人工智能知识点总结
仅供内部人士专用 1 CHW: 一、概论 1. 人工智能是由计算机科学、控制论、信息论、神经生理学、心理学、语言学等构成。 2. 智能科学研究智能的基本理论和实现技术,是由脑科学、认知科学、人工智能等学科构 成的交叉学科。 3. 认知(cognition)是和情感、动机、意志等相对的理智或认识过程。认知科学是研究人类感 知和思维信息处理过程的科学, 包括从感觉的输入到复杂问题求解, 从人类个体到人类社会 的智能活动,以及人类智能和机器智能的性质。思维是客观现实的反映过程,是具有意识的 人脑对于客观现实的本质属性、内部规律性的自觉的、间接的和概括的反映。智能是个体 认识客观事物和运用知识解决问题的能力。 4. 人类思维的形态:感知思维、形象思维、抽象思维、灵感思维。 5. 神经网络基本特点:① 以分布式方式存储信息。② 以并行方式处理信息。③ 具有自组 织、自学习能力。 符号智能:以知识为基础,通过推理进行问题求解。也即所谓的传统人工智能。 计算智能:以数据为基础,通过训练建立联系,进行问题求解。人工神经网络、遗传算法、 模糊系统、进化程序设计、人工生命等都可以包括在计算智能 6. 符号智能与计算智能区别:符号智能就是传统人工智能,以知识为基础,通过推理求解 问题;计算智能以数据为基础,通过训练建立联系,进行问题求解。人工神经网络,遗传算 法、模糊等都是计算智能。 7. 非单调推理:一个正确的公理加到理论中,反而使得所得结论变无效。如封闭世界假设 CWA,限定逻辑;定性推理:把物理系统分成子系统,对每个子系统之间的作用建立联系, 通过局部因果性的行为合成获得实际物理系统的功能;不确定性推理:随机性、模糊性、不 确定性。如 DS 证据、模糊集、粗糙集、贝叶斯。 8. 知识、知识表示及运用知识的推理算法是人工智能的核心, 而机器学习则是关键问题。 机器学习的研究四个阶段: ①无知识的学习: 主要研究神经元模型和基于决策论方法的自适 应和自组织系统。②符号概念获取:给定某一类别的若干正例和反例,从中获得该类别的一 般定义。③实例学习:从实例学习结构描述。④有知识的学习:把大量知识引入学习系统做 为背景知识 9. 机器学习的风范:①归纳学习:研究一般性概念的描述和概念聚类;②分析学习:在领 域知识指导下进行实例学习, 包括基于解释的学习、 知识块学习等。③发现学习:根据实 验数据或模型重新发现新的定律的方法。④遗传学习:模拟生物繁衍的变异和自然选择,把 概念的各种变体当作物种的个体, 根据客观功能测试概念的诱发变化和重组合并, 决定哪 种情况应在基因组合中予以保留。⑤连接学习:是神经网络通过典型实例的训练, 识别输入 模式的不同类别。 10. 分布式人工智能:研究在逻辑上或物理上分散的智能动作者如何协调其智能行为,即协 调它们的知识、技能和规划, 求解单目标或多目标问题,为设计和建立大型复杂的智能系统 或计算机支持协同工作提供有效途径。 11. 人工思维将以开放式自主系统为基础,充分发挥各种处理范型的特长,实现集体智能, 才能达到柔性信息处理,解决真实世界的问题。 12. 知识系统包括:①专家系统:专家系统是一种模拟人类专家解决领域问题的计算机程序 系统。这类计算机程序包括两部分:知识库。它表示和存储由任务所指定领域知识的一组数 据结构集合,包含有关领域的事实和专家水平的启发式知识。推理机,它是构造推理路径的 一组推理方法集合, 以便导致问题求解、 假设的形成、 目标的满足等。 由于推理采用的机理、 概念不同,推理机形成多种范型的格局。