人工智能建模方法.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 主要内容 1. 人工智能建模相关概念 2. 人工智能的两个流派 2.1 基于知识的人工智能系统 2.2 人工神经网络 3. 基于知识的人工智能建模 4. 人工神经网络建模 5. 人工智能建模发展趋势 6. 小结 1. 相关概念 人工智能：通过人造物来模拟人的智能的一种方法及其实现技术的一门学科。 人工智能建模：通过模拟人认识客观事物和解决实际问题的方法对实际系统或系统的某一部分进行描述和表达的过程。也可以简述为利用人工智能方法对实际系统或系统的某一部分进行描述和表达的过程。 2.1 基于知识的人工智能系统Artificial Intelligent System Based on Knowledge 一种从功能角度来模拟人类（特别是各领域专家）智能的方法，也称为专家系统、符号主义或逻辑主义。 专家之所以具有智能，能认识和解决某一领域内的实际问题，关键在于专家具备该领域内的各种知识（常识、书本知识和实际工作中积累的经验），并且能够运用这些知识进行适当的推理。 2.1 基于知识的人工智能系统 对人类理性认识过程（或逻辑思维过程）的一种模拟，建立在概念、判断和推理这些抽象语言符号的基础上。 关键问题1 ： 知识的表示 如何把专家知识转化为机器所能识别、存储和使用的形式 。 2.1 基于知识的人工智能系统 常用知识表示方法 谓词逻辑 适用场合——用于表达概念和判断等事实知识 。 举例——“鲸是哺乳动物”这一判断用谓词逻辑表示为：哺乳动物（鲸）； 产生式规则 适用场合——适于表达具有因果关系的逻辑推理知识 。 举例——“如果是合金钢，应该进行热处理”这一推理用产生式规则可以表示为：IF 合金钢 THEN 热处理； 框架表示 适用场合——表达多方面多层次结构知识 举例——桌子可以用框架表示为：{桌面，桌腿1、桌腿2、桌腿3、桌腿4、桌面与桌腿的连接}。 过程表示 适用场合——用于表示某一操作序列。 举例——做馒头用过程表示表示为：{和面、定型、蒸、起锅}。 2.1 基于知识的人工智能系统 关键问题 2： 推理方法 研究机器如何模拟人类进行知识选择并运用这些知识分析和解决实际问题。 常用推理方法： 由已知条件推出结论的正向推理 由结论出发，寻找应具备条件的反向推理 综合使用正向推理和反向推理的双向推理方法。 研究热点 ：知识表示和推理中的不确定性和模糊性问题。 不确定性是由于各种随机因素的影响而造成的对预测结果的不肯定程度，一般由概率来描述这种不肯定程度的大小。如，明天降水概率80%。 模糊性是由于语言表达时词语所对应的概念内涵和外延的不确定性决定的。如： “温度高”的表述。 2.1 基于知识的人工智能系统 优点： 1）表达能力强。可以表达难以用数学公式来描述的复杂、定性的经验知识。 2）灵活性。知识的存放和推理过程相互独立的，通过知识的修改和扩充，系统可以适应新的需求。 3）透明性。无论知识的表达还是推理过程都具有明确的含义，使得用户对系统机理可以具有明确的认识。 缺点： 1）知识获取的困难。要将专家并不明确的经验知识加以提取、整理、转换成各种知识表示，还要考虑知识之间的相容性，因此，知识的获取相当困难。 2）存在“组合爆炸”问题。对于复杂的任务，知识库将变的异常庞大，推理中对知识的有哪些信誉好的足球投注网站和运用分支将呈几何级数的增加。 3）精度不高，容错能力差。由于知识获取的困难和“组合爆炸”问题的存在，常导致知识的不完备，从而降低了系统的精度。同时，每一条知识的错误，都有可能导致整个推理的错误，因此系统容错能力差。 2.2 人工神经网络Artificial Neural Networks 一种从生理解剖角度，通过模仿人脑的生理结构来模拟人类智能的方法。 理论依据 ： 人的大脑由大量神经元细胞高度互连而成，每个神经元可以对从树突输入的信号进行融合和简单的加工，然后由轴突输出； 神经元细胞之间通过树突与轴突相互接触而形成的突触相连，神经元之间的连接方式和连接强度决定了大脑的功能，而神经元之间的连接方式和连接强度可以通过后天的学习而发生改变，神经元之间的连接方式和连接强度显示了人类对知识的记忆过程。 2.2 人工神经网络 人工神经网络模型 黑箱 2.2 人工神经网络 模拟了人的感性思维过程，即模拟了人的识别、分类、逼近、记忆、联想等智能活动。 关键问题1 ： 网络结构 确定网络中神经元的个数和神经元之间的连接方式 。 根据神经元网络中是否存在从输出到输入的反馈和同层神经元之间是否相互连接（也称横向连接）分为三类： 1、既无反馈也无横向连接的前向网络。前向