人工智能-动物识别
专家系统实例
专家系统实例
专家系统是一种基于知识推理的智能信息系统，用于解决特定领域的问题。
它们利用专家知识和推理规则，通过询问用户的问题来识别问题的本质，然后提供相应的解决方案。
以下是一些专家系统实例: 1. 动物识别专家系统：该实例是一个基于人工智能技术的专家系统，用于识别动物物种。
它利用了计算机视觉和自然语言处理技术，通过询问用户有关动物的特征和属性来识别动物。
2. 医学诊断专家系统：该实例是一个用于医学诊断的专家系统，它利用医学知识和推理规则，通过对用户提供的症状和疾病特征进行分析，从而作出准确的医学诊断。
3. 工业控制专家系统：该实例是一个用于工业控制的专家系统，它利用控制理论和推理技术，通过对用户提供的控制命令进行分析和优化，以实现更高效、更安全的工业控制。
4. 农业施肥专家系统：该实例是一个用于农业施肥的专家系统，它利用植物营养知识和推理规则，通过对用户提供的肥料信息和植物需求进行分析，从而提供最佳的施肥方案。
这些专家系统实例展示了人工智能技术在各个领域的应用，可以帮助用户解决各种复杂问题。
人工智能实验4三-专家系统方案
《人工智能导论》实验报告一、实验题目：识别型专家系统设计————识别动物专家系统二、实验目的1、掌握专家系统的基本构成2、掌握用人工智能程序设计语言编制智能程序的方法三、实验容1、所选编程语言：C语言；2.拟订的规则：（1）若某动物有奶，则它是哺乳动物。
（2）若某动物有毛发，则它是哺乳动物。
（3）若某动物有羽毛，则它是鸟。
（4）若某动物会飞且生蛋，则它是鸟。
（5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。
（6）若某动物是哺乳动物且吃肉，则它是食肉动物。
（7）若某动物是哺乳动物且有蹄，则它是有蹄动物。
（8）若某动物是哺乳动物且反刍食物，则它是有蹄动物。
（9）若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。
（10）若某动物是食肉动物且黄褐色且有黑色斑点，则它是金钱豹。
（11）若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。
（12）若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。
（13）若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。
（14）若某动物是鸟且不会飞且会游泳且黑白色，则它是企鹅。
（15）若某动物是鸟且善飞，则它是海燕。
2、设计思路：用户界面：采用问答形式；知识库（规则库）：存放产生式规则，推理时用到的一般知识和领域知识，比如动物的特征，动物的分类标准，从哺乳动物、食肉动物来分，再具体地添加一些附加特征得到具体动物；建立知识库的同时也建立了事实库。
事实库是一个动态链表，一个事实是链表的一个结点。
知识库通过事实号与事实库发生联系。
数据库：用来存放用户回答的问题，存放初始状态，中间推理结果，最终结果；推理机：采用正向推理，推理机是动物识别的逻辑控制器，它控制、协调系统的推理，并利用知识库中的规则对综合数据库中的数据进行逻辑操作。
推理机担负两项基本任务：一是检查已有的事实和规则，并在可能的情况下增加新的事实；二是决定推理的方式和推理顺序。
将推理机制同规则对象封装在一起，事实对象记录了当前的状态，规则对象首先拿出前提条件的断言（只有这些前提都有符合时才会做这条规则的结论），询问事实对象集，如事实对象集不知道，则询问用户，如所有前提条件都被证实为真则结论为真，否则系统不知道结论真假。
动物识别系统实验报告
stringFindMaxNumber ="select max(动物序号) from动物库";
SqlCommandcmd2 =newSqlCommand( FindMaxNumber ,con);
1.1功能需求
1．1．1动物识别正向推理
正向推理是从已知事实出发，通过规则库求的结论，也称为自底向上，或称为数据驱动方式。
正向推理过程的具体步骤是：
（1）读入事实集到工作存储器。
（2）取出某条规则，将规则的全部前件与工作存储器中的所有事实进行比较。如果匹配成功，则所得结果显示到屏幕上，转向（3）；否则，直接转向（3）。
动物识别系统设计主体框架:本系统只用了一个页面实现，界面使用上下结构的框架设计，当用户进入系统的时候，打开Default.aspx，该页面分为上下两个部分，上面的部分是用于根据问题输入动物特征，下面的部分是新规则的加入功能部分，也是用户进行添加新规则的页面，这好似一个导航页面，用户可以更具自己的选择进行的操作，由上至下进入不同的功能部分。各个功能模块的设计：
staticint[] a =newint[7];
SqlConnectioncon =newSqlConnection("Server = PC-11; user id = sa;password = ;Database = animal;");
protectedvoidPage_Load(objectsender,EventArgse)
YesOption.Checked =false;
}
protectedvoidNoOption_CheckedChanged(objectsender,EventArgse)
{
a[Convert.ToInt32(Questionselected.SelectedValue)] = 0;
人工智能课程设计报告--动物识别系统
