确定性推理部分参考答案
1 判断下列公式是否为可合一，若可合一，则求出其最一般合一。
(1) P(a, b), P(x, y)
(2) P(f(x), b), P(y, z)
(3) P(f(x), y), P(y, f(b))
(4) P(f(y), y, x), P(x, f(a), f(b))
(5) P(x, y), P(y, x)
解：(1) 可合一，其最一般和一为：σ={a/x, b/y}。
(2) 可合一，其最一般和一为：σ={y/f(x), b/z}。
(3) 可合一，其最一般和一为：σ={ f(b)/y, b/x}。
(4) 不可合一。
(5) 可合一，其最一般和一为：σ={ y/x}。
2 把下列谓词公式化成子句集：
(1)(?x)(?y)(P(x, y)∧Q(x, y))
(2)(?x)(?y)(P(x, y)→Q(x, y))
(3)(?x)(?y)(P(x, y)∨(Q(x, y)→R(x, y)))
(4)(?x) (?y) (?z)(P(x, y)→Q(x, y)∨R(x, z))
解：(1) 由于(?x)(?y)(P(x, y)∧Q(x, y))已经是Skolem标准型，且P(x, y)∧Q(x, y)已经是合取范式，所以可直接消去全称量词、合取词，得
{ P(x, y), Q(x, y)}
再进行变元换名得子句集：
S={ P(x, y), Q(u, v)}
(2) 对谓词公式(?x)(?y)(P(x, y)→Q(x, y))，先消去连接词“→”得：
(?x)(?y)(P(x, y)∨Q(x, y))
此公式已为Skolem标准型。
再消去全称量词得子句集：
S={P(x, y)∨Q(x, y)}
(3) 对谓词公式(?x)(?y)(P(x, y)∨(Q(x, y)→R(x, y)))，先消去连接词“→”得：
(?x)(?y)(P(x, y)∨(Q(x, y)∨R(x, y)))
此公式已为前束范式。
再消去存在量词，即用Skolem函数f(x)替换y得：
(?x)(P(x, f(x))∨Q(x, f(x))∨R(x, f(x)))
此公式已为Skolem标准型。
最后消去全称量词得子句集：
S={P(x, f(x))∨Q(x, f(x))∨R(x, f(x))}
(4) 对谓词(?x) (?y) (?z)(P(x, y)→Q(x, y)∨R(x, z))，先消去连接词“→”得：
(?x) (?y) (?z)(P(x, y)∨Q(x, y)∨R(x, z))
再消去存在量词，即用Skolem函数f(x)替换y得：
(?x) (?y) (P(x, y)∨Q(x, y)∨R(x, f(x,y)))
此公式已为Skolem标准型。
最后消去全称量词得子句集：
S={P(x, y)∨Q(x, y)∨R(x, f(x,y))}
3 判断下列子句集中哪些是不可满足的：
(1){P∨Q, Q, P, P}
(2){ P∨Q , P∨Q, P∨Q, P∨Q }
(3){ P(y)∨Q(y) , P(f(x))∨R(a)}
(4){P(x)∨Q(x) , P(y)∨R(y), P(a), S(a), S(z)∨R(z)}
(5){P(x)∨Q(f(x),a) , P(h(y))∨Q(f(h(y)), a)∨P(z)}
(6){P(x)∨Q(x)∨R(x) , P(y)∨R(y), Q(a), R(b)}
解：(1) 不可满足，其归结过程为：
(2) 不可满足，其归结过程为：
(3) 不是不可满足的，原因是不能由它导出空子句。
(4) 不可满足，其归结过程略
(5) 不是不可满足的，原因是不能由它导出空子句。
(6) 不可满足，其归结过程略
4 对下列各题分别证明G是否为F1,F2,…,F n的逻辑结论：
(1)F: (?x)(?y)(P(x, y)
G: (?y)(?x)(P(x, y)
(2)F: (?x)(P(x)∧(Q(a)∨Q(b)))
G: (?x) (P(x)∧Q(x))
(3)F: (?x)(?y)(P(f(x))∧(Q(f(y)))
G: P(f(a))∧P(y)∧Q(y)
(4)F1: (?x)(P(x)→(?y)(Q(y)→?L))
F2: (?x) (P(x)∧(?y)(R(y)→L))
G: (?x)(R(x)→?Q(x))
(5)F1: (?x)(P(x)→(Q(x)∧R(x)))
F2: (?x) (P(x)∧S(x))
G: (?x) (S(x)∧R(x))
解：(1) 先将F和G化成子句集：
S={P(a,b), P(x,b)}
再对S进行归结：
所以，G是F的逻辑结论
(2) 先将F和G化成子句集
由F得：S1={P(x)，(Q(a)∨Q(b))}
由于G为：(?x) (P(x)∧Q(x))，即
(?x) ( P(x)∨ Q(x))，
可得：S2={ P(x)∨ Q(x)}
因此，扩充的子句集为：
S={ P(x)，(Q(a)∨Q(b))，P(x)∨ Q(x)}
再对S进行归结：
所以，G是F的逻辑结论
同理可求得(3)、(4)和(5)，其求解过程略。
5 设已知：
(1)如果x是y的父亲，y是z的父亲，则x是z的祖父；
(2)每个人都有一个父亲。
使用归结演绎推理证明：对于某人u，一定存在一个人v，v是u的祖父。
解：先定义谓词
F(x,y)：x是y的父亲
GF(x,z)：x是z的祖父
P(x)：x是一个人
再用谓词把问题描述出来：
已知F1：(?x) (?y) (?z)( F(x,y)∧F(y,z))→GF(x,z))
F2：(?y)(P(x)→F(x,y))
求证结论G：(?u) (?v)( P(u)→GF(v,u))
然后再将F1，F2和G化成子句集：
①F(x,y)∨F(y,z)∨GF(x,z)
②P(r)∨F(s,r)
③P(u)
④GF(v,u))
对上述扩充的子句集，其归结推理过程如下：
6 假设张被盗，公安局派出5个人去调查。案情分析时，贞察员A说：“赵与钱中至少有一个人作案”，贞察员B说：“钱与孙中至少有一个人作案”，贞察员C说：“孙与李中至少有一个人作案”，贞察员D说：“赵与孙中至少有一个人与此案无关”，贞察员E说：“钱与李中至少有一个人与此案无关”。如果这5个侦察员的话都是可信的，使用归结演绎推理求出谁是盗窃犯。
解：(1) 先定义谓词和常量
设C(x)表示x作案，Z表示赵，Q表示钱，S表示孙，L表示李
(2) 将已知事实用谓词公式表示出来
赵与钱中至少有一个人作案：C(Z)∨C(Q)
钱与孙中至少有一个人作案：C(Q)∨C(S)
孙与李中至少有一个人作案：C(S)∨C(L)
赵与孙中至少有一个人与此案无关：(C (Z)∧C(S))，即 C (Z) ∨C(S)
钱与李中至少有一个人与此案无关：(C (Q)∧C(L))，即 C (Q) ∨C(L)
(3) 将所要求的问题用谓词公式表示出来，并与其否定取析取。
设作案者为u，则要求的结论是C(u)。将其与其否)取析取，得：
C(u) ∨C(u)
(4) 对上述扩充的子句集，按归结原理进行归结，其修改的证明树如下：
因此，钱是盗窃犯。实际上，本案的盗窃犯不止一人。根据归结原理还可以得出：
因此，孙也是盗窃犯。
7 设有子句集：
