人工智能第七章2010
第七章 人工智能与教育(一)

在这一时期, 在这一时期 , 与专家系统同时发展的重要 领域还有计算机视觉和机器人, 领域还有计算机视觉和机器人 , 自然语言理解 与机器翻译等。 与机器翻译等。
此外, 在知识表示、 不精确推理、 此外 , 在知识表示 、 不精确推理 、 人工智 能语言等方面也有重大进展。 能语言等方面也有重大进展。
人工智能(Artificial Intelligence, AI) 人工智能( AI) 是当前科学技术发展中的一门前沿学科。 是当前科学技术发展中的一门前沿学科。人工智 能是在计算机科学、控制论、信息论、 能是在计算机科学、控制论、信息论、神经心理 哲学等多种学科研究的基础上发展起来的。 学、哲学等多种学科研究的基础上发展起来的。
25
AI成功的例子(3) AI成功的例子 成功的例子(3) 后勤规划:1991年海湾战争中美国军队配备了 一个动态分析和重规划工具DART, 用于自动后 勤规划与运输调度。 该系统同时涉及50000个车辆、货物和人,而 且要考虑起点、目的地、路径,解决所有参 数之间的冲突。使用AI技术使规划在几小时 内完成,而传统方法需要几个星期 DARPA称就此一项投资足以补偿DARPA在AI方 面30年的投资
无人驾驶飞机、扫雷机器人、卫星评估粮食产量、 无人驾驶飞机、扫雷机器人、卫星评估粮食产量、 医学 专家系统、、购物篮分析、信息过滤、人脸的识别、 、、购物篮分析 专家系统、、购物篮分析、信息过滤、人脸的识别、 人 机搏弈、机器人足球、 机搏弈、机器人足球、……
一、 什么是人工智能
谈到人工智能的定义, 谈到人工智能的定义,首先需要指出以下两 点: 第一,人工智能和其他许多新兴学科一样, 第一,人工智能和其他许多新兴学科一样, 至今尚无一个统一的定义,所谓人工智能的定义, 至今尚无一个统一的定义,所谓人工智能的定义, 只能是人工智能学者根据对它的已有认识所作的 一些不同解释。 一些不同解释。 第二,人工智能的定义依赖于智能的定义。 第二,人工智能的定义依赖于智能的定义。 因此,要定义人工智能,首先应该定义智能。 因此,要定义人工智能,首先应该定义智能。
人工智能第七章201025页PPT文档

6
12/26性质: 该公式对应的所有子句可以从终止在叶节点的解图集合中
读出---- AND/OR图是子句形式的一种紧凑表示方式 例.Q(w,A)∧ ((~R(v)∧~P(v))∨~S(A,v))对应的所有子句
Q(w,A) ~S(A,v)∨~R(v) ~S(A,v)∨~P(v) 都可从解图读出来。
工作方式 正向系统:以事实作为初始状态描述,以结论为终止条件的演绎系统 反向系统:以结论作为初始状态描述,以事实为终止条件的演绎系统
3
12/26/2019
7.1 正向演绎系统
一、初始状态描述
先把描述事实的逻辑公式转换成不含蕴涵符号的 AND/OR形式,再用AND/OR图表示。
4
事实表达式的AND/OR形转换 与化Skolem范式过程类似 不同:不要求母式是合取范式 要求:不同的主合取项里变量使用不同的名字。
x(~y zP(x,y,z)) ∨ uQ(x,u)) (2)把否定符移到原子前:
x(y z~P(x,y,z)) ∨ uQ(x,u))
(3)化前束范式:xy z u(~P(x,y,z))∨ Q(x,u))
(4)Skolem化:用f(x,y)代z,得
