《人工智能》之《确定性推理》

人工智能学习(二):通过搜索进行问题求解——无信息搜索 无信息搜索(也称为盲目搜索)策略。无信息搜索指的是除了问题定义中提供的状态信息外没有任何附加信息。搜索算法要做的是生成后继并区分目标状态与非目标状态。这些搜索策略是以结点扩展的次序来分类的。知道一个非目标状态是否比其他状态“更有希望”接近目标的策略称为有信息搜索策略或者启发式搜索策略! 阅读详情

教材:《人工智能及其应用》,蔡自兴等,2016m清华大学出版社(第5版)

参考书:
在这里插入图片描述

1 图搜索策略

人工智能要解决的问题,大部分不具备明确的解题方法,这类问题可以用搜索方法解决。

1.1 数据结构

除了图本身之外,还需要两种辅助的数据结构,即存放已访问但未拓展节点的OPEN表,以及存放已拓展节点的CLOSED表。

下面给出OPEN表和CLOSED表的数据结构:
OPEN表:

节点父节点编号

CLOSED表:

编号节点父节点编号

1.2 图搜索的一般过程

GRAPHSEARCH:

  1. 建立一个只含有起始节点S的搜索图G,图中每个节点有一个指向其父节点的指针,S的这一指针为一特殊值(如0),并把S放入未扩展节点表OPEN中。
  2. 建立已扩展的节点表CLOSED,初始时该表为空。
  3. LOOP:若OPEN表为空,则失败退出。
  4. 把OPEN表中的第一个节点移出,放入CLOSED表中,称其为n节点。
  5. 若n为目标节点,则成功退出。问题的解是沿指针追踪G中从n到S的路径而得到的。
  6. 扩展节点n,生成不是n的祖先的那些后继节点的集合M。如果没有后继节点,则转LOOP。
  7. 把那些不在G中的M的成员作为n的后继节点加入G,并设置一个通向n的指针,把它们加入OPEN表。对已在G中的M的成员,调整有关指针。
  8. 按某种方式或按某个试探值,重排OPEN表。
  9. GO LOOP。

在这里插入图片描述

在搜索图中,除初始节点外,任意一个节点都含有且只含有一个指向其父节点的指针。因此,由所有节点及其指向父节点的指针所构成的集合是一棵树,称为搜索树。

1.3 八皇后问题(Eight Queens Puzzle)

问题表述为:在8×8格的国际象棋上摆放8个皇后,使其不能互相攻击,即任意两个皇后都不能处于同一行、同一列或同一斜线上,问有多少种摆法。高斯认为有76种方案。1854年在柏林的象棋杂志上不同的作者发表了40种不同的解,后来有人用图论的方法解出92种结果。如果经过±90度、±180度旋转,和对角线对称变换的摆法看成一类,共有42类。计算机发明后,有多种计算机语言可以编程解决此问题。

穷举8皇后问题过于复杂,这里只展示4皇后问题的图搜索方法:
在这里插入图片描述

2 盲目搜索

不需要重新安排OPEN表的搜索叫做盲目搜索或无信息搜索,它包括宽度优先搜索、深度优先搜索和等代价搜索。盲目搜索只适用于求解比较简单的问题。

2.1 宽度优先搜索

宽度优先搜索(BFS)是一种以接近起始节点S的程度逐层扩展节点的搜索方法。

特点:一种高代价搜索,但若有解存在,则必能找到它。
在这里插入图片描述

宽度优先算法如下:

  1. 把起始节点放到OPEN表中(如该起始节点为一目标节点,则求得一个解答)。
  2. 如OPEN是个空表,则没有解,失败退出;否则继续。
  3. 把第一个节点(节点n)从OPEN表移出,并把它放入CLOSED的扩展节点表中。
  4. 扩展节点n。如没有后继节点,则转向上述第2步。
  5. 把n的所有后继节点放到OPEN表的末端,并提供从这些后继节点回到n的指针。
  6. 如n的任一个后继节点是个目标节点,则找到一个解答,成功退出;否则转向第2步。

在这里插入图片描述

2.2 深度优先搜索

深度优先搜索(DFS)是一种首先拓展最新产生的(即最深的)节点的搜索方法。

特点:防止搜索过程沿着无益的路径扩展下去,往往给出一个节点扩展的最大深度(深度界限)。

与宽度优先搜索算法最根本的不同在于:将扩展的后继节点放在OPEN表的前端。
在这里插入图片描述
深度优先算法如下:

  1. 把起始节点放到OPEN表中(如该起始节点为一目标节点,则求得一个解答)。
  2. 如OPEN是个空表,则没有解,失败退出;否则继续。
  3. 把第一个节点(节点n)从OPEN表移出,并把它放入CLOSED的扩展节点表中。
  4. 如果节点n的深度等于最大深度,则转向上述第2步。
  5. 把n的所有后继节点放到OPEN表的前端。如果没有后继节点,则转向上述第2步。
  6. 如n的任一个后继节点是个目标节点,则找到一个解答,成功退出;否则转向第2步。

在这里插入图片描述

2.3 等代价搜索

等代价搜索是是宽度优先搜索的一种推广,不沿着等长度路径断层进行扩展,而沿着等代价路径断层进行扩展。其搜索树中每条连接弧线上的有关代价,表示时间、距离等花费。

等代价搜索算法如下:
在等代价搜索算法中,把从节点i到其后续节点j的连接弧线记为c(i,j),,把从起始节点S到任一节点i的路径代价记为g(i)。在搜索树上,假设g(i)也是从起始节点S到节点的最少代价路径上的代价。

在这里插入图片描述

把dist看成OPEN表,把path看成CLOSED表,则Dijkstra算法就是等代价搜索。

3 启发式搜索

启发式信息:与具体问题求解过程有关的,并可指导搜索过程朝着最有希望方向前进的控制信息。

启发式搜索,又称为有信息搜索,是一种利用启发式信息的搜索方法。

特点:重排OPEN表,选择最有希望的节点加以扩展

种类:有序搜索、A*算法等

3.1 启发式搜索策略和估价函数

利用启发信息来决定哪个是下一步要拓展的节点,这种搜索总是选择“最有希望”的节点作为下一个被拓展节点,这种搜索叫做有序搜索(Ordered Search)或最佳优先搜索(Best-first Search)。

估价函数(Evaluation Function):为获得某些节点“希望”的启发信息,提供一个评定侯选扩展节点的方法,以确定哪个节点最有可能在通向目标的最佳路径上 。

应用节点的估价函数值来重排OPEN表。

3.2 有序搜索

Nilsson(尼尔逊)方法:一个节点的"希望"越大,则其 f 值越小。被选择的节点是估价函数最小的节点。

在这里插入图片描述
估价函数的重要性:

  • 有序搜索的有效性直接取决于 f , 是提高搜索效率的关键;
  • 如 f 不准确,可失去最佳解,也可失去全部解;

估价函数一般选择策略:

  • 搜索时间、空间的折衷;
  • 保证有解或有最佳解;

估价函数选择的三种典型情况:

  1. 最优解答:状态空间中有多条解答路径,求解最优解答。如A*算法。
  2. 最小搜索代价:不考虑解答的最优化 (只有一个解答或多个解答间无差异),尽量使搜索代价最小。如:定理证明。
  3. 搜索代价与解答质量的综合:问题类似于 (1),但搜索过程可能超出时间、空间的界限。在适当的搜索实验中找到满意解答,并限制满意解答与最优解答的差异程度。如:TSP问题。

3.3 A*算法

在这里插入图片描述

在这里插入图片描述
可纳性: 对任一状态空间图,当从初始节点到目标节点有路径存在时,如搜索算法总能在有限步骤内找到一条从初始节点到目标节点的最佳路径,并在此路径上结束,则称该搜索算法是可采纳的。

A* 算法的可纳性 : A* 算法的搜索效率很大程度上取决于估价函数h(n)。一般来说, 在满足h(n) ≤h*(n)的前提下,h(n)的值越大越好。h(n)的值越大,说明它携带的启发性信息越多,A* 算法搜索时扩展的节点就越少,搜索效率就越高。

4 消解原理

消解原理,又称为归结原理,是对谓词演算公式进行分解、化简,消去一些符号, 以求得导出子句。

  • 一种用于子句公式集的重要推理规则
  • 子句是由文字的析取组成的公式
  • 一个原子公式、原子公式的否定叫作文字
    注意: 不含任何文字的子句称为空子句。
  • 由子句、空子句所构成的集合称为子句集

在这里插入图片描述

空子句不含有任何文字,也就不能被任何解释所满足, 因此空子句是永假的, 不可满足的。
消解原理, 力图从子句集中推导出一个表示矛盾的空子句。

鲁滨逊归结原理的基本思想:

