人工智能答案終極版

4/12人工智能復(fù)習(xí)參考（2015工程碩士）第1章緒論什么是人工智能？它的研究目標(biāo)是什么？人工智能（ArtificialIntelligence），簡(jiǎn)稱AI，又稱機(jī)器智能（MachineIntelligence，MI），主要研究用人工的方法和技術(shù)開發(fā)智能機(jī)器或智能系統(tǒng)，以模仿、延伸和擴(kuò)展人的智能、生物智能、自然智能，實(shí)現(xiàn)機(jī)器的智能行為。近期目標(biāo)：人工智能的近期目標(biāo)是實(shí)現(xiàn)機(jī)器智能。即先部分地或某種程度地實(shí)現(xiàn)機(jī)器智能，從而使現(xiàn)有的計(jì)算機(jī)更靈活好用和更聰明有用。遠(yuǎn)期目標(biāo)：人工智能的遠(yuǎn)期目標(biāo)是要制造智能機(jī)器。具體講就是使計(jì)算機(jī)具有看、聽、說、寫等感知和交互能力，具有聯(lián)想、學(xué)習(xí)、推理、理解、學(xué)習(xí)等高級(jí)思維能力，還要有分析問題解決問題和發(fā)明創(chuàng)造的能力。人工智能有哪些研究方法和途徑？簡(jiǎn)單描述它們的特點(diǎn)。一、傳統(tǒng)劃分法1.符號(hào)主義：以人腦的心理模型為依據(jù)，將問題或知識(shí)表示成某種符號(hào)，采用符號(hào)推演的方法，宏觀上模擬人腦的推理、聯(lián)想、學(xué)習(xí)、計(jì)算等功能，實(shí)現(xiàn)人工智能。2.連接主義：不僅要求機(jī)器產(chǎn)生的智能和人相同，產(chǎn)生的過程和機(jī)理也應(yīng)該相同。人或某些動(dòng)物所具有的智能皆源自于大腦，通過對(duì)大腦微觀結(jié)構(gòu)的模擬達(dá)到對(duì)智能的模擬，這是一條很自然的研究人工智能的途徑。3.行為主義：模擬人在控制過程中的智能活動(dòng)和行為特性，如自適應(yīng)，自尋優(yōu)、自學(xué)習(xí)、自組織等，以此來研究和實(shí)現(xiàn)人工智能。二、現(xiàn)代劃分法1.符號(hào)智能：是對(duì)智能和人工智能持狹義的觀點(diǎn)，側(cè)重于研究任何利用計(jì)算機(jī)軟件來模擬人的抽象思維過程，并把思維過程看成是一個(gè)抽象的符號(hào)處理過程。2.計(jì)算智能：計(jì)算機(jī)智能又重新回到依靠數(shù)值計(jì)算解決問題的軌道上來，它是對(duì)符號(hào)智能中符號(hào)推演的再次否定。3.群體智能：它認(rèn)同智能同樣可以表現(xiàn)在群體的整體特性上，群體中每個(gè)個(gè)體的智能雖然很有限，但通過個(gè)體之間的分工協(xié)作和相互競(jìng)爭(zhēng)，可以表現(xiàn)出很高的智能。為什么能夠用機(jī)器（計(jì)算機(jī)）模仿人的智能？假設(shè)：任何一個(gè)系統(tǒng)，如果它能夠表現(xiàn)出智能，那么它就必定能夠執(zhí)行上述6種功能：輸入符號(hào)；輸出符號(hào)；存儲(chǔ)符號(hào)；復(fù)制符號(hào)；建立符號(hào)結(jié)構(gòu)；條件性遷移：反之，任何系統(tǒng)如果具有這6種功能，那么它就能夠表現(xiàn)出智能，這種智能指的是人類所具有的那種智能。把這個(gè)假設(shè)稱為物理符號(hào)系統(tǒng)的假設(shè)。物理符號(hào)系統(tǒng)的假設(shè)伴隨3個(gè)推論，推論1：既然人具有智能，那么他（她）就一定是個(gè)物理符號(hào)系統(tǒng)。推論2：既然計(jì)算機(jī)是一個(gè)物理符號(hào)系統(tǒng)，它就一定能夠表現(xiàn)出智能。推論3：既然人是一個(gè)物理符號(hào)系統(tǒng)，計(jì)算機(jī)也是一個(gè)物理符號(hào)系統(tǒng)，那么就能夠用計(jì)算機(jī)來模擬人的活動(dòng)。人工智能的主要研究?jī)?nèi)容和應(yīng)用領(lǐng)域是什么？其中，哪些是新的研究熱點(diǎn)？