~P(x,y,f(x,y)) ∨ Q(x,u)
11
12/26/2019
图7.3 应用一条规则后所得到的AND/OR图
X∨Z∨P∨Q,Y∨Z∨P∨Q,R∨Y∨Z,R∨X∨Z 都包含在解图所表示的子句中
12
X
Y
X∧Y
Z
S
匹配弧
P
Q
T
U
(P∨Q)
R
S
(T∨U)
(P∨Q)∧R
S∧(T∨U)
((P∨Q)∧R)∨(S∧(T∨U))
人工智能(第七章)

第七章专家系统吉林大学地面机械仿生技术教育部重点实验室 张锐27.1 专家系统概述7.1.1 专家系统的产生与发展1968年世界上的第一个专家系统DENDRAL在美国的斯坦福大学研发成功,它是费根鲍姆与化学家勒德贝格合作的结果。
20世纪60年代末,美国麻省理工学院开始研究用于解决复杂微积分运算和数学推导的专家系统MACSYMA,该系统包含了30多万行的LISP语句。
同一时期,卡内基-梅隆大学也相继开发了用于语音识别的专家系统HEARTSAY、HEARTSAY-Ⅱ和HEARTSAY-Ⅲ。
1974年,匹兹堡大学的鲍波尔和内科医生合作研制成功内科病诊断咨询系统INTERNIST,并发展成专家系统CADUCEUS。
1976年,美国斯坦福大学的E.H.Shortliffe开发成功MYCIN,其主要设计目的是为细菌感染疾病提供抗菌剂治疗建议。
同年,美国斯坦福大学国际研究所人工智能研究中心的R.O.Duda等人研制一个探矿专家系统PROSPECTOR。
20世纪70年代中期,专家系统观点逐渐被人们接受,许多卓有成效的专家系统相继研制成功。
吉林大学地面机械仿生技术教育部重点实验室 张锐3由数字设备公司(DEC)和卡内基-梅隆大学合作研发的专家系统XCON,是一个用于为VEX计算机系统制定硬件配置方案的商用系统,创造了巨大的经济效益。
ACE是有贝尔实验室于80年代初开发的一个用于设备错误诊断的专家系统,AT&T公司一直用它来定位和识别在电话网络中的故障点。
进入20世纪80年代以后,专家系统的研发开始趋于商品化。
DELTA是由通用电气公司在80年代中期开发的错误诊断系统,它被通用电气公司投入商业应用以帮助维修人员发现在柴油发电机中的故障。
南京大学开发的新结构找水专家系统、吉林大学开发的勘探专家系统和油气资源评价专家系统、西安交通大学和中科院西北水土保持研究所联合开发的旱地小麦综合管理专家系统,以及北京中医学院开发的关幼波肝病诊断专家系统等,这些专家系统都取得了明显的经济效益和社会效益,为专家系统的理论研究和推广应用起到了积极的推动作用。
人工智能 第七章图形分类

GoogLeNet-v1网络细节
7.2常用模型
• 后期方法 ResNet网络 提出采用残差结构
五种ResNet模型
7.2常用模型
• 后期方法
DenseNet网络
引入dense block的结构
带有三个dense blocks的DenseNet结构图
和原来的卷积网络相比: DenseNet有更少的网络参数,网络更窄;更有 利于信息的传递;在进行反向传播的时候,更 有利于减轻梯度消失的情况
从小白到大神
பைடு நூலகம்
第七章 目标分类
7.1 概述 7.2 常用模型 7.3 实战:CIFAR数据集分类和猫狗分类
7.1概述
什么是目标分类? 目标分类是给定一张输入图像,根据图像的语义信息判断该图像所属的类别。
目标分类的主要方法有哪些?
