第三章人工智能经典逻辑推理作业.ppt
合集下载
人工智能 第3章 推理技术2课题PPT课件

2020/11/12
《人工智能》
10
(1)证据肯定存在
P(E|S)=1,证据E肯定存。此时需要计算P(H|E)。
由Bayes公式得:
P(H|E)=P(E|H)×P(H)/P(E)
(1)
P(¬H|E)=P(E|¬H)×P(¬H)/P(E)
(2)
(1)式除以(2)式得:
P(H|E)/P(¬H|E)=P(E|H)/P(E|¬H)×P(H)/P(¬H) 由LS和几率函数的定义得:
可信度的概念
根据经验对一个事物和现象为真的相信程度称为可信度。
可信度带有较大的主观性和经验性,其准确性难以把握。 但人工智能面向的多是结构不良的复杂问题,难以给出精 确的数学模型,先验概率及条件概率的确定又比较困难。 所以可信度方法是一种比较实用的方法。
2020/11/12
《人工智能》
19
1. 知识不确定性的表示 在该模型中,知识是用产生式规则表示的,其一
给定C(E|S)后,P(E|S)计算如下:
P (E|S) C P ((E E )| S()C 5 (P E (|E S )) (5 5)C (E|S))若 若 0 5C (C E (|E S|)S )5 0
5
2020/、组合证据不确定性的算法
可以采用最大最小法。 当组合证据是多个单一证据的合取时,即
(1)不确定性的表示与度量 (2)不确定性匹配算法 (3)组合证据不确定性的算法 (4)不确定性的传递算法 (5)结论不确定性的合成
2020/11/12
《人工智能》
3
3.4 基于概率的推理
经典概率方法
设有如下产生式规则: IF E THEN H
其中,E为前提条件,H为结论。后验概率P(H|E)可以作为在证 据E出现时结论H的确定性程度(可信度)。为了计算后验概率 P(H|E),需要知道条件概率P(E|H),及先验概率P(H),P(E)。
人工智能原理第3章逻辑系统-PPT精选

命题逻辑的语义与可满足性
• 研究命题逻辑的语义,即研究公式(公式 集)的真假赋值问题
• 真假赋值:真假赋值是以所有命题符号 的集合为定义域、以真假值{1,0}为值域 的函数。真假赋值v给公式A指派的值记 作Av
• 可满足性:是可满足的,当且仅当有真 假赋值v,使得v=1。此时称v满足。
29
第3章 逻辑系统
• 原子公式:命题语言中的一个表达式是 原子公式,当且仅当它是一个命题符号 / 原子公式也称为文字(包括正文字和负文 字)
9
第3章 逻辑系统
命题逻辑的合式公式
• 合式公式(well-formed formula),简称公 式,记作wff:一个表达式是一个公式, 当且仅当它能通过有限次地使用下述步 骤生成:
• 函数add(e1, e2)说明e1与e2相加的结果仍 是一个数
17
第3章 逻辑系统
一阶语言(1)
• 一阶语言L:是一阶逻辑使用的形式语言, 可以和任何结构(论域)没有联系,也可以 与某个结构有联系
• 与结构没有联系的一阶语言由8类符号组成:
(1)无限序列的个体符号(个体常量)
(2)无限序列的谓词符号,有确定的元数n≥1
• 给定了论域,就确定了谓词的真假值 • 一元谓词:个体的性质;二元谓词(多元谓
词):个体的关系 • 个体的位置—空位,具体化—构成意义完整
的语句 • 空位的数目—谓词的元数→几元谓词
13
第3章 逻辑系统
量词与变量
• 变量(变元):表示论域内的任意一个个体 / 常量(常元),表示确定的个体
• 量词与变量:量词用来表示谓词的判断特性 • 全称量词:对所有的x x P(x) • 存在量词:存在x x P(x) • 约束变量:、中x的变量,量词所管辖的
• 研究命题逻辑的语义,即研究公式(公式 集)的真假赋值问题
• 真假赋值:真假赋值是以所有命题符号 的集合为定义域、以真假值{1,0}为值域 的函数。真假赋值v给公式A指派的值记 作Av