  1. 由谓词公式转化为子句集的方法可知,在子句集中子句之间是合取关系。只要有一个子句为不可满足,则整个子句集就是不可满足的。
  2. 空子句是不可满足的。一个子句集中如包含有空子句,则此子句集就一定是不可满足的。
  3. 首先把欲证明问题的结论否定,并加入子句集,得到一个扩充的子句集S’。
  4. 然后检验子句集S’是否含有空子句,若含有空子句,则表明S’是不可满足的;若不含有空子句,则继续使用归结法,在子句集中选择合适的子句进行归结,直至导出空子句或不能继续归结为止。

在这里插入图片描述

4.1 子句集的求取

求取子句集的步骤:

  1. 消去蕴涵符号
  2. 缩小否定符号的辖域(狄·摩根定律)
  3. 变量标准化(哑元唯一)
  4. 消去存在量词(∃)
  5. 化为前束形
  6. 化为合取范式(∧)
  7. 消去全称量词(∀)
  8. 消去连词符号(∧)
  9. 更换变量名(同一变量名不出现在一个以上子句)

4.2 消解推理规则

令L1,L2为两任意原子公式;L1和L2具有相同谓词符号,但一般具有不同的变量。已知两子句L1∨α和~L2∨β,,如L1和L2具有最一般合一者σ,那么通过消解可以从这两个父辈子句推导出一个新子句(α∨β)σ,即消解式。

消解式求法:取两个子句的合取,然后消去互补对,得到消解式。
在这里插入图片描述

4.3 含有变量的消解式

在谓词逻辑中,因子句集中的谓词一般都含有变元,因此不能像命题逻辑那样直接消去互补文字,而需要先用一个最一般合一对变元进行代换,使父辈(亲本)子句含互补文字后才能进行归结。谓词逻辑的归结要比命题逻辑的归结复杂。
在这里插入图片描述
在这里插入图片描述

4.4 消解反演求解过程

把已知S证明L为真的问题,转化为证明S∧﹁ L为不可满足的问题。

消解反演推理方法:

  1. 给出{S}, L;
  2. 否定L,得~L;
  3. 把~L添加到S中去,把新产生的集合{~L, S}化成子句集;
  4. 应用消解原理,力图推出一个表示矛盾的空子句。

在这里插入图片描述
在这里插入图片描述
从反演树求取答案的步骤:

  1. 把问题的已知条件用谓词公式表示出来,并化为相应的子句集;
  2. 把问题的目标的否定用谓词公式表示出来,并化为子句集;
  3. 对目标否定子句集中的每个子句,构造该子句的重言式(即把该目标否定子句和此目标否定子句的否定之间再进行析取所得到的子句), 用这些重言式代替相应的目标否定子句式,并把这些重言式加入到前提子句集中,得到一个新的子句集;
  4. 对这个新的子句集,应用归结原理求出其证明树,证明树的根子句不为空,称这个证明树为修改的证明树;
  5. 用修改证明树的根子句作为回答语句,则答案就在此根子句中。

在这里插入图片描述

5 规则演绎系统

对于比较复杂的系统、问题,利用搜索技术、消解原理很难甚至无法求解,需要一些更先进的推理技术、系统求解方法,如规则演绎系统、产生式系统等。

对于许多公式来说,子句集是一种低效率的表达式, 一些重要信息会在求取子句集过程中丢失。如:蕴含式:A→B,表示为子句:~AVB,导致因果关系丢失。

我们将研究易于表述的if-then(如果一那么)规则来求解问题,避免了将蕴含式表示为子句的推理方式。

规则演绎系统:运用If→Then规则来建立的问题求解系统,每个if可能与某断言集(事实)中的一个或多个断言匹配,有时把该断言集称为工作内存,then部分用于规定放入工作内存的新断言。在这种系统中,通常称每个if部分为前项,每个then部分为后项。

分类:
在这里插入图片描述

正向推理:
在这里插入图片描述
逆向推理:
在这里插入图片描述

5.1 规则正向演绎系统(forward chaining)

正向规则演绎系统:从事实到目标进行操作的,即从if到then的方向进行推理的。

1. 事实表达式的与或形变换

在基于规则的正向演绎系统中,我们把事实表示为非蕴涵形式的与或形,作为系统的总数据库。

与或形:子句集求取法的9步法中不必6(生成合取范式)、8(消去合取符号∧)两步,最后得到的形式:

