《人工智能》知识点整理
人工智能知识点
1.为什么要研究人工智能：1.现有计算机系统的局限性；2.人类只能的局限性；3.信息化社会的迫切要求。
2.传统程序和人工智能的区别：1处理对象2求解问题3求解模式4应用范围3.人工智能求解问题的方法：试探式搜索，启发式的不精确的模糊的甚至允许出现错误的推理方法。
4.表处理语言LIST5.#规则3：$1$2$3→$1$2$2$3规则4：$1$2$2$3→$1$2$3利用规则3、4将ABCBABC变为ABC 解：AB CBABC——A BABC BABC ——AB AB C——ABC6.完成某问题的状态描述，须确定三件事：1该状态描述的方式，铁别是初始状态的描述2算符集合机器对状态描述的作用3目标状态描述的特性7.合适公式（WEF）通过使用连词~（非）、∧(与)、∨（或）、→（蕴含）、以及任意一个、8.存在一个等将原子谓词公式按一定的语法格式连接而成的式子。
9.#例：每个有理数都是实数有些实数是有理数并非每个实数都是有理数解：令原子谓词公式P(x)表示x是有理数Q(x)表示x是实数(任意一个x)[P(x)→Q(x)] (存在一个x)[P(x)→Q(x)] ((任意一个x)[Q(x)→~P(x)])等价于(存在一个x)[Q(x)→~P(x)]10.#例：每一个人的外祖父都是他母亲的父亲令P(x)表示x是人O(x,y)表示x是y的外祖父F(x,y)表示x是y的父亲M(x,y)表示x是y的母亲将原句转化为：每一个人y 的外祖父x都是该y的母亲z的父亲。
(任意一个x)(任意一个y)(P(x)P(y)O(x,y))→(存在一个x)(P(z)∧F(x,z)∧M(z,y))11.#例题：All blocks on top of blocks that have been moved or that are attached to block that have been moved also have been moved.可表示为：(任意一个x)(任意一个y){{BLOCK(x)∧BLOCK(y)∧[ONTOP(x,y)∨ATTACHED(x,y)]∧MOVED(y)}→MOVED(x)}13.归结反演规则：1否定L，得到~L；2把~L添加到S中去；3把新产生的集合｛~L，S｝化成子句集；4应用归结原理，力图推导出一个表示矛盾的空字句。
人工智能的知识点汇总
人工智能的知识点汇总人工智能（Artificial Intelligence，简称AI）作为现代科技领域的热门话题，涵盖了广泛的知识点和概念。
在本文中，我们将对人工智能的一些重要知识点进行汇总和介绍，以帮助读者更全面地了解这一领域的关键概念。
1. 人工智能的定义与分类人工智能是指计算机系统能够模拟人类智能的能力。
按照其智能水平和应用领域的不同，人工智能可分为弱人工智能和强人工智能，前者具有狭窄的智能范围，后者则拥有与人类智能相媲美的综合智能。
2. 机器学习机器学习是一种人工智能的子领域，研究如何让计算机通过训练数据自动学习规律和模式，并根据学习结果做出预测或决策。
主要的机器学习方法包括监督学习、无监督学习和强化学习。
3. 深度学习深度学习是机器学习的一个重要分支，其核心是人工神经网络。
通过搭建多层的神经网络模型，深度学习可以自动提取和学习数据中的高层次特征，从而实现对复杂问题的解决。
4. 自然语言处理自然语言处理是人工智能领域中研究如何让计算机理解和处理人类自然语言的技术。
它包括语音识别、机器翻译、文本分类、情感分析等各种任务。
5. 计算机视觉计算机视觉致力于让计算机具备与人类相似的视觉感知能力。
通过图像识别、目标检测、图像生成等技术，计算机视觉可以实现对图像和视频内容的分析和理解。
6. 推荐系统推荐系统是一种利用人工智能技术向用户提供个性化推荐的系统。
通过分析用户的行为和兴趣，推荐系统可以自动过滤和排序海量信息，给用户推荐相关的内容或产品。