{P(x)∨Q(a, b), P(a)∨?Q(a, b), ?Q(a, f(a)), ?P(x)∨Q(x, b)}
分别用各种归结策略求出其归结式。
解：支持集策略不可用，原因是没有指明哪个子句是由目标公式的否定化简来的。
删除策略不可用，原因是子句集中没有没有重言式和具有包孕关系的子句。
单文字子句策略的归结过程如下：
用线性输入策略（同时满足祖先过滤策略）的归结过程如下：
8 设已知：
(1)能阅读的人是识字的；
(2)海豚不识字；
(3)有些海豚是很聪明的。
请用归结演绎推理证明：有些很聪明的人并不识字。
解：第一步，先定义谓词，
设R(x)表示x是能阅读的；
K(y)表示y是识字的；
W(z) 表示z是很聪明的；
第二步，将已知事实和目标用谓词公式表示出来
能阅读的人是识字的：(?x)(R(x))→K(x))
海豚不识字：(?y)(K (y))
有些海豚是很聪明的：(?z) W(z)
有些很聪明的人并不识字：(?x)( W(z)∧K(x))
第三步，将上述已知事实和目标的否定化成子句集：
R(x))∨K(x)
K (y)
W(z)
W(z)∨K(x))
第四步，用归结演绎推理进行证明
9对子句集：
{P∨Q, Q∨R, R∨W, ?R∨?P, ?W∨?Q, ?Q∨?R }
用线性输入策略是否可证明该子句集的不可满足性
解：用线性输入策略不能证明子句集
{P∨Q, Q∨R, R∨W, ?R∨?P, ?W∨?Q, ?Q∨?R }
的不可满足性。原因是按线性输入策略，不存在从该子句集到空子句地归结过程。
10 设有如下一段知识：
“张、王和李都属于高山协会。该协会的每个成员不是滑雪运动员，就是登山运动员，其中不喜欢雨的运动员是登山运动员，不喜欢雪的运动员不是滑雪运动员。王不喜欢张所喜欢的一切东西，而喜欢张所不喜欢的一切东西。张喜欢雨和雪。”
试用谓词公式集合表示这段知识，这些谓词公式要适合一个逆向的基于规则的演绎系统。试说明这样一个系统怎样才能回答问题：
“高山俱乐部中有没有一个成员，他是一个登山运动员，但不是一个滑雪运动员”
解：(1) 先定义谓词
A(x) 表示x是高山协会会员
S(x) 表示x是滑雪运动员
C(x) 表示x是登山运动员
L(x,y) 表示x 喜欢y
(2) 将问题用谓词表示出来
“张、王和李都属于高山协会
A(Zhang)∧A(Wang)∧A(Li)
高山协会的每个成员不是滑雪运动员，就是登山运动员
(?x)(A(x)∧S(x)→C(x))
高山协会中不喜欢雨的运动员是登山运动员
(?x)(L(x, Rain)→C(x))
高山协会中不喜欢雪的运动员不是滑雪运动员
(?x)(L(x, Snow)→S(x))
王不喜欢张所喜欢的一切东西
(?y)( L(Zhang, y)→L(Wang ,y))
王喜欢张所不喜欢的一切东西
(?y)( L(Zhang, y)→L(Wang, y))
张喜欢雨和雪
L(Zhang , Rain)∧L(Zhang , Snow)
(3) 将问题要求的答案用谓词表示出来
高山俱乐部中有没有一个成员，他是一个登山运动员，但不是一个滑雪运动员(?x)( A(x)→C(x)∧S(x))
(4) 为了进行推理，把问题划分为已知事实和规则两大部分。假设，划分如下：
已知事实：
A(Zhang)∧A(Wang)∧A(Li)
L(Zhang , Rain)∧L(Zhang , Snow)
规则：
(?x)(A(x)∧S(x)→C(x))
(?x)(L(x, Rain)→C(x))
(?x)(L(x, Snow)→S(x))
(?y)( L(Zhang, y)→L(Wang ,y))
(?y)( L(Zhang, y)→L(Wang, y))
(5) 把已知事实、规则和目标化成推理所需要的形式
事实已经是文字的合取形式：
f1: A(Zhang)∧A(Wang)∧A(Li)
f2: L (Zhang , Rain)∧L(Zhang , Snow)
将规则转化为后件为单文字的形式：
r1: A(x)∧S(x)→C(x))
r2: L(x, Rain)→C(x)
r3: L(x, Snow)→S(x)
r4: L(Zhang, y)→L(Wang ,y)
r5: L(Zhang, y)→L(Wang , y)
将目标公式转换为与/或形式
A(x)∨(C(x)∧S(x))
(6) 进行逆向推理
逆向推理的关键是要能够推出L(Zhang , Rain)∧L(Zhang , Snow)，其逆向演绎过程如下图所示。
作业一 1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨论 该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。 【Answer】 性能度量：翻译的正确率 环境：电话线路 传感器：麦克风 执行器：音响 完全可观察的，单agent，确定的(无噪音条件下)，片段的，静态的，离散的。2.考虑一个医疗诊断系统的agent，讨论该agent最合适的种类(简单agent,基于模型的agent, 基于目标的agent和基于效用的agent)并解释你的结论。 【Answer】 utility-based agent。 能够治愈病人的方法有很多种，系统必须衡量最优的方法来推荐给病人 3.先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态 的距离，然后用以下方法表示如何进行搜索。 (a).深度优先； (b).宽度优先； (c).爬山法； (d).最佳优先； 图一 【Answer】: 建立树： 深度: 宽度： 爬山法： 优先搜索： 4.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了到 达目标结点的启发式函数的代价值，假定当前状态位于结点A。 (a)用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 1.贪婪最佳优先搜索 2.一致代价搜索 3.A*树搜索 (b)讨论以上三种算法的完备性和最优性。 【Answer】: 贪婪最佳优先：如果h(B)>5,首先访问叶子结点C,如果h(B)<=5,首先访问B,再访问C 一致代价搜索：B,D,E,F,G,H,C A*树搜索：如果h(B)>15,首先访问D 如果h(B)<=15,首先访问B,在E,G,D,H,F,C 图二 5.给定一个启发式函数满足h(G)=0,其中G是目标状态，证明如果h是一致的，那么它是
人工智能不确定性推理部分参考答案