1. k近邻法(k-Nearest Neighbor, kNN) 2. 支持向量机(Support Vector Machine, SVM) 3. BP神经网络 4. 卷积神经网络(Convolutional Neural Networks, CNN) 5. 迁移学习
LeNet-5网络
AlexNet网络
7.2常用模型
• 后期方法
VGGNet网络
VGG不同深度时的网络结构
7.2常用模型
• 后期方法
GoogLeNet网络
Inception架构的主要思想是找出如何用密集成分来近似最优的局部稀疏解
Inception的基本结构
Inception v1的网络结构
7.2常用模型
THANK YOU
7.1概述
• 目标分类的种类: • 跨语义级别的图像分类
• 子类细粒度图像分类
人工智能机器学习ppt课件

人类的未来生活和工作,还将有机器人参与。机器人的自主学 习,更离不开人脸识别技术。
2015年3月16日,马云在德国参加活动时,为嘉宾演示了一项 “Smile to Pay”的扫脸技术。在网购后的支付认证阶段,通过 扫脸取代传统的密码,实现“刷脸支付”。
机器学习的基本概念
❖ 机器学习的两大学派
✓ 机器学习:人工智能的重要分支 构造具有学习能力的智能系统 知识、推理、学习 手段:统计,逻辑,代数……
阿法狗的核心技术还包括策略网络的训练和蒙 特卡洛树搜索。
内容提要
第七章:机器学习系统 1.机器学习的基本概念 2.机器学习策略与基本结构 3.归纳学习 4.类比学习 5.解释学习 6.神经网络学习 7.知识发现 8.其他
机器学习是人工智能的核心,通过使机器模
拟人类学习行为,智能化地从过去的经历中获 得经验,从而改善其整体性能,重组内在知识 结构,并对未知事件进行准确的推断。机器学 习在科学和工程诸多领域都有着非常广泛的应 用,例如金融分析、数据挖掘、生物信息学、 医学诊断等。生活中常见的一些智能系统也广 泛使用机器学习算法,例如电子商务、手写输 入、邮件过滤等。
归纳学习
❖归纳学习(Induction Learning)
✓ 归纳学习是目前研究得最多的学习方法,其学习目的 是为了获得新概念、构造新规则或发现新理论。
✓ 根据归纳学习有无教师指导,可把它分为 示例学习:给学习者提供某一概念的一组正例和反 例,学习者归纳出一个总的概念描述(规则),并 使这个描述适合于所有的正例,排除所有的反例。 观察发现学习:
✓ 统计机器学习 从大量样本出发,运用统计方法,发现统计规律 有监督学习、无监督学习、半监督学习 问题:分类,聚类,回归
机器学习的基本概念
人工智能(第七章)

5
吉林大学地面机械仿生技术教育部重点实验
(2)诊断型
诊断型专家系统是根据输入系统的有关被诊断对象的信息,来推断出相应对象存在的
故障和产生故障的原因,并进一步给出排除故障方法的一类专家系统。
主要特点是能够分析和掌握被诊断对象的组成特性以及各组成部分间的关系,能够通
过诊断对象的表面症状辨别出被掩盖的现象,并通过知识库中的知识提供相应的故障
(9)教学型
教学型专家系统是一类可根据学生学习的特点,制定适当的教学计划和教学方法,以
对学生进行教学和辅导的专家系统。
主要特点是有针对性地制定教学计划,并采用适当的学习方法对学生进行辅导。
这种类型的专家系统一般具有良好的人-机界面。
(10)修理型
修理型专家系统是对发生故障的系统或设备进行处理,使其恢复正常工作的一类专家
这种类型的专家系统是一种混合型专家系统,它将神经网络与符号处理系统有机结合
起来应用于专家系统的知识表示与推理求解。
11
吉林大学地面机械仿生技术教育部重点实验
7.1.4 专家系统的一般特点
在总体上,专家系统还具有以下一些共同特点:
(1)启发性
专家系统能够运用专家的知识和经验进行推理、判断与决策。
案;它能够对被设计问题的各部分及其它们之间的关系进行分析,试验性地构造出多
种易于修改的候选方案,并能对最终的设计结果给出适当的解释。
典型例子包括超大规模集成电路辅助设计系统KBVLSI、自动程序设计系统PSI等。
6
吉林大学地面机械仿生技术教育部重点实验
(4)预测型
预测型专家系统是通过对过去知识以及当前的事实与数据进行分析,推断未来情况的
第七章人工智能与信息处理技术分析
