人工智能-4经典逻辑推理 共64页PPT资料
合集下载
人工智能课件第4章
例如： 例如： A. 音乐系的学生至少会弹奏一种乐器； 音乐系的学生至少会弹奏一种乐器； B. 李聪是音乐系的学生； 李聪是音乐系的学生； C. 李聪至少会弹奏一种乐器。 李至少会弹奏一种乐器。
（2）归纳推理 ） 归纳推理是从大量特殊事例出发， 归纳推理是从大量特殊事例出发，归纳 出一般性结论的推理过程， 出一般性结论的推理过程 ， 是一种由个别 到一般的推理方法。其基本思想是： 到一般的推理方法 。 其基本思想是 ： 首先 从已知事实中猜测出一个结论， 从已知事实中猜测出一个结论 ， 然后对这 个结论的正确性加以证明确认， 个结论的正确性加以证明确认 ， 数学归纳 法就是归纳推理的一种典型例子。 法就是归纳推理的一种典型例子。
例如，有规则集如下： 规则1： IF P1 THEN P2 规则2： IF P2 THEN P3 规则3： IF P3 THEN q3 规则中的P1、P2、P3、q3可以是谓词公式或命题。设总数据 库（工作存储器）中已有事实P1，则应用这三条规则进行正向 推理，即从P1出发推导出q3的过程如下图所示。
4.2.2 命题公式 1. 连接词 命题逻辑中， 命题逻辑中 ， 可以通过连接词将一些原子命题 连接起来，构成复合命题，以表示复杂的定义。 连接起来，构成复合命题，以表示复杂的定义。 称为“ 否定” ～称为“非”或“否定”。 析取” ∨称为 “析取”。表示被它连接的两个命题具 的关系。 有“或”的关系。
合取” ∧称为 “合取”。表示被它连接的两个 命题具有“ 的关系。 命题具有“与”的关系。 →称为“条件”或“蕴涵”. P→Q表示 称为“ 蕴涵” 称为 条件” 表示 蕴涵Q”， 如果P， “P蕴涵 ，即“如果 ，则Q”，其中 为 蕴涵 ，其中P为 条件的前提， 为条件的后件 为条件的后件。 条件的前提，Q为条件的后件。 ↔称为“双条件”. P↔Q表示“P当且仅 称为“ 表示“ 当且仅 称为 双条件” 表示 当Q”
人工智能课件第四章 确定性推理(修改)
18
3. 谓词公式的等价性和永真蕴含性
谓词公式的等价性和永真蕴含性可分别用相应的等价 式和永真蕴含式来表示，这些等价式和永真蕴含式都是演 绎推理的主要依据，因此也称它们为推理规则。
谓词公式的等价式可定义如下： 定义4.5 设P与Q是D上的两个谓词公式，若对D上的 任意解释，P与Q都有相同的真值，则称P与Q在D 上是等 价的。如果D是任意非空个体域，则称P与Q是等价的，记 作P⇔Q。
6
3. 推理的控制策略及其分类
• 推理的控制策略 推理过程不仅依赖于所用的推方法，同时也依赖于
推理的控制策略。推理的控制策略是指如何使用领域 知识使推理过程尽快达到目标的策略。 • 推理控制策略的分类
由于智能系统的推理过程一般表现为一种搜索过程， 因此，推理的控制策略又可分为推理策略和搜索策略。 其中，推理策略主要解决推理方向、冲突消解等问题， 如推理方向控制策略、求解策略、限制策略、冲突消 解策略等；搜索策略主要解决推理线路、推理效果、 推理效率等问题。本章主要讨论推理策略，至于搜索 策略将放到第5章单独讨论。
3
2. 推理方法及分类
推理的方法主要解决前提和结论的逻辑关系以及在不 确定推理中不确定性的传递问题。推理有很多不同的分 类方法，例如，可以按照推理的逻辑基础、所用知识的 确定性、推理过程的单调性以及是否使用启发性信息等 角度划分。
1) 按推理的逻辑基础分类 常用的推理方法可分为演绎推理、归纳推理。 ① 演绎推理是从已知的一般性知识出发，去推出蕴含
将该知识前提中的每个子条 件作为新的假设加入假设集
失败退出
成功退出
13
• 逆向推理的主要优点 不必寻找和使用那些与假设目标无关的信息和知识
推理过程的目标明确，也有利于向用户提供解释，在 诊断性专家系统中较为有效。 • 逆向推理的主要缺点
3. 谓词公式的等价性和永真蕴含性
谓词公式的等价性和永真蕴含性可分别用相应的等价 式和永真蕴含式来表示，这些等价式和永真蕴含式都是演 绎推理的主要依据，因此也称它们为推理规则。
谓词公式的等价式可定义如下： 定义4.5 设P与Q是D上的两个谓词公式，若对D上的 任意解释，P与Q都有相同的真值，则称P与Q在D 上是等 价的。如果D是任意非空个体域，则称P与Q是等价的，记 作P⇔Q。
6
3. 推理的控制策略及其分类
• 推理的控制策略 推理过程不仅依赖于所用的推方法，同时也依赖于
推理的控制策略。推理的控制策略是指如何使用领域 知识使推理过程尽快达到目标的策略。 • 推理控制策略的分类
由于智能系统的推理过程一般表现为一种搜索过程， 因此，推理的控制策略又可分为推理策略和搜索策略。 其中，推理策略主要解决推理方向、冲突消解等问题， 如推理方向控制策略、求解策略、限制策略、冲突消 解策略等；搜索策略主要解决推理线路、推理效果、 推理效率等问题。本章主要讨论推理策略，至于搜索 策略将放到第5章单独讨论。