7. 增强学习增强学习是一种能够使计算机在与环境交互中通过试错学习来获取最优策略的学习方法。
通过奖励机制和价值函数，增强学习可以让计算机自主地探索和学习如何在特定环境中获得最大的奖励。
8. 人工智能的应用领域人工智能在众多领域有着广泛的应用，包括医疗健康、金融、交通、教育、娱乐等。
例如，人工智能可以帮助医生进行疾病诊断、支持金融机构进行风险管理、改善交通系统的效率等。
ai知识点总结
ai知识点总结一、人工智能的基本概念人工智能是一门涉及多个学科的交叉学科，包括计算机科学、机器人学、神经科学、哲学、数学等。
人工智能主要研究如何使机器能够具有智能，并进行自主的思考、学习、推理等行为。
人工智能可以分为弱人工智能与强人工智能。
弱人工智能指的是专门用于某一特定领域的人工智能系统，比如语音识别系统、推荐系统等。
而强人工智能则是具有类似于人类智能的综合智能系统，能够自主进行思考、学习、反思等行为。
人工智能的核心问题是智能的产生与表现。
这包括了如何使机器具有感知、认知、学习、推理、训练、规划、决策等能力。
为了解决这些问题，人工智能领域提出了多种方法和技术，其中包括机器学习、深度学习、语音识别、自然语言处理、计算机视觉等。
二、人工智能的相关技术1. 机器学习机器学习是人工智能的重要技术之一，主要用于构建模型并利用数据来进行学习和预测。
机器学习有监督学习、无监督学习和增强学习等不同类别。
在实际应用中，机器学习可以用于推荐系统、预测模型、分类器、聚类等任务。
2. 深度学习深度学习是机器学习的一种，它通过构建多层神经网络，用大量数据进行训练，从而实现模式识别、特征提取、语音识别、图像处理等任务。
深度学习在计算机视觉、自然语言处理、语音识别等领域有着广泛的应用。
3. 语音识别语音识别是一种通过计算机对语音进行识别和理解的技术。
语音识别技术可以应用于语音助手、语音控制、语音翻译等领域。
4. 自然语言处理自然语言处理是一种将计算机理解和处理自然语言的技术。
自然语言处理可以用于机器翻译、文本分类、情感分析等任务。
5. 计算机视觉计算机视觉是一种将计算机视觉感知和理解的技术。
通过计算机视觉技术，计算机可以进行图像识别、目标检测、图像生成等任务。
6. 强化学习强化学习是一种通过试错学习的技术，主要用于实现在复杂环境中进行决策和行动。
强化学习在智能游戏、机器人控制、自动驾驶等领域得到广泛应用。
7. 语义网语义网是一种通过语义标记实现互联网信息语义化、结构化的技术。
人工智能大一知识点总结
人工智能大一知识点总结人工智能（Artificial Intelligence，简称AI）是指通过模拟、延伸和扩展人的智能，使机器能够像人一样具备感知、理解、推理、学习和决策等智能行为的科学与技术。
一、人工智能的定义与发展人工智能是一门涵盖了多个学科的交叉学科，其发展与信息技术、计算模型、认知科学等密切相关。
人工智能的定义和研究范畴不断扩展，呈现出如下发展趋势：1. 符号主义AI：以符号处理为核心，把人的认知过程抽象为规则和逻辑的形式，在人工智能的早期起到了重要作用。
2. 连接主义AI：通过构建神经网络模型，模拟人脑的神经元之间的连接与传递信息的方式，实现人工智能的学习和推理。
3. 混合主义AI：将符号主义和连接主义两种方法相结合，充分发挥各自优势，提高了人工智能系统的性能和效率。
4. 强人工智能与弱人工智能：强人工智能是指能够在各个领域达到甚至超过人类智能水平的人工智能系统，目前尚处于理论探索阶段。
而弱人工智能则是指在特定领域内具备专业知识和技能的人工智能系统，如语音识别、图像处理等。
二、人工智能的基础知识1. 机器学习：是指通过建立和优化数学模型，使机器能够从数据中自动学习并进行预测和决策的方法。
常见的机器学习算法包括线性回归、逻辑回归、决策树、支持向量机等。
2. 神经网络：是一种模拟人脑神经元网络的数学模型，通过学习和调整神经元之间的连接权重，实现人工智能系统的学习和推理能力。
