人工智能Artificial Intelligence；简称AI.ppt资料.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 教学要求—信息类本科专业 教材安排： 第一章??????? 绪论——基本定义，发展历史 第二章??????? 知识表示：产生式 第三章??????? 确定性推理（逻辑基础，推理策略，自然演绎推理，归结推理，与或） 第四章??????? 不确定性推理(确定性理论、概率、可能性理论、模糊) 第五章????? ?? 有哪些信誉好的足球投注网站策略 第六章???????? 机器学习 第七章???????? 神经网络 第八章???????? 遗传算法 第九章???????? Agent 技术 第十章???????? 数据挖掘 第十一章 专家系统 第十二章 决策支持系统（初阶，高阶） 第十三章 机器感知 第十四章 模式识别：统计，结构 第十五章 机器人规划：任务规划与运动规划 第十六章???? 自然语言理解：词法分析，句法分析，语义分析，语料库语言学，计算语言学 第十七章?????开发工具（Lisp ,Prolog,Windows 下的可视化编程） 第十八章???? 智能系统集成 第十九章???? 智能产品 * 教学要求—信息类本科专业 基本学时 36 + ？ 主要知识点 1 产生式系统 2 知识表示 3推理技术 4 有哪些信誉好的足球投注网站策略 5 机器人规划 6知识获取与机器学习 7专家系统 8模式识别 9神经网络 10数据挖掘 11自然语言理解 12 Agent 技术 13机器视觉 14决策支持系统 15模糊控制 16计算智能 17 遗传算法 18智能产品 19开发工具 20智能系统集成 * * * * * * * 美国沃尔玛大型超市，经过计算机对商场以往销售记录数据的分析、归纳、整理、运算后发现这样一则规律，周末在超市中购买尿布的多为青年男性，他们往往在购买尿布之后还要顺手买上一听啤酒，于是超市便改变了以往婴儿用品区域与成人含酒精类商品区域“相隔千里”的布局，将二者相邻而置，结果两种商品的销量都立竿见影地大幅度上升。 这是机器学习（数据挖掘）运用于现实生活中的最为简单的一个事例，机器学习一词中的机器主要指的是电脑（电子计算机），意思是让电脑自己学习或让电脑像人一样具有学习能力。随着数据库技术的迅速发展以及因特网的广泛应用，个人或单位积累的数据资料（各类电子文档）会有一个爆炸性的增长。激增的数据背后隐藏着许多重要的信息知识。人们希望能够对这些大量的数据通过机器学习的手段进行分析、提炼，以挖掘发现有用的信息知识。目前数据库系统可以高效地实现数据的录入、查询、统计等功能，但很难发现数据间存在的关联，很难根据现有的数据预测未来的发展趋势。缺乏挖掘数据背后隐藏的知识的手段，出现了“数据爆炸但知识贫乏”的现象。 人工智能自1956年诞生之后取得了重大进展，先后经历了博弈时期、自然语言理解、知识工程等阶段，目前的研究热点是机器学习。机器学习是人工智能的最重要的分支之一，被公认是人工智能发展的瓶颈。机器学习的研究在人工智能的发现（尤其是专家系统的发展）中起着举足轻重的作用。对机器学习的研究促进了人工智能在理论方法和实际应用上的迅速发展。　 学习是人类获取智慧的根本途径。学习和解决问题是人类最重要的两个智能行为。机器学习是让计算机模拟和实现人类的学习的过程，目的是获取知识。机器学习也是让计算机获取智能的最主要的手段。机器学习具有快速、可复制、自主性差、机械、学习方法单一等特点。由于机器不存在人类所具有的生理因素的限制，因此，机器可以“不知疲倦”地学习，而且，在对一些数理化的知识的学习上，机器也比人的速度要快得多。而且，由于计算机程序易于复制，因此，计算机的学习是不会终止的，其所具有的知识也可以一直保留下来。但是，计算机的学习方法单一，只能根据有限的学习方法进行机械学习，本身不能创造方法，尤其是不具有人类学习所特有的“灵感思维”，这也是机器学习在目前来说尚不可克服的缺陷。 机器学习是用计算机模拟人类学习的一门科学，目前比较成熟的算法有归纳学习算法、神经网络、遗传算法等。用数据库管理系统来存储数据，用机器学习的方法来分析数据，挖掘大量数据背后的知识，这两者的结合促成了机器学习的一个新分支：数据库中的知识发现的产生。（KDD：Knowledge　Discovery　in　Database） 数据挖掘是从大量的数据中抽取出潜在的、不显为人知的有用信息、模式和趋势。数据挖掘的目的：提高市场决策能力；检测异常模式；在过去的经验基础上预言未来趋势等。