• 可满足性:是可满足的,当且仅当有真 假赋值v,使得v=1。此时称v满足。
29
第3章 逻辑系统
• 原子公式:命题语言中的一个表达式是 原子公式,当且仅当它是一个命题符号 / 原子公式也称为文字(包括正文字和负文 字)
9
第3章 逻辑系统
命题逻辑的合式公式
• 合式公式(well-formed formula),简称公 式,记作wff:一个表达式是一个公式, 当且仅当它能通过有限次地使用下述步 骤生成:
• 函数add(e1, e2)说明e1与e2相加的结果仍 是一个数
17
第3章 逻辑系统
一阶语言(1)
• 一阶语言L:是一阶逻辑使用的形式语言, 可以和任何结构(论域)没有联系,也可以 与某个结构有联系
• 与结构没有联系的一阶语言由8类符号组成:
(1)无限序列的个体符号(个体常量)
(2)无限序列的谓词符号,有确定的元数n≥1
• 给定了论域,就确定了谓词的真假值 • 一元谓词:个体的性质;二元谓词(多元谓
词):个体的关系 • 个体的位置—空位,具体化—构成意义完整
的语句 • 空位的数目—谓词的元数→几元谓词
13
第3章 逻辑系统
量词与变量
• 变量(变元):表示论域内的任意一个个体 / 常量(常元),表示确定的个体
• 量词与变量:量词用来表示谓词的判断特性 • 全称量词:对所有的x x P(x) • 存在量词:存在x x P(x) • 约束变量:、中x的变量,量词所管辖的
人工智能 (3)

3.2.2 产生式系统的推理过程
正向推理
从已知事实出发、正向使用规则,亦称为数据驱动推理或前向链推理。 算法描述
(1) 把用户提供的初始证据放入综合数据库; (2) 检查综合数据库中是否包含了问题的解,若已包含,则求解结束,并 成功推出;否则执行下一步; (3) 检查知识库中是否有可用知识,若有,形成当前可用知识集,执行下 一步;否则转(5)。 (4) 按照某种冲突消解策略,从当前可用知识集中选出一条规则进行推理, 并将推出的新事实加入综合数据库种,然后转(2)。 (5) 询问用户是否可以进一步补充新的事实,若可补充,则将补充的新事 实加入综合数据库中,然后转(3);否则表示无解,失败退出。 至于如何根据综合数据库中的事实到知识库中选取可用知识,当知识库中 有多条知识可用时应该先使用那一条知识等。这些问题涉及到了知识的匹配 方法和冲突消解策略,以后将会分别讨论。 其流程图如下:
例如“5比4大”、4比3大”,因此可推出“5比3大”。 (3) 条件推理,即前一命题是后一命题的条件,例如,“如果一个系统会使
用知识进行推理能,我们就称它为智能系统”。 (4) 概率推理,即用概率来表示知识的不确定性,并根据所给出的概率来估
计新的概率,这种推理形式是我们将要在第6章中进行讨论的内容。
含在这些已知知识中的适合于某种个别情况的结论。
其核心是三段论,如假言推理、拒取式和假言三段论。
例: 假言三段论
A→B,B→C ⇒ A→C
推理过程得到的判断;
小前提:是关于某种具体情况或某个具体实例的判断;
结论:是由大前提推出的,并且适合于小前提的判断。
它说明综合数据库中已经含有问题的解,推理成功结束,目标C得证。
3.2.2 产生式系统的推理过程
人工智能第3章选讲.ppt

点上。接着,程序试图选择一个时刻,使之适合于所有参
加者。在他们的工作时间表中,通常白天的会议时刻可能
第 在除14∶00外的任意时刻,所以选择14∶00作为开会时 三 间,至于在哪一天倒没关系。然而,程序发现在星期三无
章 房间可供开会使用。所以它回溯穿过结点(假设星期三的
高 结点),并改在另一天,比如星期二。现在就必须复制导
推 理
是定义特定的非经典逻辑(如缺省推理和自认识逻辑)。
高
级 人
3.1.1 缺省推理
工
智
能
很少有能在处理过程中拥有它所需要
的一切信息的系统。但当缺乏信息时,只
第 要不出现相反的证据,就可以作一些有益