  1. 无量词约束
  2. 否定符只作用于单个文字
  3. 只有"与"、“或”
  4. 使同一变量不出现在不同的主要合取式中

在这里插入图片描述
2. 事实表达式的与或图表示

在这里插入图片描述

  • 在与/或图中,节点表示事实表达式及其子表达式
  • 根节点表示整个表达式,叶节点表示表达式中的单个文字
  • 对于一个析取表达式(E1∨E2∨…En)的节点,用一个n连接符(图中的半圆弧)连接它的n个子表达式节点
  • 对于一个合取表达式(E1∧E2∧…En)的节点,则直接用单线连接符与它的n个子表达式节点相连

在这里插入图片描述

一般把事实表达式的与或图表示倒过来,即把根节点画在最下面,而把其后继节点往上画。

由事实表达式的与或图表示的一重要性质是:由变换表达式得到的一组子句则可从与或图中读出,即每个子句相当于与/或图的一个可解树,它是由叶节点组成的公式。
 
从上图可以读出上例表达式的三个子句:Q(w,A)、﹁ S(A,v)∨ R(v) 、﹁ S(A,v)∨ P(v),这三个子句正是原表达式化成的子句集,由此可知:与/或图可看成是一组子句的一个简洁的表达形式。

3. 与或图的F规则变换

基于规则的正向演绎推理中,F规则具有以下形式:L → W。

具体要求如下:

  1. L是单文字(Literal),W是任意的与或形表达式(Well-Formed Fomula)
  2. L、W中的所有变量都是全称量词量化的,默认的全称量词作用于整个蕴含式
  3. 各条规则的变量各不相同,且规则中的变量与事实表达式中的变量也不相同

将F规则的左部限制为单文字,是因为在进行演绎推理时,要用F规则作用于表示事实的与/或图,而该与/或图的叶节点都是单文字,这样就可用F规则的左部与叶节点进行匹配,大大简化了规则的应用过程。

在这里插入图片描述
在这里插入图片描述

4. 推理过程

  1. 首先用与/或图把已知事实表示出来
  2. 用F规则的左部和与/或图的叶结点进行匹配,并将匹配成功的F规则加入到与/或图中,即利用F规则转换与/或图
  3. 重复第2步,直到产生一个含有以目标结点作为终止结点的一致解图为止

如一个解图中所涉及的置换是一致的, 则该解图称为一致解图。

含有变量的表达式应注意:

  • 当事实表达式、F规则、目标表达式中包含变量时,只有当解图中所用的置换是一致时,该解图对应的子句才成立
  • 上解图中使用的置换{A/x, A/z}和{A/y, A/z}是一致的, 所以该子句成立
  • 将两个置换的合一复合{A/x, A/y, A/z}作用于子句S(z)∨N(z)得到:S(A)∨N(A), 才是真正的结论
    如 u1={A/y},u2={B/y}, 则U={u1,u2}是不一致的

在这里插入图片描述

5.2 规则逆向演绎系统 (backward chaining)

逆向规则演绎系统是从then向if进行推理的,即从 目标或动作向事实或状况条件进行推理的。

1.目标表达式的与/或图表示

逆向系统中的目标公式采用与/或形表示,其化简采用Skolem 对偶形式(全称量词的约束变量以Skolem函数或常量取代,并使经Skolem化目标公式只剩下存在量词),并进行变元换名,使主析取元之间具有不同的变元名。

在这里插入图片描述
与或形的目标表达式可用与或图表示,但其表示方式与正向演绎中事实表达式的与/或图不同。它的k连接符用来把具有合取关系的子表达式连接起来,而在正向演绎中是把事实表达式具有析取关系的子表达式连接起来 。

在这里插入图片描述
2.与或图的B规则变换

反向演绎推理中的规则称为B规则,其表示形式为:W → L。其中W为任一与/或形表达式(Well-Formed Formula),L为单一文字(Literal)。

将规则右部L限制为单一文字,因为推理时要用它与目标与/或图中的叶结点进行匹配,而目标与/或图中的叶节点是文字,这样可以简化B规则对与/或图的应用。

如规则不符合L为单一文字这一要求,则要变换成这种形式。如规则W→L1∧L2可以化两个B规则, 即:W→L1 ,W→L2。

3.事实节点的表示形式
在这里插入图片描述

4.推理过程

  1. 用与/或图将目标表达式表示出来
  2. 在目标与/或图中,如有一个文字L′能够与L合一,则可应用B规则W→L,并将L′节点通过一个标有L和L′的最简单合一者的匹配弧与L相连,再将匹配成功的B规则加入到与/或图中(一条规则可用多次,匹配弧应标明两文字的最简合一者)
  3. 重复进行第2步,直到与/或图中包括一个结束在事实结点上的一致解图。该解图的合一复合作用于目标表达式就是解答语句

