式。任何文字本身 也都是子句。
P(x) Q(x), P(x, f (x)) Q(x, g(x))
空子句(NIL):不包含任何文字的子句。 子句集:由空子子句句构是成永的假集的合,。不可满足的。
40
3.3 谓词公式式化化为为子子句句集集的的方方法法
34
3.2 自然演绎推理
应用推理规则进行推理: ( x)(EASY ( x ) →LIKE ( Wang, x )) EASY (z) →LIKE ( Wang, z ) 全称固化
( x) (C ( x ) → EASY ( x )) C ( y ) →EASY ( y )
全称固化
所以 C (ds), C (y) →EASY (y)
6

人工智能[第三章确定性推理方法]山东大学期末考试知识点复习

人工智能[第三章确定性推理方法]山东大学期末考试知识点复习

山东大学 期末考试知识点复习
②一阶谓词逻辑中的归结原理。 在一阶谓词逻辑中,由于子句中含有变元,所以不能像命题逻辑中那样直接 消去互补文字进行子句归结。而是要对子句中的某些变元做合一置换后,再对新 子句使用归结规则。例如,假设有如下两个子句:C1=P(x)∨Q(x),C2=~P(a)∨ T(z),由于 P(x)与 P(a)不同,从而 P(x)与~P(a)不是互补文字,不能对 C1 与 C2 直接进行归结。做合一置换σ={a/x),得到: C1σ=P(a)∨Q(a), C2σ=~P(a)∨T(z) 再对它们进行归结,消去 P(a)与~P(a),得到如下归结式: Q(a)∨T(z) 定义 3.5 设 C1 和 C2 是两个没有相同变元的子句,L1 和 L2 分别是 C1 和 C2 的 文字,如果 L1 与~L2 有 mguσ,则把 C12=(C1σ-{L1σ})U(C2σ-{L2σ})称作子句 C1 和 C2 的一个二元归结式,而 L1 和 L2 是被归结的文字。 这里使用了集合的符号和运算是为了说明的方便。要将子句 C1σ和 L1σ先写成 集合形式,如 P(x)∨~Q(y)改写为{P(x),~Q(y))。在集合的表示下做减法或 做并运算,然后再写成子句形,如集合运算结果为{P(x),~Q(y)),可改写为 P(x)∨~Q(y)。 1.4 利用归结原理进行定理证明 归结原理指出了证明子句集不可满足性的方法。对于定理证明,我们经常见 到的形式是: A1∧A2∧…∧An→B 这里,A1∧A2∧…∧An 是前提条件,而 B 则是逻辑结论。应用归结原理进 行定理证明的步骤如下: ①否定结论 B,并将否定后的公式~B 与前提公式集组成如下形式的谓词公 式:
4设c1与c2是子句集中的任意两个子句如果c1中的文字l1与c2中的文字l2互补则从c1和c2中可以分别消去l1和l2并将二子句中余下的部分做析取构成一个新的子句c12称这一过程为归结所得到的子句c12称为c1和c2的归结式而称c1和c2为c12的亲本子句

人工智能导论 第2版 第3章-确定性推理

人工智能导论 第2版 第3章-确定性推理

是 的,
的。
• 任何谓词公式都可通过等价关系及推理规则化成 相应的子句集。
26
把谓词公式化成子句集的步骤(1)
例如公式
(x)((y)P(x, y)(y)(Q(x, y)R(x, y)))
可等价变换成
(x)((y)P(x, y)(y)(Q(x, y) R(x, y)))
上式经等价变换后
再无可使用的知识为止。
6
开始
正向推理示意图 把初始已知事实送入DB
Y DB中包含问题的 解?
N
N KB中有可适用的 知识?
Y 把KB中所有使用知识都
选出来送入KS
将该新事实加入DB中
Y
N
推出的是新事
实?
按冲突消解策略从KS中 选出一条知识进行推理
KS为空?
N
把用户提供的新 事实加入DB中
Y
Y 用户可补充新事 实?
该假设在DB中?
Y
N
该假设是证据?
Y
该假设成立 询问用户
N 在KB中找出所有能导出
该假设的知识送入KS
从KS中选出一条知 识,并将该知识的 一个运用条件作为
新的假设目标
有此事实? N
Y 该假设成立, 并将此事实存
入数据库
Y 还有假设?
N 退出
9
其他控制策略
• 先正向后逆向推理 • 先逆向后正向推理
它们的相似程度又