第七章人工智能与信息处理技术分析
人工智能(AI)和信息处理技术是智能科技快速发展的重要领域。
它
们在解决复杂的现实问题和实现实际应用中发挥着重要作用。
人工智能(AI)是一种用事实和经验来模拟人类思维活动的科学,是
一种用计算机模拟人类情感、思维、智慧和行为的技术。
人工智能可以简
化和解决复杂的人机交互任务,比如语言识别、自然语言理解、机器学习、机器视觉、引擎等,在处理复杂问题中有着重要的作用。
信息处理技术指的是通过处理不同的信息来解决复杂问题的一系列技术。
主要包括数据处理技术、图像处理技术、虚拟现实技术、机器学习技
术以及模式识别等等。
这些技术都有着不同的特点,在解决复杂问题中发
挥着重要作用。
人工智能和信息处理技术构成了智能科学的基本构成部分,在解决实
际问题中发挥着重要作用,将极大地促进科学的发展。
但是,在使用这些
技术时也需要考虑安全性,以防止误用或非法使用。
此外,还需要研究它
们如何能够与其他技术协同工作,以实现复杂的现实应用。
总之,人工智能和信息处理技术是智能科技发展的关键领域之一,在
解决复杂的现实问题和实现实际应用的过程中发挥着重要的作用。
人工智能07蚁群算法及其应用
Q Δτ ij Lgb , 若边 ij 是当前最优解的一部分 0, 否则
——精英蚂蚁在边 ij上增加的信息素量; ——精英蚂蚁个数; Lgb ——当前全局最优解路径长度。
蚁群算法的提出
• 算法的提出 蚁群算法(Ant Colony Optimization, ACO),又称蚂蚁算法——一种用来在图中 寻找优化路径的机率型算法。 它由Marco Dorigo于1992年在他的博士 论文“Ant system: optimization by a colony of cooperating agents”中提出,其灵感来源于 蚂蚁在寻找食物过程中发现路径的行为。 最早用于解决著名的旅行商问题(TSP , traveling salesman problem)。
人工蚁群 VS 自然蚁群
蚁群算法的特征
• • • •
•
蚁群算法采用了分布式正反馈并行计算机制, 易于与其他方法结合, 并 具有较强的鲁棒性。 (1)其原理是一种正反馈机制或称增强型学习系统;它通过信息素 的不断更新达到最终收敛于近似最优路径上; (2)它是一种通用型随机优化方法;但人工蚂蚁决不是对实际蚂蚁 的一种简单模拟,它融进了人类的智能; (3)它是一种分布式的优化方法;不仅适合目前的串行计算机,而 且适合未来的并行计算机; (4)它是一种全局优化的方法;不仅可用于求解单目标优化问题, 而且可用于求解多目标优化问题; (5)它是一种启发式算法;计算复杂性为 O(NC*m*n2),其中NC 是迭 代次数,m 是蚂蚁数目,n 是目的节点数目。
关于 min , max 的取值,没有确定的方法,有的 书例子中取为0.01,10;有的书提出一个在最大 值给定的情况下计算最小值的公式。
人工智能基础 第七章 专家系统
专家、知识工程师
用户
人机交互界面
专业知识
知识获取
机器能理解的 表达形式
知识库
解释器
综合数据 库
推理机
专家系统的工作过程
专家系统的基本工作过程是,用户通过人机界面回答系统的提 问,推理机将用户输入的信息与知识库中各个规则的条件进行匹 配,并把被匹配规则的结论存放到综合数据库中。最后,专家系 统将得出最终结论呈现给用户。
专家系统概述
专家系统定义
专家系统(Expert System,ES)是人工智能的一个重要分支, 也是目前人工智能中最活跃、最广泛、最有成效的应用研究领域。
专家可以很好地解决本领域的问题,是因为具有本领域的专门 知识。计算机系统将社会专家的专业领域知识进行充分的整理、 集中并总结表达出来,运用知识和推理来解决只有专家才能解决的 复杂问题,就是专家系统研究的目的。
专家系统概述
专家系统的类型
解
预
诊
设
监
释
测
断
计
视
型
型
型
型
型
专
专
专
专
专
家
家
家
家
家
系
系
系
系
系
统
统
统
统
统
教
控
学
制
型
型
专
专
家
家
系
系
统
统
规
维
调
划修试型型型专专
专
家
家
家
系
系
系
统
统
统
专家系统的结构与工 作原理
专家系统的基本结构
