知識閾值理論
進化理論
※對上述三者總結
智慧型的具體特徵
人工智慧的研究目標
※例子深藍（97年超級電腦）
考試曾考過：圖靈的夢想和深藍哪個難實現
知識的特性
不確定性
模糊性不完全性
經驗性
可表示性與可利用性
知識的分類
按作用及表示
按確定性
按結構及表現形式
經典邏輯表示法
※謂詞邏輯（最精確、最早）
和函式的區別
謂詞公式
謂詞公式的解釋
推理規則
t規則cp規則
反證法邏輯推理
基於謂詞邏輯的知識表示
一階謂詞邏輯表示法的特點 缺點
產生式表示法（應用最多）
規則的表示
產生式與謂詞邏輯蘊含式的區別
產生式系統
綜合資料庫
控制系統
產生式系統求解問題的一般步驟
產生式系統的分類
按確定性劃分
產生式表示法的特點 缺點
不能表達具有結構性的知識
確定性、不確定性推理
單調推理、非單調推理
啟發式、非啟發式推理
基於知識的推理（專家系統） 、統計推理、直覺推理（常識性推理）
推理的控制策略
逆向推理
混合推理
雙向推理
搜尋策略
衝突消解策略
求解策略
限制策略
知識匹配
不確定性匹配
變數代換
※代換的復合
ui/yi 當yi∈
tiλ表示對ti運用λ進行代換
θ°λ就是對乙個公式f先運用θ進行代換，然後再運用λ進行代換：f（ θ°λ ）=（f θ）λ
必會：代換的例子
※公式集的合一
差異集求取最一般合一的演算法
必會：求取最一般合一的例子
基本的推理規則
子句集的意義
海伯論理論
魯賓遜歸結原理
命題邏輯中的歸結原理
謂詞邏輯中的歸結原理
※歸結反演
必會：歸結反演的例子
歸結策略
刪除策略
重言式刪除法
包孕刪除法
限制策略
線性輸入策略
祖先過濾策略
單文字子句策略
※應用歸結原理求解問題
不確定性分類
證據的不確定性
不確定性匹配演算法
組合證據不確定性的計算方法
概率法有界法
其中，t(e)表示證據e為真的程度（動態強度），如可信度、概率等, 通常取值在0，1之間
不確定性的傳遞演算法
結論不確定性的合成
不確定性推理方法的分類
非數值法
控制法p(h)是結論h的先驗概率，由專家根據經驗給出
ls稱為充分性度量，用於指出e對h的支援程度，取值範圍為[0,∞)，ls=p(e|h)/p(e|¬h)
ln稱為必要性度量，用於指出¬ e對h的支援程度，取值範圍為[0,∞)，
ln=p(¬e|h)/p(¬e|¬h)=(1-p(e|h))/(1-p(e|¬h))
ls和ln的值由領域專家給出，代表知識的靜態強度
證據的不確定性表示
c(e/s)<0
組合證據不確定
不確定性的傳遞演算法
ls和ln的性質
結論不確定性的合成演算法
主觀bayes方法的特點 缺點
c-f模型中知識的不確定性
證據不確定性的表示
不確定性的傳遞演算法
結論不確定性的合成演算法 同負
一正一負
帶閾值限度的可信度模型
結論不確定性的合成演算法
加權求和法
有限和法
遞推法
加權的可信度模型
組合證據的不確定性
不確定性的傳遞演算法
加權因子的引入不僅可以區分不同證據的重要性，同時還可以解決證據不全時的推理問題
前件帶不確定性的可信度模型
不確定性匹配演算法
不確定性的傳遞演算法
基於可信度的不確定性推理方法的特點 缺點
模糊集的運算 交
並 補模糊關係
模糊關係的合成
模糊邏輯
模糊匹配
相似度
復合條件的模糊匹配
取極小
(3) 檢查總匹配度是否滿足閾值條件，如果滿足就可以匹配，否則為不可匹配
模糊推理的基本模式
簡單模糊推理
合成推理規則
如果已知證據是y is b』 且b與b』可以模糊匹配
構造模糊關係r的方法※ ra
各種模糊關係的效能分析
more or less a
not a
模糊三段論推理
多維模糊推理
扎德方法
ppt例子要會
多重模糊推理
rgg效果最好
帶有可信度因子的模糊推理
結論可信度計算
組合證據的可信度
可信度結論的可信度： cf=δmatch(e,e』)×cf0×cf』1
結論不確定性的合成
則可用如下方法得到它們的合成結論和可信度因子：b』=b』1∩b』2 cf=cf1+cf2-cf1×cf2
啟發式搜尋
狀態空間表示法
按某種搜尋策略對open表中的節點進行排序；
轉第2步。
盲目搜尋 缺點
深度優先搜尋
有界深度優先搜尋
代價樹的廣度優先搜尋
啟發式搜尋
區域性擇優搜尋
全域性擇優搜尋
a*演算法
a*演算法的最優性
h(x)的單調性
機器學習中解決的基本問題
分類問題
訓練資料和測試資料選取
適用型別
id3演算法
構造過程是從「哪乙個屬性將在樹的根節點被
測試」這個問題開始
id3演算法的核心問題
資訊增益※
過度擬合問題 壞處
實際表現
解決方法
後修剪法
決策樹的結點劃分
實踐中決策樹學習不要追求訓練樣本的完美劃分，不要絕對追求葉結點的純淨度
測試集方法
閾值方法
資訊增益度量的問題
樸素貝葉斯分類器採用最簡單的假設 評價
人工智慧複習資料
1 搜尋與求解 2 學習與發現 3 知識與推理 4 發明與創造 5 感知與響應 6 理解與交流 7 記憶與聯想 8 競爭與協作 9 系統與建造 10 應用與工程 機器學習方法的三大類 監督學習 無監督學習 強化學習 不確定性推理原理 不確定性可以理解為在缺少足夠資訊的情況下做出判斷，是智慧型問題的本...
人工智慧期末複習（一）
1.人工智慧之父 圖靈 2.人工智慧定義。人工智慧的定義可以分為兩個部分，即 人工 和 智慧型 人工 比較好理解，即人力所能及創造，是非自然的。例子 人工湖，人工河 運河 人工纖維，人造衛星，人工肢腿 假肢假腿 人工腦，人工心臟，人工魚 基因魚 轉殖羊 轉殖牛，各種轉基因食品 智慧型 相對問題就複雜...
人工智慧筆記（一）
假設有輸入資料x x 1，x2 xn 輸出資料y，通過線性方程來擬合輸入資料x和輸出資料y之間的關係。線性方程為 h x w 0 w1 x1 w 2x2.w nxn 現在我們有m組輸入資料x和對應的實際輸出資料y，這時候矩陣表示 y 1y2y 3.ym 11.1x 11x2 1xm1 x12.x1 ...