,但是
11
变量代换
定义3.1 是一个形如
{t1/x1, t2/x2, …, tn/xn} 的有限集合。
其中
t1,t2,…,tn是 ; x1,x2,…,xn是互不相同的
ti/xi表示

人工智能期末复习资料

人工智能期末复习资料

一、智能化智能体1.什么是智能体?什么是理性智能体?智能体的特性有哪些?智能体的分类有哪些?智能体定义:通过传感器感知所处环境并通过执行器对该环境产生作用的计算机程序及其控制的硬件。

理性智能体定义:给定感知序列(percept sequence)和内在知识(built—in knowledge),理性智能体能够选择使得性能度量的期望值(expected value)最大的行动。

智能体的特性:自主性(自主感知学习环境等先验知识)、反应性(Agent为实现自身目标做出的行为)、社会性(多Agent及外在环境之间的协作协商)、进化性(Agent自主学习,逐步适应环境变化)智能体的分类:简单反射型智能体:智能体寻找一条规则,其条件满足当前的状态(感知),然后执行该规则的行动。

基于模型的反射型智能体:智能体根据内部状态和当前感知更新当前状态的描述,选择符合当前状态的规则,然后执行对应规则的行动。

基于目标的智能体:为了达到目标选择合适的行动,可能会考虑一个很长的可能行动序列,比反射型智能体更灵活。

基于效用的智能体:决定最好的选择达到自身的满足。

学习型智能体:自主学习,不断适应环境与修正原来的先验知识.2.描述几种智能体类型实例的任务环境PFAS,并说明各任务环境的属性。

答题举例:练习:给出如下智能体的任务环境描述及其属性刻画。

o机器人足球运动员o因特网购书智能体o自主的火星漫游者o数学家的定理证明助手二、用搜索法对问题求解1。

简述有信息搜索(启发式搜索)与无信息搜索(盲目搜索、非启发式搜索)的区别。

非启发式搜索:按已经付出的代价决定下一步要搜索的节点。

具有较大的盲目性,产生较多的无用节点,搜索空间大,效率不高。

启发式搜索:要用到问题自身的某些信息,以指导搜索朝着最有希望的方向前进.由于这种搜索针对性较强,因而原则上只需搜索问题的部份状态空间,搜索效率较高。

2.如何评价一个算法的性能?(度量问题求解的性能)▪完备性:当问题有解时,算法是否能保证找到一个解;▪最优性:找到的解是最优解;▪时间复杂度:找到一个解需要花多长时间▪搜索中产生的节点数▪空间复杂度:在执行搜索过程中需要多少内存▪在内存中存储的最大节点数3。

920090-人工智能导论(第4版)-第3章 确定性推理方法(导论)

920090-人工智能导论(第4版)-第3章 确定性推理方法(导论)
6
3.1.1 推理的定义
已知事实
推理: ( 证 据 ) 某 种 策 略
知识
结论
数据库 知识库
专家
推理机
病人
医疗专家系统
知识 专家的经验、医学常识
初始 证据
病人的症状、化验结果
证据
中间结论
7
3.1 推理的基本概念
3.1.1 推理的定义 3.1.2 推理方式及其分类 3.1.3 推理的方向 3.1.4 冲突消解策略
2
第3章 确确定定性性推推理理方方法法
知识 知识 推理
智 能 ?!
自然演绎 推理
经典逻辑推理 (确定性推理)