3
2. 推理方法及分类
推理的方法主要解决前提和结论的逻辑关系以及在不 确定推理中不确定性的传递问题。推理有很多不同的分 类方法，例如，可以按照推理的逻辑基础、所用知识的 确定性、推理过程的单调性以及是否使用启发性信息等 角度划分。
1) 按推理的逻辑基础分类 常用的推理方法可分为演绎推理、归纳推理。 ① 演绎推理是从已知的一般性知识出发，去推出蕴含
将该知识前提中的每个子条 件作为新的假设加入假设集
失败退出
成功退出
13
• 逆向推理的主要优点 不必寻找和使用那些与假设目标无关的信息和知识
推理过程的目标明确，也有利于向用户提供解释，在 诊断性专家系统中较为有效。 • 逆向推理的主要缺点
人工智能第四章讲义PPT课件
第四章光的折射教学分析自贡六中赵忠源老教材新教材教材结构1、光的直线传播2、光的折射3、全反射4、光的色散1、光的折射定律2、学生实验：测定玻璃的折射率3、光的全反射内容安排定律得出直接得出定律，以及提到了折射定律的发展简史由实验探究得出折射定律例题的区别P8（例题）讲老教材例题变为“观察思考”；而出现新的p65关于光在玻璃中的折射的例题实验的区别直接讲解的学生实验给出器材引导学生自主设计实验，并给出了详细的步骤全反射临界角的给出没有给出介质的临界角表格给出介质的临界角表格色散的区别色散专门作为一节内容色散放在第二节的“发展空间”根据以上表格，可以看出老教材：先学几何光学，然后物理光学；分得很清楚。
而新教材对光的折射定律讲的更直接一些，学生吸收起来要更为的困难的一点，所以总的来说建议多使用多媒体教学和实验教学，让学生知道知识的获得不是只记住书上的概念、定义以及公式而必须经历一个从感知到认知的过程，从而从情感态度价值观上培养学生艰苦奋斗的精神。
一、光的折射教学要求1．通过实验了解光的折射现象。
经历光的折射定律的探究过程，理解折射定律。
2．理解介质折射率的定义、会用折射率公式进行有关计算。
（不要求知道相对折射率。
）3．会测定玻璃的折射率。
教学重点光的折射定律的探究过程和相对折射率的理解教学难点折射定律与光路可逆原理的结合学生疑点相对折射率的理解学生易错点折射率与物体密度的联系，错误认为密度大，折射率一定大。
重难点突破利用教材的“观察思考”引发学生对光的折射产生兴趣，再通过“实验探究”得出“表4-1-1”有关光折射的相关数据，那么重点对数据进行分析，得出入射角与反射角的正弦值得比值为一定值，从而解决。
教学资源1．教材中值得重视的题目：【p64例题】2．教材中的重要思想方法：逆向思维法二、实验教学教学要求通过实验进一步学习折射定律，并理解折射率。
教学重、难点在前一节例题的基础上，进行讨论交流，画出光线经过玻璃砖的光路图，明白用光路法测定折射率的原理，并设计实验方案为实验做准备。
人工智能PPT课件 (4)全文
人工智能同样如此，如果理性地使用它，它将造 福良多；当它脱离了人类的掌控，后果将不堪设想。
2024/8/18
23
2024/8/18
11
工业机器人：
语言识别
日本发那科（FANUC）
2器人(希腊神话中的大力神)，是美国武器合约商波士顿 动力公司为美军研制的世界最先进人形机器人。阿特拉斯机器人身 高1.9米，体重150千克，由头部、躯干和四肢组成，像人类一样用 双腿直立行走。这一机器人将来或许能像人一样在危险环境下进行 救援工作。
美国TALON“魔抓”机器人
Atlas人形机器人
美军研制的TALON（魔爪小型移动机器人），曾在美国 “9.11”事件中用于在倒塌的世界贸易中心寻找遇难者及残骸， 并被部署到阿富汗和伊拉克协助简易爆炸装置的检测和清除 任务。
美国研制的世界上首款人形作战机器人， 可以实现自主双腿行走，并规划行走路线， 其控制系统能够在外力作用下依然能保持单 腿站立平衡。
6
大忽悠：强人工智能即将实现
强人工智能，是真正的像人类的 思考和决策，目前的典型例子都 是在电影里。
实际上，目前所有的人工智能领 域取得进展的领域都是在弱人工 智能上。
2024/8/18
7
2024/8/18
8
问题：谈谈你对人工智能发展及应用 的认识？
2024/8/18
9
科技
二、人工智能发展成果
3
2024/8/18
谷歌人工智能AlphaGo 战胜围棋冠军
1997年，国际象棋AI第一次打败顶尖的人类；2006年， 人类最后一次打败顶尖的国际象棋AI。此后欧美传统 里的顶级人类智力试金石，在电脑面前终于一败涂地， 应了四十多年前计算机科学家的预言。 这一刻，全世界都震惊了。这可是围棋！人类最复杂 的博弈游戏，变化方式超过了宇宙中的原子数。自 2006年人类在国际象棋上败给AI以来，围棋被视为人 类智慧坚守的最后一块阵地。
2024/8/18
23
2024/8/18
11
工业机器人：
语言识别
日本发那科（FANUC）