不确定性推理部分参考答案 1．设有如下一组推理规则: r1: IF E1 THEN E2 (0.6) r2: IF E2 AND E3 THEN E4 (0.7) r3: IF E4 THEN H (0.8) r4: IF E5 THEN H (0.9) 且已知CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.7。求CF(H)=? 解：(1) 先由r1求CF(E2) CF(E2)=0.6 × max{0,CF(E1)} =0.6 × max{0,0.5}=0.3 (2) 再由r2求CF(E4) CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}} =0.7 × max{0, min{0.3, 0.6}}=0.21 (3) 再由r3求CF1(H) CF1(H)= 0.8 × max{0,CF(E4)} =0.8 × max{0, 0.21)}=0.168 (4) 再由r4求CF2(H) CF2(H)= 0.9 ×max{0,CF(E5)} =0.9 ×max{0, 0.7)}=0.63 (5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H) CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H) =0.692
2 设有如下推理规则 r1: IF E1 THEN (2, 0.00001) H1 r2: IF E2 THEN (100, 0.0001) H1 r3: IF E3 THEN (200, 0.001) H2 r4: IF H1 THEN (50, 0.1) H2 且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知： P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36 请用主观Bayes方法求P(H2|S1, S2, S3)=? 解：(1) 由r1计算O(H1| S1) 先把H1的先验概率更新为在E1下的后验概率P(H1| E1) P(H1| E1)=(LS1× P(H1)) / ((LS1-1) × P(H1)+1) =(2 × 0.091) / ((2 -1) × 0.091 +1) =0.16682 由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半部分，得到在当前观察S1下的后验概率P(H1| S1)和后验几率O(H1| S1) P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1)) = 0.091 + (0.16682 –0.091) / (1 – 0.6)) × (0.84 – 0.6) =0.091 + 0.18955 × 0.24 = 0.136492 O(H1| S1) = P(H1| S1) / (1 - P(H1| S1)) = 0.15807 (2) 由r2计算O(H1| S2) 先把H1的先验概率更新为在E2下的后验概率P(H1| E2) P(H1| E2)=(LS2×P(H1)) / ((LS2-1) × P(H1)+1)
确定性推理部分参考答案 1 判断下列公式是否为可合一，若可合一，则求出其最一般合一。 (1) P(a, b), P(x, y) (2) P(f(x), b), P(y, z) (3) P(f(x), y), P(y, f(b)) (4) P(f(y), y, x), P(x, f(a), f(b)) (5) P(x, y), P(y, x) 解：(1) 可合一，其最一般和一为：σ={a/x, b/y}。 (2) 可合一，其最一般和一为：σ={y/f(x), b/z}。 (3) 可合一，其最一般和一为：σ={ f(b)/y, b/x}。 (4) 不可合一。 (5) 可合一，其最一般和一为：σ={ y/x}。 2 把下列谓词公式化成子句集： (1)(?x)(?y)(P(x, y)∧Q(x, y)) (2)(?x)(?y)(P(x, y)→Q(x, y)) (3)(?x)(?y)(P(x, y)∨(Q(x, y)→R(x, y))) (4)(?x) (?y) (?z)(P(x, y)→Q(x, y)∨R(x, z)) 解：(1) 由于(?x)(?y)(P(x, y)∧Q(x, y))已经是Skolem标准型，且P(x, y)∧Q(x, y)已经是合取范式，所以可直接消去全称量词、合取词，得 { P(x, y), Q(x, y)} 再进行变元换名得子句集：
S={ P(x, y), Q(u, v)} (2) 对谓词公式(?x)(?y)(P(x, y)→Q(x, y))，先消去连接词“→”得： (?x)(?y)(?P(x, y)∨Q(x, y)) 此公式已为Skolem标准型。 再消去全称量词得子句集： S={?P(x, y)∨Q(x, y)} (3) 对谓词公式(?x)(?y)(P(x, y)∨(Q(x, y)→R(x, y)))，先消去连接词“→”得： (?x)(?y)(P(x, y)∨(?Q(x, y)∨R(x, y))) 此公式已为前束范式。 再消去存在量词，即用Skolem函数f(x)替换y得： (?x)(P(x, f(x))∨?Q(x, f(x))∨R(x, f(x))) 此公式已为Skolem标准型。 最后消去全称量词得子句集： S={P(x, f(x))∨?Q(x, f(x))∨R(x, f(x))} (4) 对谓词(?x) (?y) (?z)(P(x, y)→Q(x, y)∨R(x, z))，先消去连接词“→”得： (?x) (?y) (?z)(?P(x, y)∨Q(x, y)∨R(x, z)) 再消去存在量词，即用Skolem函数f(x)替换y得： (?x) (?y) (?P(x, y)∨Q(x, y)∨R(x, f(x,y))) 此公式已为Skolem标准型。 最后消去全称量词得子句集： S={?P(x, y)∨Q(x, y)∨R(x, f(x,y))}
目录 引言 1不確定性與模糊逻辑 1.1古典逻辑 1.2 模糊逻辑 1.2.1 一维隶属函数参数值 1.2.2 二维隶属函数参数值 2 模糊关系 2.1 模糊关系的定义 2.2 模糊关系的表示 3 模糊集合 3.1 模糊集合的概念 3.2 模糊集合的表示 3.3 模糊集合的运算性质 4 模糊逻辑 5 简单遗传算法 6 模糊遗传算法 7 关于模糊遗传算法的新方法
引言 模糊逻辑指模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题 。 一、 不確定性與模糊逻辑 ? 妻子： Do you love me ? ? 丈夫： Yes .(布林逻辑) ? 妻子： How much ? (模糊逻辑) 布林逻辑(Boolean Logic)：二值，布林逻辑：{真，假} {0，1}； 模糊逻辑(Fuzzy Logic)：多值，模糊逻辑：部分为真(部分为假)，而不是非真即假。模糊逻辑取消了二值之间非此即彼的对立，用隶属度表示二值间的过度状态（1---完全属于这个集合；0---完全不属于这个集合）。 1.1 古典逻辑 对于任意一个集合A ，论域中的任何一个元素x ，或者属于A ，或者不属于A ，集合A 也可以由其特征函数定义： 1.2 模糊逻辑 论域上的元素可以“部分地属于”集合A 。一个元素属于集合A 的程度称为 隶属度，模糊集合可用隶属度函数定义。 1.2.1 一维隶属函数参数化 1) 三角形隶属函数： （如图1.1） 1,()0,A x A f x x A ∈?=???
