最新人工智能第三章

人工智能课后答案第三章本页仅作为文档封面，使用时可以删除This document is for reference only-rar21year.March1.基于谓词逻辑的机器推理方法：自然演绎推理，归结演绎推理，基于规则的演绎推理。

2. 求下列谓词公式的子句集(1) x y(P(x,y) Q(x,y))解：去掉存在量词变为：P(a,b)Q(a,b) 变成子句集{ P(a,b),Q(a,b )}(2) x y(P(x,y) Q(x,y)) 解：去掉蕴涵符号变为：x y(¬ P(x,y)Q(x,y)) 去掉全称量词变为：¬ P(x,y) Q(x,y) 变成子句集{ ¬ P(x,y) Q(x,y)}(3) {()[(,)(,,)]}x P x y zQ x z zR x y z ∀→∃∀∨∀()(,)(,(),)P x Q x z R x f x z ⌝∨∨(4)((,,,,,)(,,,,,)(,,,,,))x y z u v w P x y z y v w Q x y z y v w R x y z u v w ∃∀∃∃∀∃∨∧ {p(a,y,f(y),y,v,g(y,v)) Q(a,y,f(y),y,v,g(y,v)), p(a,x,f(x),x,z,g(x,z))R(a,x,f(x),h(x),z,g(x,z))} 3. 试判断下列子句集中哪些是不可满足的（1）使用删除策略（2）归结 4.用合一算法求下列公式集的最一般合一。

（1）W={Q(a,x),Q(y,b)} 最一般合一为:{a/y,b/y} （2）{()((,))}W Q x y z Q u h v v u =，，，，，最一般合一为：{z/u,h(v,v)/y,z/x}或{x/u,h(v,v)/y,x/z}5.用归结原理证明，G 是否可肯定是F 的逻辑结果。

(1) F 1 (x)(P(x)(Q(x)∧R(x)) F 2 (x) (P(x) ∧S(x) G (x)(S(x) ∧R(x)) 证明：利用归结反演法，先证明F 1 ∨ F 2 ∨¬G 是不可满足的。

第3章确定性推理部分参考答案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}。

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。

智慧树人工智能基础第三章答案20221、问题:推理的不确定性主要表现在（）这几个方面选项：A:问题的不确定性B:事实的不确定性C:规则的不确定性D:推理过程的不确定性答案: 【问题的不确定性】2、问题:不确定性推理的计算问题主要表现在（）选项：A:合成结论的不确定性B:组合证据的不确定性计算C:不确定性的匹配及阈值设计D:不确定性的传播答案: 【合成结论的不确定性,组合证据的不确定性计算,不确定性的匹配及阈值设计,不确定性的传播】3、问题:在确定性理论中，知识“如果头痛并且流鼻涕，那么感冒(0.7)”，表示（）选项：A:很有可能感冒B:感冒的概率比不感冒概率大70%C:不确定D:不可能感冒答案: 【不可能感冒】4、问题:在证据理论中，样本空间D包括红黄白三种颜色，那么下面选项属于D的幂集的是（）选项：A:{黄、白}B:{红、黑}C:{红、白}D:{红，黄}E:{红，黄，黑}F:空集答案: 【{黄、白},{红、白},{红，黄},空集】5、问题:概率分配函数就是对样本空间中的所有子集依次进行概率上的分配，并且总和为1选项：A:错B:对答案: 【错】6、问题:在模糊理论中，隶属度的具体数值是根据经验确定下来的，没有一个确定的标准。

选项：A:对答案: 【对】7、问题:在模糊理论中，论域都是离散的，比如“温度很高”、“温度比较高”等等选项：A:对B:错答案: 【错】8、问题:两个隶属度数值的合取式取最小值，而他们的析取式取最大值。

选项：A:对B:错答案: 【对】9、问题:在模糊逻辑里面，规则和知识是用模糊关系R来表达选项：A:对B:错答案: 【对】10、问题:规则前件的不确定性，主要是由证据的组合到底有多大程度符合前提条件而造成。

选项：A:错答案: 【对】。

人工智能第三章归结推理方法
第三章主要讨论归结推理方法，归结推理方法是人工智能领域中的一种重要技术。

归结推理是一种推理过程，它从一个给定的知识库出发，将给定的输入推断，得出想要的结果。

归结推理是一种推断过程，它把已有的规则和数据应用到新的数据中，来解决新问题。

归结推理可以从三个层面来分析：
1.处理模型
在归结推理中，首先要建立一个处理模型，这个模型是一种结构，它描述了归结推理的步骤，以及归结推理过程中用到的数据和知识。

2.知识表示
归结推理过程是基于知识库，而知识的表示是归结推理中最重要的环节。

知识的表示是一种在计算机中存储、表示和管理数据的方法，它决定了归结推理过程中的正确性和性能。

3.推理机制
推理机制是归结推理过程中，根据已有的输入，对知识进行推理以及解决问题的一种机制。

它可以把归结推理分为计算环节和决策环节，从而实现和可靠的知识表示，实现更精确的推理过程。

基于上述三个层面，归结推理方法可以有效的解决知识表示、理解和存储问题，实现可靠的推理过程，从而解决复杂的问题。