人工智能期末复习

人工智能三大流派:

  • 符号主义:把现实的物映射到代表它的符号,在符号上完成所有的推理、计算等
  • 连接主义:模拟人脑神经元之间的连接
  • 行为主义:智能来自更低级的感知和行动,表现的好就行

图灵机:是一个数学概念

  • 一个七元组:纸带、符号、读写头、规则、状态、起始、结束。

人工智能常见领域:

  1. 机器定理证明
  2. 博弈
  3. 模式识别:声图文
  4. 自然语言处理
  5. 数据挖掘和知识发现
  6. 专家系统
  7. 自动程序设计

研究方向分类:

  1. 知识表示:IF-THEN,框架,三元组,统计模型,HMM隐马尔可夫链
  2. 推理技术:归结原理,lisp语言,prolog语言
  3. 搜索技术
  4. 机器学习
  5. 群智算法
  6. 规划(机器人)
  7. 神经网络
  8. 图计算

大数据:指无法在定时间范围内用常规牧件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量高增长率和多样化的信息资产

大数据5V特点: Volumne 大量, Velocity 高速,Varlety多样, Value 低价值事密度,Veraciny真实性

局部大数据
打通的大数据

大数据一般是指通过既定的方法找到某个特定的数据,预测未来的数据

  • 强人工智能
  • 弱人工智能

专家系统:组成三要素

  • 一个综合数据库——存放信息
  • 一组产生式规则——知识
  • 一个控制系统一规则的解释或执行程序

规则:

  • IF <前提> THEN <结论> <前提>——<结论>
  • IF <条件> THEN <行动> <条件>——<行动>

产生式系统的基本过程:

过程PRODUCTION
DATA←初始数据库
until DATA满足结束条件, do
{
在规则集中选择条可应用于 DATA的规则R,
DATA←R应用到DATA得到的结果
}

产生式系统的特点:

  • 数据驱动
  • 知识的无序性
  • 控制系统与问题无关
  • 数据、知识和控制相互独立

产生式系统的类型

  • 正向、逆向、双向产生式系统
  • 可交换的产生式系统
  • 可分解的产生式系统

回溯策略(八皇后问题)
问题:深度问题,死循环问题
解决办法:对搜索深度加以限制,记录从初始状态到当前状态的路径

图搜索:保留所有已经搜索过的路径
回溯搜索:只保留从初始状态到当前状态的一条路经

无信息图搜索过程:深度优先,宽度优先

深度优先性质

  • 不一定能找到最优解
  • 深度限制不合理时,可能找不到解,可将算法改为可变深度限制
  • 最坏情况等同于枚举
  • 与回朔法的差别:图搜索
  • 是一个通用的与问题无关的方法

宽度优先性质

  • 有解时一定能找到解
  • 当问题为单位耗散值且有解,一定能找到最优解
  • 方法与问题无关具有通用性
  • 效率较低
  • 属于图搜索方法

渐进式深度优先搜索方法

  • 首先给回溯法一个比较小的深度限制,然后逐渐增加深度限制,直到找到解或找遍所有分支为止
  • 解决宽度优先方法的空间问题和回溯方法不能找到最优解的问题
    启发式图搜索
  • 利用知识来引导搜索,达到减少搜索范围,降低问题复杂度的目的
  • 启发强度强:搜索工作量降低,但可能找不到最优解。启发强度弱:工作量加大,极限情况为盲目搜索,可能找到最优解
  • 启发式搜索算法A,A算法:评价函数格式:f(n) = g(n) + h(n) f(n):评价函数,h(n):启发函数
    • g*(n):从s到n的最短路径的耗散值
    • h*(n):从n到g的最短路径的耗散值
    • f*(n)=g*(n)+h*(n):从s经过n到g的最短路径的耗散值
    • g(n)、h(n)、f(n)分别是g*(n)、h*(n)、f*(n)的估计值
  • 最佳图搜索算法A*,A算法:在A算法中,如果满足条件:h(n)<=h(n),则称A算法为A*算法。
    • 性质:
    • 定理一:对有限图,如果从初始节点s到目标节点t有路径存在,则算法A一定成功结束
    • 引理2.1:对无限图,若有从初始节点s到目标节点t的路径,则A不结束时,在open表中即使最小的一个f值也将增到任意大,或有f(n)>f(s)。
    • 引理2.2:A结束前,OPEN表中必存在f(n)<=f(s)
    • 定理2:对无限图,若从初始节点s到目标节点t有路径存在,则A*一定成功结束。
    • 引理2.1:A如果不结束,则OPEN中所有的n有f(n) > f(s)
    • 引理2.2:在A结束前,必存在节点n,使得f(n) ≤ f(s)
    • 推论2.1:OPEN表上任一具有f(n)
    • 定理3:若存在从初始节点s到目标节点t有路径,则A*必能找到最佳解结束。
    • 推论3.1:A选作扩展的任一节点n,有f(n)<=f(s)
    • 定理4:设对同一个问题定义了两个A*算法A1和A2,若A2比A1有较多的启发信息,即对所有非目标节点有h2(n) > h1(n),则在具有一条从s到t的路径的隐含图上,搜索结束时,由A2所扩展的每一个节点,也必定由A1所扩展,即A1扩展的节点数至少和A2一样多。

你可能感兴趣的:(笔记,人工智能)