不确定性推理
归结演绎 推理
与 /或 形 演绎推理
3
第3章 确定性推理方法
3.1 推理的基本概念 3.2 自然演绎推理 3.3 谓词公式化为子句集的方法 3.4 鲁宾逊归结原理 3.5 归结反演 3.6 应用归结反演求解问题
22
3.1.3 推理的方向
3. 混合推理
正向推理: 盲目、效率低。 ▪ 逆向推理: 若提出的假设目标不符合实际,会降低效率。 ▪ 正反向混合推理: (1)先正向后逆向:先进行正向推理,帮助选择某个目标,
即从已知事实演绎出部分结果,然后再用逆向推理证实该目标 或提高其可信度;
(2)先逆向后正向:先假设一个目标进行逆向推理,然后再
36
第3章 确定性推理方法
3.1 推理的基本概念 3.2 自然演绎推理 3.3 谓词公式化为子句集的方法 3.4 鲁宾逊归结原理 3.5 归结反演 3.6 应用归结反演求解问题
归 结 演 绎 推 理
37
归结演绎推理
反证法: P Q ,当且仅当 P Q F , 即 Q为 P 的逻辑结论,当且仅当 P Q 是不可
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
式和谓词公式否定的析取的有限集组成的合取。 ⑦消去全称量词:公式中的所有变量都是全程量
词量化的变量,消去全程量词后,母式中的变量被默 认为是全程量词量化的变量。
⑧化为子句集:用逗号(,)代替母式中的合取符号八,便可得到谓词公式 G 的子句集 S。
谓词公式 G 与其子句集 S 在不可满足的意义下是等价的。这样,将会把谓词 公式 G 的不可满足性问题化为讨论子句集 S 的不可满足性问题。
σk+1=σk·{ tk/ xk} W = k+1 wk·{ tk/ xk}
k=k+1 然后转③。 ⑥算法终止,W 的 mgu 不存在。 可以证明,如果 E1 和 E2 可合一,则算法必停止于第③步。 1.3 归结推理方法
山东大学 期末考试知识点复习
为了证明 P→Q,只要证明 P∧~Q 是不可满足的即可。因此,定理证明转化 为了谓词公式不可满足性的证明。归结推理方法是 Robinson 于 1965 年提出的, 是定理证明的基础。通过证明子句集的不可满足性来证明定理。因此,如何将谓 词公式转换成子句集就成了归结推理方法的关键。
山东大学 期末考试知识点复习
G=A1∧A2∧…∧An∧~B ②求谓词公式 G 的子句集 S。 ③应用归结原理,证明子句集 S 的不可满足性,从而证明谓词公式 G 的不可 满足性。这就说明对结论 B 的否定是错误的,推断出定理的成立。 1.5 应用归结原理进行问题求解 归结原理不但可以应用于定理证明,而且也可以用它来求取问题的答案,其 思想与定理证明类似。下面是利用归结原理求取问题答案的步骤: ①用谓词公式表示已知前提条件,并转换成相应的子句集,设该子句集的名 称为 S1。 ②用谓词公式表示待求解的问题,然后将其否定,并与一谓词 ANSWER 构成 析取式。谓词 ANSWER 是一个专为求解问题而设置的谓词,其变量必须与问题公 式的变量完全一致。 ③把问题公式与谓词 ANSWER 构成的析取式化为子句集,并把该子句集与 S1 合并构成子句集 S。 ④对子句集 S 应用谓词归结原理进行归结,在归结的过程中,通过合一置换, 改变 AN—SWER 中的变元。 ⑤如果得到归结式 ANSWER,则问题的答案即在 ANSWER 谓词中。 1.6 归结过程的控制策略 在应用归结原理进行子句归结时,如果不利用一定的归结策略,将产生大量 的无用的归结式,这不但浪费计算机的存储空间。而且浪费大量的计算时间。如 果子句集的规模较大这种浪费将是十分惊人的。为了解决这一问题,研究归结控 制策略,以少量的归结尽快导出空子句显得非常必要。 人们研究出了许多归结策略,大致可分为两类:一类是删除策略;另一类是 限制策略。删除策略是通过删除某些无用的子句来缩小归结的范围,从而提高归
山东大学 期末考试知识点复习
第三章 确定性推理方法
