模式识别

模式识别与人工智能

录)

---

前言

主要记录和复习人工智能与模式识别相关知识点。
人工智能主要学习：人工智能的基础知识、知识与知识的表示、逻辑推理、搜索策略、专家系统；
模式识别主要学习：统计模式识别、神经网络模式识别、深度学习基础。

---

一、人工智能的基本知识

智能的四个特征：

• 具有感知能力
• 具有记忆与思维能力
• 具有学习能力及自适应能力
• 具有行为能力

主要学派：
符号学派：传统的人工智能
连接学派：模拟大脑的架构
行为学派：从简单的生物体与环境互动中寻求答案
研究的基本内容：

• 机器感知->>感知能力
• 机器思维->>记忆和思维能力
• 机器学习->>学习和自适应能力
• 机器行为->>行为能力
• 智能系统及智能计算机的构造技术

二、知识和知识的表示

• 基本概念
• 一阶谓词表示法
• 产生式表示法
• 框架表示法
• 语义网络表示法（知识图谱）
• 脚本表示法
• 过程表示法
• Petri网络表示法

1.基本概念

知识：

• 有关信息关联在一起形成的信息结构称为知识
• 知识反映客观世界中事物间的联系，不同事物或相同事物不同关系形成了不同的知识。
  知识的特性
• 知识的相对正确性
• 知识的不确定性
  由随机性引起的不确定性
  由模糊性引起的不确定性
  由不完整性引起的不确定性
  由经验引起的不确定性
• 可表示性与可利用性

知识的表示
知识的表示实际上是对知识的一种描述，或者说是一组约定，一种计算机可以接受的用于描述知识的数据结构。
对知识进行表示的过程就是把知识编码成某种数据结构的过程。

常用的知识表示方法：

• 一阶谓词表示法
• 产生式表示法
• 框架表示法
• 语义网络表示法
• 脚本表示法
• 过程表示法
• Petri网络表示法

选择知识表示方法的依据

• 充分表示领域知识
• 有利于对知识的利用
• 便于对知识的组织、维护和管理
• 便于理解和实现