2器人(希腊神话中的大力神)，是美国武器合约商波士顿 动力公司为美军研制的世界最先进人形机器人。阿特拉斯机器人身 高1.9米，体重150千克，由头部、躯干和四肢组成，像人类一样用 双腿直立行走。这一机器人将来或许能像人一样在危险环境下进行 救援工作。
美国TALON“魔抓”机器人
Atlas人形机器人
美军研制的TALON（魔爪小型移动机器人），曾在美国 “9.11”事件中用于在倒塌的世界贸易中心寻找遇难者及残骸， 并被部署到阿富汗和伊拉克协助简易爆炸装置的检测和清除 任务。
美国研制的世界上首款人形作战机器人， 可以实现自主双腿行走，并规划行走路线， 其控制系统能够在外力作用下依然能保持单 腿站立平衡。
6
大忽悠：强人工智能即将实现
强人工智能，是真正的像人类的 思考和决策，目前的典型例子都 是在电影里。
实际上，目前所有的人工智能领 域取得进展的领域都是在弱人工 智能上。
2024/8/18
7
2024/8/18
8
问题：谈谈你对人工智能发展及应用 的认识？
2024/8/18
9
科技
二、人工智能发展成果
3
2024/8/18
谷歌人工智能AlphaGo 战胜围棋冠军
1997年，国际象棋AI第一次打败顶尖的人类；2006年， 人类最后一次打败顶尖的国际象棋AI。此后欧美传统 里的顶级人类智力试金石，在电脑面前终于一败涂地， 应了四十多年前计算机科学家的预言。 这一刻，全世界都震惊了。这可是围棋！人类最复杂 的博弈游戏，变化方式超过了宇宙中的原子数。自 2006年人类在国际象棋上败给AI以来，围棋被视为人 类智慧坚守的最后一块阵地。
《人工智能逻辑》课件
自然语言处理的基本概念
自然语言处理（NLP）
是指利用计算机对人类自然语言进行各种处理，包括理解、生成 、转换等。
自然语言处理技术
基于计算机科学、语言学、心理学等多学科交叉的领域，旨在实现 人机交互的无障碍沟通。
自然语言处理的应用
在语音识别、机器翻译、智能客服、智能家居等领域有广泛应用。
自然语言处理在人工智能中的应用
态系统。
感谢您的观看
THANKS
《人工智能逻辑》ppt课件
目 录
• 人工智能概述 • 人工智能逻辑基础 • 人工智能中的知识表示与推理 • 机器学习与人工智能 • 自然语言处理与人工智能 • 人工智能的未来展望
01
人工智能概述
人工智能的定义
人工智能
指通过计算机程序和算法，使机 器能够模拟人类的智能行为，实 现人机交互和自主决策。
知识表示与推理
介绍知识表示与推理的基 本原理和方法，以及其在 人工智能领域的应用和挑 战。
机器学习与逻辑
探讨机器学习与逻辑之间 的关系，以及机器学习算 法中如何应用逻辑推理的 方法。
03
人工智能中的知识表示与 推理
知识表示方法
1 2
陈述性表示法
将知识表示为一系列的事实或规则，便于理解和 推理。
过程性表示法
在计算机视觉领域，机器 学习可以用于图像识别、 人脸识别、自动驾驶等。
ABCD
在自然语言处理领域，机 器学习可以帮助识别语音 、翻译文本、回答问题等 。
机器学习还可以用于推荐 系统、预测分析等领域， 提高用户体验和商业价值 。
深度学习与神经网络
深度学习是机器学习的一个分支，通 过构建深度神经网络来模拟人类的神 经网络。
《人工智能原理》-PPT P6C14-推理机制
后向链接
定义：后向链接（Backword chaining）是从目标开始后向操作，即搜索知识库中的规
则，找到与目标匹配的结论，直到推断出所需要的前提。
亦称后向推理（Backword reasoning），是目标驱动，反复应用肯定前件的演绎推理。
人工智能原理
14
逻辑推理
前向链接 vs. 后向链接
事实数据区
也可能具有属性。
已观测中具有属性的比例为。
待观测中具有属性的概率相当于。
预测
归纳推理允许从推理得到，但其中不一定完全遵循。
就是说，可能给我们很好的理由来承认，但它不能确保百分之百正确。
人工智能原理
9
推理模式
溯因推理
定义：溯因推理（Abductive Reasoning）是从观察到的事实出发，寻找其最有可能的前
泥巴孩子难题（Muddy children Puzzle）
有N个孩子在一起玩耍。母亲告诉他们，如果有人弄脏就会挨罚。
每个孩子都想保持清洁，却都希望看到别人变得肮脏。玩耍的过程中有K
（K<N）个孩子额头上沾上了泥。每个人都能看到别人额头上的泥巴而看不见自
己的额头，但彼此心照不宣。
父亲来了，说：“你们当中至少有一个人的额头上有泥巴，”这是彼此已知的
这些豆是白色的
结果 这些豆是白色的
结果
这些豆是白色的
规则
袋里的豆都是白色的
实例 这些豆来自这个袋子
推理的结论确保正确
推理的规则很可能正确
合理的最佳解释
11
第14章 推理机制
目录
人工智能原理
推理问题
推理模式
逻辑推理 _人工智能专业课件
例如，用P（weather）表示天气的概率：
