【正文】 023年該學(xué)報的影響因子已達(dá)到 ，是整個計算機(jī)領(lǐng)域影響因子最高的期刊之一 。n 輸出層 基于隱含層的輸出，完成最終的分類：n (0, 0)和 (1, 1)為一類，輸出為 0n (0, 1)和 (1, 0)為一類，輸出為 150 不確定性推理n 精確推理的局限性n 不確定性推理的定義及意義n 不確定性推理中的基本問題n 不確定性推理的分類n 關(guān)于不確定性推理方法的說明51? 推理n 依據(jù)已知事實（證據(jù)）、相關(guān)知識（規(guī)則）n 證明某個假設(shè)成立 or 不成立? 精確推理及其不足n 將原本為不確定性的關(guān)系 “ 硬性 ” 轉(zhuǎn)化為精確關(guān)系n 將原本不存在明確界限的事物 “ 人為 ” 劃定界限n 歪曲了現(xiàn)實情況的本來面目n 舍棄了事物的某些重要屬性n 失去了真實性n …… 精確推理的局限性52 不確定性推理的定義及意義1. 定義n 也稱 “不精確性推理 ”n 從不確定性的初始證據(jù)（即已知事實）出發(fā)n 運(yùn)用不確定性的知識（或規(guī)則）n 推出具有一定程度的不確定性但卻是合理或近乎合理的結(jié)論2. 意義n 使計算機(jī)對人類思維的模擬更接近于人類的真實思維過程53 不確定性推理中的基本問題n 不確定性的表示與度量n 不確定性匹配n 不確定性的傳遞算法n 不確定性的合成54 不確定性推理方法的分類1. 不確定性推理的兩條研究路線n 模型方法n 在推理一級上擴(kuò)展確定性推理n 不確定證據(jù)和知識與某種度量標(biāo)準(zhǔn)對應(yīng)n 給出更新結(jié)論不確定性的算法n 構(gòu)成相應(yīng)的不確定性推理模型n 控制方法n 在控制策略一級上處理不確定性n 無統(tǒng)一的不確定性處理模型，其效果依賴于控制策略552. 不確定性推理方法的分類不確定性推理模型方法控制方法數(shù)值方法非數(shù)值方法概率統(tǒng)計方法模糊推理方法粗糙集方法絕對概率方法貝葉斯方法證據(jù)理論方法HMM方法發(fā)生率計算相關(guān)性制導(dǎo)回溯、機(jī)緣控制、啟發(fā)式搜索等可信度方法56 關(guān)于不確定性推理方法的說明n 數(shù)值方法n 對不確定性的一種定量表示和處理方法n 其研究及應(yīng)用較多，已形成多種應(yīng)用模型n 非數(shù)值方法n 除數(shù)值方法外的其它處理不確定性的模型方法n 典型代表： “發(fā)生率計算方法 ”，它采用集合來描述和處理不確定性，且滿足概率推理的性質(zhì)57關(guān)于不確定性推理方法的說明（續(xù) 1）n 概率統(tǒng)計方法n 有完整、嚴(yán)密的數(shù)學(xué)理論n 為不確定性的合成與傳遞提供了現(xiàn)成的數(shù)學(xué)公式n 最早、最廣泛地用于不確定性知識的表示與處理n 已成為不確定性推理的重要手段n 證據(jù)理論方法n 1967年 Dempster首次提出， 1976年 Shafer完善n 可表示并處理 “不知道 ”等不確定性信息58關(guān)于不確定性推理方法的說明（續(xù) 2）n 模糊推理方法n 可表示并處理由模糊性引起的不確定性n 已廣泛應(yīng)用于不確定性推理n 粗糙集理論方法n 1981年 Z. Pawlak首次提出n 一種新的可表示并處理 “含糊 ”等不確定性的數(shù)學(xué)方法n 可用于不確定性推理、數(shù)據(jù)挖掘等領(lǐng)域59 機(jī)器學(xué)習(xí)n 機(jī)器學(xué)習(xí)的定義n 機(jī)器學(xué)習(xí)的地位和作用n 機(jī)器學(xué)習(xí)的發(fā)展歷程n 機(jī)器學(xué)習(xí)中的五個挑戰(zhàn)性問題n 機(jī)器學(xué)習(xí)中的主要理論問題n 機(jī)器學(xué)習(xí)的發(fā)展趨勢60 機(jī)器學(xué)習(xí)的定義n 何謂 機(jī)器學(xué)習(xí) （ Machine Learning） ？n Tom M. Mitchell認(rèn)為：機(jī)器學(xué)習(xí)是 計算機(jī)利用經(jīng)驗改善系統(tǒng)自身性能的行為 。 46BP網(wǎng)的基本結(jié)構(gòu)n BP網(wǎng)的三個層次n 輸入層n 隱含層n 輸出層n 特點：相鄰層神經(jīng)元間全互連，通層神經(jīng)元無連接47BP網(wǎng)的基本思路n 正向傳播過程 ： 當(dāng)給 BP網(wǎng)提供一個輸入模式時，該模式由輸入層傳到隱含層，經(jīng)隱含層神經(jīng)元作用函數(shù)處理后傳送到輸出層，再經(jīng)由輸出層神經(jīng)元作用函數(shù)處理后產(chǎn)生一個輸出模式。 41ANN的組成示意圖42 ANN的數(shù)學(xué)描述n 令來自其它處理單元（神經(jīng)元） i的信息為 xi，它們與本處理單元的互相作用強(qiáng)度為 wi， i = 0,1,…， n1，處理單元的內(nèi)部閾值為 θ。