研究領(lǐng)域：?jiǎn)栴}求解，邏輯推理與定理證明，自然語(yǔ)言理解，自動(dòng)程序設(shè)計(jì)，專家系統(tǒng)，機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機(jī)器人學(xué)，模式識(shí)別，機(jī)器視覺，智能控制，智能檢索，智能調(diào)度與指揮，分布式人工智能與Agent，計(jì)算智能與進(jìn)化計(jì)算，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)，人工生命，系統(tǒng)與語(yǔ)言工具。研究熱點(diǎn)：專家系統(tǒng)，機(jī)器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機(jī)器人學(xué)，模式識(shí)別，分布式人工智能與Agent，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)。人工智能的發(fā)展對(duì)人類有哪些方面的影響？試結(jié)合自己了解的情況和理解，從經(jīng)濟(jì)、社會(huì)和文化等方面加以說明？1、人工智能對(duì)經(jīng)濟(jì)的影響：人工智能系統(tǒng)的開發(fā)和應(yīng)用，已為人類創(chuàng)造出可觀的經(jīng)濟(jì)效益，專家系統(tǒng)就是一個(gè)例子。隨著計(jì)算機(jī)系統(tǒng)價(jià)格的繼續(xù)下降，人工智能技術(shù)必將得到更大的推廣，產(chǎn)生更大的經(jīng)濟(jì)效益。2、人工智能對(duì)社會(huì)的影響：勞務(wù)就業(yè)問題；社會(huì)結(jié)構(gòu)變化；思維方式與觀念的變化；心理上的威脅；技術(shù)失控的危險(xiǎn)。3、人工智能對(duì)文化的影響：改善人類知識(shí)；改善人類語(yǔ)言；改善文化生活。試評(píng)述人工智能的未來發(fā)展。主要有以下兩個(gè)發(fā)展方向：1、計(jì)算機(jī)能直接而人類大腦實(shí)現(xiàn)人機(jī)交流。借助以上技術(shù)，人類可以用思維控制自己想看到的，想聽到的，使媒體技術(shù)中的感官媒體更真實(shí)化，對(duì)虛擬的事物不僅可以看見聽見，更可以摸得，聞得著。同時(shí)電腦可以進(jìn)一步輔助人類做出一定的判斷，儲(chǔ)存大量信息，甚至可以以身體為媒介，執(zhí)行電腦程序，是人類更快的學(xué)會(huì)各種技巧，掌握更多知識(shí)。同時(shí)，提高了生物驗(yàn)證的渠道，比如利用DNA染色體作為密碼的載體，相信是很難偽造的。2、電腦擁有機(jī)器思維：機(jī)器學(xué)會(huì)人類的思維方式，幫助人更好的思考問題。第2章基于圖的知識(shí)表示與圖搜索技術(shù)什么是知識(shí)？知識(shí)有哪些分類？知識(shí)的表示方法有哪些？掌握用狀態(tài)圖表示知識(shí)的方法。概括地說，知識(shí)是高度組織起來的信息集團(tuán)，是人們?cè)陂L(zhǎng)期的生活和社會(huì)實(shí)踐中、科學(xué)研究和科學(xué)實(shí)驗(yàn)中積累起來的經(jīng)驗(yàn)或?qū)陀^世界規(guī)律的認(rèn)識(shí)等。 知識(shí)分類： （1）從應(yīng)用領(lǐng)域來劃分常識(shí)性知識(shí)領(lǐng)域（專業(yè)）性知識(shí)（2）從在問題求解中的作用來劃分?jǐn)⑹鲂灾R(shí)過程性知識(shí)控制性知識(shí)（3）從確定性來劃分確定性知識(shí)非確定性知識(shí)（4）從知識(shí)的表現(xiàn)形式來劃分，可分為文字、符號(hào)、聲音、圖形、圖像等。知識(shí)的表示方法有：胃詞邏輯表示法、產(chǎn)生式表示法、框架表示法、語(yǔ)義網(wǎng)絡(luò)表示法、面向?qū)ο蟊硎痉?。什么是盲目搜索？什么是啟發(fā)式搜索？它們各有什么特點(diǎn)？盲目搜索：無向?qū)У乃阉?，也稱窮舉搜索。在搜索過程中，沒有任何背景知識(shí)作指導(dǎo)，不考慮任何與解有關(guān)的信息，隨機(jī)地或按預(yù)先規(guī)定的順序生成樹的節(jié)點(diǎn)，并判斷是否為解，直到找到解或證明問題無解為止。啟發(fā)式搜索：利用“啟發(fā)性信息”作為導(dǎo)航的搜索過程。