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

5.3 总结与对比

在这里插入图片描述

5.4 双向演绎推理

基于规则的正向演绎推理和反向演绎推理都具有局限性。正向演绎推理要求目标表达式是文字的析取式,而反向演绎推理要求事实公式为文字的合取式。

  • 已知事实用与/或图表示, 由正向演绎的F规则进行操作
  • 目标表达式用另一与/或图表示, 由反向演绎的B规则进行操作
  • 限制:F规则的左部为单文字,而B规则的右部为单文字

双向演绎推理分别从正、反两个方向进行推理, 两个与/或图分别扩展, 最关键也是最复杂的是如何判断推理是否结束。

推理的终止处位于两个与/或图分别扩展后的某个交接处, 当正、反两个方向的与/或图对应的叶节点都可合一时, 推理就结束。

在这里插入图片描述
在这里插入图片描述

6 产生式系统(Production System)

构造知识型系统和建立认知模型时常用的知识表示的形式系统。1943年E.波斯特首先将他提出的一种计算形式体系命名为产生式系统。50年代末期,A.纽厄尔和H.A.西蒙在研究人类问题求解的认知模型时也使用了产生式系统这一术语。产生式系统现代已成为研制人工智能系统时采用的最典型的体系结构之一。

在产生式系统中, 论域的知识分为两部分:

  1. 用事实表示静态知识, 如事物、事件和它们之间的关系;
  2. 用产生式规则表示推理过程和行为。

这类系统的知识库主要用于存储规则, 因此又把此类系统称为基于规则的系统。

在这里插入图片描述
在这里插入图片描述

6.1 产生式系统的组成

在这里插入图片描述

产生式系统由3部分组成:

总数据库:事实库。存放求解过程中各种当前信息的数据结构,如问题的初始状态、事实、证据、中间推理结论、最后结果等。
产生式规则:规则库。用于存放与求解问题有关的某个领域知识的规则集合及其交换规则. 当某条规则的前提与总数据库中的某些事实相匹配时, 该规则就被激活, 并把其结论作为新的事实存入总数据库。
控制策略:推理机构。由一组程序组成,用来控制产生式系统的运行,决定问题求解过程的推理线路,实现对问题的求解。

控制策略:说明下一步应该选用什么规则,也就是如何应用规则。
从选择规则到执行操作分为3步:

  1. 匹配:把当前数据库与规则的条件部分相匹配。若完全匹配, 则启用该规则。
  2. 冲突:当有一条以上规则的条件部分和当前数据库相匹配时, 就需要决定首先使用哪一条规则,这称为冲突解决。如专一性排序、规则排序、数据排序、就近排序等。
  3. 操作:是执行规则的操作部分, 经过操作后, 总数据库被修改, 并记住所应用的规则序列,以便给出解答路径。若满足结束条件, 推理停止。

产生式系统的控制策略:

  1. 不可撤回方式
    在这里插入图片描述

  2. 试探性方式
    在这里插入图片描述

6.2 产生式系统的推理

在这里插入图片描述
在这里插入图片描述
两者的比较:
在这里插入图片描述
在这里插入图片描述

6.3 产生式系统的基本过程

  1. 初始化综合数据库,即把欲解决问题的已知事实送入综合数据库中;
  2. 检查规则库中是否有未使用过的规则,若无转7;
  3. 检查规则库的未使用规则中是否有其前提可与综合数据库中已知事实相匹配的规则,若有,形成当前可用规则集;否则转6;
  4. 按照冲突消解策略,从当前可用规则集中选择一个规则执行,并对该规则作上标记。把执行该规则后所得到的结论作为新的事实放入综合数据库;如该规则的结论是一些操作,则执行这些操作;
  5. 检查综合数据库中是否包含了该问题的解,若已包含,说明解已求出,问题求解过程结束;否则,转2;
  6. 当规则库中还有未使用规则,但均不能与综合数据库中的已有事实相匹配时,要求用户进一步提供关于该问题的已知事实,若能提供,则转2;否则,执行下一步;
  7. 若知识库中不再有未使用规则,也说明该问题无解,终止求解过程。

在这里插入图片描述

6.4 产生式系统的特点

在这里插入图片描述

人工智能导论(4)——不确定性推理(Uncertainty Reasoning) 推理是人工智能经典三大基本技术之一,是人类求解问题的主要思维方法。 本文重点内容包括:不确定性推理的概念及分类;不确定性推理中的基本问题;概率方法及贝叶斯公式;可信度方法;模糊推理 阅读详情

相关推荐

从‘中文屋’到ChatGPT:聊聊AI推理的‘确定性’与‘不确定性’到底在争什么?