三 章
的猜想。构造这种猜想称为缺省推理
高 (default reasoning)。
级
知
识
与
推
理
高
级 人
第 信息),因为用这种方式推导出来的命题是依赖于在某个命题
三 中缺少某种信念,即如果前面那些缺省的命题一旦加入系统, 章 就必须消除用缺省推理产生的命题。这样一来,如果你拿着
高 级
花走到门口时,你的主人立刻打喷嚏,你就应取消以前的信
知 念——你的主人喜欢花。当然,你也必须取消建立在已被取
识 消的信念基础上的任何信念。
推 并有可供开会的房间。
理
高 级 人 工 智 能
第 三 章
高 级 知 识 与 推 理
高
级
求解该问题时,系统必须试图在一个时刻满足一个约
人 束。最初,几乎没有根据可以肯定哪个时间最好,所以随
工 智
意确定为星期三。于是产生一个新的约束,解的其余部分
能 必须满足会议在星期三举行的假设,且存放在所产生的结
《人工智能逻辑》课件

自然语言处理的基本概念
自然语言处理(NLP)
是指利用计算机对人类自然语言进行各种处理,包括理解、生成 、转换等。
自然语言处理技术
基于计算机科学、语言学、心理学等多学科交叉的领域,旨在实现 人机交互的无障碍沟通。
自然语言处理的应用
在语音识别、机器翻译、智能客服、智能家居等领域有广泛应用。
自然语言处理在人工智能中的应用
态系统。
感谢您的观看
THANKS
《人工智能逻辑》ppt课件
目 录
• 人工智能概述 • 人工智能逻辑基础 • 人工智能中的知识表示与推理 • 机器学习与人工智能 • 自然语言处理与人工智能 • 人工智能的未来展望
01
人工智能概述
人工智能的定义
人工智能
指通过计算机程序和算法,使机 器能够模拟人类的智能行为,实 现人机交互和自主决策。
知识表示与推理
介绍知识表示与推理的基 本原理和方法,以及其在 人工智能领域的应用和挑 战。
机器学习与逻辑
探讨机器学习与逻辑之间 的关系,以及机器学习算 法中如何应用逻辑推理的 方法。
03
人工智能中的知识表示与 推理
知识表示方法
1 2
陈述性表示法
将知识表示为一系列的事实或规则,便于理解和 推理。
过程性表示法
在计算机视觉领域,机器 学习可以用于图像识别、 人脸识别、自动驾驶等。
ABCD
在自然语言处理领域,机 器学习可以帮助识别语音 、翻译文本、回答问题等 。
机器学习还可以用于推荐 系统、预测分析等领域, 提高用户体验和商业价值 。
深度学习与神经网络
深度学习是机器学习的一个分支,通 过构建深度神经网络来模拟人类的神 经网络。
人工智能原理与方法 (PPT 98张)

j 1
i 1 , 2 , , n
为Bayes公式。
2019/2/24
Wei Changhua
19
第二章 人工智能的数学基础
3 模糊理论
A 是把任意uU映射为[0,1]上某个值的 模糊集:设 U 是论域,
U [ 0 , 1 ],则称 (u) 由所构成的集合A,称为U 函数,即 A: A 上的一个模糊集。 隶属函数:称 A 为定义在 U上的一个隶属函数。 语言变量:用自然语言表示变量的值和描述变量之间的内在联系 的一种变量。比如,年龄就是个语言变量,它可以取值为年轻、 很年轻、不很年轻、老、很老、不很老等 什么是人工智能? 人工智能是研究知识的一门科学,即如 何表示知识,如何获取知识和如何利用 知识的科学。
2019/2/24
Wei Changhua
10
第一章
绪论
2 人工智能研究的目标 近期目标:在近期,人工智能研究的任务 是利用冯 . 偌依曼型计算机模拟人类智力 行为,研制智能程序; 远期目标:远期是研制全新的计算机,即 智能计算机。
2019/2/24 Wei Changhua 4
内
第四章
● ● ● ●
容
基本的问题求解方法
基本概念 状态空间搜索 与/或树搜索 博弈树的启发式搜索
2019/2/24
Wei Changhua
5
内