用于問題有關(guān)的、有利于盡快找到問題解的信息或知識(shí)，如待解問題解的分布規(guī)律、求解該類問題的經(jīng)驗(yàn)、竅門等，引導(dǎo)搜索。對(duì)于較大或無限狀態(tài)空間問題，盲目搜索效率太低，所以在實(shí)際當(dāng)中往往是不可行的。啟發(fā)式搜索廣泛地應(yīng)用于實(shí)際問題求解中，如博弈、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、智能檢索等。深度優(yōu)先搜索和廣度優(yōu)先搜索各有什么特點(diǎn)？廣度優(yōu)先搜索：廣度優(yōu)先搜索是嚴(yán)格按節(jié)點(diǎn)在樹中的出現(xiàn)位置一層一層向下的搜索過程。通過將OPEN表設(shè)計(jì)為一個(gè)隊(duì)列來實(shí)現(xiàn)，將新生成的子節(jié)點(diǎn)放在OPEN表的后面，保證先生成的節(jié)點(diǎn)先考察。廣度優(yōu)先中OPEN表是一個(gè)隊(duì)列，CLOSED表是一個(gè)順序表，表中各節(jié)點(diǎn)按順序編號(hào)，正被考察的節(jié)點(diǎn)在表中編號(hào)最大。廣度優(yōu)先搜索又稱為寬度優(yōu)先或橫向搜索。廣度優(yōu)先策略是完備的，即如果問題的解存在，則它一定可以找到解，并且找到的解還是最優(yōu)解。廣度優(yōu)先搜索策略與問題無關(guān)，具有通用性。缺點(diǎn)搜索效率低。 深度優(yōu)先搜索：深度優(yōu)先搜索是一種一直向下的搜索過程，它優(yōu)先在自己的子結(jié)點(diǎn)集合中選擇下一個(gè)被考察的結(jié)點(diǎn)，不斷向縱深方向前進(jìn)，直到到達(dá)葉子結(jié)點(diǎn)或受到深度限制時(shí)，才返回到上一級(jí)結(jié)點(diǎn)沿另一方向繼續(xù)前進(jìn)。OPEN表為一個(gè)堆棧。3.適當(dāng)改名，使變量標(biāo)準(zhǔn)化4.消去存在量詞(Skolem化）,同時(shí)進(jìn)行變?cè)鎿Q5.消去所有全稱量詞6.化公式為合取范式7.適當(dāng)改名，使子句間無同名變?cè)?.消去合取詞，以子句為元素組成一個(gè)集合S掌握把謂詞公式化為子句集的方法。如把下列句子變換成子句形式：～(x)｛P(x)→｛（y）［p(y)→p(f(x,y))］∧(y)［Q(x,y)→P(y)］｝答案：（1）消去蘊(yùn)涵符號(hào)（只應(yīng)用∨和～符號(hào)，以～A∨B替換A→B）～(x)｛～P(x)∨｛（y）［～p(y)∨p(f(x,y))］∧(y)［～Q(x,y)∨P(y)］｝｝（2）減少否定符號(hào)的轄域（每個(gè)否定符號(hào)～最多只用到一個(gè)謂詞符號(hào)上，并反復(fù)應(yīng)用狄·摩根定律）(x)｛～｛～P(x)∨｛（y）［～p(y)∨p(f(x,y))］∧(y)［～Q(x,y)∨P(y)］｝｝｝(x)｛P(x)∧｛～｛（y）［～p(y)∨p(f(x,y))］∧(y)［～Q(x,y)∨P(y)］｝｝｝(x)｛P(x)∧｛｛～（y）［～p(y)∨p(f(x,y))］∨｛～(y)［～Q(x,y)∨P(y)］｝｝｝(x)｛P(x)∧｛（y）［p(y)∧～p(f(x,y))］∨(y)［Q(x,y)∧～P(y)］｝｝（3）對(duì)變量標(biāo)準(zhǔn)化（對(duì)啞元（虛構(gòu)變量）改名，以保證每個(gè)量詞有其自己唯一的啞元）(x)｛P(x)∧｛（y）［p(y)∧～p(f(x,y))］∨(ω)［Q(x,ω)∧～P(ω)］｝｝（4）消去存在量詞（以Skolem函數(shù)代替存在量詞內(nèi)的約束變量，然后消去存在量詞）P(A)∧｛［p(B)∧～p(f(A,B))］∨［Q(A,C)∧～P(C)］｝（5）化為前束形：（把所有全稱量詞移到公式的左邊，并使每個(gè)量詞的轄域包括這個(gè)量詞后面公式的整個(gè)部分）（6）把母式化為合取范式（任何母式都可寫成由一些謂詞公式和(或)謂詞公式的否定的析取的有限集組成的合?。㏄(A)∧｛［p(B)∨Q(A,C)］∧［p(B)∨～P(C)］∧［～p(f(A,B))∨Q(A,C)］∧［～p(f(A,B))∨～P(C)］｝P(A)∧［p(B)∨Q(A,C)］∧［p(B)∨～P(C)］∧［～p(f(A,B))∨Q(A,C)］∧［～p(f(A,B))∨～P(C)］（7）消去全稱量詞（所有余下的量詞均被全稱量詞量化了。