当AlphaGo在2016年击败李世石时,公众惊叹于AI的"直觉判断";而当ChatGPT写出莎士比亚风格的十四行诗时,人们又开始质疑这是否算真正的"思考"。这两种反应折射出一个根本问题:AI系统究竟是在进行机械的符号推演,还是在模拟人类的模糊认知?要理解这一问题的本质,我们需要回溯人工智能发展史中两种根本对立的推理范式——基于规则的确定性推理与基于概率的不确定性推理。

weixin_28680865的博客 340

算法-广度优先、深度优先和等代价搜索

0.摘要 本文主要介绍三种盲目搜索算法:广度优先、深度优先和等代价搜索。 首先,介绍几个之后会用到的概念: OPEN表:存放未扩展节点的表格 CLOSE表:存放以扩展节点的表格   1.宽度优先搜索 宽度优先搜索(BFS,Breadth First Search。 )又称广度优先搜索,是最简便的图的搜索算法之一。 定义:如果搜索是以接近初始节点的程度一次扩展节点的,那么这种搜索就叫...

qq_17753903的博客 2万+

《人工智能导论》第 3 章 确定性推理方法详解

通过本章的学习,读者应掌握确定性推理的基本原理和实现方法,理解从谓词公式到子句集的转换过程,掌握归结原理的核心思想,并能应用归结原理进行定理证明和问题求解。这些内容是人工智能逻辑推理的基础,为后续学习不确定性推理等内容奠定了重要基础。

2302_80961196的博客 959

搜索算法总结

模拟退火算法以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。有多条路径能够到达某个节点时,在动态规划的过程中,已经将最短路径做了更新,之后每次用到的都是当前已知路径中最短的路径,相当对那些较长的路径做了剪枝,保留最短路径而删去之前找到的较长路径,不从这些路径继续向下寻找。下图橙色箭头就是在拓展节点,当拓展到的节点已经有可达路径时,判断新的路径和之前的路径哪个耗散值最小(即路径长度最小),保留最小长度的路径,其余路径删去,之后的拓展,基于这个最短的路径值继续拓展。

一只养生的程序猿。 3206

人工智能--不确定性推理概述

文章目录不确定性推理的含义什么是不确定性推理为什么采用不确定性推理不确定性推理的基本问题不确定性的表示知识不确定性的表示证据的不确定性表示不确定性的匹配组合证据不确定性的计算不确定性的更新不确定性结论的合成不确定性推理的类型 不确定性推理的含义 什么是不确定性推理 不确定性推理是指建立在不确定性知识和证据基础上的推理。例如,不完备、不精确知识的推理,模糊知识的推理等。实质上是一种从不确定的初试证据...

Meskjei的博客 1万+

人工智能——确定性推理

4.1推理的基本概念 4.1.1什么是推理 (1)推理和推理机 推理:通常是从已知事实出发,通过运用已掌握的知识,找出其中蕴含的事实或归纳出新的知识。 推理机:一组用来控制计算机实现推理过程的程序。 4.1.2推理方法及其分类 (1)按推理的逻辑基础分类 ①演绎推理 是从已知的一般性知识出发,去推出蕴含在这些已知知识中的适合于某种个别情况的结论。是一种由一般到个别的推理方法,其核心是三段论(一个大前提、一个小前提和一个结论) ②归纳推理 ...

