【人工智能】人工智能课程复习笔记
第2章 知识表示方法
一阶谓语逻辑表示法、产生式表示法、语义网络表示法、框架表示法、面向对象表示法、状态空间表示法。
一阶谓语逻辑表示法
连接词：～ 非、∧与合取、∨或析取、→条件、↔双条件
量词：存在 与 任意
举例谓语公式表示知识：
HIGHER (x, y)：x比y长得高
产生式表示法
P前提→Q结论 或者 IF P THEN Q
例：“老李年龄是40岁”，可表示为：(Li，Age，40)
例：“老李年龄很可能是40岁”，可表示为： (Li，Age，40,0.8)
语义网络表示法
是通过概念及语义关系表达的一种网络图，带标注的有向图。
常用语义连续：ISA/AKO（是一个），part_of,IS,compose_of,have,located,if-then,before,after,at,a-member-of
框架表示法
例 教师框架
解：框架名：<教师>
姓名：单位（姓、名）
年龄：单位（岁）
性别：范围（男、女）
缺省：男
职称：范围（教授、副教授、讲师、助教）
缺省：讲师
部门：单位（学院、教研室）
住址：<住址框架>
工资：<工资框架>
参加工作时间：单位（年，月）
面向对象表示法
对象：人
类：鸡、飞禽、动物类在概念上是一种抽象机制，它是对一组相似对象的抽象。
继承....
状态空间表示法
第3章 归结推理方法
命题、命题公式
=1 谓语公式的永真性和可满足性
谓词公式的等价性 化简常用公式 狄摩根定律与量词转换率非常常用！
=2 置换与合一
1 置换
{a/x,f(b)/y,w/z}表示为 x=a；y=f(b),z=w
2合一
例1：L1=Q（a,y）,L2=Q(z,f(b))
它们是可以合一的，其合一置换为S={a/z,f(b)/y}，并且S也是最一般合一者mgu。
=3归结推理
1范式：
前束形范式：不出现连接词→和 ↔
斯克林（sklolem）范式：将前束范式每个存在量词均在全称量词的前面
斯克林标准型：从前束型范式中消去全部存在量词
合取范式：(A∨B)∧(A∨C)就是一个合取范式
2子句与子句集：谓词公式G的Skolem标准型前面的全称量词全部消去，并用逗号（，）代替合取符号∧，便可得到谓词公式G的子句集S
3归结原理
互补文字（P与~P为互补文字）
=4归结原理进行定理证明
对于定理证明，常见的形式是：A1∧A2∧……∧An→B其中，A1∧A2∧……∧An是前提条件，而B则是逻辑结论。 要证明B是A1∧A2∧……∧An的逻辑结论，只需证明：A1∧A2∧……∧An∧~B 是不可满足的即可。
证明过程：
Step1.首先否定结论B，并将否定后的公式~B与前提公式集组成如下形式的谓词公式：
G= A1∧A2∧……∧An∧~B
Step2.求谓词公式G的子句集S。 (化简为斯克林标准形式)
Step3.应用归结（消解）原理，互补消去
消去到最后，为空集NIL；
=5归结原理进行问题求解
求解过程
Step1.把已知前提条件用谓词公式表示出来，并化成相应的子句集，设该子句集的名字为S1；
Step2.把待求解的问题也用谓词公式表示出来，然后将其否定，并与一谓词ANSWER构成析取式。谓词ANSWER是一个专为求解问题而设置的谓词，其变量必须与问题公式的变量完全一致。
Step3.把问题公式与谓词ANSWER构成的析取式（或）化为子句集，并把该子句集与S1合并构成子句集S。
Step4.对子句集S应用消解原理进行消解，在消解过程汇总，通过合一置换，改变ANSWER中的变量。
Step5.如果得到消解式ANSWER，则问题的答案即在ANSWER谓词中。
=6归结原理的控制策略
第4章 不确定推理法
=1不确定推理
分类：模型法（数值方法、非数值方法）、控制方法
基于概率论的基础处理不确定性的方法：可信度方法、主观bayes方 法。
=2可信度方法
1知识不确定性
知识的不确定性则是以可信度CF(H，E)表示的。其一般形式为IF E THEN H (CF(H，E) )
2证据不确定性的表示
例如CF(E)=0.8表示证据E的可信度为0.8。
3不确定性的推理计算
=3主观bayes法
1知识不确定性
2证据不确定性的表示
3不确定性的推理计算
4结论不确定性合成算法
=4证据理论
证据理论的数学基础
特定概率分配函数
第5章 状态空间搜索策略
盲目搜索策略
1宽度优先搜索：
宽度优先搜索是一般图搜索算法的一个实例，每次总是扩展深度最浅的节点，这可以通过将边缘组织成FIFO队列来实现（即，新节点加入到队列尾，浅层的老节点会在深层节点之前被扩展）。
2深度优先：
深度优先总是扩展搜索树的当前边缘节点集 中最深的节点（搜索直接推到最深层）。如果最深层节点扩展完了，就回溯到下一个还有未扩展节点的深度稍浅的节点。DFS使用LIFO队列（最新生成的节点最早被扩展）。
3一致代价搜索
一致代价搜索扩展的是路径消耗g(n)（从初始状态到当前状态的路径耗散）最小的节点n。（可以通过将边缘节点组织成按g值排序的队列来实现）
4 深度受限
设置界限l来避免DFS在无限状态空间下搜索失败的尴尬情况。即，深度为l的节点被当做最深层节点（没有后继节点）来对待。
后面包括了浅谈深度学习，机器学习 因为在其他课程有所涉及也就不一一列出来了