专家系统因领域和功能特点不同,结构有一定差别,但专家系统通常由 人机接口、推理机、知识库及其管理系统、数据库及其管理系统、知识 获取机构、解释机构六个部分构成,如图所示。
人工智能 第7章 参考答案
第7章机器学习参考答案请用ID3算法完成其学习过程。
解:设根节点为S,尽管它包含了所有的训练例子,但却没有包含任何分类信息,因此具有最大的信息熵。
即:H(S)= - (P(+)log2 P(+) + P(-)log2 P(-))式中P(+)=3/6,P(-)=3/6分别是决策方案为“+”或“-”时的概率。
因此有H(S)= - ((3/6)log2(3/6) + (3/6)log2(3/6))=1按照ID3算法,需要选择一个能使S的期望熵为最小的一个属性对根节点进行扩展,因此我们需要先计算S关于每个属性的条件熵:H(S|x i)= ( |S T| / |S|)* H(S T) + ( |S F| / |S|)* H(S F)其中,T和F为属性x i的属性值,S T和S F分别为x i=T或x i=F时的例子集,|S|、| S T|和|S F|分别为例子集S、S T和S F的大小。
下面先计算S关于属性x1的条件熵:在本题中,当x1=T时,有:S T={1,2,3}当x1=F时,有:S F={4,5,6}其中,S T和S F中的数字均为例子集S中的各个例子的序号,且有|S|=6,| S T |=| S F |=3。
由S T可知,其决策方案为“+”或“-”的概率分别是:P ST(+)=2/3P ST (-)=1/3因此有:H(S T)= - (P ST (+)log2 P ST (+) + P ST (-)log2 P ST (- ))= - ((2/3)log2(2/3) + (1/3)log2(1/3))=0.9183再由S F可知,其决策方案为“+”或“-”的概率分别是:P SF (+)=1/3P SF (-)=2/3则有:H (S F)= - (P SF (+)log2 P SF (+) + P SF (-)log2 P SF (- ))= - ((1/3)log2(1/3)+ (2/3)log2(2/3))=0.9183将H(S T)和H (S F)代入条件熵公式,有:H(S|x1)=(|S T|/|S|)H(S T)+ (|S F|/|S|)H(S F)=(3/6)﹡0.9183 + (3/6)﹡0.9183=0.9183下面再计算S关于属性x2的条件熵:在本题中,当x2=T时,有:S T={1,2,5,6}当x2=F时,有:S F={3,4}其中,S T和S F中的数字均为例子集S中的各个例子的序号,且有|S|=6,| S T |=4,| S F |=2。
- 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)。
主讲:欧阳丹彤
1
7/21/2013
归结方法 优点:实现简单(仅使用一条推理规则) 完备 缺点:低效(不使用领域知识) 转换成子句形式过程中失去了控制信息 基于规则的演绎系统 优点:易于理解(推理过程与人的推理过程相近) 高效(尽量使用与领域有关的知识) 缺点:不完备
7/21/2013
7
7/21/2013
二、正向演绎系统的规则
F规则的形式:L→W 是正常Skolem化后恢复成蕴涵式,且要求: L是单文字; W是AND/OR形公式; 出现在蕴涵式中的所有变量假定是对整个蕴涵式全称定量的; 不同规则使用的变量名互不相同; 规则与事实AND/OR图中的变量名也不相同。 Note:正向演绎系统的规则的前提必须是单文字,看起来似乎限制 很强。但是,很多逻辑公式可以转换成满足这种限制的规则. 例如,形式为(L1∨L2)→W的蕴涵式等价于两条规则 L1→W和L2→W。
5
7/21/2013
事实表达式的AND/OR图表示
节点:表示事实AND/OR形式的子表达式 如 果 子 表 达 式 E1,…,Ek 的 父 亲 节 点 是 (E1∨…∨Ek ),则用k-连接符把这些子节点与 父节点连接起来; 如 果 子 表 达 式 E1,…,Ek 的 父 亲 节 点 是 (E1∧…∧Ek),则用1-连接符分别把这些子节 点与父节点连接起来。
21
7/21/2013
Note:只有对具有相容匹配替换的解图才考虑它 对应的子句集是合理的.