m0_67784353的博客 1591

问题求解-搜索

一、 什么是搜索 理论有解的问题,在现实世界难以求得解。搜索策略最关系能否尽可能快地找到最优解或有效解。 例如:导航、游戏、分配、调度、路径规划 二、图搜索 1. 策略分类 在状态空间图中搜索一条从初始结点到目标结点的路径。 无信息搜索(盲目搜索) 宽度优先 一致代价 深度优先 有界深度优先 迭代加深的深度优先 有信息搜索(启发式搜索) 最佳优先 贪婪最佳优先 A* 2. 图搜索与树搜索 树搜索每个结点只有一个父结点 树搜索不检查重复状态。而在图搜索中要检查重复状态,判断是否更新。例如P9

wy827349995的博客 2686

人工智能:确定性推理

一,推理的基本概念 (1)什么是推理 通过运用已掌握的知识,找出其中蕴含的事实或归纳出新的知识,这一过程通常称为推理。因此,从智能技术的角度来说,所谓推理就是按照某种策略由已知判断推出另一种判断的思维过程。 二,推理方法及其分类 (1)按推理的逻辑基础分类 <1>演绎推理 演绎推理是从已知的一般性知识出发,推出蕴含在这些知识中的适合于某种个别情况的结论。它是一种由一般到个别的推理方法,其核心是三段论。常用的三段论由一个大前提、一个小前提和一个结论3个部分组成。其中,大前提是已知的一般性

qq_68745178的博客 875

人工智能导论-确定性推理

上一章:讨论了“知识与知识表示”,可以把知识用某种模式表示出来存储到计算机中,但为使计算机具有智能,还必须使它具有思维能力。本章:1)推理是求解问题的一种重要方法。因此,推理方法成为人工智能的一个重要研究课题。2)目前已提出多种可在计算机上实现自动推理的方法。推理:从初始证据(已知事实)出发,按某种策略或规则,不断运用知识库中的已知知识,逐步推出结论的过程,或者归纳出新事实的思维过程。事实/证据:推理的出发点、推理时应该使用的知识知识:使推理得以向前推进,并逐步达到最终目标的依据。

m0_73366745的博客 1679

等代价搜索算法

等代价搜索算法Java实现版 求从某个顶点(源点)到其它顶点(终点)的最短路径

人工智能及其应用.pdf

人工智能及其应用.pdf

人工智能导论-不确定性推理方法

1)本章先讨论不确定性推理中的基本问题;2)然后介绍基于概率论的有关理论发展起来的不确定性推理方法,主要介绍“贝叶斯方法、可信度方法、证据理论等”;3)最后介绍目前在专家系统、信息处理、自动控制等领域广泛应用的依据模糊理论发展起来的模糊推理方法。定义:是一种不确定性推理方法,基于经验对事物或现象为真的相信程度,即可信度。其核心在于使用可信度因子来表示“知识和证据的不确定性”,并通过推理计算得出 “结论的可信度”。这种方法在1975年由肖特里菲等人提出,并结合“概率论和模糊集合论”等方法发展而来。

m0_73366745的博客 2526

STM32硬件SPI驱动W5500以太网模块全流程(附避坑指南)

本文详细介绍了STM32硬件SPI驱动W5500以太网模块的全流程,包括硬件架构设计、SPI接口选型、官方驱动移植、网络协议栈配置与优化等关键步骤。通过实战案例和性能对比数据,帮助开发者快速实现稳定高效的网络连接,特别提供了常见问题排查指南和性能调优技巧。

weixin_29194693的博客 269

人工智能(二)确定性推理(启发式推理、消解推理)

人工智能(二)确定性推理(启发式推理、消解推理) 推理就是由已知判断推出另一个判断的思维过程。 知识+推理=人类智慧 专家知识库+推理机=人工智能 一、推理的方法及其分类 ##按逻辑基础分类 1.演绎推理(三段论) 从一般性知识出发,推出蕴含在已知知识中的适合于个别情况的结论。是一种由一般到个别的推理方法,核心是三段论。 2.归纳推理 是一种由个别到一般的推理。按照所选事物的广泛性又可分为完全归...

qq_43907537的博客 4296

深入解析:如何基于开源OpENer开发EtherNet/IP从站服务

通过OpENer开源库,开发者可以快速实现符合ODVA规范的EtherNet/IP从站设备,降低开发成本并提高系统灵活性。本文详细介绍了EtherNet/IP协议原理、OpENer库的特点与优缺点,以及二次开发的完整流程。通过遵循本文提供的指南,开发者可以成功构建出工业级的EtherNet/IP通信设备。

极地星辰 3017

PaddleOCR实战:从零开始训练自己的OCR模型(附完整代码与数据集处理技巧)

本文提供了一份详尽的PaddleOCR实战指南,手把手教你从零开始训练专属的OCR模型。内容涵盖高质量训练数据的准备与标注技巧、预训练模型的选型对比、关键参数调优策略,并附有完整的代码示例。通过遵循本文的步骤,开发者可以高效构建并优化贴合自身业务场景的高精度OCR模型,实现从数据到部署的全流程掌握。

weixin_29263201的博客 571

【人工智能】5.不确定性推理

一、不确定推理预备知识 1.不确定性推理的含义 2.不确定推理基本问题 二、证据理论 1.可信度方法 2.证据理论预备知识 3.D-S理论 4.一种特殊的概率分配函数模型 5.简单例子 三、概率论预备知识 1.概率统计 2.贝叶斯公式 四、贝叶斯网络概率推理 1.贝叶斯网络概述 2.预测和诊断推理 ...