文档从互联网中收集，已重新修正排版，word格式支持编辑，如有帮助欢迎下载支持。
计算机科学与技术学院《人工智能》课程设计报告设计题目：动物识别系统设计人员：学号：学号：学号：学号：学号：学号：指导教师：2015年7月目录目录 (1)摘要 (2)Abstract (2)一、专家系统基本知识 (3)1.1专家系统实际应用 (3)1.2专家系统的开发 (3)二、设计基本思路 (4)2.1知识库 (4)....................................................................................................... 错误!未定义书签。
2.1.2 知识库建立 (4)2.1.3 知识库获取 (5)2.2 数据库 (6)....................................................................................................... 错误!未定义书签。
....................................................................................................... 错误!未定义书签。
三、推理机构 (7)3.1推理机介绍 (7)3.1.1 推理机作用原理 (7)....................................................................................................... 错误!未定义书签。
3.2 正向推理 (7)3.2.1 正向推理基本思想 (7)3.2.2 正向推理示意图 (8)3.2.3 正向推理机所要具有功能 (8)3.3反向推理 (8)....................................................................................................... 错误!未定义书签。
基于深度学习的动物识别技术研究与应用
基于深度学习的动物识别技术研究与应用随着物联网技术的不断发展和AI算法的日益成熟，深度学习技术在许多领域得到广泛应用。
其中，基于深度学习的动物识别技术是一个备受关注的领域。
通过对动物的图像进行深度学习分析，可以实现对动物物种的自动识别和分类，有着广泛的应用前景。
1. 动物识别技术的发展历程在计算机视觉领域，动物识别技术是一个比较新的研究方向。
早期的动物识别技术主要依靠人工设计特征和分类器模型，但是这种方法的识别精度往往受到特征设计的限制，而且扩展性不足。
随着卷积神经网络（Convolutional Neural Network，CNN）的发展，深度学习技术开始被应用到动物识别领域。
2012年，AlexNet网络创新性地将卷积神经网络用于图像分类，在ImageNet大规模视觉识别竞赛中取得了巨大的成功，被认为是深度学习技术在计算机视觉领域的开端。
自此以后，深度学习技术的进一步发展推进了动物识别技术的不断完善。
通过深度学习，可以有效地实现图像的特征自动提取和分类。
这也为动物识别技术的精度提升和应用推广提供了强有力的支撑。
2. 深度学习技术在动物识别中的应用基于深度学习的动物识别技术包括以下几个主要步骤：图像数据采集、显著性特征提取、分类模型训练、模型调优和性能评估等过程。
首先，图像数据采集是动物识别技术的前置步骤，也是影响识别精度的关键因素。
它包括数据的来源、数量、质量等方面。
在数据采集过程中，应注重采集的数据具有代表性、多样性和充分性，以便于训练和测试模型。
其次，显著性特征提取是基于深度学习的动物识别技术的核心步骤，需要构建合理的特征提取方法。
常见的特征提取方法包括传统的SIFT、SURF等方法，以及基于深度学习的CNN、SPPNet、VGG等方法。
在特征提取过程中，应选择合适的方法和参数，以获取高质量的特征描述子。
然后，分类模型训练是基于深度学习的动物识别技术的关键步骤。
训练分类模型的主要方式是通过大规模图像数据集进行迭代训练，以得到一组最优的模型参数。
人工智能动物识别系统JAVA
实验报告
课程名称
系别电子信息科学学院专业班级指导教师
学号____________姓名____________实验日期2016.4.1实验成绩___________
}
jp.add(lblImage);lblImage.setBounds(630,30,300,400);this.add(jp);
this.setTitle("动物识别系统");this.setBounds(100,100,1000,500);this.setVisible(true);
}
publicvoidactionPerformed(ActionEvente){
/用数组创复选框
{newCheckbox("有毛发"),newCheckbox("有奶"),newCheckbox("有羽毛"),
newCheckbox("会飞，且生蛋"),newCheckbox("吃肉"),
newCheckbox("有犬齿，且有爪，且眼盯前方"),newCheckbox("有蹄"),
publicclassRZSextendsJFrameimplementsActionListener{privatestaticJPaneljp=newJPanel();
privateJLabeljl1=newJLabel("请选择条件：");sta ticCheckbox[]Checkbox=