消去前綴，即消去明顯出現(xiàn)的全稱量詞）（8）消去連詞符號(hào)∧（用{A,B}代替(A∧B)，消去符號(hào)∧。最后得到一個(gè)有限集，其中每個(gè)公式是文字的析?。㏄(A)p(B)∨Q(A,C)p(B)∨～P(C)～p(f(A,B))∨Q(A,C)～p(f(A,B))∨～P(C)（9）更換變量名稱（可以更換變量符號(hào)的名稱，使一個(gè)變量符號(hào)不出現(xiàn)在一個(gè)以上的子句中）P(x1)p(y1)∨Q(x2,ω1)p(y2)∨～P(ω2)～p(f(x3,y3))∨Q(x3,ω3)～p(f(x4,y4))∨～P(ω4)什么是置換？什么是合一？什么是歸結(jié)？置換：在謂詞邏輯中，有些推理規(guī)則可應(yīng)用于一定的合式公式和合式公式集，以產(chǎn)生新的合式公式。一個(gè)重要的推理規(guī)則是假元推理，這就是由合式公式和產(chǎn)生合式公式的運(yùn)算。另一個(gè)推理規(guī)則是全稱化推理，它是由合式公式產(chǎn)生合式公式，其中為任意常量符號(hào)。同時(shí)應(yīng)用假元推理和全稱化推理，例如，可由合式公式和生成合式公式。這就是尋找的對(duì)的置換，使與一致。合一：尋找項(xiàng)對(duì)變量的置換，以使兩表達(dá)式一致，叫做合一。如果一個(gè)置換作用于表達(dá)式集的每個(gè)元素，則用來表示置換例的集，稱表達(dá)式集是合一的。如果存在一個(gè)置換使得：那么稱此為的合一者，因?yàn)榈淖饔檬鞘辜铣蔀閱我恍问?。歸結(jié)：在謂詞公式，某些推理規(guī)則以及置換合一等概念的基礎(chǔ)上，能夠進(jìn)一步研究消解原理，有些專家把它叫做歸結(jié)原理。簡(jiǎn)述用歸結(jié)法證明定理的過程（消解反演求解過程）。（見課本例題）會(huì)利用歸結(jié)法證明定理或求取問題的解。給出一個(gè)公式集S和目標(biāo)公式L，通過反證或反演來求證目標(biāo)公式L，其證明步驟如下：（1）否定L，得到~L；（2）把~L添加到S中去；（3）把新產(chǎn)生的集合{~L，S}化成子句集F；（4）（以前）應(yīng)用消解原理，力圖推導(dǎo)出一個(gè)表示矛盾的空子句（現(xiàn)在ppt）反復(fù)歸結(jié)子句集F中的子句，若出現(xiàn)了空子句，則停止歸結(jié)，此時(shí)就證明了L永真如何通過歸結(jié)法求取問題的答案?應(yīng)用歸結(jié)原理求取問題答案，其過程如下：1.把已知前提用謂詞公式表示出來，并且化為相應(yīng)的子句集S。2..為待求解的問題找一個(gè)合適的求證目標(biāo)謂詞，化為相應(yīng)的子句，再對(duì)子句以析取的形式增配一個(gè)輔助謂詞構(gòu)成新的子句，并入到子句集S中形成子句集S’。輔助謂詞的謂詞名沒有要求，但是它的變量必須要與對(duì)應(yīng)目標(biāo)謂詞中的變量完全一致。3..對(duì)子句集S’應(yīng)用歸結(jié)原理進(jìn)行歸結(jié)。4.當(dāng)歸結(jié)式只剩下輔助謂詞時(shí)，歸結(jié)結(jié)束，輔助謂詞中原變量位置上的項(xiàng)就是所求的結(jié)果。與/或形演繹推理有哪幾種推理方式?簡(jiǎn)述推理過程（見課本例題）與/或形演繹推理推理方式：正向演繹推理、反向演繹推理、雙向演繹推理正向演繹推理過程：1用與/或樹把已知事實(shí)表示出來2用F規(guī)則的左部和與/或樹的葉節(jié)點(diǎn)進(jìn)行匹配，并將匹配成功的F規(guī)則加入到與/或樹中3重復(fù)第(2)步，直到產(chǎn)生一個(gè)含有以目標(biāo)節(jié)點(diǎn)作為終止節(jié)點(diǎn)的解圖為止反向演繹推理過程：1用與/或樹把目標(biāo)公式表示出來2用B規(guī)則的右部和與/或樹的葉節(jié)點(diǎn)進(jìn)行匹配，并將匹配成功的B規(guī)則加入到與/或樹中3重復(fù)進(jìn)行第(2)步，直到產(chǎn)生某個(gè)終止在事實(shí)節(jié)點(diǎn)上的一致解圖為止 雙向演繹推理過程：由表示目標(biāo)及表示已知事實(shí)的兩個(gè)與/或樹結(jié)構(gòu)組成，這些與/或樹分別由正向演繹的F規(guī)則及逆向演繹的B規(guī)則進(jìn)行操作，并且仍然限制F規(guī)則為單文字的左部，B規(guī)則為單文字的右部。