常见的神经网络结构包括前馈神经网络、循环神经网络和卷积神经网络。
3. 自然语言处理：是指研究计算机如何理解、分析和生成人类自然语言的技术。
自然语言处理可以用于机器翻译、文本分类、情感分析等任务。
常见的自然语言处理技术包括分词、词性标注、语义分析、情感分析等。
4. 计算机视觉：是指利用计算机对图像和视频进行分析与理解的技术。
计算机视觉可以用于目标检测、图像识别、人脸识别等任务。
常见的计算机视觉技术包括图像特征提取、图像分类、目标检测等。
人工智能导论知识点总结
人工智能导论知识点总结
1、人工智能（AI）：是研究计算机思维活动及其表示一类问题的理论，它旨在制作模拟人类智能的计算机程序。
2、学习：是指计算机从所给数据中推导出模式并应用该模式解决未知问题的能力。
3、机器学习：是计算机从经验学习规律流程及行为模式的一种技术，是人工智能中很重要的一类技术。
4、神经网络：是人工智能研究的重要方向，目的是模仿神经系统的思想、情感关系和记忆，对大脑进行推理。
5、机器人：是指具有人工智能技术与控制技术的机械装置或者软件系统，其功能是模拟或超越人类的肢体机能，从而具有实现复杂控制任务和职责的能力。
6、自然语言处理：是指用计算机来处理人类的自然语言，研究如何处理及应用自然语言的各种理论体系，并实现自然语言的语言技术。
7、智能搜索：是一类将机器学习和节点搜索结合的智能技术，可以根据输入条件，有效地搜索到所需要的解决方案，并在搜索过程中调整输入条件，以不断优化搜索结果。
人工智能知识点归纳
⏹人工智能的不同研究流派：符号主义/逻辑主义学派--符号智能；连接主义--计算智能；行为主义-低级智能。
人工智能的主要研究领域（一）自动推理（二）专家系统（三）机器学习（四）自然语言理解（五）机器人学和智能控制（六）模式识别（七）基于模型的诊断产生式系统是人工智能系统中常用的一种程序结构，是一种知识表示系统。
三部分组成：综合数据库:存放问题的状态描述的数据结构,动态变化的。
产生式规则集、控制系统。
/ 产生式规则集/ 控制系统产生式规则形式： IF<前提条件> THEN<操作>八数码难题的产生式系统表示综合数据库：以状态为节点的有向图。
状态描述：3×3矩阵产生式规则：➢IF<空格不在最左边>Then<左移空格>；依次控制系统：选择规则:按左、上、右、下的顺序移动空格。
终止条件：匹配成功。
产生式系统的基本过程:Procedure PROCUCTION1.DATA←初始状态描述2.until DATA 满足终止条件，do：3.begin4.在规则集合中，选出一条可用于DATA的规则R（步骤4是不确定的，只要求选出一条可用的规则R，至于这条规则如何选取，却没有具体说明。
）5. DATA←把R应用于DATA所得的结果6.End产生式系统的特点：1.模块性强，2.产生式规则相互独立，3.规则的形式与逻辑推理相近，易懂。
产生式系统的控制策略：1.不可撤回的控制策略：优点是空间复杂度小、速度快；缺点是多数情况找不到解 2.试探性控制策略：回溯方式：占用空间小，多数情况下能找到解；缺点是如果深度限制太低就找不到解；和图搜索方式：优点总能找到解，缺点时间空间复杂度高。
产生式系统工作方式：正向、反向和双向产生式系统可交换产生式系统：1.可应用性，每一条对D可应用的规则，对于对D应用一条可应用的规则后，所产生的状态描述仍是可应用的。
2.可满足性，如果D满足目标条件，则对D应用任何一条可应用的规则所产生的状态描述也满足目标条件。
人工智能重点知识总结
人工智能重点知识总结
人工智能（Artificial Intelligence，简称AI）是一种模拟人类智
能的技术，包括机器研究、自然语言处理、计算机视觉等领域。
下
面是人工智能的重点知识总结：
1. 机器研究
机器研究是人工智能的重要分支，通过让计算机从数据中研究
和改进，来实现自主完成任务。
常见的机器研究算法包括决策树、
支持向量机、神经网络等。