1.1 谓词公式的永真性和可满足性 1.谓词公式的永真性 定义 3.1 如果谓词公式 P 对于个体域 D 上的任何一个解释都取得真值 T, 则称 P 在 D 上是永真的;如果 P 在每个非空个体域上均永真,则称 P 永真。 定义 3.2 如果谓词公式 P 对于个体域 D 上的所有解释都取得真值 F,则称 P 在 D 上是永假的;如果 P 在每个非空个体域上均永假,则称 P 永假。 谓词公式的永假性又称为不可满足性或不相容性。 2.谓词公式的可满足性 定义 3.3 对于谓词公式 P,如果至少存在一个解释使得公式 P 在此解释下 的真值为 T,则称公式 P 是可满足的。 按照定义 3.3,对谓词公式 P,如果不存在任何解释,使得 P 的取值为 T, 则称公式 P 是不可满足的。不存在任何解释可使 P 的取值为 T,即可理解为对所 有的解释都使公式 P 取值 F(因为谓词公式要么为 T,要么为 F),这和定义 3.2 的永假定义相同。所以,谓词公式 P 永假与不可满足是等价的。若 P 永假,则也 可称 P 是不可满足的。 1.2 置换与合一 置换是形如{t1/x1,t2/x2,…,tn/xn}的一个有限集。其中 xi 是变量,ti 是不同于 xi 的项(常量,变量,函数),且 xi≠xj(i≠j),i,j=1,2,…,n。 不含任何元素的置换称为空置换,用ε表示。 若有置换θ,作用于谓词公式集{E1,E2,…,En),使 E1θ=E2θ=…=Enθ, 便称 E1,E2,…,En 是可合一的,且θ称为合一置换。 若 E1,E2,…,En 有合一置换σ,且对 E1,E2,…,En 的任一置换θ都存在
山东大学 期末考试知识点复习
一个置换λ,使得θ=σ·λ,则称σ是 E1,E2,…,En 的最一般合一置换,记为 mgu。
例如,E1=Q(a,y),E2=Q(z,f(6))是可合一的,其合一置换是θ={a/z,f(6) /y},并且它也是 E1 和 E2 的最一般合一置换(mgu)。再如,E1=P(y),E2=P(f(z)) 也是可合一的,其合一置换是θ={f(a)/y,a/z},但θ不是 E1 和 E2 的 mgu,E1 和 E2 的 mgu 是σ={f(z)/y},也就是说 E1 和 E2 的 mgu 是 E1 和 E2 的最简单的合一 置换。另外,若 E1=Q(y),E2=Q(z),对 E1 和 E2 来说,σ={y/z)和σ={z/y)都是 它们的最一般的合一置换。这说明谓词公式集的最一般合一置换并不是唯一的。
求公式{E1,E2}的最一般合一置换的算法: ①令 W={E1,E2)。 ②令 k=0,Wk=W,σk=ε;ε是空置换,它表示不作置换。 ③如果 Wk 只有一个表达式,则算法停止,σk 就是所要求的 mgu。 ④找出 Wk 的不一致集 Dk。(不一致集的概念:在对两个谓词公式中的项从左 到右进行比较时,那些不相同的项所构成的集合) ⑤若 Dk 中存在元素 xk 和 tk,其中 xk 是变元,tk 是项,且 xk 不在 tk 中出现, 则置:
(1)谓词公式与子句集 在谓词逻辑中,不含有任何连接词的谓词公式叫原子公式,简称原子,例如, P(x),~P(x,c),R(x,y)都是原子公式。而原子或原子的否定统称文字。如 P(x)与~P(x)为互补文字。 子句就是由一些文字组成的析取式。例如,P(x)∨~Q(x,y),~P(x,c) ∨R(x,y,f(x))都是子句。不包含任何文字的子句称为空子句,记为 NIL。空 子句是永假的,不可满足的。由子句构成的集合称为子句集。在谓词逻辑中,可 将任何一个谓词公式转化为子句集。 将谓词公式转化为子句集的步骤如下: ①消去谓词公式 G 中的蕴涵(→)和双条件符号(←→),以~A∨B 代替 A→B, 以(A∧B)∨(~A∧~B)替换 A→B。 ②减少否定符号(~)的辖域,使否定符号“~"最多只作用到一个谓词上。 ③重新命名变元名,使所有变元的名字均不同,并且自由变元及约束变元亦 不同。 ④消去存在量词。这里分两种情况,一种情况是存在量词不出现在全称量词 的辖域内,此时,只要用一个新的个体常量替换该存在量词约束的变元,就可以 消去存在量词;另一种情况是,存在量词位于一个或多个全称量词的辖域内,例 如, (∀xl)(∀x2)…(∀xn)(∃y)P(x1,x2,…,xn,y) 此时,变元 y 实际受前面的变元 x1,x2,…,xn 的约束,需要用 Skolem 函数