人工智能动物识别系统 实验报告
人工智能导论实验报告题目动物识别专家系统学院信息科学与工程学院专业计算机科学与技术姓名侯立军学号 *********** 班级计信1301二O一五年十一月二十六日1 设计内容题目：动物识别专家系统内容：动物识别专家系统是流行的专家系统实验模型，他用产生是规则来表示知识可以识别不同的动物。
这些规则既少又简单，可以改造他们，也可以加入新的规则，还可以用来识别其他新规则来取代这些规则。
2 基本原理2.1 产生式系统的问题求解基本过程：(1) 初始化综合数据库，即把欲解决问题的已知事实送入综合数据库中；(2) 检查规则库中是否有未使用过的规则，若无转 (7)；(3) 检查规则库的未使用规则中是否有其前提可与综合数据库中已知事实相匹配的规则，若有，形成当前可用规则集；否则转(6)；(4) 按照冲突消解策略，从当前可用规则集中选择一个规则执行，并对该规则作上标记。
把执行该规则后所得到的结论作为新的事实放入综合数据库；如果该规则的结论是一些操作，则执行这些操作；(5) 检查综合数据库中是否包含了该问题的解，若已包含，说明解已求出，问题求解过程结束；否则，转(2)；(6) 当规则库中还有未使用规则，但均不能与综合数据库中的已有事实相匹配时，要求用户进一步提供关于该问题的已知事实，若能提供，则转(2)；否则，执行下一步；(7) 若知识库中不再有未使用规则，也说明该问题无解，终止问题求解过程。
2.2 正向推理正向推理是以已知事实作为出发点的一种推理，又称数据驱动推理、前向链推理及前件推理等。
2.2.1 正向推理的基本思想：从用户提供的初始已知事实出发，在知识库KB中找出当前可适用的知识，构成可适用知识集KS，然后按某种冲突消解策略从KS中选出一条知识进行推理，并将推出的新事实加入到数据库中作为下一步推理的已知事实，在此之后再在知识库中选取可适用的知识进行推理，如此重复，直到求得了所要求的解，或者知识库中再无可适用的知识为止。
人工智能的实验报告
一、实验目的1. 理解人工智能在动物识别领域的应用，掌握相关算法和模型。
2. 掌握深度学习在图像识别中的应用，学习使用神经网络进行图像分类。
3. 实现一个基于人工智能的动物识别系统，提高动物识别的准确率和效率。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3.63. 开发工具：PyCharm4. 依赖库：TensorFlow、OpenCV、NumPy、Pandas三、实验内容1. 数据收集与预处理实验使用的数据集为公开的动物图像数据集，包含多种动物图片，共3000张。
数据预处理步骤如下：（1）将原始图像转换为统一尺寸（如224x224像素）；（2）对图像进行灰度化处理，减少计算量；（3）对图像进行归一化处理，使图像像素值在0到1之间；（4）将图像数据转换为NumPy数组，方便后续处理。
2. 模型构建与训练实验采用卷积神经网络（CNN）进行图像识别。
模型构建步骤如下：（1）定义卷积层：使用卷积层提取图像特征，卷积核大小为3x3，步长为1，激活函数为ReLU；（2）定义池化层：使用最大池化层降低特征维度，池化窗口大小为2x2；（3）定义全连接层：将卷积层和池化层提取的特征进行融合，输入层大小为64x64x32，输出层大小为10（代表10种动物类别）；（4）定义损失函数和优化器：使用交叉熵损失函数和Adam优化器进行模型训练。
训练模型时，采用以下参数：（1）批处理大小：32；（2）学习率：0.001；（3）训练轮数：100。
3. 模型评估与测试训练完成后，使用测试集对模型进行评估。
测试集包含1000张图像，模型准确率为80.2%。
4. 系统实现与演示根据训练好的模型，实现一个基于人工智能的动物识别系统。
系统功能如下：（1）用户上传动物图像；（2）系统对上传的图像进行预处理；（3）使用训练好的模型对图像进行识别；（4）系统输出识别结果。
四、实验结果与分析1. 模型准确率：80.2%，说明模型在动物识别任务中具有一定的识别能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
动物识别系统#include <iostream>#include <string>using namespace std;struct RULES //规则结构{int count;char pre[255];char back[255];int mark;};RULES r[16]={ {1,"有毛发","哺乳动物",0}, //所有规则静态数据库{1,"有奶","哺乳动物",0},{1,"有羽毛","鸟",0},{2,"会飞&下蛋&","鸟",0},{1,"吃肉","食肉动物",0},{3,"有犬齿&有爪&眼盯前方&","食肉动物",0},{2,"哺乳动物&有蹄&","有蹄类动物",0},{2,"哺乳动物&反刍&","有蹄类动物",0},{4,"哺乳动物&食肉动物&黄褐色&暗斑点&","金钱豹",0},{4,"哺乳动物&食肉动物&黄褐色&黑色条纹&","老虎",0},{4,"有蹄类动物&长脖子&长腿&暗斑点&","长颈鹿",0},{2,"有蹄类动物&黑条纹&","斑马",0},{5,"鸟&不会飞&长脖子&长腿&黑白色&","鸵鸟",0},{4,"鸟&不会飞&会游泳&黑白色&","企鹅",0},{2,"鸟&善飞&","信天翁",0},};int length; //输入的事实长度string f[255]; //输入的事实数组int find_rule(int