第4部分不確定知識(shí)的表示與推理技術(shù)什么是不確定性推理？研究不確定性推理有何意義?有哪幾種不確定性?不確定性推理是從不確定性的初始證據(jù)出發(fā)，通過運(yùn)用不確定性的知識(shí)，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的理論的思維過程現(xiàn)實(shí)世界中遇到的問題和事物間的關(guān)系往往比較復(fù)雜，客觀事物存在的隨機(jī)性、模糊性、不完全性和不精確性，往往導(dǎo)致人們認(rèn)識(shí)上一定程度的不確定性。這是，若仍然采用經(jīng)典的精確推理方法進(jìn)行處理，必然無法反映事物的真實(shí)性。需要在不完全和不確定的情況下運(yùn)用不確定知識(shí)進(jìn)行推理，即進(jìn)行不確定性推理。意義：使計(jì)算機(jī)對(duì)人類思維的模擬更接近于人類的真實(shí)思維過程。不確定性推理是一種建立在非經(jīng)典邏輯基礎(chǔ)上的基于不確定性知識(shí)的推理，它從不確定性的初始證據(jù)出發(fā)，通過運(yùn)用不確定性知識(shí)，推出具有一定程度的不確定性的和合理的或近乎合理的結(jié)論。 不確定性分類： 1.隨機(jī)不確定性2.模糊不確定性3.不完全性4.不一致性在什么情況下需要采用不確定性推理?1.選擇不確定性表示方法時(shí)應(yīng)考慮的因素：充分考慮領(lǐng)域問題的特征；恰當(dāng)?shù)孛枋鼍唧w問。2.題的不確定性；滿足問題求解的實(shí)際需求；便于推理過程中對(duì)不確定性的推算。3.在知識(shí)和信息中含有的不肯定、不可靠、不準(zhǔn)確、不精確、不嚴(yán)格、不嚴(yán)密、不完全甚至不一致的成分的情況下。簡(jiǎn)述確定性理論（可信度方法）的特點(diǎn)。確定性推理：規(guī)約推理、消解演繹推理和規(guī)則演繹推理等?？尚哦确椒ǎ海ㄍ评硭惴ǎ┙M合證據(jù)的不確定性算法，不確定性的傳遞算法，多個(gè)獨(dú)立證據(jù)推出同一假設(shè)的合成算法簡(jiǎn)述主觀Bayes推理方法。會(huì)應(yīng)用主觀貝葉斯方法推理（見課本例題）推理的一種形式。人們根據(jù)不確定的信息做出決定時(shí)進(jìn)行的推理。根據(jù)以往的經(jīng)驗(yàn)和分析，結(jié)合專家先驗(yàn)知識(shí)，由已知的變量信息來推導(dǎo)未知變量的信息的過程。貝葉斯推斷的基本方法是將關(guān)于未知參數(shù)的先驗(yàn)信息與樣本信息綜合，再根據(jù)貝葉斯定理，得出后驗(yàn)信息，然后根據(jù)后驗(yàn)信息去推斷未知參數(shù)。簡(jiǎn)述主觀Bayes方法中，LS和LN的意義。LN表示必要性因子，它表示~E對(duì)Ｈ的支持程度。LS表示充分性因子，它表示E對(duì)H的支持程度。什么是貝葉斯網(wǎng)絡(luò)？按推理方向不同，貝葉斯網(wǎng)絡(luò)推理包括哪幾種推理模式？掌握貝葉斯網(wǎng)絡(luò)的推理計(jì)算方法。以隨機(jī)變量為節(jié)點(diǎn)，以條件概率為節(jié)點(diǎn)間關(guān)系強(qiáng)度的有向無環(huán)網(wǎng)。包括因果推理、診斷推理、辯解推理P1415,6，8題第5章產(chǎn)生式表示與專家系統(tǒng)5-1．什么是產(chǎn)生式規(guī)則？產(chǎn)生式系統(tǒng)由哪些部分組成？說明各部分的功能？ 把一組產(chǎn)生式放在一起，讓它們相互配合、協(xié)同作用，一個(gè)產(chǎn)生式生成的結(jié)論可以供另一個(gè)產(chǎn)生式作為前提使用，以求得問題的解決，這樣的系統(tǒng)稱為產(chǎn)生式系統(tǒng)。產(chǎn)生式系統(tǒng)由：規(guī)則庫(kù)、數(shù)據(jù)庫(kù)、推理機(jī)組成。規(guī)則庫(kù)：用于描述某領(lǐng)域內(nèi)知識(shí)的產(chǎn)生式集合，是某領(lǐng)域知識(shí)（規(guī)則）的存儲(chǔ)器。