山东大学 期末考试知识点复习
f(x1,x2,…,xn)替换 y 即可将存在量词 y 消去,得到: (∀x1)(∀x2)…(∀xn)P(x1,x2,…,xn,f(x1,x2,辖域包括这个量词后面
公式的整个部分。 ⑥母式化为合取范式:任何母式都可以通过下列的等价关系写成一些谓词公
(2)Herbrand 理论与 H 域 能否针对某一个具体的谓词公式,找到一个比较简单的特殊域,只要使谓词 公式在该特殊域上是不可满足的,就能保证它在任一域上也是不可满足的 呢?Herbrand 理论构造了这样的一个域,称为 Herbrand 域(H 域)。只要对 H 域上 的所有解释进行判定,即可得知谓词公式是否是不可满足的。 设谓词公式 G 的子句集为 S,则按下述方法构造的个体变元域 H∞称为公式 G 或子句集 S 的 Herbrand 域,简称 H 域。 ①令 H0 是 S 中所出现的常量的集合。若 S 中没有常量出现,就任取一个常 量 a∈D,规定 H0={a}。 ②令 Hi+1=HiU{S 中所有的形如.f(t1,…,tn)的元素} 其中 f(t1,…,tn)是出现于 G 中的任一函数符号,而 t1,…,tn 是 Hi 中的
山东大学 期末考试知识点复习
元素。i=0,1,2,…,n。 (3)归结原理 子句集中各子句间的关系是合取的关系,因此,只要有一个子句是不可满足
的,则子句集就是不可满足的。 ①命题逻辑中的归结原理。 定义 3.4 设 C1 与 C2 是子句集中的任意两个子句,如果 C1 中的文字 L1 与 C2
中的文字 L2 互补,则从 C1 和 C2 中可以分别消去 L1 和 L2,并将二子句中余下的部 分做析取构成一个新的子句 C12,称这一过程为归结,所得到的子句 C12 称为 C1 和 C2 的归结式,而称 C1 和 C2 为 C12 的亲本子句。归结式 C12 是其亲本子句 C1 和 C2 的逻 辑结论。
山东大学 期末考试知识点复习
②一阶谓词逻辑中的归结原理。 在一阶谓词逻辑中,由于子句中含有变元,所以不能像命题逻辑中那样直接 消去互补文字进行子句归结。而是要对子句中的某些变元做合一置换后,再对新 子句使用归结规则。例如,假设有如下两个子句:C1=P(x)∨Q(x),C2=~P(a)∨ T(z),由于 P(x)与 P(a)不同,从而 P(x)与~P(a)不是互补文字,不能对 C1 与 C2 直接进行归结。做合一置换σ={a/x),得到: C1σ=P(a)∨Q(a), C2σ=~P(a)∨T(z) 再对它们进行归结,消去 P(a)与~P(a),得到如下归结式: Q(a)∨T(z) 定义 3.5 设 C1 和 C2 是两个没有相同变元的子句,L1 和 L2 分别是 C1 和 C2 的 文字,如果 L1 与~L2 有 mguσ,则把 C12=(C1σ-{L1σ})U(C2σ-{L2σ})称作子句 C1 和 C2 的一个二元归结式,而 L1 和 L2 是被归结的文字。 这里使用了集合的符号和运算是为了说明的方便。要将子句 C1σ和 L1σ先写成 集合形式,如 P(x)∨~Q(y)改写为{P(x),~Q(y))。在集合的表示下做减法或 做并运算,然后再写成子句形,如集合运算结果为{P(x),~Q(y)),可改写为 P(x)∨~Q(y)。 1.4 利用归结原理进行定理证明 归结原理指出了证明子句集不可满足性的方法。对于定理证明,我们经常见 到的形式是: A1∧A2∧…∧An→B 这里,A1∧A2∧…∧An 是前提条件,而 B 则是逻辑结论。应用归结原理进 行定理证明的步骤如下: ①否定结论 B,并将否定后的公式~B 与前提公式集组成如下形式的谓词公 式:
相关文档
最新文档