第五章 基本推理方法
● ● ● ● ●
容
推理的基本概念 推理方式和分类 推理控制策略 归结反演 基于规则的演绎系统
i j
n
P ( B ) P ( A P ( B |A i) i)
i 1
n
i 1
i
为全概率公式,它提供了一种计算的方法。
i 1 , 2 , , n
为Bayes公式。
2019/2/24
Wei Changhua
19
第二章 人工智能的数学基础
3 模糊理论
A 是把任意uU映射为[0,1]上某个值的 模糊集:设 U 是论域,
U [ 0 , 1 ],则称 (u) 由所构成的集合A,称为U 函数,即 A: A 上的一个模糊集。 隶属函数:称 A 为定义在 U上的一个隶属函数。 语言变量:用自然语言表示变量的值和描述变量之间的内在联系 的一种变量。比如,年龄就是个语言变量,它可以取值为年轻、 很年轻、不很年轻、老、很老、不很老等 什么是人工智能? 人工智能是研究知识的一门科学,即如 何表示知识,如何获取知识和如何利用 知识的科学。
2019/2/24
Wei Changhua
10
第一章
绪论
2 人工智能研究的目标 近期目标:在近期,人工智能研究的任务 是利用冯 . 偌依曼型计算机模拟人类智力 行为,研制智能程序; 远期目标:远期是研制全新的计算机,即 智能计算机。
2019/2/24 Wei Changhua 4
内
第四章
● ● ● ●
容
基本的问题求解方法
基本概念 状态空间搜索 与/或树搜索 博弈树的启发式搜索
2019/2/24
Wei Changhua
5
内
第五章 基本推理方法
● ● ● ● ●
容
推理的基本概念 推理方式和分类 推理控制策略 归结反演 基于规则的演绎系统
i j
n
P ( B ) P ( A P ( B |A i) i)
i 1
n
i 1
i
为全概率公式,它提供了一种计算的方法。
人工智能PPT课件(共12章)第3章确定性推理

正向推理,但并不能推导出最终目标;另一方面
从某假设出发进行逆向推理,但并不能推至原始
事实,而是让由正向推理所得到的中间结论恰好
与逆向推理所要求的证据相遇,此时推理结束。
逆向推理时所作的假设就是推理的最终结论。
3.1.
4
冲 突 消 解 策 略
在推理过程中,系统要不断地用自己当前已知的事实与知识
库中的知识进行匹配,匹配过程中会出现3种情况。
越来越接近最终目标分类,推理可分为单调推理和非单调推理。
(1)单调推理是指在推理的过程中随着推理的向前推进及新知识的加入,推出的
结论呈单调增加的趋势,并且结论越来越接近最终目标。单调推理在推理的过程
中不会出现反复的情况,如基于经典逻辑的演绎推理。
(2)非单调推理是指在推理过程中由于新知识的加入,不仅没有加强已推出的结
来,因此它不能增殖新知识。
归纳推理所推出的结论是没有包含在前提内容中的,这种由个别
事物或现象推出一般性知识的过程,是增殖新知识的过程。
例如,一位计算机维修员从书本学习知识到通过大量实例积累经验,
是一种归纳推理方式。计算机维修员运用这些一般性知识去维修计算
机的过程则属于演绎推理。
(3)默认推理又称为缺省推理,是在知识不完全的情况下假设某些条
(1)从用户提供的初始已知事实出发,在知识库KB中找出当前适
用的知识,构成知识集KS。
(2)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
出的新事实加入数据库DB中,作为下一步推理的已知事实。
(3)在知识库中选取可适用知识进行推理,如此重复这一过程,
直到求得了问题的解或者知识库中再无可适用的知识为止。
题逻辑和一阶谓词逻辑,它们的真值都是确定的。因此,
从某假设出发进行逆向推理,但并不能推至原始
事实,而是让由正向推理所得到的中间结论恰好
与逆向推理所要求的证据相遇,此时推理结束。
逆向推理时所作的假设就是推理的最终结论。
3.1.