深思深练 厚积薄发 4468

【Java】对接微信转账到零钱接口 Java微信商家转账 apiV3(该踩的雷都踩了)

配置apiv3依赖java代码。

Moonhwa的博客 4320

人工智能原理笔记------确定性推理

人工智能原理笔记------确定性推理

博客 9489

手把手教你学PCIE--固件与BIOS配置 - BIOS设置对PCIe性能的影响

本文详细分析了BIOS设置对PCIe性能的影响,并提供了优化建议。通过合理调整链路参数、功耗管理策略和高级功能配置,可以显著提升系统的性能和稳定性。本文将进一步分析BIOS设置如何影响PCIe设备的性能,并提供优化建议。BIOS(或UEFI)是系统启动时的第一个控制层,其设置直接决定了PCIe设备的工作状态和性能表现。BIOS中的功耗管理选项(如C-States、P-States)会影响PCIe链路的低功耗模式(L0s/L1)。MSI/MSI-X中断具有更高的性能和更好的可扩展性,应作为首选方案。

MHD0815的博客 998

信息传输仿真:卫星通信系统仿真_(12).基于SystemVue的卫星通信仿真

SystemVue是Cadence公司开发的一款用于系统级设计和仿真的软件工具。它主要用于无线通信系统的设计和验证,特别是在卫星通信、雷达、射频和微波通信等领域。SystemVue提供了一个集成的环境,用户可以通过拖拽和连接各种预定义的模块来构建复杂的通信系统模型,从而进行性能分析和优化。

2401_87715305的博客 1370

《人工智能导论》第 4 章 不确定性推理方法

不确定性推理方法在人工智能应用中至关重要。本章系统介绍了三种核心方法:可信度方法通过数值表示命题可信度,适用于专家系统;证据理论采用概率分配函数处理多源信息融合;模糊推理以隶属度函数模拟人类模糊思维,广泛应用于智能控制。每种方法都有其独特优势:可信度方法计算简单,证据理论能有效组合证据,模糊推理擅长处理定性概念。实践建议包括动手实现案例代码、解决实际问题以及比较方法优劣。掌握这些方法将为开发智能系统奠定基础,建议根据具体场景选择或组合不同方法以获得最佳效果。

2302_80961196的博客 1304

C++(Qt)软件调试---静态分析工具clang-tidy(18)

现在很多人在开发中完全忽略了编译器、IDE的警告提示,这怎么可能写出稳定的程序。 clang-tidy是一个由LLVM项目提供的开源工具,是一个静态分析工具,用于进行静态代码分析和代码质量改进。

mahuifa的博客 5083

人工智能 3.确定性推理方法

推理是求解问题的一种重要方法 鲁宾逊归结原理使定理证明能够在计算机上实现 知识+推理=智能 归结演绎:谓词公式化为子句集、鲁宾逊归结原理、归结反演 推理的基本概念 已知事实(数据库)+知识 --通过策略à结论 推理方式及其分类:演绎推理、归纳推理、默认推理 1.演绎推理 (deductive reasoning) :    一般   →  个别  三段论式(三段论法)  足球...

越开源越幸运 2万+

Android 车联网——CarAudioService介绍(六)

CarAudioService 是 Android Automotive OS 中的一个重要组件,用于管理车辆中的音频功能。它是 Android Auto 的一部分,负责处理车辆音频的播放、控制和路由。CarAudioService 使用标准的 Android 组件架构,基于 Binder 通信机制,提供了一组 API,用于管理车辆音频。它包括以下主要功能:音频路由管理:CarAudioService 可以让开发者控制音频的路由,即将音频发送到不同的输出设备,例如车辆的扬声器、耳机等。

小旭的专栏 3203

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

上一篇: 《人工智能》之《知识表示方法》习题解析
下一篇: 《人工智能》之课程实验
UestcXiye
博客等级 码龄8年 9033粉丝 1306原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值