由知識庫和推理機制組成.
兩大操作:tell(告訴), ask(詢問). 都可能涉及推理, 即從原有語句推導出新語句.
語法給出了合法語句的規範, "x+y=4"合法, "x4y+="不合法.
語義定義了每個語句在每個可能世界的真值, "x+y=4"在x=2, y=2的世界裡為真.
模型是可能世界的數學抽象. 語句α在模型m裡為真, 稱m滿足α, m為α的乙個模型. m(α)表示滿足α的所有模型.
蘊含關係: α|=β, 當且僅當m(α)⊆m(β). (α是比β更強的斷言, 因為排除了更多可能性)
原子語句由單個命題詞組成.
復合句由簡單語句用括號和邏輯連線詞構造而成.
文字指的是原子語句或其否定式
可以用ri表示語句, eg:r1: ¬p1,1, 知識庫則可以表示為:r1∧r2…∧rn.
通過列舉檢測是否可以從kb得出α(看α是否在每個kb為真的模型裡為真). 指數級的複雜度.
搜尋證明可以忽略與目標結論無關的命題, 減少時間開銷.
單調性: 如果kb |= α, 那麼kb∧β |= α. 即只要在kb裡發現了合適的前提, 那麼得到的結論與其餘kb裡的內容無關.
歸結規則: 化簡子句(即文字的析取式), 即在兩個子句的合取裡, 將互補的文字刪去.
其中li, mj為互補文字.
歸併: 由於子句裡每個文字只能出現一次, 所以需要去除文字的多餘副本.
合取正規化: 以子句的合取式表達的語句.
限定子句: 只含乙個正文本的析取式.
目標子句: 沒有正文本的析取式.
horn子句: 至多乙個正文本的析取式.
前向鏈結
agenda記錄了已知為真但未被處理的符號, 從agenda中彈出乙個符號, 若它沒有被處理過: 標記為已處理, 把以它為前提的蘊含式的計數減1, 減到0的話就把結論加入agenda; 若已處理, 就只是彈出, 不作其他處理(避免冗餘和死迴圈).
反向鏈結
從查詢開始推理, 找那些以q為結論的蘊含式. 若其中某個蘊含式的前提證明為真(通過反向鏈結), 則q真.
找出可滿足的模型
及早終止
純符號啟發式
單元子句啟發式
一些技巧
成分分析: 類似於csp中尋找連通子圖, 可通過賦值讓子句集互不相交.
變數和值排序: 度啟發式, 選擇出現最頻繁的變數進行賦值.
智慧型回溯: 記錄衝突集, 直接回到導致衝突的結點.
隨機重新開始: 陷入困境時就從搜尋樹頂端重新開始, 並隨機做出不同的選擇. 上一輪保留的子句可以用來剪枝.
每次翻轉乙個符號的值, 該符合一定機率隨機選出, 一定機率根據最少未滿足子句的啟發式選出.
流, 表示世界的變化, 相當於狀態變數.
用效應公理來規範下一時間步行動的結果 eg:
增加畫面問題, 因為效應公理未能陳述行動的後果未改變哪些狀態 eg:
對於每個流f, 計算ft+1: ft+1為真, 要麼是t時刻的行動使f在t+1時刻為真, 要麼ft為真且t時刻的行動未能使它變假.
後繼狀態公理:
隨著時間流逝, ask的計算代價越來越大, 因為推理需要不斷的回退, 涉及的符號也越來越多. 所以可以將感知的歷史和所有結果用信念狀態表示, 維護與更新信念狀態的過程叫做狀態評估, 每一更新步驟要求使用根據後繼狀態公理構建的轉移模型.
若用所有符號的合取來表示, 仍需要log2(22^n) = 2n位來表示.
一種簡化: 即1-cnf公式, 將信念狀態表示成文字的合取, 但可能會丟失一些資訊.
步驟上限t ≤ tmax.
Andrew Ng ML 第七章 邏輯回歸
所以學習了一下極大似然估計原理 邏輯回歸代價函式對 j求偏導，得到手寫的部分。手動求解偏導函式如下 卡住了，還是不太會求，怎麼求啊！怎麼可能是這個結果？2019 1 18更 求導過程 簡直太厲害了，學習了。其中藍色的式子是線性回歸，紅色的是邏輯回歸。多分類問題，比如給郵件加上標籤 對不同的檔案進行分...
python第七章 python教程（第七章）
字典和集合 字典是python中唯一，乙個對映型別 如何建立乙個字典，如下 dict dict 滲透 網路安全 怎麼理解字典呢？現實生活中的字典可以通過首字母進行查詢要查詢的漢子，python也可以這樣理解，通過 前的元素查詢到冒號後的元素。為什麼說字典是唯一乙個對映型別呢?看圖。對映型別區別與序列...
第七章 函式
1.ansi c 允許函式原型的使用，函式宣告提供給編譯器和之後的呼叫函式返回值型別，引數型別和數量的資訊，而k c用單獨的列表給出引數的型別，編譯器只記住函式的返回值型別，但不儲存函式的引數數量和型別 2.沒有return語句的函式，隱式的返回 3.函式的原型可以單獨放於乙個標頭檔案中，一定要具有...