數(shù)據(jù)庫(kù)：用來存放輸入事實(shí)、外部數(shù)據(jù)庫(kù)輸入的事實(shí)以及中間結(jié)果和最后結(jié)果。推理機(jī)：由一組程序組成，用來控制協(xié)調(diào)規(guī)則庫(kù)與數(shù)據(jù)庫(kù)的運(yùn)行，包含了推理方式和控制策略。5-2．說明產(chǎn)生式系統(tǒng)推理機(jī)的推理方式及推理過程。（見課本例題）產(chǎn)生式系統(tǒng)推理機(jī)的推理方式有正向推理、反向推理和雙向推理三種。正向推理：從已知事實(shí)出發(fā)，通過規(guī)則求得結(jié)論?；蚍Q數(shù)據(jù)驅(qū)動(dòng)方式也稱作自底向上的方式。正向推理的推理過程：（1）規(guī)則集中的規(guī)則與數(shù)據(jù)庫(kù)中的事實(shí)進(jìn)行匹配，得匹配的規(guī)則集合。（2）使用沖突解決算法，從匹配規(guī)則集合中選擇一條規(guī)則作為啟用規(guī)則。（3）執(zhí)行啟用規(guī)則的后件。將該請(qǐng)用規(guī)則的后件送入數(shù)據(jù)庫(kù)。重復(fù)這個(gè)過程直至達(dá)到目標(biāo)。反向推理：從目標(biāo)（作為假設(shè)）出發(fā)，反向使用規(guī)則，求得已知事實(shí)。這種推理方式也稱目標(biāo)驅(qū)動(dòng)方式或稱自頂向下的方式。反向推理的推理過程：（1）規(guī)則庫(kù)中的規(guī)則后件與目標(biāo)事實(shí)進(jìn)行匹配，得匹配的規(guī)則集合。（2）使用沖突解決算法，從匹配規(guī)則集合中選擇一條規(guī)則作為啟用規(guī)則。（3）將啟用規(guī)則的前件作為子目標(biāo)。重復(fù)這個(gè)過程直至各子目標(biāo)均為已知事實(shí)成功結(jié)束。雙向推理：雙向推理是一種既自頂向下、又自底向上的推理方式，推理從兩個(gè)方向同時(shí)進(jìn)行，直至某個(gè)中間界面上兩方向結(jié)果相符便成功結(jié)束。這種雙向推理較正向或反向推理所形成的推理網(wǎng)絡(luò)小，從而有更高的推理效率。5-3．什么是專家系統(tǒng)？他有哪些特征和優(yōu)點(diǎn)？專家系統(tǒng)有哪些分類？專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來處理該領(lǐng)域問題。也就是說，專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題。特點(diǎn)：?jiǎn)l(fā)性專家系統(tǒng)能運(yùn)用專家的知識(shí)與經(jīng)驗(yàn)進(jìn)行推理、判斷和決策透明性專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提高對(duì)專家系統(tǒng)的信賴感。(3)靈活性專家系統(tǒng)能不斷地增長(zhǎng)知識(shí)，修改原有知識(shí)，不斷更新。優(yōu)點(diǎn)：(1)專家系統(tǒng)能夠高效率、準(zhǔn)確、周到、迅速和不知疲倦地進(jìn)行工作。(2)專家系統(tǒng)解決實(shí)際問題時(shí)不受周圍環(huán)境的影響，也不可能遺漏忘記。(3)可以使專家的專長(zhǎng)不受時(shí)間和空間的限制，以便推廣珍貴和稀缺的專家知識(shí)與經(jīng)驗(yàn)。(4)專家系統(tǒng)能促進(jìn)各領(lǐng)域的發(fā)展，它使各領(lǐng)域?qū)＜业膶I(yè)知識(shí)和經(jīng)驗(yàn)得到總結(jié)和精煉，能夠廣泛有力地傳播專家的知識(shí)、經(jīng)驗(yàn)和能力。(5)專家系統(tǒng)能匯集多領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)以及他們協(xié)作解決重大問題的能力，它擁有更淵博的知識(shí)、更豐富的經(jīng)驗(yàn)和更強(qiáng)的工作能力。(6)軍事專家系統(tǒng)的水平是一個(gè)國(guó)家國(guó)防現(xiàn)代化的重要標(biāo)志之一。(7)專家系統(tǒng)的研制和應(yīng)用，具有巨大的經(jīng)濟(jì)效益和社會(huì)效益。