机器研究在图像识别、语音识别、推荐
系统等领域有广泛应用。
2. 自然语言处理
自然语言处理是研究计算机与人类自然语言之间的交互的领域。
它包括文本分类、机器翻译、情感分析等任务。
自然语言处理的技
术可以帮助计算机理解和处理人类语言，从而实现智能的对话和交流。
3. 计算机视觉
计算机视觉是研究如何使计算机理解和解释图像和视频的领域。
它包括图像分类、目标检测、图像生成等任务。
计算机视觉的应用
非常广泛，包括人脸识别、车牌识别、图像搜索等。
4. 深度研究
深度研究是一种机器研究的方法，通过构建具有多个隐层的神
经网络，使计算机可以从大量数据中研究特征和模式。
深度研究在
人脸识别、语音识别等领域取得了重大突破，被广泛应用于各个行业。
5. 强化研究
强化研究是一种通过试错和反馈机制来训练智能体的研究方法。
智能体通过与环境交互，根据奖励信号来调整自己的行为。
强化研
究在游戏、机器人等领域有重要应用。
以上是人工智能的重点知识总结，希望对您有所帮助。
人工智能复习总结讲解
LIKE(x,y): x 喜欢 y。
Meihua 表示梅花，Juhua 表示菊花，
(x)(MAN(x) ∧ LIKE(x, Meihua))∧
(y)(MAN(y) ∧ LIKE(y, Juhua))∧
(z)(MAN(z) ∧(LIKE(z, Meihua)
∧LIKE(z,Juhua)))
（6）他每天下午都去打篮球。
公式。 Computer(zhangxh)∧ ¬Like(zhangxh, programming) Higher(lixp, father(lixp)) 例 2：设有下列语句，请用相应的谓词公式把它们表示出来： （1）人人爱劳动。 （2）自然数都是大于零的整数。 （3）西安市的夏天既干燥又炎热。 （4）喜欢读《三国演义》的人必读《水浒》。 （5）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。 （6）他每天下午都去打篮球。
例： 一个用来描述硕士生有关情况的框架 Frame <硕士生>
姓名: 单位（姓，名） 性别：范围（男，女）
默认：男 年龄：单位（岁）
条件：岁＞16 学习专业：单位（专业名）
研究方向：单位（方向名） 导师姓名：单位（姓，名） 参加课题：范围（国家级，省部级，其他）
默认：国家级 学籍：<硕学籍> 住址：单位（楼号，房间号） 电话：单位（ （区号），话机号） 入学时间：单位（年，月） 学制：单位（年）
➢ 张晓辉是一名计算机系的学生，但他不喜欢编程序。 ➢ 李晓鹏比他父亲长得高。 请用谓词公式表示这些知识。 （1）定义谓词及个体。 Computer(x):x 是计算机系的学生。 Like(x,y):x 喜欢 y。 Higher(x,y):x 比 y 长得高。 这里涉及的个体有：张晓辉(zhangxh),编程序(programming), 李晓鹏(lixp)，以及函数 father(lixp)表示李晓鹏的父亲。 ➢ 第二步：将这些个体代入谓词中，得到 Computer(zhangxh) ¬Like(zhangxh, programming) Higher(lixp, father(lixp)) 第三步：根据语义，用逻辑联结词将它们联结起来，就得到了表示上述知识的谓词
- 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)。
