人工智能及应用ppt课件.ppt

《人工智能及应用ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、推理的基本概念推理是按某种策略由已知判断推出另一判断的思维过程。人工智能中的推理是由程序完成的-推理机。已掌握的与求解问题有关的知识关于问题的已知事实结论推理的方式及分类-演绎推理演绎推理：由一般到具体（个别）的推理，演绎推理一般是三段论：大前提：已知的一般性知识或假设。小前提：关于所研究的具体情况或个别事实的判断。结论：由大前提推出的适合小前提所示情况的新判断。推理的方式及分类-演绎推理例：大前提：足球运动员身体是强壮的。小前提：高波是足球运动员。结论：所以高波的身体是强壮的。推理的方式及分类-归纳推理归纳推理是由个别到一般的推理过程。按归纳时所选事例的广泛性，可分

2、为完全归纳和不完全归纳。产品抽样检查数学归纳法默认推理（缺省推理）在知识不完全的情况下，假设某些条件已经具备的情况下进行的推理。例如，A成立，在此条件下是否有B成立不清楚，假设A成立并且A→B成立，并利用其进行推理。确定性推理和不确定性推理确定性推理是指推理时使用的知识都是精确的，推出的结论也是确定的。本章主要研究此部分内容。不确定性推理是指推理时所使用的知识有不精确或不确定的，推出的结论也不完全肯定。人类的思维活动常常在知识不完全、不精确的情况下进行的，相对来说，不确定性推理更接近人类的思维过程。单调推理和非单调推理单调推理是指推理过程中，随着推理的向前推进及新知识

3、的加入，推出的结论越来越接近最终目标。非单调推理是指推理过程中，随着推理的向前推进及新知识的加入，不仅没有加强已有的结论，反而要否定它，使推理退回到前面的某一步。推理的控制策略推理方向。搜索策略：第五章介绍。冲突消解策略。求解策略-求出一个解？求出所有的解？求出最优解？限制策略-防止无穷推理过程。推理方向-正向推理从已知事实出发的一种推理，又称为数据驱动推理、前件推理，其基本思想为：从用户提供的初始事实出发，在知识库KB中找出当前可适用的知识，构成可使用知识集KS，然后按某种冲突消解策略从KS中选择出一条知识进行推理，并将推出的结论作为新事实加入到数据库中作为下一步推

4、理的已知事实。重复此过程直到求得所要求的解或知识库中无知识可用为止。开始把已知事实送入数据库DB包含问题的解？把KB中适用知识选出形成KSKS空？KB中有可用知识吗？按冲突消解策略选出知识推理得到新事实？将新事实加入DB成功退出用户能否补充新事实？失败退出把用户提供的新事实加入DBYNNYYNYNNY正向推理的特点优点：直观，允许用户提供有用的事实，适用于诊断、设计、预测和监控等领域的问题求解。缺点：推理无明确目标，求解问题时可能会执行许多与解无关的操作，推理效率低。推理方向-逆向推理以某个假设目标为出发点的一种推理，又称为目标驱动推理、后件推理，其基本思想为：首先选

5、定一个假设目标，然后寻找支持假设目标的证据，若所需要的证据都能找到，则说明假设成立。若无论如何都找不到所需的证据，则说明假设不成立。此时需要另做新的假设。开始提出假设假设在数据库中？把KB中适用知识选出形成KS该假设是证据吗？按冲突消解策略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询问用户有此事实？成功退出NYNY该假设成立该假设成立并将事实存入数据库DB还有假设？NNYKS是空？失败退出YNYY逆向推理示例以上一章动物判别的产生式系统为例。以“虎”为假设目标，数据库DB为空。检查数据库DB中有无“虎”这个事实？无。判断该目标是否是证据？r10的结论是“虎”

6、，所以不是证据。在知识库中查找所有能导出该目标的知识。r10是适用知识。逆向推理示例将r10的条件作为新的假设进行验证。条件1：该动物是黄褐色条件2：该动物有黑色条纹条件3：该动物是哺乳动物条件4：该动物是食肉动物条件1-新假设：该动物是黄褐色→不在数据库中，是证据。→询问用户是否是事实？是，存入数据库逆向推理示例条件2：新假设-该动物有黑色条纹→不在数据库中，是证据。→询问用户是否是事实？是，存入数据库条件3：新假设-该动物是哺乳动物→不在数据库中，不是证据。→在知识库中寻找适用知识，r1,r2。→将r1,r2的条件有毛、有奶作为假设。逆向推理示例→新假设：有毛→不

7、在数据库中。是证据。→询问用户是否是事实？是，存入数据库→新假设：有奶→不在数据库中。是证据。→询问用户是否是事实？是，存入数据库逆向推理示例条件4：新假设-该动物是食肉动物→不在数据库中，不是证据。→在知识库中寻找适用知识，r5,r6。→将r5,r6的条件吃肉、有犬齿、有爪、眼盯前方作为假设。→新假设：吃肉→不在数据库中。是证据。→询问用户是否是事实？是，存入数据库。。。。。。。。。结论：该动物是“虎”逆向推理的特点优点：不必使用与目标无关的知识，目的性强。缺点：目标选择盲目，若不符合实际就要多次提出假设，影响推理效率。混合推理正向推理：具有盲目性