人工智能部分习题答案 Document number：WTWYT-WYWY-BTGTT-YTTYU-2018GT
1.什么是人类智能它有哪些特征或特点 定义：人类所具有的智力和行为能力。 特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。 2.人工智能是何时、何地、怎样诞生的 解：人工智能于1956年夏季在美国Dartmouth大学诞生。此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。 3.什么是人工智能它的研究目标是 定义：用机器模拟人类智能。 研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。 4.人工智能的发展经历了哪几个阶段 解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。 5.人工智能研究的基本内容有哪些 解：知识的获取、表示和使用。 6.人工智能有哪些主要研究领域 解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。 7.人工智能有哪几个主要学派各自的特点是什么 主要学派：符号主义和联结主义。 特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。 8.人工智能的近期发展趋势有哪些 解：专家系统、机器人学、人工神经网络和智能检索。 9.什么是以符号处理为核心的方法它有什么特征 解：通过符号处理来模拟人类求解问题的心理过程。 特征：基于数学逻辑对知识进行表示和推理。 11.什么是以网络连接为主的连接机制方法它有什么特征 解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。 特征：研究神经网络。 1.请写出用一阶谓词逻辑表示法表示知识的步骤。 步骤：（1）定义谓词及个体，确定每个谓词及个体的确切含义；（2）根据所要表达的事物或概念，为每个谓词中的变元赋予特定的值；（3）根据所要表达的知识的语义用适当的联接符号将各个谓词联接起来，形成谓词公式。 2.设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词如下： Like(x,y)：x喜欢y。 Club(x)：x是梅花。 Human(x)：x是人。 Mum(x)：x是菊花。 “有的人喜欢梅花”可表达为：(?x)(Human(x)?Like(x,Club(x))) “有的人喜欢菊花”可表达为：(?x)(Human(x)?Like(x,Mum(x))) “有的人既喜欢梅花又喜欢菊花”可表达为：(?x)(Human(x)?Like(x,Club(x))? Like(x,Mum(x))) （1）他每天下午都去玩足球。 解：定义谓词如下： PlayFootball(x)：x玩足球。 Day(x)：x是某一天。 则语句可表达为：(?x)(D(x)?PlayFootball(Ta)) （2）太原市的夏天既干燥又炎热。 解：定义谓词如下：
1把以下合适公式化简为合取范式的子句集： （1）? (?x)(?y)(?z){P(x) ? (?x)[Q(x, y) ? R(z)]} （2）( ?x)( ?y){{P(x) ∧ [Q(x) ∨ R(y)]} ? (?y)[P(f(y)) ? Q(g(x))]} (3) (?x)( ?y){P(x) ∧ [Q(x)∨ R(y)]}? (?y){[P(f(y))? Q(g(y))]? (?x)R(x)} (1) ??(?x)( ?y)( ?z){P(x) ? (?x)[Q(x,y) ? R(z)]} ??(?x)( ?y)( ?z){ ?P(x) ∨ ( ?x)[?Q(x,y) ∨ R(z)]} ? (?x)( ?y)( ?z){ P(x) ∧ (? x)[Q(x,y) ∧?R(z)]} ? P(A) ∧ [Q(f(y,z), y) ∧?R(z)] ? {P(A), Q(f(y,z),y), ∧?R(w)} （2)? (?x)(?y){{P(x) ∧ [Q(x) ∨ R(y)]} ? (?y)[P(f(y)) ? Q(g(x))]} ? (?x)(?y){?{P(x) ∧ [Q(x) ∨ R(y)]} ∨(?y)[?P(f(y)) ∨ Q(g(x))]} ? (?x)(?y){?P(x) ∨ [?Q(x) ∧?R(y)] ∨ (?w)[?P(f(w)) ∨ Q(g(x))]} ? (?x){?P(x) ∨ [?Q(x) ∧?R(h(x))] ∨ (?w)[?P(f(w)) ∨ Q(g(x))]} ? [?P(x) ∨?Q(x) ∨?P(f(w)) ∨ Q(g(x))] ∧ [?P(x) ∨?R(h(x)) ∨?P(f(w)) ∨ Q(g(x))] ? {?P(x1) ∨?Q(x1) ∨?P(f(w1) ∨ Q(g(x1)),
作业三 1. 下列两个一阶逻辑的语句有什么问题？如果错误，请给出正确的表示: (a) ) ( ) (x Tall x xBoy∧ ? (要表达的意思: 所有的男孩都是高的) (b) ) ( ) (x Tall x xBoy? ? (要表达的意思：一些男孩是高的) [Answer]: ) ( ) (x Tall x xBoy? ? ) ( ) (x Tall x xBoy∧ ? 2.已知如下的两个命题“任何一个选了人工智能(AI)课程的人都是聪明的”，“任 何一门课只要教授人工智能相关知识它就是人工智能(AI)课程”，其相应的一阶 逻辑表达式如下： ? x (? y AI course(y) ∧ Takes(x,y)) ? Smart(x) ? x (? y AI topic(y) ∧ Teaches(x,y)) ? AI course(x) 现在已知事实：John选了课程CS3243，CS3243课教授的推理知识属于人工智 能相关知识，请将该事实表达成一阶逻辑句子，并且将该语句转换成CNF的形式， 然后用归结算来证明“john是聪明的”。 [Answer]: CNF形式： ) 3243 , ( ) , 3243 ( ) ( _CS John Takes Inference CS Teaches Inference topic AI∧ ∧