(此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面《人工智能》知识点整理第二讲知识表示2.0.知识表示的重要性知识是智能的基础：获得知识、运用知识符合计算机要求的知识模式：计算机能存储、处理的知识表示模式；数据结构（List, Table, Tree, Graph, etc.）2.1 基本概念2.1.1 数据、信息与知识数据(Data)⏹信息的载体和表示⏹用一组符号及其组合表示信息信息(Information)⏹数据的语义⏹数据在特定场合下的具体含义知识(Knowledge)⏹信息关联后所形成的信息结构：事实& 规则⏹经加工、整理、解释、挑选、改造后的信息2.1.2 知识的特性⏹相对正确性⏹一定条件下⏹某种环境中⏹......⏹不确定性⏹存在“中间状态”⏹“真”（“假”）程度⏹随机性⏹模糊性⏹经验性⏹不完全性⏹...... ⏹可表示性& 可利用性⏹语言⏹文字⏹图形⏹图像⏹视频⏹音频⏹神经网络⏹概率图模型⏹......2.1.3 知识的分类⏹常识性知识、领域性知识（作用范围）⏹事实性知识、过程性知识、控制知识（作用及表示）⏹确定性知识、不确定性知识（确定性）⏹逻辑性知识、形象性知识（结构及表现形式）⏹零级知识、一级知识、二级知识（抽象程度）2.1.4 常用的知识表示方法⏹一阶谓词（First Order Predicate）⏹产生式（Production）⏹框架（Framework）⏹语义网络（Semantic Network）⏹剧本（Script）⏹过程（Procedure）⏹面向对象（Object-Oriented）⏹Petri网（Petri Network）⏹信念网（Belief Network）⏹本体论（Ontology）……2.1.5 如何选择合适的表示方法？⏹充分表示领域知识⏹有利于对知识的利用⏹便于理解和实现⏹便于对知识的组织、管理与维护2.2 一阶谓词表示法1. 优点⏹自然性⏹接近自然语言，容易接受⏹精确性⏹用于表示精确知识⏹严密性⏹有严格的形式定义和推理规则⏹易实现性⏹易于转换为计算机内部形式2. 缺点⏹无法表示不确定性知识⏹所能表示的知识范围太狭窄⏹难以表示启发性知识及元知识⏹未能充分利用与问题本身特性有关的知识⏹组合爆炸⏹经常出现事实、规则等的组合爆炸⏹效率低⏹推理与知识的语义完全割裂2.3 产生式表示法⏹1943年E. Post第一次提出⏹称为“Post机”的计算模型（《计算理论》）⏹一种描述形式语言的语法⏹AI中应用最多的知识方法之一⏹Feigenbaum研制的化学分子结构专家系统DENDRAL⏹Shortliffe研制的的诊断感染性疾病的专家系统MYCIN⏹……2.3.1 产生式的基本形式P → Q 或IF P THEN Q CF = [0, 1]其中，P是产生式的前提，Q是一组结论或操作，CF(Certainty Factor)为确定性因子，也称置信度。
【注意】：谓词逻辑中的蕴涵式与产生式的基本形式相似，事实上，蕴涵式只是产生式的一种特殊情况。
理由如下：（1）蕴涵式只能表示精确知识，其值非“真”即“假”，而产生式不仅可以表示精确知识，而且还可以表示不精确知识。
例如，MYCIN中有如下产生式：IF 本微生物的染色斑是革兰氏阴性本微生物的形状呈杆状病人是中间宿主THEN 该微生物是绿脓杆菌，置信度为CF=0.6CF表示知识的强度，谓词逻辑中的蕴涵式不可以这样做。
（2）用产生式表示知识的系统中，“事实”与产生式的“前提”中所规定的条件进行匹配时，可以是“精确匹配”，也可以是基于相似度的“不精确匹配”，只要相似度落入某个预先设定的范围内，即可认为匹配。
但对谓词逻辑的蕴涵式而言，其匹配必须是精确的。
用BNF（Backus Normal Form）表示的产生式形式描述及语义：<产生式> ::= <前提> → <结论><前提> ::= <简单条件> | <复合条件><结论> ::= <事实> | <操作><复合条件> ::= <简单条件> AND <简单条件> [(AND <简单条件> )...] | <简单条件> OR <简单条件> [(OR <简单条件> )...]<操作> ::= <操作名> [(<变元>, ...)]【说明】：产生式又称规则或产生式规则；产生式的“前提”：又称条件、前提条件、前件、左部等；产生式的“结论”：又称后件、右部等。
2.3.2 产生式系统的组成产生式系统的三个组成部分：规则库、综合数据库、控制系统。
