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