例.事实:P(x)∨Q(x) 规则:P(A)→R(A) Q(B)→R(B) (R(A)∨R(B))不是该AND/OR图的一个子句表示。
R(A) R(B)
P(A) {A/x} P(x)
Q(B) {B/x} Q(x)
14
7/21/2013
新增加的叶节点与原图的叶节点构成两个新的解 图,与这两个解图对应的子句是: S(A)∨X(B)∨Q(A,A)和S(A)∨X(B)∨R(B,B)
S(A) X(B)
P(A,B) {A/x,B/y} P(x,y)
Q(x,A)
R(B,y)
Q(x,A) ∧R(B,y)
P(x,y)∨[Q(x,A) ∧R(B,y)]
2
基于规则的演绎系统
描述领域知识的逻辑语句分为两类: 描述该领域的一般性规律-----转换成产生式规则 描述该领域的具体情况或状态----转换成产生式系统的状态描述 工作过程 选可用的产生式规则用于状态描述、产生新的状态描述,当产生的状 态描述满足终止条件时,推导任务完成。 工作方式 正向系统:以事实作为初始状态描述,以结论为终止条件的演绎系统 反向系统:以结论作为初始状态描述,以事实为终止条件的演绎系统
13
结论:对AND/OR图应用一条规则的过程,以十分简 便高效的方式达到了使用归结方法经过多次归结才能 达到的目的。 当对一个节点应用规则后,这个节点已经不再是叶节 点了,但它仍然用单文字标记。 把单文字标记的节点叫文字节点,并且规定对文字节 点可以继续使用规则。 这样应用规则后的AND/OR图既能表示原来的事实公 式又能表示推理结果。 终止于文字节点的解图对应于AND/OR图所表示的子 句。 7/21/2013
20
7/21/2013
例:问如下{σ1,σ2}是否相容? 若相容,给出合一复合替换。设 (1){σ1,σ2}={{A/x},{B/x}} (2){σ1,σ2}={{x/y},{y/z}} (3) {σ1,σ2}={{f(z)/x},{f(A)/x}} (4) {σ1,σ2}={{g(y)/x},{f(x)/y}}
6
7/21/2013
表示逻辑公式的AND/OR图的性质: 该公式对应的所有子句可以从终止在叶节点的解图集合中 读出---- AND/OR图是子句形式的一种紧凑表示方式 例.Q(w,A)∧ ((~R(v)∧~P(v))∨~S(A,v))对应的所有子句 Q(w,A) ~S(A,v)∨~R(v) ~S(A,v)∨~P(v) 都可从解图读出来。 Note:其一般性要比子句形式稍差一点。 原因: 在子句形式中,不同子句之间变量允许任意改名; 在AND/OR图表示中,改名有时会受到限制----仅允许最 外层合取项间经改名无公共变量。
P(x) ∨Q(x)
22
图7.7 一个具有不相容替换的AND/OR图
7/21/2013
例. 事实~DOG(FIDO)∨(BARKS(FIDO)∧BITES(FIDO)) 规则:R1: ~DOG(x)→~TERRIER(x) R2: BARKS(y)→NOISY(y) 目标: ~TERRIER(z)∨NOISY(z)
8
7/21/2013
例
对于公式 x((y zP(x,y,z)) uQ(x,u)) 可以通过如下步骤实现其转换: (1)暂时删除蕴涵符号: x(~y zP(x,y,z)) ∨ uQ(x,u)) (2)把否定符移到原子前: x(y z~P(x,y,z)) ∨ uQ(x,u))
24
7/21/2013
10
7/21/2013
例. 已知:事实:((P∨Q)∧R)∨(S∧(T∨U))
带有文字S的子句是:P∨Q∨S和R∨S 规则:S→(X∧Y)∨Z 子句形式是:~S∨X∨Z和~S∨Y∨Z
P
Q
T
U
(P∨Q)
R
S
(T∨U)
(P∨Q)∧R
S∧(T∨U)
((P∨Q)∧R)∨(S∧(T∨U))
11
图7.2 一个没有变量的AND/OR图
16
7/21/2013