1、规则库用于描述相应领域内知识的产生式集合。
在建立规则库时，应注意如下问题：（1）有效地表达领域内的过程性知识：包括规则的建立、不确定性知识的表示、推理链的形成、知识的完整性等。
（2）对知识进行合理的组织与管理：目的是使得推理避免访问与所求解的问题无关的知识，以提高问题求解效率。
2、综合数据库综合数据库又称为事实库、上下文、黑板等。
它是一个用于存放问题求解过程中各种当前信息的数据结构，例如：问题的初始状态、原始证据、推理中得到的中间结论、最终结论等。
当规则库中某条产生式的前提可与综合数据库中的某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放入综合数据库中，作为后面推理的已知事实。
显然，综合数据库的内容是在不断变化的，是动态的。
综合数据库中的已知事实通常用字符串、向量、集合、矩阵、表等数据结构表示。
3、控制系统控制系统又称推理机构，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。
控制系统的主要工作：（1）按一定的策略从规则库中选择规则，并与综合数据库中的已知事实进行匹配。
（2）当发生冲突（即匹配成功的规则不止一条）时，调用相应的冲突解决策略予以消解。
（3）在执行某条规则时，若该规则的右部是一个或多个结论，则把这些结论加到综合数据库中；若规则的右部是一个或多个操作，则执行这些操作。
（4）对于不确定性知识，在执行每一条规则时，还要按一定的算法计算结论的不确定性。
（5）随时掌握结束产生式系统运行的时机，以便在适当的时候停止系统的运行。
产生式系统的三大组成部分的相互关系图4、产生式系统求解问题的一般步骤（1）初始化综合数据库，把问题的初始已知事实送入综合数据库中。
（2）若规则库中存在尚未使用过的规则，而且它的前提可与综合数据库中的已知事实匹配，则继续；若不存在这样的事实，则转第（5）步。
（3）执行当前选中的规则，并对该规则做上标记，把该规则执行后得到的结论送入综合数据库中。
若该规则的结论部分指出的是某些操作，则执行这些操作。
（4）检查综合数据库中是否已包含了问题的解，若已包含，则终止问题的求解过程；否则，转第（2）步。
（5）要求用户提供进一步的关于问题的已知事实，若能提供，则转第（2）步；否则，终止问题求解过程。
（6）若规则中不再有未使用过的规则，则终止问题的求解过程。
2.3.3 产生式系统的分类按规则库及综合数据库的性质及结构特征进行分类：可交换的产生式系统、可分解的产生式系统、可恢复的产生式系统。
1、可交换的产生式系统如果一个产生式系统对规则的使用次序是可交换的，无论先使用哪一条规则都可达到目的，即规则的使用次序是无关紧要的，就称其为可交换的产生式系统。
2、可分解的产生式系统基本思想：把一个规模较大且比较复杂的问题（初始数据库）分解为分别若干个规模较小且比较简单的子问题，然后对每个子问题进行求解。
3、可恢复的产生式系统在问题求解的过程中，既可对综合数据库添加新内容，又可删除或修改老内容的产生式系统称为可恢复的产生式系统。
基本思想：人们在求解问题的过程中是经常要进行回溯的，当问题求解到某一步发现无法继续下去时，就撤销在此之前得到的某些结果，恢复到先前的某个状态。
用产生式系统求解问题时也是如此，当执行一条规则后使综合数据库的状态发生变化，若发现在新的状态中无法得到问题的解，就需要立即撤销刚才产生的结果，并将综合数据库恢复到先前的状态，然后选择别的规则继续求解。
2.3.4 产生式系统的优缺点1、产生式系统的优点（1）自然性：由于产生式系统采用了人类常用的表达因果关系的知识表示形式，既直观、自然，又便于进行推理。
（2）模块性：产生式是规则库中的最基本的知识单元，形式相同，易于模块化管理。
（3）有效性：能表示确定性知识、不确定性知识、启发性知识、过程性知识等。
（4）清晰性：产生式有固定的格式，既便于规则设计，又易于对规则库中的知识进行一致性、完整性检测。
