人工智能-推理分类总结

一、按推理的逻辑基础分类
1演绎推理:从一般到个别的推理(一般 → 个体)
2归纳推理:从个别到一般的推理(个体 → 一般)
    从足够多的个别实例归纳出一般性结论。
    完全归纳推理：检查全部产品合格→该厂产品合格
    不完全归纳推理：检查全部样品合格→该厂产品合格
两者区别：演绎推理的过程中不能增加新知识。而归纳推理的过程中能增加新知识 
3默认推理（缺省推理）:知识不完全的情况下，假设某些条件已经具备

二、按所用知识的确定性分类
1、确定性推理
所有知识都是精确的，按因果关系进行逻辑推理。推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真或者为假。
2、不确定性推理
根据不精确和含糊的主观判断推理，结论正确性不确定。推理时所用的知识与证据不都是确定的，推出的结论也是不确定的
    似然推理（概率论）
    近似推理或模糊推理（模糊逻辑）

三、按推理过程中的单调性 
1、单调推理
基于经典逻辑的演绎推理
随着推理向前推进及新知识的加入，推论不断加强，推出的结论越来越接近最终目标。
2、非单调推理
默认推理是非单调推理
由于新知识的加入，不仅没有加强已推出的结论，反而要否定它，使推理退回到前面的某一步，重新开始。

四、按推理中所用知识是否具有启发性分类
1、启发式推理
应用与问题有关且能加快推理过程、提高搜索效率的知识（策略、技巧、经验等）进行推理。