②知识库系统:把知识以一定的结构存入计算机, 仅供内部人士专用 2 进行知识的管理和问题求解,实现知识的共享。③决策支持系统是计算机科学(包括人工智 能) 、行为科学和系统科学相结合的产物,是以支持半结构化和非结构化决策过程为特征的 一类计算机辅助决策系统,用于支持高级管理人员进行战略规划和宏观决策。其组成:数据 库管理子系统、模型库管理子系统、方法库管理子系统、知识库管理子系统、会话子系统。 二、问题求解 1. 问题表达及其变换 1 同构同态变换 2 问题分解法 3 状态空间求解法 4 问题演绎法 5 博 弈问题求解法 问题的状态空间: 〈S ,F ,G 〉S是初始状态集;F是操作的集合;而 G为目标状态集。 状态空间搜索算法流程: 开 始 初始化:S 放入OPEN表,CLOES表置空, n=1 OPEN表中的第一个结点n 移至CLOSE表 若n 的后继未曾在搜索图G 中出现,则将其放入OPEN 表的末端,并提供返回结点n 的指针, 置n=n+1 根据后继结点在搜索图G 中的出现情况 修改指针方向 依某种准则重新排序OPEN表 失败 成功 N Y N OPEN为空表NULL ? n=目标结点D 吗 ? Y 2. 问题的状态空间可用有向图来表达,又常称其为状态树 状态空间图在计算机中有两种存储方式:一种是图的显式存储,另一种是图的隐式存储。 图的显式存储: (1 )概念:所谓图的显式存储,即把问题的全部状态空间图直接都存于计算 机中的方式。诸如一般计算机文件、程序文件和库文件的存储等,均为图的显式存储方式。 (2 )适用条件:通常图的显式存储方式需要占据计算机的大量存储空间和处理时间,故这 种存储方式仅适用于状态空间十分有限以及较简单的问题求解。 (3 )特点:其优点是直观、 明了,但缺点是占据存储空间大。图的隐式存储: (1 )概念:仅在计算机中存储关于要求解 问题的相关各种知识, 只在必要时再由相关的信息和知识逐步生成状态空间图的方式称为图 的隐式存储。 (2 )适用条件:适用于一般问题求解,尤其适宜于状态空间庞大的情况。 (3 ) 特点:占据空间小,但不够直观,与图的显式存储刚好特点互补。 3. 深度搜索(盲搜索、非启发、深度越大越晚优先级越高、不完备、非算法) ;广度/ 宽度 搜索(盲搜索、非启发、深度越小越早优先级越高,完备) 4. 广度优先算法搜索原则:1 深度越小、越早生成结点的优先级越高。2 当最低层不止一个 人工智能 仅供内部人士专用 3 结点时,它选择最先生成的结点进行搜索。广度优先算法步骤:(1)初始结点 S加入到队 列 OPEN的尾部;(2)若 OPEN为空,则搜索失败,问题无解;(3)取出 OPEN队头的结点 n ,并放入 CLOSE队列中;(4)若 n 是目标结点 D ,则搜索成功,问题有解;(5)若 n 是叶 结点, 则转(2); (6)扩展n 结点( 即找出它的所有直接后继) , 并把它的诸子结点依次加入OPEN 队尾,修改这些子结点的返回指针,使其指向结点 n 。转(2)。 5. 深度优先搜索搜索原则:1 深度越大、越晚产生结点的优先级越高。2 深度优先搜索是不 完备的,属于非算法的搜索过程。深度优先算法步骤:(1)初始结点 S放入堆栈 OPEN中; (2)若 OPEN为空,则搜索失败,问题无解; (3)弹出 OPEN表中最顶端结点放到 CLOSE 表中,并给出顺序编号 n ; (4)若 n 为目标结点 D ,则搜索成功,问题有解; (5)若 n 无子 结点,转(2);(6)扩展 n 结点,将其所有子结点配上返回 n 的指针,并按次