2、产生式系统的缺点（1）效率不高产生式系统求解问题的过程是一个反复进行“匹配—冲突消解—执行”的过程。
由于规则库一般都比较庞大，而匹配又是一件十分费时的工作，因此，其工作效率不高。
此外，在求解复杂问题时容易引起组合爆炸。
（2）不能表达具有结构性的知识产生式系统对具有结构关系的知识无能为力，它不能把具有结构关系的事物间的区别与联系表示出来，因此，人们经常将它与其它知识表示方法（如框架表示法、语义网络表示法）相结合。
2.3.5 产生式系统的适用领域（1）由许多相对独立的知识元组成的领域知识，彼此之间关系不密切，不存在结构关系。
如：化学反应方面的知识。
（2）具有经验性及不确定性的知识，而且相关领域中对这些知识没有严格、统一的理论。
如：医疗诊断、故障诊断等方面的知识。
（3）领域问题的求解过程可被表示为一系列相对独立的操作，而且每个操作可被表示为一条或多条产生式规则。
2.4 框架表示法2.4.1 框架理论1975年美国著名AI学者Minsky在其论文“A framework for representing knowl edge”中提出了框架理论，并把它作为理解视觉、自然语言对话及其它复杂行为的基础。
框架理论的基本思想：认为人们对现实世界中各种事物的认识都是以一种类似于框架的结构存储在记忆中的，当面临一个新事物时，就从记忆中找出一个合适的框架，并根据实际情况对其细节加以修改、补充，从而形成对当前事物的认识。
2.4.2 框架的定义及表示形式1、定义框架：是一种描述对象（事物、事件或概念等）属性的数据结构，在框架理论中，框架是知识表示的基本单位。
一个框架由若干个“槽”（Slot）结构组成，每个槽又可分为若干个“侧面”。
一个槽：用于描述所论对象某一方面的属性；一个侧面：用于描述相应数学的一个方面。
槽和侧面所具有的属性值分别称为槽值和侧面值。
2、框架的一般表示形式<框架名>槽名1：侧面名1 值1，值2，...，值p1侧面名2 值1，值2，...，值p2侧面名m1 值1，值2，...，值pm1槽名n：侧面名1 值1，值2，...，值r1约束：约束条件1约束条件n3、框架及其实例在《聊斋志异》中有个《胭脂》的故事，开始时邑宰判错了案，就是因为他头脑里有个破案的框架：框架名：tx 未遂杀人案犯罪意图：x犯罪结果：杀人被杀者：y杀人动机：x 未遂被y 发现知情人：{ z i | i I}罪犯：t条件一：若x 为强奸，则t 必须是男性条件二：有某个z i指控t条件三：t 招认邑宰用上述框架去套胭脂一案，结果得到了该框架的一个实例：框架实例：鄂秋準强奸未遂杀人案犯罪意图：强奸犯罪结果：杀人被杀者：卞牛医杀人动机：强奸未遂被卞牛医发现知情人：卞妻，胭脂罪犯：鄂秋準条件一：鄂秋準为男性，成立条件二：胭脂指控鄂秋準，成立条件三：鄂秋準招认，成立4、框架的BNF描述<框架> ::= <框架头><槽部分>[<约束部分>]<框架头> ::= 框架名<框架名的值><槽部分> ::= <槽>,[<槽>]<约束部分> ::= 约束<约束条件>,[<约束条件>]<框架名的值> ::= <符号名>|<符号名>(<参数>,[<参数>])<槽> ::= <槽名><槽值>|<侧面部分><槽名> ::= <系统预定义槽名>|<用户自定义槽名><槽值> ::= <静态描述>|<过程>|<谓词>|<框架名的值>|<空><侧面部分> ::= <侧面>,[<侧面>]<侧面> ::= <侧面名><侧面值><侧面名> ::= <系统预定义侧面名>|<用户自定义侧面名><侧面值> ::= <静态描述>|<过程>|<谓词>|<框架名的值>|<空><静态描述> ::= <数值>|<字符串>|<布尔值>|<其它值><过程> ::= <动作>|<动作>,[<动作>]<参数> ::= <符号名>【注】：关于框架的BNF描述的说明：（1）框架名的值允许带参数，当别的框架调用它时需要提供相应的实在参数。