– P（weather ＝ sunny）＝0.7 – P（weather ＝ rain）＝0.2 – P（weather ＝ cloudy）＝0.08 – P（weather ＝ snow）＝0.02
先验概率分布：
– P（weather ）＝<0.7, 0.2, 0.08, 0.02>
Total number of parameters is linear in n
贝叶斯网络
1 贝叶斯网络概述 2 贝叶斯网络的语义 3 贝叶斯网络中的精确推理 4 贝叶斯网络的近似推理
人工智能
不确定性推理（1）
不确定环境下的行动 概率公理 使用全概率分布进行推理 独立性 贝叶斯法则及其应用
定义行动 At = 航班起飞前 t 分钟启程前往机场； 问： At 能不能及时使agent赶上飞机？
– A180 是一个可靠的行动，如果所选路线上没有交通事故、没有交通 管制、汽车没有出故障、没有沙尘暴，等等，等等。
失败的原因：
– 懒惰(laziness): failure to enumerate exceptions, qualifications, etc.
– 无知(ignorance): lack of relevant facts, initial conditions, etc.
基本思想：
– 精确度和有效性的折中
15、一个人炫耀什么，说明他内心缺 少什么 。。2021年8月 2021/8/102021/8/102021/8/108/10/2021
16、业余生活要有意义，不要越轨。2021/8/102021/8/10August 10, 2021
17、一个人即使已登上顶峰，也仍要 自强不 息。2021/8/102021/8/102021/8/102021/8/10
– P（weather ＝ sunny）＝0.7 – P（weather ＝ rain）＝0.2 – P（weather ＝ cloudy）＝0.08 – P（weather ＝ snow）＝0.02
先验概率分布：
– P（weather ）＝<0.7, 0.2, 0.08, 0.02>
Total number of parameters is linear in n
贝叶斯网络
1 贝叶斯网络概述 2 贝叶斯网络的语义 3 贝叶斯网络中的精确推理 4 贝叶斯网络的近似推理
人工智能
不确定性推理（1）
不确定环境下的行动 概率公理 使用全概率分布进行推理 独立性 贝叶斯法则及其应用
定义行动 At = 航班起飞前 t 分钟启程前往机场； 问： At 能不能及时使agent赶上飞机？
– A180 是一个可靠的行动，如果所选路线上没有交通事故、没有交通 管制、汽车没有出故障、没有沙尘暴，等等，等等。
失败的原因：
– 懒惰(laziness): failure to enumerate exceptions, qualifications, etc.
– 无知(ignorance): lack of relevant facts, initial conditions, etc.
基本思想：
– 精确度和有效性的折中
15、一个人炫耀什么，说明他内心缺 少什么 。。2021年8月 2021/8/102021/8/102021/8/108/10/2021
16、业余生活要有意义，不要越轨。2021/8/102021/8/10August 10, 2021
17、一个人即使已登上顶峰，也仍要 自强不 息。2021/8/102021/8/102021/8/102021/8/10
人工智能逻辑PPT课件
2020/8/1
史忠植 逻辑基础
6
逻辑与程序语言的对比
逻辑
程序语言
逻辑符号
保留字或者符号
非逻辑符号
用户自定义的符号(变量名， 函数名等)
语句规则
构造一个程序的语句规则
语义规则
定义程序做什么的语句规则
推理规则、公理和证明 没有
2020/8/1
史忠植 逻辑基础
7
证明
一个证明是一个语法结构，它由符号串根据一定 的规则组成。它包括假设和结论。
概率和模糊
√ √√√
√ √ √ 目前主流
直觉主义逻辑
√ √ √ √ √ √ √ √ 主要替代者
高阶逻辑，λ-演算 √ √ √ √ √
√
更具中心作用
经典逻辑片断
√ √√
√ √ √ 前景诱人
资源和子结构逻辑 √
√
√
√
纤维化和组合逻辑 √ √ √ √ √
√
可自我指称
谬误理论
在适当语境
逻辑动力学
√
√ 动态逻辑观
则记为 ⊢ ，称由可推导出的，或可证明的。
是可推导出的，则记为
⊢ ，称为可证明的。
称一个假设是不协调的，如果存在一个语句
使得和的否定均可由推导得出。
称一个逻辑系统是一致的，或相容的(consistent)，
如果不存在逻辑系统的公式A，使得⊢A与⊢¬A同时成
立。
2020/8/1
史忠植 逻辑基础
9
解 释(语义)
语言: ¬，； 公理模式:
公式，原子公式
◆(A (B A))
◆((A (B C)) ((A B) (A C)))
