《人工智能及其应用》重点回顾

1.1 人工智能的发展阶段

        1. 孕育时期(1956年前)人工智能开拓者们在数理逻辑、计算本质、控制论、信息论、自动机理论、神经网络模型和电子计算机等方面做出的创造性贡献,奠定了人工智能发展的理论基础。

        2. 形成时期 (1956-1970)

        AI诞生于一次历史性的聚会—达特茅斯会议,迅速发展,过于乐观

        3. 暗淡(低潮)时期 (1956-1970)

        过高预言的失败,给AI的声誉造成重大伤害,同时,许多人工智能理论和方法未能得到通用化和推广应用,专家系统也尚未获得广泛开发。因此看不出人工智能的重要价值。 究其原因,当时的人工智能主要存在以下三个局限性:(1)知识局限性 (2)解法局限性 (3)结构局限性

        4. 知识应用时期 (1970-1988)     

         计算机视觉、机器人、自然语言理解、机器翻译等AI应用研究获得发展。

        在开发专家系统的过程中,许多研究者获得共识:人工智能系统是一个知识处理系统,人工智能的三个基本问题知识表示、知识利用、知识获取

         5. 集成发展时期 (1986年至今)

        机器学习、人工神经网络、计算智能、智能机器人和行为主义研究趋向热烈和深入。

        计算智能(CI)弥补了人工智能中在数学理论和计算上的不足,更新和丰富了人工智能理论框架,使人工智能进入一个新的发展时期 。

1.2 人工智能的各种认识观

         人工智能研究形成了符号主义、连接主义和行为主义三大学派

         符号主义:又称逻辑主义,起源于数理逻辑,认为人的认识基元是符号,认知过程即符号操作过程,认为人是一个物理符号系统,计算机也是一个物理符号系统,因此能够用计算机来模拟人的智能行为。认为人工智能的核心问题是知识表示、知识推理和知识运用。

        连接主义:又称仿生学派或生理学派,认为思维基元神经元,而不是符号处理过程。认为人脑不同于电脑,并提出连接主义的大脑工作模式,用于取代符号操作的电脑工作模式。使用结构模拟方法:模拟人的生理神经网络结构,不同的结构表现出不同的功能和行为。认为功能、结构和智能行为是不可分的。

        行为主义:认为智能取决于感知和行动(所以被称为行为主义),提出智能行为的“感知—动作”模式。认为智能不需要知识不需要表示不需要推理;人工智能可以象人类智能一样逐步进化(称为进化主义);智能行为只能在现实世界中与周围环境交互作用而表现出来

3.4 消解原理

  将下列谓词演算公式化为一个子句集             

         1、消去蕴含符号

        只应用∨和~符号,以~A∨B替换A→B。     

        2、减少否定符号的辖域

         将 ~ 内移,每个否定符号~最多只用到一个谓词符号上,并反复应用狄·摩根定律。

        3、变量标准化

        不同的量词使用不同的变量名,对哑元(虚构变量)改名,以保证每个量词有其自己唯一的哑元

         4、去掉存在量词

        两种情况:

        ①“存在” 在某些 “任意”的作用域内,转成Skolem function

         ②“存在” 不在 “任意”的作用域内,直接去掉存在量词,将对应的变量写成一个常量表达式

        5、化为前束形

        将所有的“任意” 移到公式的最前面,并使每个量词的辖域包括这个量词后面公式的整个部分

         6、把母式写成合取范式的形式

        任何母式都可写成由一些谓词公式和(或)谓词公式的否定的析取的有限集组成的合取。

         7、去掉全称量词

        所有余下的量词均被全称量词量化了。消去前缀,即消去明显出现的全称量词。

         8、消去合取词 ∧

        用{A,B}代替(A∧B),消去符号∧。最后得到一个有限集,其中每个公式是文字的析取

         9、更换变量名称

        使相同的变元不会出现在不同的子句中

        

4.4 主观贝叶斯

   更新贝叶斯公式:

        《人工智能及其应用》重点回顾_第1张图片

        《人工智能及其应用》重点回顾_第2张图片

 

    EH公式

        《人工智能及其应用》重点回顾_第3张图片

    CP公式

        《人工智能及其应用》重点回顾_第4张图片

 《人工智能及其应用》重点回顾_第5张图片

 

4.5 可信度方法

 CF(H,E)的计算公式

                《人工智能及其应用》重点回顾_第6张图片

 1、组合证据(前提证据事实总CF值计算,最大最小法)

        《人工智能及其应用》重点回顾_第7张图片 

2、推理结论的CF值计算

        CF(H) = CF(H,E) × max { 0, CF(E) } 

3、重复结论CF值计算

《人工智能及其应用》重点回顾_第8张图片

5.2 神经计算

 

        

5.4 模糊计算

        遗传算法的执行过程

                (1)  初始化群体;

                (2)  计算群体上每个个体的适应度值;

                (3)  按由个体适应度值所决定的某个规则选择将进入下一代的个体;

                (4)  按概率Pc进行交叉操作;

                (5)  按概率Pc进行突变操作;

                (6) 若没有满足某种停止条件,则转第(2)步,否则进入下一步。

                (7) 输出群体中适应度值最优的染色体作为问题的满意解或最优解。

        简单遗传算法的操作主要有:

                选择、交叉、变异

7.4 决策树学习

         熵的计算公式:《人工智能及其应用》重点回顾_第9张图片

           信息增益:

你可能感兴趣的:(人工智能导论,人工智能)