人工智能 —— 产生式推理

产生式推理是基于产生式知识表示方法的一种推理方式,包括正向推理和逆向推理。正向推理通过用户提供的事实信息逐步推导,而逆向推理则从目标出发寻找证明路径。正向推理直观但效率较低,逆向推理目标明确但可能面临选择假设的挑战。产生式推理在问题解决、专家系统等领域有广泛应用。
摘要由CSDN通过智能技术生成

什么是产生式推理

通常人们把利用产生式知识表示方法所进行的推理称为产生式推理,把由此所产生的系统称为产生式系统。按照推理的控制方向,产生式推理可分为正向、逆向和混合三种方式。


产生式推理的基本结构

  • 规则库:用于描述相应领域内知识的产生式集合。
  • 综合数据库:一个用于存放问题求解过程中各种当前信息的数据结构。
  • 控制系统:包括控制和推理机两个部分,由一组程序组成,负责整个产生式系统的运行,实现对问题的求解。

推理过程:先查询问题的解是否在综合数据库中,若不存在,则取出规则库中对应的规则进一步进行推理。


产生式的正向推理

步骤:
(1)推理开始前,把用户提供的初始证据放入综合数据库。

(2)推理开始后,检查综合数据库中是否包含了问题的解,若已包含,则求解结束,并成功退出;否则,执行下一步。

(3)检查知识库(即规则库)中是否有可用知识,若有,形成当前可用知识集,执行下一步;否则,转(5)。

(4)按照某种冲突消解策略,从当前可用知识集中选出一条知识进行推理,并将推出的新事实加入综合数据库中,然后转(2)

(5)询问用户是否可以进一步补充新的事实,若可补充,则将补充的新事实加入综合数据库中,然后转(3);否则表示无解,失败退出。

优点和局限性(不需要有明确的目标):

正向推理的优点是比较直观,允许用户主动提供有用的事实信息,适合于诊断、设计、预测、监控等领域的问题求解。其主要缺点是推理无明确的目标,求解问题时可能会执行许多与解无关的操作,导致推理效率较低。


产生式的逆向推理

步骤:

(1)将问题的初始证据和要求证的目标(称为假设)分别放入综合数据库和假设集。

(2)从假设集中选出一个假设,检查该假设是否在综合数据库中。若在,则该假设成立。此时,若假设集为空,则成功退出;否则,仍执行(2)。若该假设不在数据库中,则执行下一步。

(3)检查该假设是否可由知识库的某个知识导出。若不能由某个知识导出,则询问用户该假设是否为可由用户证实的原始事实。若是,该假设成立,并将其放入综合数据库,再重新寻找新的假设;若不是,则转(5)。若能由某个知识导出,则执行下一步。

(4)将知识库中可以导出该假设的所有知识构成一个可用知识集。

(5)检查可用知识集是否为空,若空,失败退出;否则,执行下一步。

(6)按冲突消解策略从可用知识集中取出一个知识,继续执行下一步。

(7)将该知识的前提中的每个子条件都作为新的假设放入假设集,转(2)。

优点和局限性(需要有明确的目标):

逆向推理的主要优点是,不必寻找和使用那些与假设目标无关的信息和知识,推理过程的目标明确,也有利于向用户提供解释,在诊断性专家系统中较为有效。其主要缺点是当用户对解的情况认识不清时,由系统自主选择假设目标的盲目性比较大,若选择不好,可能需要多次提出假设,会影响系统效率。


产生式推理的应用

设有以下两条规则:

  • r 3 r_3 r3:IF 动物有羽毛 THEN 动物是鸟
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值