0


人工智能导论期末复习重点

绪论

人工智能诞生于1956,达特茅斯会议,与空间技术和原子能技术统称为20世纪三大科学技术成就,智能是知识和智力的总和,知识是一切智能行为的基础,智力是获取知识并应用知识求解问题的能力。

麦卡锡----人工智能之父。1969年成立国际人工智能会议。1970年创立人工智能杂志,1957年提出感知机模型

智能分类:群智能,脑智能

人工智能分类

  1. 符号智能,模拟脑智能,主要是基于知识,信息为基础,主要为知识获取,知识表示,知识组织应用
  2. 计算智能,模拟群智能,以数值计算为基础,主要是研究各类优化算法
  3. 统计智能,通过统计概率实现的人工智能,包括统计机器学习,统计模式识别
  4. 交互智能,主要是强化学习

人工智能的基本内容:搜索与求解,知识与推理,学习与发现,发明与创造,感知与响应,理解与交流,记忆与联想,竞争与合作,系统与建造,应用与工程。

研究的主要方法:心理模拟,符号推演;生物模拟,神经计算;行为模拟,控制进化;群体模拟,仿生计算;博采广鉴,自然计算;原理分析,数学建模;

图灵测试:让测试者分别于一个人和一个机器进行交谈,而测试者实现并不知道哪一个是机器哪一个是人,如果再交谈后,测试者分辨不出哪一个是机器哪一个是人的话,则可以说这个机器具有智能。

知识表示: 将人类知识形式化或者模型化,表示方法有 符号表示法连接机制表示法 知识的基本单位:概念在这里插入图片描述

搜索问题

概念: 已知一个问题的初始状态和目标状态,我们想办法找到一个操作序列,使得问题可以从问题的初始状态转移至最终目标状态,若要求搜索的操作序列总代价最低,称为最优搜索问题。

特征:

  • 初始状态是确定的
  • 当前状态是否是目标状态是可以检测的
  • 状态空间是离散的
  • 每一个状态采取的合法行动和后续产生的状态变化是确定的
  • 环境是静态的
  • 路径代价函数是已知的

搜索问题表示方法: 1. 状态空间表示法 2. 与/或数表示法

状态空间表示法: 使用状态图描述问题 ,使用状态算符

状态: 用以描述问题求解过程中不同时刻的状态,例如

     S
    
    
     k
    
   
   
    =
   
   
    (
   
   
    
     S
    
    
     1
    
   
   
    ,
   
   
    
     S
    
    
     2
    
   
   
    ,
   
   
    .
   
   
    .
   
   
    .
   
   
    )
   
  
  
   S_k=(S_1,S_2,...)
  
 
Sk​=(S1​,S2​,...)

算符: 表示对状态的操作,每一次算符就使得问题由一种状态变换为另一种状态

当达到目标状态时,由初始状态转换为目标状态的算符序列就是问题的一个解

状态空间: 一般使用三元组表示 (S ,F,G)其中的S是问题的所有初始状态构成的集合,

F是算符的集合,G是目标状态的集合。
在这里插入图片描述

搜索算法

  1. 穷举法
  2. 回溯法: 不再探测不可能的路径,提出解的过程分为若干个阶段
  3. 贪心算法:每一步包含必须优化的目标函数每一步都选择当前最佳的步骤。可以找出可行解,但不一定最佳。

状态空间搜索法:

数据结构: OPEN表 :用于存放未扩展的节点 CLOSED表:已扩展的节点

搜索策略

分类: 盲目搜索:不使用启发式信息,随机或按规定选择下一步操作节点,找到一个解就停止。启发式搜索:根据启发式信息决定下一步选取后续节点

  1. 盲目搜索:- 广度优先搜索:一定可以找到可行解,是完备的。- 深度优先搜索:不一定找到可行解,可能会落入无穷分支,是不完备的- 迭代加深的深度优先搜索:有限深度截止于深度为k的深度优先搜索,迭代加深的深度优先搜索在搜索时不断加深探索深度 ,是完备的,节点深度代价不减少的情况最优
  2. 启发式搜索:启发信息: 1. 用于扩展节点的选择,避免盲目扩展 2. 用于生成节点的选择,避免盲目的生成过多无用的节点 3. 用于删除节点的选择,减少时空浪费。估价函数 一般形式 f(n) = g(n) + h(n),其中的g(n)表示从初始节点到当前节点的代价值,h(n)表示从节点n到目标节点的最优路径的代价估计。体现了问题的启发信息,f(n)表示从初始节点到目标节点的估计值。- 最陡爬山算法:每次选择代价最小的子节点- 最佳优先搜索算法:是智能搜索算法,每次将open表中的节点按照接近目标状态的启发式估计值进行顺序排列在这里插入图片描述- 分支定界法(一致代价搜索):f(n) = g(n) 只记录走过的路程,没有启发式估计值。open排序时按照根节点到当前节点的路径程度进行排序。在这里插入图片描述- 低估值分支定界法:每次需要计算从起点到当前节点的路径代价和以及节点估值和,然后按从小到大排序open表 ,f(n) = g(n) + h(n)- A*算法:在这里插入图片描述
  3. 与或树:状态空间图是一种特殊的与或树,即是或树- 分解:把一个复杂问题进行分解成若干个子问题,每一个子问题又继续分解直至不需要再分解或不能再分解后,如此形成与树,各个子问题用圆弧连接- 等价变换:利用同构或者同态的等价变换,吧原问题变换为若干个容易求解的新问题形成或树。- 本原问题:不能再分解或变换,直接可以求解的子问题- 端节点与终止节点:没有子节点的节点,也即是本原问题对应的节点- 可解节点:1. 他是一个终止节点,2. 是一个或 节点,且子节点中至少存在一个可解节点 3. 是一个与节点,且全部子节点均为可解节点- 不可解节点

知识表示与逻辑推理

命题: 具有真假意义的陈述句

**谓词与谓词公式:在这里插入图片描述

常量: 一个或者一组指定的个体,F(B)

变元: 没有指定的一个或者一组个体,F(x)。

函数: 一个个体到另一个个体的映射。

自然推理基础: 假言推理,拒取式,

推理控制策略 :推理方向,搜索策略。冲突消解策略,求解策略及限制策略

推理方向 :用于确定推理的驱动方式,分为正向推理,逆向推理,混合推理和双向推理

匹配方法、搜索策略、冲突消解策略

将谓词公式化为子句集:在这里插入图片描述

归结策略: 删除策略,支持集策略、线性归结策略、输入归结策略’单元归结策略、祖先过滤形策略

删除策略:重言式删除,包孕删除,纯文字删除(没有互补文字)

产生式系统

规则: 通过如果。。。则。。。关联起来的知识 通常使用P->Q表示

规则库: 由若干规则组成的集合,一个良好的规则库需要具备知识完整,知识一致,表达灵活,组织合理四个方面

综合数据库: 存放问题求解过程 各种当前信息的数据结构

控制系统:推理机构,负责整个产生式系统的运行,实现对问题的求解。负责规则与事实进行匹配,选择冲突消解策略对多个匹配规则的处理,对不确定知识按照算法计算不确定性,对产生的规则加入到综合数据库中,随时掌握产生式系统的执行情况,并在恰当的时候终止整个系统

一个产生系统通常从选择规则到执行操作一共分三步:匹配规则、冲突消解、推理

知识发现(KDD)的对象为,数据库,数据仓库,web信息,图像视频数据

知识发现的主要方法有:统计,机器学习,粗糙集和可视化

发现学习是数据挖掘的前身

关联规则:事件或者数据项之间有着某种4相关性的一种产生式规则


本文转载自: https://blog.csdn.net/weixin_46439063/article/details/124664828
版权归原作者 Veilhry 所有, 如有侵权,请联系我们删除。

“人工智能导论期末复习重点”的评论:

还没有评论