◆(((¬A))(¬B) (B A)) 推理规则:分离规则(modus ponens，MP规则)
人工智能第四章 经典逻辑推理1
第4章 经典逻辑推理
例：设有如下三个判断： (1）所有的推理系统都是智能
系统；(2）专家系统是推理系统；(3）所以，专家系 统是智能系统。这就是一个三段论推理。其中，(l） 是大前提；(2）是小前提；(3）是经演绎推出的结论。 在任何情况下，由演绎推理导出的结论都是蕴含在大
前提的一般性知识之中的。
第4章 经典逻辑推理 (4)、模式匹配
（a）模式匹配：是指对两个知识模式（如两个谓词
公式、两个框架片断或两个语义网络片断等）的比
较与藕合，即检查这两个知识模式是否完全一致或 近似一致。如果两者完全一致，或者虽不完全一致 但其相似程度落在指定的限度内，就称它们是可匹 配的，否则为不可匹配。
第4章 经典逻辑推理
（A）正向推理：是以已知事实作为出发点，通过不断的匹配知识库 中的知识，最终找到一个解或无解退出的一种推理，又称为数据 驱动推理、前向链推理、模式制导推理及前件推理等。
基本思想是：
①从用户提供的初始已知事实出发，在知识库KB中找出当前可适 用的知识，构成可适用知识集KS。
②按某种冲突消解策略从KS中选出一条知识进行推理，并将推出 的新事实加入到数据库中作为下一步推理的已知事实。
④在知识库中找出所有能导出该目标的知识，形成适用 知识集KS，然后转下一步；
⑤从 KS中选出一条知识，并将该知识的运用条件作为新 的假设目标，然后转②。
第4章 经典逻辑推理
逆向推理过程
第4章 经典逻辑推理
逆向推理的主要优点：是不必使用与目标 无关的知识，目的性强，同时它还有利于向 用户提供解释。 其主要缺点：是初始目标的选择有盲目性， 若不符合实际，就要多次提出假设，影响到 系统的效率，也不能通过用户自愿提供的有 用信息来操作。
[课件]人工智能4PPT
![[课件]人工智能4PPT](https://img.taocdn.com/s3/m/3b0814dd04a1b0717ed5dd0d.png)
2018/12/3 6
第4章 计算智能(1):神经计算 模糊计算
4.1 概述 4.2 神经计算 4.3 模糊计算
2018/12/3
7
第4章 计算智能(1):神经计算 模糊计算
4.1 概述
4.2 神经计算
4.3 模糊计算
2018/12/3
8
4.2 神经计算ANN研究的进展
什么叫人工神经网络
采用物理可实现的系统来模仿人脑神经细胞的结构和 功能的系统。
2018/12/3
12
4.2 神经计算ANN研究的进展
（3）低潮时期 1969M.Minsky和S. Papert发表了《Perceptrons》 的论著，指出感知器仅能解决一阶谓词逻辑， 只能做线性划分。对于非线性或其他分类会遇 到很大困难。一个简单的XOR问题的例子就证 明了这一点。——神经网络研究一度达到低潮。 原因还有，计算机不够发达、VLSI还没出现、 而人工智能和专家系统正处于发展高潮。
2018/12/3
15
4.2 神经计算ANN研究的进展
人工智能与神经网络
共同之处：研究怎样是用计算机来模仿人脑工作过程。 学习——实践——再学习——再实践 。 不同之处： 人工智能研究人脑的推理、学习、思考、规划等思 维活动，解决需人类专家才能处理的复杂问题。 神经网络企图阐明人脑结构及其功能，以及一些相 关学习、联想记忆的基本规则（联想、概括、并行 搜索、学习和灵活性）
为什么要研究神经网络
用计算机代替人的脑力劳动。 计算机速度为纳秒级，人脑细胞反应时间是毫秒级。 而计算机不如人。 长期以来人类的梦想，机器既能超越人的计算能力， 又有类似于人的识别、分析、联想等能力。
2018/12/3 9
4.2 神经计算ANN研究的进展
第4章 计算智能(1):神经计算 模糊计算
4.1 概述 4.2 神经计算 4.3 模糊计算
2018/12/3
7
第4章 计算智能(1):神经计算 模糊计算
4.1 概述
4.2 神经计算
4.3 模糊计算
2018/12/3
8
4.2 神经计算ANN研究的进展
什么叫人工神经网络
采用物理可实现的系统来模仿人脑神经细胞的结构和 功能的系统。
2018/12/3
12
4.2 神经计算ANN研究的进展
（3）低潮时期 1969M.Minsky和S. Papert发表了《Perceptrons》 的论著，指出感知器仅能解决一阶谓词逻辑， 只能做线性划分。对于非线性或其他分类会遇 到很大困难。一个简单的XOR问题的例子就证 明了这一点。——神经网络研究一度达到低潮。 原因还有，计算机不够发达、VLSI还没出现、 而人工智能和专家系统正处于发展高潮。
2018/12/3
15
4.2 神经计算ANN研究的进展
人工智能与神经网络