3.考虑从一副标准的52张纸牌（不含大小王）中分发每手5张牌的扑克牌域。假设发牌人是公平的。 (a)在联合概率分布中共有多少个原子事件（即，共有多少种5张手牌的组合）？每个原子事件的概率是多少？ (b)拿到大同花顺（即同花的A、K、Q、J、10）的概率是多少？四同张（4张相同的牌，分别为4种花色）的概率是多少？ [Answer]: (a) C552,1/C552 (b) 4/C552, C113C148/C552 4.文本分类是基于文本内容将给定的一个文档分类成固定的几个类中的一类。朴素贝叶斯模型经常用于这个问题。在朴素贝叶斯模型中，查询（query）变量是这个文档的类别，而结果（effect）变量时语言中每个单词的存在与否；假设文档中单词的出现是独立的，单词的出现由文档类别决定。 1）给定一组已经被分类的文档，准确解释如何构造这样的模型。 2）准确解释如何分类新文档。 3）题目中的条件独立性假设合理吗？请讨论。 [Answer]: 1) P(category|document)= P(document|category)P(category)/P(document) 2)P(document|category),P(category)根据已有条件可以统计计算出，因此，给定一个新的测试文档，只需将P(document|category)P(category)最大的category赋给该文档即可。 3）不合理，单词之间不具有独立性。 5.“三一”重工想某工程投标，计划采取两种策略：一种是投高标，中标概率为0.2，不中标概率为0.8；另一种是投低标，中标与不中标的概率均为0.5。投标
不确定性推理部分参考答案 1．设有如下一组推理规则: r1: IF E1THEN E2 (0.6) r2: IF E2AND E3THEN E4 (0.7) r3: IF E4THEN H (0.8) r4: IF E5THEN H (0.9) 且已知CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.7。求CF(H)=? 解：(1) 先由r1求CF(E2) CF(E2)=0.6 × max{0,CF(E1)} =0.6 × max{0,0.5}=0.3 (2) 再由r2求CF(E4) CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}} =0.7 × max{0, min{0.3, 0.6}}=0.21 (3) 再由r3求CF1(H) CF1(H)= 0.8 × max{0,CF(E4)} =0.8 × max{0, 0.21)}=0.168 (4) 再由r4求CF2(H) CF2(H)= 0.9 ×max{0,CF(E5)} =0.9 ×max{0, 0.7)}=0.63 (5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H) CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H) =0.692 2 设有如下推理规则 r1: IF E1THEN (2, 0.00001) H1 r2: IF E2THEN (100, 0.0001) H1 r3: IF E3THEN (200, 0.001) H2 r4: IF H1THEN (50, 0.1) H2 且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知： P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36 请用主观Bayes方法求P(H2|S1, S2, S3)=? 解：(1) 由r1计算O(H1| S1) 先把H1的先验概率更新为在E1下的后验概率P(H1| E1) P(H1| E1)=(LS1× P(H1)) / ((LS1-1) × P(H1)+1) =(2 × 0.091) / ((2 -1) × 0.091 +1) =0.16682 由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半部分，得到在当前观察S1下的后验概率P(H1| S1)和后验几率O(H1| S1) P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1))
1 ．设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。答：定义谓词：MAN（X）：X是人，LIKE（X，Y）：X喜欢Y ((?X)(MAN(X)∧LIKE(X, 梅花)) ∧((?Y)(MAN(Y)∧LIKE(Y,菊花))∧((?Z)(MAN(Z)∧(LIKE(Z,梅花)∧LIKE(Z,菊花)) （2）他每天下午都去打篮球。 答：定义谓词：TIME(X):X是下午 PLAY(X,Y):X去打Y （?X）TIME(X) PLAY(他,篮球) （3）并不是每一个人都喜欢吃臭豆腐。 定义谓词：MAN（X）：X是人 LIKE（X，Y）：X喜欢吃Y ┐（（?X）MAN（X）LIKE（X，CHOUDOUFU）） 2 ．请对下列命题分别写出它的语义网络： （1）钱老师从 6 月至8 月给会计班讲《市场经济学》课程。 （2）三是大发电脑公司的经理，他35 岁，住在飞天胡同68 号。
（3）甲队与乙队进行蓝球比赛，最后以89 ：102 的比分结束。 3. 框架表示法 一般来讲，教师的工作态度是认真的，但行为举止有些随便，自动化系教师一般来讲性格向，喜欢操作计算机。方园是自动化系教师，他性格向，但工作不刻苦。试用框架写出上述知识，并求出方圆的兴趣和举止？ 答： 框架名：<教师> 继承：<职业> 态度：认真 举止：随便 框架名：<自动化系教师> 继承：<教师> 性格：向 兴趣：操作计算机框架名：<方园>
继承：<自动化系教师> 性格：向 态度：不刻苦 兴趣：操作计算机 举止：随便 4. 剧本表示法 作为一个电影观众，请你编写一个去电影院看电影的剧本。 答： (1) 开场条件 (a) 顾客想看电影 (b) 顾客在足够的钱 (2) 角色 顾客，售票员，检票员，放映员 (3) 道具 钱，电影票 （4) 场景 场景1 购票 1. 顾客来到售票处 2. 售票员把票给顾客 3. 顾客把钱给售票员 4. 顾客走向电影院门 场景2 检票 1. 顾客把电影票给检票员 2. 检票员检票 3. 检票员把电影票还给顾客 4. 顾客进入电影院 场景3 等待 1. 顾客找到自己的座位 2. 顾客坐在自己座位一等待电影开始 场景4 观看电影
人工智能作业一(答案) -标准化文件发布号：（9456-EUATWK-MWUB-WUNN-INNUL-DDQTY-KII