(8)研究專家系統(tǒng)能夠促進(jìn)整個(gè)科學(xué)技術(shù)的發(fā)展。專家系統(tǒng)對(duì)人工智能的各個(gè)領(lǐng)域的發(fā)展起了很大的促進(jìn)作用，并將對(duì)科技、經(jīng)濟(jì)、國(guó)防、教育、社會(huì)和人民生活產(chǎn)生極其深遠(yuǎn)的影響。5-4.專家系統(tǒng)由哪些部分組成？各部分的作用是什么？(1)知識(shí)庫(kù)(knowledgebase)知識(shí)庫(kù)用于存儲(chǔ)某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識(shí)，包括事實(shí)、可行操作與規(guī)則等。(2)綜合數(shù)據(jù)庫(kù)(globaldatabase)綜合數(shù)據(jù)庫(kù)又稱全局?jǐn)?shù)據(jù)庫(kù)或總數(shù)據(jù)庫(kù)，它用于存儲(chǔ)領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)(信息)，即被處理對(duì)象的一些當(dāng)前事實(shí)。(3)推理機(jī)(reasoningmachine)推理機(jī)用于記憶所采用的規(guī)則和控制策略的程序，使整個(gè)專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。推理機(jī)能夠根據(jù)知識(shí)進(jìn)行推理和導(dǎo)出結(jié)論，而不是簡(jiǎn)單地搜索現(xiàn)成的答案。(4)解釋器(explanator)解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其它候選解的原因。(5)接口(interface)接口又稱界面，它能夠使系統(tǒng)與用戶進(jìn)行對(duì)話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。系統(tǒng)則通過接口，要求用戶回答提問，并回答用戶提出的問題，進(jìn)行必要的解釋。第6部分機(jī)器學(xué)習(xí)什么是學(xué)習(xí)和機(jī)器學(xué)習(xí)?為什么要研究機(jī)器學(xué)習(xí)?學(xué)習(xí)（西蒙）：學(xué)習(xí)就是系統(tǒng)在不斷重復(fù)的工作中對(duì)本身能力的增強(qiáng)或者改進(jìn)，使得系統(tǒng)在下一次執(zhí)行同樣任務(wù)或類似任務(wù)時(shí)，比現(xiàn)在做的更好或效率更高。（課件）學(xué)習(xí)：是系統(tǒng)所作的適應(yīng)性變化，使得系統(tǒng)在下一次完成同樣或類似的任務(wù)時(shí)更為有效。機(jī)器學(xué)習(xí)：實(shí)現(xiàn)通過經(jīng)驗(yàn)來提高對(duì)某任務(wù)處理性能的行為的計(jì)算機(jī)程序。機(jī)器學(xué)習(xí)進(jìn)入新階段的重要性表現(xiàn)在以下諸多方面：（1）機(jī)器學(xué)習(xí)已成為新的邊緣學(xué)科并在高校形成一門課程。（2）結(jié)合各種學(xué)習(xí)方法，取長(zhǎng)補(bǔ)短的多種形式的繼承學(xué)習(xí)系統(tǒng)研究正在興起。（3）機(jī)器學(xué)習(xí)與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點(diǎn)正在形成。（4）各種學(xué)習(xí)方法的應(yīng)用范圍不斷擴(kuò)大，一部分已形成商品。（5）數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的研究已形成熱潮，并在生物醫(yī)學(xué)、金融管理、商業(yè)銷售等領(lǐng)域得到成功應(yīng)用，給機(jī)器學(xué)習(xí)注入新的活力。（6）與機(jī)器學(xué)習(xí)有關(guān)的學(xué)術(shù)活動(dòng)空前活躍。