4
冲 突 消 解 策 略
在推理过程中,系统要不断地用自己当前已知的事实与知识
库中的知识进行匹配,匹配过程中会出现3种情况。
越来越接近最终目标分类,推理可分为单调推理和非单调推理。
(1)单调推理是指在推理的过程中随着推理的向前推进及新知识的加入,推出的
结论呈单调增加的趋势,并且结论越来越接近最终目标。单调推理在推理的过程
中不会出现反复的情况,如基于经典逻辑的演绎推理。
(2)非单调推理是指在推理过程中由于新知识的加入,不仅没有加强已推出的结
来,因此它不能增殖新知识。
归纳推理所推出的结论是没有包含在前提内容中的,这种由个别
事物或现象推出一般性知识的过程,是增殖新知识的过程。
例如,一位计算机维修员从书本学习知识到通过大量实例积累经验,
是一种归纳推理方式。计算机维修员运用这些一般性知识去维修计算
机的过程则属于演绎推理。
(3)默认推理又称为缺省推理,是在知识不完全的情况下假设某些条
(1)从用户提供的初始已知事实出发,在知识库KB中找出当前适
用的知识,构成知识集KS。
(2)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
出的新事实加入数据库DB中,作为下一步推理的已知事实。
(3)在知识库中选取可适用知识进行推理,如此重复这一过程,
直到求得了问题的解或者知识库中再无可适用的知识为止。
题逻辑和一阶谓词逻辑,它们的真值都是确定的。因此,
人工智能逻辑PPT课件

2020/8/1
史忠植 逻辑基础
6
逻辑与程序语言的对比
逻辑
程序语言
逻辑符号
保留字或者符号
非逻辑符号
用户自定义的符号(变量名, 函数名等)
语句规则
构造一个程序的语句规则
语义规则
定义程序做什么的语句规则
推理规则、公理和证明 没有
2020/8/1
史忠植 逻辑基础
7
证明
一个证明是一个语法结构,它由符号串根据一定 的规则组成。它包括假设和结论。
概率和模糊
√ √√√
√ √ √ 目前主流
直觉主义逻辑
√ √ √ √ √ √ √ √ 主要替代者
高阶逻辑,λ-演算 √ √ √ √ √
√
更具中心作用
经典逻辑片断
√ √√
√ √ √ 前景诱人
资源和子结构逻辑 √
√
√
√
纤维化和组合逻辑 √ √ √ √ √
√
可自我指称
谬误理论
在适当语境
逻辑动力学
√
√ 动态逻辑观
则记为 ⊢ ,称由可推导出的,或可证明的。
是可推导出的,则记为
⊢ ,称为可证明的。
称一个假设是不协调的,如果存在一个语句
使得和的否定均可由推导得出。
称一个逻辑系统是一致的,或相容的(consistent),
如果不存在逻辑系统的公式A,使得⊢A与⊢¬A同时成
立。
2020/8/1
史忠植 逻辑基础
9
解 释(语义)
语言: ¬,; 公理模式:
公式,原子公式
◆(A (B A))
◆((A (B C)) ((A B) (A C)))
◆(((¬A))(¬B) (B A)) 推理规则:分离规则(modus ponens,MP规则)
- 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)。
(1) (2) (3) (4) (5)
要证明赵不是盗窃犯,即证明¬T(赵)。
对¬T(赵)进行否定,并入上述子句集中,即多出如下子句:
¬(¬T(赵)), 即T(赵) (6)
应用归结原理对子句集进行归结:
(3)和(5)归结得: T(孙)∨ ¬ T(钱) (7)
(2)和(7)归结得: T(孙)
(8)
(4)和(8)归结得: ¬ T(赵)
(9) NIL 由(7)与(8)归结 { a / x }
G是 F1 F2 F3 的逻辑结论。
作业解答
3、张某被盗,公安局派出5个侦察员:A、B、C、D、E。 研究案情时,A说“赵与钱中至少有1人作案”;B说 “钱与孙中至少有1人作案”;C说“孙与李中至少有1 人作案”;D说“赵与孙中至少有1人与此案无关”;E 说“钱与李中至少有1人与此案无关”。如果5个侦察员 的话都是可信的,试用消解原理(归结原理)推理出谁 是盗窃犯。