作业一 1.考虑一个实时的在线电话翻译系统，该系统实现英语与日语之间的实时在线翻译，讨 论该系统的性能度量，环境，执行器，感知器，并对该环境的属性进行分析。 【Answer】 性能度量：翻译的正确率环境：电话线路传感器：麦克风执行器：音响 完全可观察的，单agent，确定的(无噪音条件下)，片段的，静态的，离散的。 2.考虑一个医疗诊断系统的agent，讨论该agent最合适的种类(简单agent,基于模型的 agent,基于目标的agent和基于效用的agent)并解释你的结论。 【Answer】 utility-based agent。能够治愈病人的方法有很多种，系统必须衡量最优的方法来推 荐给病人 3.先建立一个完整的搜索树，起点是S,终点是G,如下图,节点旁的数字表示到达目标状态 的距离，然后用以下方法表示如何进行搜索。 (a).深度优先； (b).宽度优先； (c).爬山法； (d).最佳优先； 图一 【Answer】: 建立树：
深度: 宽度： 爬山法：
优先搜索： 4.图二是一棵部分展开的搜索树，其中树的边记录了对应的单步代价，叶子节点标注了 到达目标结点的启发式函数的代价值，假定当前状态位于结点A。 (a)用下列的搜索方法来计算下一步需要展开的叶子节点。注意必须要有完整的计算过 程，同时必须对扩展该叶子节点之前的节点顺序进行记录： 1.贪婪最佳优先搜索 2.一致代价搜索 3.A*树搜索 (b)讨论以上三种算法的完备性和最优性。 【Answer】:
作业二 1. 博弈树问题. （25分） 以下是一个博弈树轮到max 选手行棋，叶子结点下的数字代表着当前状态的分值(相对于max 选手)。 a)如果max 选择走结点3且两个玩家正确游戏，那么该博弈树输出的分值是什么？（15分） b)分析使用剪枝时(从左到右遍历)该树被裁剪的部分。（10分） 【answer 】: (a): 走最右侧分支，输出3； (b): 结点13，8，19，20被裁剪 2. 考虑棋盘上的四皇后问题，最左边的一列为第一列,最上面的一行为第一行, Qi 表示皇后在第i 行所在的列数。假定皇后摆放的顺序为Q1,Q2,Q3,Q4, 且在每一行上按照从第一列到第四列的顺序摆放皇后，请运用回溯搜索算法结合前向检测来解决四皇后问题。（15分） 如果皇后摆放的顺序依旧为Q1,Q2,Q3,Q4,但不要求在每一行上从第一列到第四列摆放皇后，能够找出一种摆放策略来避免回溯失败？（10分） -αβ
【answer】: 在放第一个棋子后(有两种可能位置(1,1),(1,2))，可以通过考察放置后的矛盾位置对数
来决定初始位置： 如果放置在(1,1)位置，如第一个图所示，那么剩余可放置位置(图中空白位置，如(2,3),(2,4),(3,2),(3,4),(4,2),(4,3))之间的互斥对数有8对。 如果放置在(1,2)位置，如第五个图所示，那么剩余可放置位置(图中空白位置，如(2,4),(3,1),(3,3),(4,1),(4,3),(4,4))之间的互斥对数有5对。 说明第二种放置方法导致的空位置之间的互斥对数少，那么可行性更大，因此选择初始位置放在(1,2)处。 3.请用真值表的方法证明下列语句是有效的，可满足的，还是不可满足的？（25分） 【answer】: a) 可满足的 b) 有效的
1.在高血压诊断标准的变迁史上，（）将高血压的诊断标准定为120/80mmHg以下更受益。（ 2.0分） A.1949年 B.1984年 C.1993年 D.2016年 2.我国在语音语义识别领域的领军企业是（）。（2.0分） A.科大讯 飞 B.图谱科 技 C.阿里巴 巴 D.华为 3.中国人工智能产业初步呈现集聚态势,人工智能企业主要集聚在经济发达的一二线城市及沿海地区，排名第一的城市是（）。（2.0分） A. B.北京 C. D. 4.MIT教授Tomaso Poggio明确指出，过去15年人工智能取得的成功，主要是因为（）。（2.0分） A.计算机视 觉 B.语音识别 C.博弈论 D.机器学习 5.1997年，Hochreiter&Schmidhuber提出（）。（2.0分）
A.反向传播算法 B.深度学习 C.博弈论 D.长短期记忆模型 6.（），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（2.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 7.（）是指能够自己找出问题、思考问题、解决问题的人工智能。（2.0分） A.超人工智 能 B.强人工智 能 C.弱人工智 能 D.人工智能 8.据清华原副校长施一公教授研究，中国每年有265万人死于（），占死亡人数的28%。（2.0分） A.癌症 B.心脑血管疾病 C.神经退行性疾 病 D.交通事故 9.2005年，美国一份癌症统计报告表明：在所有死亡原因中，癌症占（）。（2.0分） A.1/4
B.1/3 C.2/3 D.3/4 10.（）是自然语言处理的重要应用，也可以说是最基础的应用。（2.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 11.（）是人以自然语言同计算机进行交互的综合性技术，结合了语言学、心理学、工程、计算机技术等领域的知识。（2.0分） A.语音交互 B.情感交互 C.体感交互 D.脑机交互 12.下列对人工智能芯片的表述，不正确的是（）。（2.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 13.（）是指能够按照人的要求，在某一个领域完成一项工作或者一类工作的人工智能。（2.0分） A.超人工智 能 B.强人工智 能 C.弱人工智 能 D.人工智能
不确定性原理 ——人工智能的哲学基础 作者：孙二林 电邮：sun2lin@https://www.doczj.com/doc/e79381177.html, 日期：2008年6月30日 文章编号：NNK2008-6-不确定性原理.doc 讨论组：https://www.doczj.com/doc/e79381177.html,/group/neural-network-knowledgebase
目录 不确定性原理 (1) 目录 (2) 前言 (3) 〇、概念图 (6) 一、不确定性原理 (10) 二、上帝掷骰子 (11) 三、宇宙坐标系 (20) 四、转化炉 (31) 五、进化网络 (42) 六、生命 (51) 七、人类 (58) 八、顶点 (66) 九、人工智能 (74)
