人工智能
绪论
一、人工智能主要学派
符号主义:物理符号系统
连接主义:神经网络
行为主义:控制论
知识表示方法
一、状态空间法
①状态:定义与问题相关的数据结构②算符(运算):定义从一个状态转换到另一个状态的运算或者手段
③状态空间图:列出从问题初态通过运算转换到终态的一个状态空间图
二、谓词演算法
三、产生表示法
四、语义网络法
1.ISA类属关系:张华—ISA->学生
2.part of整体部分关系:心脏—part of->人体
3.have事物和属性之间的关系:鸟—hava->羽毛
4.AKO泛化关系:植物/动物—AKO->生物
五、问题规约法
或节点:任意解决某个子节点问题,就能解决父节点问题。
与节点:只有解决全部子节点问题,才能解决父节点问题。
确定性推理
一、归结推理
1.消去连接词:谓词公式左部添加非,连接词变为或
2.全都化为且连接
3.预征结论变为否定,若最终达到A和非A归结,则说明结论成立。
二、演绎推理
正向演绎推理:由事实—推出—>目标,目标需要是析取(或)格式。
反向演绎推理:由目标—推出—>事实,事实需要是合取(且)的格式。
搜索
一、盲目搜索
每次加入代价最小的节点。类似于迪杰斯特拉算法。
二、启发式搜索
A算法:评估函数f(x)=g(x)+h(x)。其中g(x)是初始节点到当前节点的代价;而启发式函数h(x)是当前节点到目标节点的估计代价。OPEN表中按照评估函数从小到大进行排列,每次最小的节点出表。
A*:h(x)<=h*(x),h(x)越接近真实的启发式函数越好。
g(x)=0则搜索接近于深度优先搜索;若h(x)=0则接近宽度优先搜索。
需要理解的是p(n)为什么≤h*(n),因为每次空格移动只会使一个数码移动一个距离(不会影响其它数码),因此当前状态转化为目标状态至少需要p(n)步,但是其中还可能需要额外的步骤去移动已经归位的数码,因此说最少是p(n)。
三、遗传算法
1.编码译码
编码:将问题结构变换为位串形式编码的过程。
2.适应度函数
为了展现个体的能力,引入一个可度量的适应度函数。
3.遗传操作
选择:根据个体适应度函数值所度量的优劣程度来决定在下一代被淘汰还是被遗传。
交叉:被选出的两个个体作为双亲,并将两者的部分码值进行交换。个体之间交换信息。
变异:改变数码串上某个位置的数码。
例子:求函数f(x)=x2在0到31定义域内极值,那么需要对定义域用五位二进制数进行编码,f(x)本身直接作为适应度函数。然后每轮进行遗传操作。
四、模拟退火算法
在某个高温下状态经过平稳退火降温后,目标结果趋于稳定。包含三个步骤:解空间,初始解,目标函数。
例子:求某个函数的最大值。假设初始位置为x0,根据当前温度决定x移动范围,当前温度越高,x+Δx移动范围越大。如果移动后的x1函数值比原来x0函数值大更优秀,则x1替换x0;如果跳了之后更差,则是以一定概率接受它(因为局部最优不一定是全局最优)。
专家系统
一、专家系统由哪些部分构成?
1.知识库:用于存储某领域专家系统的专门知识。
2.综合数据库:用来存储问题的初始数据和处理过程中得到的中间数据。
3.推理机:根据知识推理导出结果。
4.解释器:解释推理结论的正确性以及输出其它候选解的原因。
5.接口:系统与用户对话的界面
二、建造专家系统的关键步骤?
设计初始知识库->原型机开发与试验->知识库改进
问答
1.人工智能之父——图灵
2.人工神经网络特点与优越性:①自学习功能②告诉寻找优化解③联想存储
3.简述人工神经网络与生物神经网络的不同?
人工神经网络是一种可以让计算机计算优化的数学模型,通过前向传播计算出结果后再通过反向传播更新神经元参数。生物神经元则是通过刺激产生信号并传播。
4.BP网络算法核心是什么?不足?
核心在于根据输出的结果来得到输出层和前一层的误差,并更新权重;对于前一层的输出而言,进一步得到前前一层的误差。
不足之处在于:①学习率等参数没有有效的确定方法,仅能通过经验判断;并且学习率低导致训练次数多②样本依赖性严重③对初始的权重比较敏感④会出现局部最优解。解决方法可以通过修改初始值多次运行。
5.或图称为状态图