(6)和(11)归结得: Answer(孙)。 (9) {孙/x}
因此,钱和孙是盗窃犯,此外无论如何也归结不出Ansewer(赵) 和Ansewer(李)。下面证明赵不是盗窃犯,即证明¬T(赵)。
A:T(赵)∨T(钱) B:T(钱)∨T(孙) C: T(孙) ∨T(李) D: ¬ T(赵)∨ ¬ T(孙) E: ¬ T(钱)∨ ¬ T(李)
F2 : (y)(D( y) L( y)) (3) D(a)
F3 : zDz I z
(4)
I
(a)
F3
G : (w)(I (w) R(w))
(5) I (w) (6) R(w)
G
将上述子句进行归结,得:
(7) L(x)6)归结{ x / w } 由(2)与(3) 归结{ a / y }
答:钱和孙是盗窃犯,赵和李不是。下面给出求解过程。
解:设用T(x)表示x是盗窃犯,则根据题意可得:
A:T(赵)∨T(钱)
(1)
B:T(钱)∨T(孙)
(2)
C: T(孙) ∨T(李)
(3)
D: ¬ T(赵)∨ ¬ T(孙) (4)
E: ¬ T(钱)∨ ¬ T(李) (5)
下面先求谁是盗窃犯。把¬T(x)∨Ansewer(x)并入上述子句集,即多 出一个子句:
(9)
(6)和(9)归结得: NIL
所以,赵不是盗窃犯。同理可以证明李也不是盗窃犯。
作业解答
4、设已知: (1)能阅读者是识字的;(2)海豚不识字; (3)有些海豚是很聪明的。 试证明:有些聪明者并不能阅读。
证明: R(x):x能阅读。 L(x):x是识字的。
I(x):x是聪明的。 D(x):x是海豚。
将上面个语句翻译成谓词公式:
(1)x (R(x) L(x))
已知条件
(2)x (D(x) ¬L(x))
已知条件
(3) x (D(x) ∧I(x))
已知条件
(4) x (I(x) ∧ ¬R(x))
需要证明的结论
第三章人工智能经典逻辑推理 作业
第三章 作业及解答
3、张某被盗,公安局派出5个侦察员:A、B、C、 D、E。研究案情时,A说“赵与钱中至少有1人作 案”;B说“钱与孙中至少有1人作案”;C说 “孙与李中至少有1人作案”;D说“赵与孙中至 少有1人与此案无关”;E说“钱与李中至少有1 人与此案无关”。如果5个侦察员的话都是可信的, 试用归结原理推理出谁是盗窃犯。
第三章 作业及解答
4、设已知: (1)能阅读者是识字的;(2)海豚不识字; (3)有些海豚是很聪明的。 试证明:有些聪明者并不能阅读。
正向推理
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,构成可适用的知识 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 DB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 重复进行这一过程,直到求得所要求的解。
逆向推理
首先选定一个假设目标,然后寻找支持该 假设的证据,若所需的证据都能找到,则说明 原假设是成立的;若找不到所需要的证据,则 说明原假设不成立,此时需要另作新的假设。
证明G是F1、F2和F3的逻辑结论。 (1) R(x) L(x)
F1
F1 : (x)(R(x) L(x))
(2) D( y) L( y) F2
¬T(x)∨Ansewer(x)
(6)
(1)和(4)归结得: T(钱)∨ ¬ T(孙) (7)
(2)和(7)归结得: T(钱)。
(8)
(6)和(8)归结得: Answer(钱)。 (9) {钱/x}
(3)和(5)归结得: T(孙)∨ ¬ T(钱) (10)
(2)和(10)归结得: T(孙)。
(11)