前言 科学大体可以分为三层，从下往上依次是：基础科学、应用科学、前沿科学。 人工智能（及其近亲人工生命、机器人学）属于前沿科学的范畴，相对于已经发展了几百年的成熟的基础科学和应用科学，人工智能仅有几十年历史，尚处于起步阶段，远未形成坚实的基础和完整的架构。 研究人工智能，应该从哪里入手？这是个问题。 它牵扯到另外一个问题：人工智能到底是什么？ 人工智能是一台计算机吗？ 是，又不仅仅是。 人工智能是一段程序吗？ 是，又不仅仅是。 显然，如果只了解计算机和程序，那最多也就能组装一台电脑、编写一段代码，跟人工智能还差得太远。 人工智能，不仅仅是一台机器，不仅仅是一段代码，甚至不仅仅是一个数学模型。 人工智能之父图灵所创建的图灵机，准确地说是计算机的数学模型，它是实现人工智能的工具和基础，而不是人工智能本身；它是实现人工智能的必要条件，而不是充分条件。计算机已经出现半个多世纪了，已经非常普及，但几乎所有人都不会认同：它就是人工智能。 我们对人工智能的理解，还远未达到可以进行数学建模的程度。在不能说清楚人工智能到底是个什么东西之前，就开始建模甚至编程，未免太过草率。 科学，是一座庄严宏伟的大厦。这座大厦建得越高，承载它的地基就需要挖得越深。 当科学大厦搭建到人工智能这一前所未有的高度时，无疑，它的地基也需要挖掘到前所未有的深度。 人工智能的下一层是什么？ 计算机科学、生命科学、语言学。 计算机科学、生命科学、语言学的下一层是什么？ 数学、物理学、逻辑学。 数学、物理学、逻辑学就是科学大厦的最底层了吗？ 是的。 科学大厦再往下是什么？ 基石。 科学的基石是什么？ 哲学。 是的，哲学。如果我们要在人工智能的方向上走得更远，就必须对哲学有着更深刻的理解。 不懂哲学？ 错，我们每个人都懂哲学。“人死不能复生”，“世界是由原子组成的”，这就是哲学。
3.3 主观Bayes方法 R.O.Duda等人于1976年提出了一种不确定性推理模型。在这个模型中，他们称推理方法为主观Bayes方法，并成功的将这种方法应用于地矿勘探系统PROSPECTOR中。在这种方法中，引入了两个数值（LS，LN），前者体现规则成立的充分性，后者则表现了规则成立的必要性，这种表示既考虑了事件A的出现对其结果B的支持，又考虑了A的不出现对B的影响。 在上一节的CF方法中，CF（A）<0.2就认为规则不可使用，实际上是忽视了A不出现的影响，而主观Bayes方法则考虑了A 不出现的影响。 t3-B方法_swf.htm Bayes定理： 设事件A1，A2 ，A3 ，…，An中任意两个事件都不相容，则对任何事件B有下式成立： 该定理就叫Bayes定理，上式称为Bayes公式。
全概率公式： 可写成： 这是Bayes定理的另一种形式。 Bayes定理给出了一种用先验概率P（B|A），求后验概率P （A|B）的方法。例如用B代表发烧，A代表感冒，显然，求发烧的人中有多少人是感冒了的概率P（A|B）要比求因感冒而发烧的概率P（B|A）困难得多。 3.3.1 规则的不确定性 为了描述规则的不确定性，引入不确定性描述因子LS, LN：对规则A→B的不确定性度量f（B，A）以因子（LS，LN）来描述：
表示A真时对B的影响，即规则成立的充分性 表示A假时对B的影响，即规则成立的必要性 实际应用中概率值不可能求出，所以采用的都是专家给定的LS, LN值。从LS，LN的数学公式不难看出，LS表征的是A的发生对B发生的影响程度，而LN表征的是A的不发生对B发生的影响程度。 几率函数O(X)：
（人工智能）人工智能作业 答案
人工智能作业答案（2） 第三章确定性推理 什么是推理？它有哪些分类方法？ P74 所谓推理是指按照某种策略从已知事实出发去推出结论的过程。知识推理是指于计算机或智能机器中，于知识表达的基础上，利用形式化的知识模型，进行机器思维求解问题，实现状态转移的智能操作序列。 根据知识表示方式分类：“图搜索”方法、“逻辑论证”方法； 根据推理算法和推理步骤分类； 根据启发式和非启发式分类； 根据逻辑基础分类：演绎推理、归纳推理、默认（缺省）推理； 根据知识的确定性分类：确定性推理、非确定性推理； 根据推理过程的单调性分类：单调推理、非单调推理。 推理中的冲突消解策略有哪些？ P82 冲突消解的基本思想是：对可用知识排序。具体地讲，包括以下策略： a)特殊知识优先 b)新鲜知识优先 c)差异性大的知识优先 d)领域特点优先 e)上下文关系优先 f)前提条件少者优先 什么是置换？什么是合壹？什么是最壹般合壹？
P88-89 置换：于谓词表达式中用置换项置换变量。 合壹：寻找项对变量的置换，以使表达式壹致。 最壹般合壹(mgu)：通过置换最少的变量以使表达式壹致，这个置换就叫最壹般合壹。判断下列公式是否能够合壹，若可合壹，则求出其最壹般合壹。 （1）P(a,b)，P(x,y) {a/x，b/y} （2）P(f(x),b)，P(y,z) {f(x)，b/z} （3）P(f(x),y)，P(y,f(b)) {b/x，f(b)/y} （4）P(f(y),y,x)，P(x,f(a),f(b)) {f(y)/x，f(a)/y，f(b)/x}不可合壹 （5）P(x,y)，P(y,x) ｛x/y，y/x｝不可合壹 把下列谓词公式化成子句集： （1）（x）（y）（P（x，y）∧Q（x，y）） {P（x，y），Q（z，w）} （2）（x）（y）（P（x，y）→Q（x，y）） ｛┐P（x，y）∨Q（x，y）｝ （3）（x）（y）（P（x，y）∨（Q（x，y）→R（x，y））） （x）（y）（P（x，y）∨（┐Q（x，y）∨R（x，y）））
一、判断题（每题2分） 1. 智慧养老从老年人本身出发，能够满足老年人不同层面的需求。 * 正确 '错误 2. 智慧养老应把服务需求和供给有效结合，为服务平台提供了生长空间。 *正确 '错误 3. 根据《大数据在医疗领域的应用》，当今时代信息技术进一步推动了经济的增长和社会的发展，推动了知识传播应用进程的变化。 *正确 ' 错误 4. 大数据需要云计算，大数据就等于云计算建设。 ' 正确 *错误 5. “互联网+”医疗服务体系鼓励医疗机构应用互联网等信息技术拓展医疗服务空间和内容，构建一体化医疗服务体系。 '*正确 '错误 6.2016年9月，国务院印发《促进大数据发展行动纲要》，10月，十八届六中全会将大数据上升为国家战略。 '正确 *错误 7. 大数据时代要求架构云化，这对网络安全没有威胁。 '正确 '*错误 8. 大数据应用很大程度上是沙里淘金、废品利用、大海捞鱼。 '*正确 '错误 9. Hadoop分布式文件系统