（課件）機(jī)器學(xué)習(xí)的重要性：機(jī)器學(xué)習(xí)是人工智能的主要核心研究領(lǐng)域之一,也是現(xiàn)代智能系統(tǒng)的關(guān)鍵環(huán)節(jié)和瓶頸；很難想象:一個(gè)沒有學(xué)習(xí)功能的系統(tǒng)能被稱具有智能的系統(tǒng)；來自生物、金融與網(wǎng)絡(luò)等各領(lǐng)域的數(shù)據(jù)，迫切需要分析或建立模型。試述機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說明各部分的作用?；窘Y(jié)構(gòu)：環(huán)境，學(xué)習(xí)環(huán)節(jié)，知識(shí)庫(kù)，執(zhí)行環(huán)節(jié)。環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識(shí)庫(kù)，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識(shí)庫(kù)完成任務(wù)，同時(shí)把獲得的信息反饋給學(xué)習(xí)部分。在具體的應(yīng)用中，環(huán)境、知識(shí)庫(kù)和執(zhí)行部分決定了具體的工作內(nèi)容，學(xué)習(xí)部分所需要解決的問題完全由上述三部分確定簡(jiǎn)述概念學(xué)習(xí)的基本過程，舉一個(gè)例子說明。概念，可被看作一個(gè)對(duì)象或事件集合，它是從更大的集合中選取的子集，或在這個(gè)較大集合中定義的布爾函數(shù)。概念學(xué)習(xí)問題的定義：給定一個(gè)樣例集合以及每個(gè)樣例是否屬于某個(gè)概念的標(biāo)注，怎樣推斷出該概念的一般定義。又稱從樣例中逼近布爾函數(shù)。概念學(xué)習(xí)是指從有關(guān)某個(gè)布爾函數(shù)的輸入輸出訓(xùn)練樣例中推斷出該布爾函數(shù)。已知：實(shí)例集X：每個(gè)實(shí)例x由6個(gè)屬性描述，每個(gè)屬性的取值范圍已確定假設(shè)集H：每個(gè)假設(shè)h描述為6個(gè)屬性的取值約束的合取目標(biāo)概念c：一個(gè)布爾函數(shù)，變量為實(shí)例訓(xùn)練樣例集D：目標(biāo)函數(shù)（或目標(biāo)概念）的正例和反例求解：H中的一假設(shè)h，使對(duì)于X中任意x，h(x)=c(x)簡(jiǎn)述決策樹的概念、決策樹學(xué)習(xí)方法及其使場(chǎng)合；在構(gòu)造決策樹的過程中，測(cè)試屬性的選取采用什么原則？如何實(shí)現(xiàn)？決策樹學(xué)習(xí)是一種逼近離散值目標(biāo)函數(shù)的方法，在這種方法中學(xué)習(xí)到的函數(shù)被表示為一棵決策樹。學(xué)習(xí)得到的決策樹也能再被表示為多個(gè)if-then的規(guī)則，以提高可讀性。決策樹通過把實(shí)例從跟結(jié)點(diǎn)排列到某個(gè)葉子結(jié)點(diǎn)來分類實(shí)例，葉子結(jié)點(diǎn)即為實(shí)例所屬的分類。樹上的每一個(gè)結(jié)點(diǎn)指定了對(duì)實(shí)例的某個(gè)屬性的測(cè)試，并且該結(jié)點(diǎn)的每一個(gè)后繼分支對(duì)應(yīng)于該屬性的一個(gè)可能值。分類實(shí)例的方法是從這棵樹的根結(jié)點(diǎn)開始，測(cè)試這個(gè)結(jié)點(diǎn)指定的屬性，然后按照給定實(shí)例的該屬性值對(duì)應(yīng)的數(shù)值向下移動(dòng)。然后這個(gè)過程在以新結(jié)點(diǎn)為根的子樹上重復(fù)。決策樹學(xué)習(xí)最適合具有一下特征的問題：（1）實(shí)例是由“屬性-值”對(duì)表示的；（2）目標(biāo)函數(shù)具有離散的輸出值；（3）可能需要析取的描述；（4）訓(xùn)練數(shù)據(jù)可以包含錯(cuò)誤；（5）訓(xùn)練數(shù)據(jù)可以包含缺少屬性值的實(shí)例。最佳分類屬性：信息增益：用來衡量給定的屬性區(qū)分訓(xùn)練樣例的能力ID3算法在增長(zhǎng)樹的每一步使用信息增益從候選屬性中選擇屬性用熵度量樣例的均一性：熵刻畫了任意樣例集的純度屬性選擇度量標(biāo)準(zhǔn)－－分支指標(biāo)：

信息