共同之处：研究怎样是用计算机来模仿人脑工作过程。 学习——实践——再学习——再实践 。 不同之处： 人工智能研究人脑的推理、学习、思考、规划等思 维活动，解决需人类专家才能处理的复杂问题。 神经网络企图阐明人脑结构及其功能，以及一些相 关学习、联想记忆的基本规则（联想、概括、并行 搜索、学习和灵活性）
为什么要研究神经网络
用计算机代替人的脑力劳动。 计算机速度为纳秒级，人脑细胞反应时间是毫秒级。 而计算机不如人。 长期以来人类的梦想，机器既能超越人的计算能力， 又有类似于人的识别、分析、联想等能力。
2018/12/3 9
4.2 神经计算ANN研究的进展
人工智能第四章 经典逻辑推理
6.按推理的简繁程度
（1）简单推理 （2）复合推理
7.按结论是否具有必然性
（1）必然性推理 （2）或然性推理 …………………………
13
4.1.2 推理的控制策略
推理的控制策略是指如何使用领域知识使 推理过程尽快达到目标的策略。 推理方向 搜索策略 求解策略 冲突消解 限制策略
推理开始前，综合数据库为空。 推理开始后，先把A放入综合数据库，然后检查综合数据库中是否含有该问题的 解，回答为“N”。 接着检查知识库中是否有可用知识，显然r2可用，形成仅含r2的知识集。从该知识 集中取出r2，推出新的实事B，将B加入综合数据库，检查综合数据库中是否含有 目标C，回答为“N”。 再检查知识库中是否有可用知识，此时由于B的加入使得r1为可用，形成仅含r1的 知识集。从该知识集中取出r1，推出新的实事C，将C加入综合数据库，检查综合 数据库中是否含有目标C，回答为“Y”。 它说明综合数据库中已经含有问题的解，推理成功结束，目标C得证。
9
4.1.1 推理方法及其分类
（3）默认推理
默认推理又称为缺省推理，它是在知识不完全的 情况下假设某些条件已经具备所进行的推理。 在默认推理过程中，如果某一时刻发现原先所作 的默认不正确，则就要撤消所作的默认以及由此 默认推出的结论，重新按
2. 按推理时所用知识的确定性 （1）确定性推理 确定性推理是指推理时所用的知识都是精确 的，推出的结论也是确定的，其真值或者为 真，或者为假，没有第三种情况出现。 （2）不确定性推理 不确定性推理是指推理时所用的知识不都是 精确的，推出的结论也不完全是肯定的，其 真值位于真与假之间。（模糊集）
22
1、推理方向——混合推理
- 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、"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、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)。
按匹配时两个知识模式的相似程度，模式匹配可分为 确定性匹配与不确定性匹配。
确定性匹配是指两个知识模式完全一致，或者经过变 量代换后变得完全一致。
例如：
P1: father(李四，李小四) and man(李小四)
P2: father(x,y) and man(y)
不确定性匹配是指两个知识模式不完全一致，但是它 们的相似程度又在规定的限度内。
推出的结论是否单调增加。 4. 启发式、非启发式推理
所谓启发性知识是指与问题有关且能加快推理进程、 求得问题最优解的知识。 5. 基于知识的推理、统计推理、直觉推理 从方法论的角度划分。
3.1.3 推理的控制策略
推理的控制策略主要包括：推理方向、搜索策略、冲 突消解策略、求解策略及限制策略。
1. 正向推理 正向推理的基本思想是：从用户提供的初始已知事实 出发，在知识库KB中找出当前可适用的知识，构成可 适用知识集KS，然后按某种冲突消解策略从KS中选 出一条知识进行推理，并将推出的新事实加入到数据 库中作为下一步推理的已知事实，在此之后再在知识 库中选取可适用知识进行推理。如此重复进行这一过 程，直到求得了所要求的解或者知识库中再无可使用 的知识为止。
tiλ/xi
当tiλ=xi
ui/yi
当yi∈{x1,x2,…,xn}
后剩下的元素所构成的集合，记为θ°λ 。
注： tiλ表示对ti运用λ代换。实际上θ°λ就是对一个公 式先运用θ代换，然后再运用λ代换。
代换的例子
例如，设有代换
θ= {f(y)/x,z/y} λ= {a/x,b/y,y/z} 则 θ°λ={f(y)λ/x,zλ/y,a/x,b/y,y/z} ={f(b)/x,y/y,a/x,b/y,y/z} ={f(b)/x,y/z}
在人工智能中，推理是由程序实现的， 称为推理机。
4.1.2 推理方式及其分类
1. 演绎推理、归纳推理、默认推理 演绎推理：从一般到特殊。例如三段论。 归纳推理：从个体到一般。 默认推理：缺省推理，在知识不完全的情况下假设某 些条件已经具备所进行的推理。
2. 确定性、不确定性推理 3. 单调性、非单调推理
第四章 经典逻辑推理
4.1 基本概念 4.2 自然演绎推理 4.3 归结演绎推理 4.4 与或形演绎推理