被设计成合适运行在通用硬件(commodity hardware) 上的集中式文件系统。 正确 *错误 10. 医疗大数据主要来源于制药企业、临床数据、社保基金利用率和患者的数据。 *正确 '错误 11. 美国在人工智能方面取得了较好的成果。 *正确 '错误 12. 人工智能在国际关系方面提出了新要求和挑战。 *正确 '错误 13. GDPF是人工智能在隐私保护方面典型法律之一。 *正确 '错误 14. 韩国第四次工业革命在举行的第四次会议上，通过了人工智能研发战略。 '正确 *错误 15.1978年，全国科学大会在北京召开，钱学森发表了“科学技术是生产力”的重要讲话。 '正确 *错误 16. 人工智能在医疗领域还存在一些问题。 '*正确 '错误 17. 对于在医疗领域的AI，我国应提出加大推动创新人工智能应用评估和保障机制、加大政策扶持力度等建议。
Artificial Intelligence Overview
Contents ?7.1.1 Data, Information, Knowledge and Wisdom ?7.1.2 Explicit and Tacit Knowledge ?7.1.3 Knowledge Types ?7.1.4 Knowledge Base and Knowledge Base System ?7.1.5 Knowledge Engineering (KE) ?7.1.6 Knowledge-based Engineering (KBE) Artificial Intelligence 2
Data, Information, Knowledge and Wisdom 数据、信息、知识与智慧7.1. Overview Data 数据 The measures and representations of the world. 世界的计量和表征。 As fact, signal, or symbol.表现为事实、信号、或者符号。 Information 信息 Produced by assigning meaning to data. 对数据赋予含义而生成。 Structural vs. functional, subjective vs. objective. 结构与功能的，主观与客观的。 Knowledge 知识 Defined with reference to information. 对信息进行加工而确立。 As processed, procedural, or propositional. 表现为加工的、过程的或者命题的。 Wisdom 智慧 The experience to make decisions and judgments. 作出决定和判断的经验。 As “know-why”, “know-how”, or “why do”. 表现为“知因”、“知然”、或“因何”。 Artificial Intelligence::Reasoning::Reasoning by Knowledge3
第一章 1.3 什么是人工智能？它的研究目标是什么？ 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 研究目标：人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 1.7 人工智能有哪几个主要学派？各自的特点是什么？ 主要学派：符号主义，联结主义和行为主义。 1.符号主义：认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从 而思维就是符号计算； 2.联结主义：认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息 传递，这种传递是并行分布进行的。 3.行为主义：认为，人工智能起源于控制论，提出智能取决于感知和行动，取决于对外界 复杂环境的适应，它不需要只是，不需要表示，不需要推理。 1.8 人工智能有哪些主要研究和应用领域？其中有哪些是新的研究热点？ 1.研究领域：问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系 统，机器学习，神经网络，机器人学，数据挖掘与知识发现，人工生命，系统与语言工具。 2.研究热点：专家系统，机器学习，神经网络，分布式人工智能与Agent，数据挖掘与 知识发现。 第二章 2.8 用谓词逻辑知识表示方法表示如下知识： (1)有人喜欢梅花，有人喜欢菊花，有人既喜欢梅花又喜欢菊花。 三步走：定义谓词，定义个体域，谓词表示 定义谓词 P(x)：x是人 L(x,y)：x喜欢y y的个体域：{梅花，菊花}。 将知识用谓词表示为： (?x)(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 不是每个计算机系的学生都喜欢在计算机上编程序。 定义谓词 S(x)：x是计算机系学生
《不确定性人工智能》课件之五 云模型小结 李德毅 leedeyi@https://www.doczj.com/doc/e79381177.html, 2009年10月
云模型的理论基础和基本原理 z 随机性和概率理论 z 模糊性和模糊集理论 z 云模型 2
z 不少理论计算机科学家和逻辑学家试图通过模糊集理论解决通过模糊集理论解决G.Frege G.Frege的含糊概念的含糊概念，但模糊集理论采用隶属度函数来处理模糊性，而基本的隶属度是凭经验或者由领域专家给出所以具有相当的主观由领域专家给出，所以具有相当的主观性 3
云模型的定义 是概念C C的设C是论域U上的概念。若x∈U是概念 一次随机实现，x对C的确定度μ(x) ∈[0,1]是有稳定倾向的随机数： μ(x):U→[0,1] ?x∈U 则x在论域U上的分布称为云，每一个x称为一个云滴。 为一个云滴 4
云模型 云由许许多多云滴组成，，每一个云滴就z云由许许多多云滴组成 是定性概念映射到论域空间的个点， ， 个点是定性概念映射到论域空间的一个点 ，这是一个离散转换即实现了一次量化 即实现了一次量化， ，云滴在论域空间的分布形成一朵过程， 过程 云 这种实现带有不确定性，，云模型同时给z这种实现带有不确定性 出每个云滴能够代表定性概念的确定度
云模型 z 云是用自然语言值表示的某个定性概 念与其定量表示之间的不确定性转换模型模型，，具有直观性和普遍性具有直观性和普遍性。。 z 论域空间是数域空间是数域空间，，定性概念对应的域间是数域间可以是一维的可以是一维的、、二维的二维的、、也可以是多维的维的，，由研究问题而定