n 對某些突觸的刺激促使神經(jīng)元 觸發(fā) (fire)。29? 廣義的知識表示語言n 任何程序設(shè)計語言n 例如： C, C++, Java, XML, etc.? 狹義的人工智能語言n 把知識和智能傳授給計算機(jī)的表示語言n 專門用于編程求解 AI問題n 典型代表： LISP語言、 PROLOG語言n …… 知識表示語言301. LISP語言概況n 提出 ： 1960年，美國 AI之父 McCarthy首次給出n 含義 ： LISP是 LISt Processer（表處理器）之意n 目的 ：為處理 AI中的符號編程問題而設(shè)計n 理論基礎(chǔ) ：符號集上的遞歸函數(shù)論n 地位 ： AI歷史上第一個，且使用范圍最廣泛的符號處理語言，為 AI的發(fā)展做出重大貢獻(xiàn)【說明】 : 詳細(xì)語法可參見陸汝鈐的《人工智能》（下冊）312. PROLOG語言概況n 提出 ： 1973年，馬賽大學(xué)的 Colmerauer首次給出n 含義 ：是 PROgramming in LOGic之意n 目的 ：專門用于處理 AI中的邏輯推理問題n 理論基礎(chǔ) ：一階謂詞演算的歸結(jié) (Resolution)原理n 作用 ：給一階謂詞演算中的說明性命題以過程性解釋【說明】 : 詳細(xì)語法可參見陸汝鈐的《人工智能》（下冊）321. 概述? 定義n 專家系統(tǒng) （ Expert Systems,ES） 是一種以知識為基礎(chǔ)、能對某一專門領(lǐng)域的問題提供 “ 專家級 ” 解答的計算機(jī)程序。 （ 2） 角色 ：描述事件中可能出現(xiàn)的人物。 1. 概念依賴?yán)碚? 【 難點 】在人類的各種知識中， 常識性知識 是數(shù)量最多、涉及面最寬、關(guān)系最復(fù)雜的知識，很難把它們形式化地表示出來交給計算機(jī)處理。此外，目前采用的表示量詞（包括全稱量詞和存在量詞）的語義網(wǎng)絡(luò)表示法在邏輯上是不充分的，不能保證不存在二義性。 c） 自然性 ：直觀地把事物的屬性及其語義聯(lián)系表示出來，便于理解，自然語言與語義網(wǎng)絡(luò)的轉(zhuǎn)換比較容易實現(xiàn)，故 語義網(wǎng)絡(luò)表示法在自然語言理解系統(tǒng)中的應(yīng)用最為廣泛 。它在形式上是一個帶標(biāo)識的 有向圖 。 框架理論的基本思想 ：認(rèn)為人們對現(xiàn)實世界中各種事物的認(rèn)識都是以一種類似于框架的結(jié)構(gòu)存儲在記憶中的，當(dāng)面臨一個新事物時，就從記憶中找出一個合適的框架，并根據(jù)實際情況對其細(xì)節(jié)加以修改、補(bǔ)充，從而形成對當(dāng)前事物的認(rèn)識。 （ 2）具有經(jīng)驗性及不確定性的知識，而且相關(guān)領(lǐng)域中對這些知識沒有嚴(yán)格、統(tǒng)一的理論。此外，在求解復(fù)雜問題時 容易引起組合爆炸 。 c）有效性 ：能表示確定性知識、不確定性知識、啟發(fā)性知識、過程性知識等。 ”n 對應(yīng)的謂詞公式： ??x[愛 (x) ? ? ?y 緣故 (x, y)] ? ??t[恨 (t) ? ? ?s 緣故 (t, s)]114. 一階謂詞表示法的優(yōu)、缺點(1) 優(yōu)點n 自然性n 接近自然語言，容易接受n 精確性n 用于表示精確知識n 嚴(yán)密性n 有嚴(yán)格的形式定義和推理規(guī)則n 易實現(xiàn)性n 易于轉(zhuǎn)換為計算機(jī)內(nèi)部形式12一階謂詞表示法的優(yōu)、缺點（續(xù)）(2) 缺點n 無法表示不確定性知識n 所能表示的知識范圍太狹窄n 難以表示啟發(fā)性知識及元知識n 未能充分利用與問題本身特性有關(guān)的知識n 組合爆炸n 經(jīng)常出現(xiàn)事實、規(guī)則等的組合爆炸n 效率低n 推理與知識的語義完全割裂13 產(chǎn)生式表示法n 1943年 E. Post第一次提出n 稱為 “Post機(jī) ”的計算模型n 一種描述形式語言的語法n AI中應(yīng)用最多的知識表示方法之一n Feigenbaum研制的化學(xué)分子結(jié)構(gòu)專家系統(tǒng)DENDRALn Shortliffe研制的的診斷感染性疾病的專家系統(tǒng)MYCINn ……14P ? Q CF = [0, 1]或 IF P THEN Q CF = [0, 1]其中， P是產(chǎn)生式的 前提 ， Q是一組 結(jié)論 或 操作 ，CF(Certainty Factor)為 確定性因子 ，也稱 置信度 。n 舉例n CITY(X), ~HUMAN(X), INROOM(ROBOT, R1), etc.n HUMAN(X) ? LAWED(X)，表示：人人都受法律管制n {[HUMAN(X) ? LAWED(X)] ?