目标节点 基情形:当目标公式中的一个文字与AND/OR图中的一个文字n相匹配 时,我们把匹配的目标文字作为节点n的后继加到AND/OR图上,这个 节点称作目标节点。 含变量情形:当目标公式中的一个文字与AND/OR图中的一个文字n可 合一时,我们把匹配的目标文字作为节点n的后继加到AND/OR图上, 其间以匹配弧相接,用最一般合一标记,这个节点称作目标节点。 产生式系统成功终止条件 基情形:当AND/OR图包含一个终止在目标节点的解图时,产生式系统 成功地终止。 含变量情形:对AND/OR图不断地应用规则,当AND/OR图包含一个终 止于目标节点的相容解图时,系统成功地终止。把合一复合用于相容解 图,就得到从事实到目标的证明。
19
7/21/2013
四、 正向演绎系统的相容解图
定义(替换的相容性集合、合一复合替换) 设有替换集合{σ1 ,σ2 ,……,σn},每一σi 具有如下形式: σi = {ti1/vi1 ,……,tim(i)/vim(i)}
其中ti1,……,tim(i) 是项,vi1,……,vim(i)是变量; 我们用这些替换构造两个表达式U1和U2如下: U1 ={v11,……,v1m(1),……,vn1,……,vnm(n) } U2 ={t11,……,t1m(1),……,tn1,……,tnm(n))} 如果U1 和U2是可合一的,则替换集合{σ1 ,σ2 ,……,σn}称作是相容 的,否则称作是不相容的, U1 和U2的最一般合一替换也叫做{σ1 ,σ2 ,……,σn}的合一复合替换。
3
7/21/2013
7.1 正向演绎系统
一、初始状态描述 先把描述事实的逻辑公式转换成不含蕴涵符号的 AND/OR形式,再用AND/OR图表示。
事实表达式的AND/OR形转换 与化Skolem范式过程类似 不同:不要求母式是合取范式 要求:不同的主合取项里变量使用不同的名字。
7/21/2013
把该替换用于解图的叶节 点,得到:
~TERRIER(FIDO)∨NOISY(FIDO)
BARKS(FIDO)∧ BITES(FIDO)
~DOG(FIDO)∨(BARKS(FIDO)∧ BITES(FIDO))
23
图7.8 “Terrier”问题的AND/OR图
7/21/2013
正向演绎系统不完备
原因 目标形式单一 改名不彻底,导致AND/OR图的一般性比子 句差,有些推理问题通过使用子句的归结演绎 能推出来,但用正向演绎系统推不出来。
7/21/2013
17
例 事实:A∨B 规则:A→C∧D B→E∧G 目标: C∨G
目标节点
C
G 规则
C
D
E
G
A→C∧D B→E∧G
A
B
A
B 事实 (A∨B)
18
图7.4 满足终止条件的AND/OR图 7/21/2013
Note:对于A∨B,因为不知道A是真的还是B是 真的,必须分情况加以证明,先假定A是真的 去证明目标,再假定B是真的去证明目标。只 有当这两个证明都成功时,才能算做是证明了 目标。因此在图7.4中,节点(A∨B)的两个 后继用2-连接符号(A∨B)连接,这就是为什 么在AND/OR图中要使用k-连接符连接析取节 点与其后继的理由。
(3)化前束范式:xy z u(~P(x,y,z))∨ Q(x,u))
(4)Skolem化:用f(x,y)代z,得 ~P(x,y,f(x,y)) ∨ Q(x,u) (5)恢复成蕴涵形式: P(x,y,f(x,y))→Q(x,u)
7/21/2013
9
F规则的使用 规则L→W中的L同AND/OR图叶节点n匹配( 合一下)成功时,称为使用该规则的一次推理。 应用规则的结果:把表示W的AND/OR图通过 L连到AND/OR图的节点n上,n和它的后继节 点L以1-连接符(称为匹配弧,用 标记)连接。
目标节点
~TERRIER(z)
NOISY(z) {FIDO/z} NOISY(FIDO)
相容解图, 合一复合替换:
{FIDO/x,FIDO/y,FIDO/z},