4.1 基本概念
4.1.1 什么是推理
所谓推理就是按某种策略由已知判断推 出另一判断的思维过程。
一般来说，推理都包括两种判断：一种 是已知的判断，包括已知的知识和已知 事实；另一种是由已知判断推出的新判 断，即推理的结论。
例如：F1:P(x,y,z), F2:P(x,f(a),h(b)) 则D1={y,f(a)}, D2={z,h(b)} 求取最一般合一的算法：
1. 令k=0,Fk=F, σk=ε。 ε是空代换。 2. 若Fk只含一个表达式，则算法停止，σk就是最一般合一。 3. 找出Fk的差异集Dk。 4. 若Dk中存在元素xk和tk，其中xk是变元，tk是项，且xk
2 逆向推理
逆向推理的基本思想是：首先选定一个 假设目标，然后寻找支持该假设的证据， 若所需的证据都能找到，则说明原假设 是成立的；若无论如何都找不到所需要 的证据，则说明原假设不成立，此时需 要另作新的假设。
逆向推理示意图
开始
提出假设
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
6. 限制策略 限制推理的深度、宽度、时间、空间等等。
4.1.4 模式匹配
模式匹配是推理中必须进行的一项重要工作,因为只 有经过模式匹配才能从知识库中选出当前适用的知识, 才能进行推理。
所谓模式匹配是指对两个知识模式(例如两个谓词公 式、框架片断、语义网络片断)的比较与耦合，及检 查这两个知识模式是否完全一致或者近似一致。
{a/x,f(b)/y,w/z}是一个代换 {g(y)/x,f(x)/y}不是代换 {(a)/x,f(x)/y}是代换
代换的复合
定义4.2 设 θ= {t1/x1,t2/x2,…,tn/xn} λ= {u1/y1,u2/y2,…,um/ym}
是两个代换，则此两个代换的复合也是一个代换，它 是从
{t1λ/x1,t2λ/x2,…,tnλ/xn,u1/y1,u2/y2,…,um/ym} 中删去如下两种元素：
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
3. 混合推理 先正向后逆向推理 先逆向后正向推理
4. 双向推理 正向推理与逆向推理同时进行，且在推理过程 中的某一步上“碰头”。
5. 求解策略 只求一个解，还是求所有解以及最优解。
定义4.4 设σ是公式集F的一个合一，如果对任一个合一θ都存在 一个代换λ，使得θ=σ°λ
则称σ是一个最一般的合一。
最一般合一是唯一的。若用最一般合一去代换那些可合一 的谓词公式，可使他们变成完全一致的谓词公式。由此可 知，为了使两个知识模式匹配，可用其最一般合一对它们 进行代换。
求取最一般合一
差异集：两个公式中相同位置处不同符号的集合。
公式集的合一
定义4.3 设有公式集F={F1,F2,…,Fn}，若存在一个代换λ使得 F1λ=F2λ=…=Fnλ
则称λ为公式集F的一个合一，且称F1,F2,…,Fn是可合一的。 例如，设有公式集
F={P(x,y,f(y)),P(a,g(x),z)} 则下式是它的一个合一：
λ={a/x,g(a)/y,f(g(a))/z} 一个公式集的合一一般不唯一。
变量代换
无论是确定性匹配还是不确定性匹配，在进行匹 配时一般都需要进行变量的代换。
定义4.1 代换是一个形如
{t1/x1,t2/x2,…,tn/xn} 的有限集合。
其中是t1,t2,…,tn项； x1,x2,…,xn是互不相同 的变元；ti/xi表示用ti代换xi，不允许ti与xi相 同，也不允许变元xi循环地出现在另一个tj中。 例如：
正向推理示意图 开始
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
成功
Y
用户可补充新事 实？
N 失败 退出
确定性匹配是指两个知识模式完全一致，或者经过变 量代换后变得完全一致。
例如：
P1: father(李四，李小四) and man(李小四)
P2: father(x,y) and man(y)
不确定性匹配是指两个知识模式不完全一致，但是它 们的相似程度又在规定的限度内。
推出的结论是否单调增加。 4. 启发式、非启发式推理
所谓启发性知识是指与问题有关且能加快推理进程、 求得问题最优解的知识。 5. 基于知识的推理、统计推理、直觉推理 从方法论的角度划分。
3.1.3 推理的控制策略
推理的控制策略主要包括：推理方向、搜索策略、冲 突消解策略、求解策略及限制策略。
1. 正向推理 正向推理的基本思想是：从用户提供的初始已知事实 出发，在知识库KB中找出当前可适用的知识，构成可 适用知识集KS，然后按某种冲突消解策略从KS中选 出一条知识进行推理，并将推出的新事实加入到数据 库中作为下一步推理的已知事实，在此之后再在知识 库中选取可适用知识进行推理。如此重复进行这一过 程，直到求得了所要求的解或者知识库中再无可使用 的知识为止。