s) //查找规则库中是否还有可使用的规则{for(int i=0;i<=15;i++)s=s*r[i].mark;//cout<<"find_rule结果"<<s<<endl;return s;}int compare1(RULES r) //当前提条件为1时{int j=0,i=1;string str,str2;str=r.pre;while(i<=length){if(f[i]==str){str2=r.back;f[length+1]=str2; //加入事实库length++; //事实库的长度加1r.mark=1; //标记规则已使用过break;}elsei++;}return r.mark;}int compare2(RULES r) //前提条件不为1 {string b[10];string str,str2;int i, j = 1, num = 0;int a=0;str=r.pre;for (i=0; i != 10; ++i) //转换数组{b[i] = "";}for (i = 0; i != str.length(); ++i){if (str.at(i) != '&'){b[j] += str.at(i);}else{j++;}}i=1;while(i <= r.count){for (j =1;j != length+1; j++){if(f[j]==b[i]){a+=1;}}i++;}if(a==r.count){str2=r.back;f[length+1]=str2; //加入事实库length++; //事实库的长度加1r.mark=1; //标记规则已使用过}return r.mark;}void result(){int i=1,m=0;while(i!=length+1){if(f[i]=="金钱豹"){cout<<"该动物是金钱豹"<<endl;m=1;break;}elseif(f[i]=="老虎"){cout<<"该动物是老虎"<<endl;m=1;break;}elseif(f[i]=="长颈鹿"){cout<<"该动物是长颈鹿"<<endl;m=1;break;}elseif(f[i]=="斑马"){cout<<"该动物是斑马"<<endl;m=1;break;}elseif(f[i]=="鸵鸟"){cout<<"该动物是鸵鸟"<<endl;m=1;break;}elseif(f[i]=="企鹅"){cout<<"该动物是企鹅"<<endl;m=1;break;}elseif(f[i]=="信天翁"){cout<<"该动物是信天翁"<<endl;m=1;break;}elsei++;}if(m==0)cout<<"没有符合的动物，请确认特征，重新输入"<<endl;}void idetify(){int i=0,u=0;if(find_rule(u)==0) //如果规则库中还有未使用的规则{//cout<<"还有未使用的规则"<<endl;int num=length;while(i<16) //从第一条规则开始遍历{if(r[i].mark==0) //如果该条规则未使用{if(r[i].count==1) //该条规则前提数为1{u=compare1(r[i]);if(u==1)r[i].mark=1;if(r[i].mark==1){cout<<"使用规则"<<i+1;cout<<"且加入的新事实为"<<r[i].back<<endl;}}else{u=compare2(r[i]);if(u==1)r[i].mark=1;if(r[i].mark==1){cout<<"使用规则"<<i+1;cout<<"且加入的新事实为"<<r[i].back<<endl;}}}if(i==15){if(num!=length){i=0;num=length;}elsei=16;}else{i++;}}}else{cout<<"所有的规则都已使用"<<endl;}result();}void main(){int u=0;cout<<"请输入动物的特征数"<<endl;cin>>length;cout<<"请输入动物的特征"<<endl;for(int i=1;i<=length;i++)cin >> f[i];idetify();}Identify函数是为了实现根据规则的前提条件数的不同选择不同的函数来判断事实和前提条件是否匹配。
其结束的出口有两个：一是当所有的规则都使用过，规则库中没有可以使用的规则时，判断结束；二是虽然规则库中还有未使用的规则，但是已经和事实不匹配，即无法使用该规则，则退出，这里我使用了检查事实库是否更新来判断是否还有与事实库匹配的规则。
C ompare1函数用来判断前提条件中条件数为一个的规则，用事实库中的事实逐个与前提条件中的条件对比，若匹配，则规则可用，若不匹配，则不可用。
C ompare2函数是用来判断当规则的前提条件有多个时，这多个条件是否和事实库中的所有事实匹配，由此得出该规则是否可用。
提取规则库前提条件的第一条，用事实库中的所有事实与它匹配，若两者相同，则将设定的记录前提条件满足的变量加1，然后，在用同样的方法来查看事实库中是否有第二条前提条件，直到所有的前提条件都查看完毕截止。
根据前提条件满足的变量是否等于该规则的前提条件数来判断该规则是否可用。
Compare1和compare2均返回最终的判断结果，即：若判断出来当前规则可用，则将规则的标记改为已使用，返回到idetify函数中后根据compare1和compare2的返回值来输出规则的使用情况，并且由此继续判断规则库中是否还有规则可用。