tiλ/xi
当tiλ=xi
ui/yi
当yi∈{x1,x2,…,xn}
后剩下的元素所构成的集合，记为θ°λ 。
注： tiλ表示对ti运用λ代换。实际上θ°λ就是对一个公 式先运用θ代换，然后再运用λ代换。
代换的例子
例如，设有代换
θ= {f(y)/x,z/y} λ= {a/x,b/y,y/z} 则 θ°λ={f(y)λ/x,zλ/y,a/x,b/y,y/z} ={f(b)/x,y/y,a/x,b/y,y/z} ={f(b)/x,y/z}
在人工智能中，推理是由程序实现的， 称为推理机。
4.1.2 推理方式及其分类
1. 演绎推理、归纳推理、默认推理 演绎推理：从一般到特殊。例如三段论。 归纳推理：从个体到一般。 默认推理：缺省推理，在知识不完全的情况下假设某 些条件已经具备所进行的推理。
2. 确定性、不确定性推理 3. 单调性、非单调推理
第四章 经典逻辑推理
4.1 基本概念 4.2 自然演绎推理 4.3 归结演绎推理 4.4 与或形演绎推理
4.1 基本概念
4.1.1 什么是推理
所谓推理就是按某种策略由已知判断推 出另一判断的思维过程。
一般来说，推理都包括两种判断：一种 是已知的判断，包括已知的知识和已知 事实；另一种是由已知判断推出的新判 断，即推理的结论。
例如：F1:P(x,y,z), F2:P(x,f(a),h(b)) 则D1={y,f(a)}, D2={z,h(b)} 求取最一般合一的算法：
1. 令k=0,Fk=F, σk=ε。 ε是空代换。 2. 若Fk只含一个表达式，则算法停止，σk就是最一般合一。 3. 找出Fk的差异集Dk。 4. 若Dk中存在元素xk和tk，其中xk是变元，tk是项，且xk
2 逆向推理
逆向推理的基本思想是：首先选定一个 假设目标，然后寻找支持该假设的证据， 若所需的证据都能找到，则说明原假设 是成立的；若无论如何都找不到所需要 的证据，则说明原假设不成立，此时需 要另作新的假设。
逆向推理示意图
开始
提出假设
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
6. 限制策略 限制推理的深度、宽度、时间、空间等等。
4.1.4 模式匹配
模式匹配是推理中必须进行的一项重要工作,因为只 有经过模式匹配才能从知识库中选出当前适用的知识, 才能进行推理。
所谓模式匹配是指对两个知识模式(例如两个谓词公 式、框架片断、语义网络片断)的比较与耦合，及检 查这两个知识模式是否完全一致或者近似一致。
{a/x,f(b)/y,w/z}是一个代换 {g(y)/x,f(x)/y}不是代换 {(a)/x,f(x)/y}是代换
代换的复合
定义4.2 设 θ= {t1/x1,t2/x2,…,tn/xn} λ= {u1/y1,u2/y2,…,um/ym}
是两个代换，则此两个代换的复合也是一个代换，它 是从
{t1λ/x1,t2λ/x2,…,tnλ/xn,u1/y1,u2/y2,…,um/ym} 中删去如下两种元素：
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
3. 混合推理 先正向后逆向推理 先逆向后正向推理
4. 双向推理 正向推理与逆向推理同时进行，且在推理过程 中的某一步上“碰头”。
5. 求解策略 只求一个解，还是求所有解以及最优解。
定义4.4 设σ是公式集F的一个合一，如果对任一个合一θ都存在 一个代换λ，使得θ=σ°λ
则称σ是一个最一般的合一。
最一般合一是唯一的。若用最一般合一去代换那些可合一 的谓词公式，可使他们变成完全一致的谓词公式。由此可 知，为了使两个知识模式匹配，可用其最一般合一对它们 进行代换。
求取最一般合一
差异集：两个公式中相同位置处不同符号的集合。
公式集的合一
定义4.3 设有公式集F={F1,F2,…,Fn}，若存在一个代换λ使得 F1λ=F2λ=…=Fnλ
则称λ为公式集F的一个合一，且称F1,F2,…,Fn是可合一的。 例如，设有公式集
F={P(x,y,f(y)),P(a,g(x),z)} 则下式是它的一个合一：
λ={a/x,g(a)/y,f(g(a))/z} 一个公式集的合一一般不唯一。
变量代换
无论是确定性匹配还是不确定性匹配，在进行匹 配时一般都需要进行变量的代换。
定义4.1 代换是一个形如
{t1/x1,t2/x2,…,tn/xn} 的有限集合。
其中是t1,t2,…,tn项； x1,x2,…,xn是互不相同 的变元；ti/xi表示用ti代换xi，不允许ti与xi相 同，也不允许变元xi循环地出现在另一个tj中。 例如：
正向推理示意图 开始
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
成功
Y
用户可补充新事 实？
N 失败 退出