人工智能與專(zhuān)家系統(tǒng)(ppt92頁(yè))-wenkub.com
2025-02-18 15:19 本頁(yè)面
【正文】 返回 序號(hào) 群體 適應(yīng)值 選擇概率（％） 選中次數(shù) 1 01101 169 1 2 11000 576 2 3 01000 64 0 4 10011 361 1 計(jì)算個(gè)體被選擇次數(shù)的期望值 e(xi)：計(jì)算式為： e(x1)： 4＝ ，向下取整得 0 e(x2)： 4＝ ，向下取整得 1 e(x3)： 4＝ ，向下取整得 0 e(x4)： 4＝ ， 向下取整得 1 所以， 共得到 2個(gè)染色體。它能根據(jù)已知的事實(shí)，利用知識(shí)庫(kù)中的知識(shí)，按照一定的推理方法和控制策略進(jìn)行推理，直到得出相應(yīng)的結(jié)論為止 ? 主要研究問(wèn)題： ? 推理方法：精確 /非精確 ? 控制策略：推理方向 /規(guī)則搜索策略 返回 知識(shí)獲取 ? 知識(shí)獲取是建設(shè)專(zhuān)家系統(tǒng)的關(guān)鍵。 The End. 什么是專(zhuān)家？ ? 與領(lǐng)域相關(guān) ? 有豐富知識(shí)：對(duì)該領(lǐng)域的事物精通，有豐富的知識(shí)或者說(shuō)有獨(dú)到的見(jiàn)解 ? 能進(jìn)行判斷：對(duì)該領(lǐng)域的復(fù)雜問(wèn)題能進(jìn)行獨(dú)到明確的判斷 返回 ? 1936年生于美國(guó)新澤西州 ? 1952年進(jìn)入卡耐基梅隆大學(xué)電氣工程系學(xué)習(xí)，師從西蒙，獲博士學(xué)位 ? 1965在斯坦福大學(xué)發(fā)明世界上第一個(gè)專(zhuān)家系統(tǒng) DENDRAL ? 1977年在 IJCAI上在世界上第一次提出知識(shí)工程的概念。企業(yè)的最佳客戶(hù)群，即可以從客戶(hù)處獲取最大利潤(rùn)的特征應(yīng)該由客戶(hù)的收入水平、客戶(hù)的家庭人口、客戶(hù)的年齡所構(gòu)成。 ? 對(duì)比 1,2， 3代的結(jié)果，可以看出， 每一代的平均值及最大值都比前一代有了很大提高 ，說(shuō)明種群正朝優(yōu)化的方向前進(jìn) 0200400600800100012000 1 2 3最大值平均值最大適應(yīng)值、平均適應(yīng)值進(jìn)化曲線 遺傳算法的應(yīng)用 ? 遺傳算法是多學(xué)科結(jié)合與滲透的產(chǎn)物。如00000表示 x＝ 0， 10101表示 x＝ 21， 11111表示 x＝ 31等 ? 適應(yīng)函數(shù)： 直接使用函數(shù) f(x)作為適應(yīng)函數(shù)。 Nxpxe ii )()( ?? ?)( ixe? ???Ni ixe1)( ? ?)()(ii xex ? ? ???? Ni ixeN1)(染色體的選擇 染色體交叉 ? 交叉發(fā)生在兩個(gè)染色體之間，由兩個(gè)被稱(chēng)之為雙親的父代染色體，經(jīng)雜交以后，產(chǎn)生兩個(gè)具有雙親的部分基因的新的染色體。因此， 若一個(gè)個(gè)體的期望值小于零，則該個(gè)體不參與選擇 。 遺傳算法（ Geic Algorithm, GA） ? 遺傳算法模擬自然界中的生命進(jìn)化機(jī)制， 是具有“生存＋檢測(cè)”的迭代過(guò)程的搜索算法 ? 遺傳算法尤其適用于傳統(tǒng)方法難以實(shí)現(xiàn)的 最優(yōu)化問(wèn)題求解 ? 實(shí)踐證明，遺傳算法已經(jīng)在求解旅行商問(wèn)題、背包問(wèn)題、裝箱問(wèn)題、布局優(yōu)化、網(wǎng)絡(luò)路由等具有 NP難度的組合優(yōu)化問(wèn)題上取得了成功的應(yīng)用。 專(zhuān)家系統(tǒng)的局限及適用范圍 四、遺傳算法的決策支持 遺傳算法起源 ? 遺傳算法是由美國(guó)的 J. Holland教授于 1975年在他的專(zhuān)著 《 自然界和人工系統(tǒng)的適應(yīng)性 》 中首先提出的，它是一類(lèi) 借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法 。 ?專(zhuān)家系統(tǒng)不能由第一原理推理 ,不能抓住相似 ,缺乏普通的感知 , 所以專(zhuān)家系統(tǒng)不是一個(gè)通用的專(zhuān)家 ,不是一個(gè)問(wèn)題求解器 。 推理過(guò)程：搜索每條規(guī)則的前提條件是否在事實(shí)庫(kù)中 步驟 搜索規(guī)則 是否激發(fā)該規(guī)則 原因 事實(shí)庫(kù)狀態(tài) 1 第 1條規(guī)則 否 A不在事實(shí)庫(kù) B， C， E 2 第 2條規(guī)則 否 D不在事實(shí)庫(kù) B， C， E 3 第 3條規(guī)則 是 E在事實(shí)庫(kù) B， C， E， D 4 第 1條規(guī)則 否 A不在事實(shí)庫(kù) B， C， E， D 5 第 2條規(guī)則 是 C和 D在事實(shí)庫(kù) B， C， E， A 6 第 1條規(guī)則 是 A在事實(shí)庫(kù) B， C， E， A， G 逆向推理 ? 逆向推理用得較多，主要是目標(biāo)明確，推理快。前提條件中各子項(xiàng)，若在事實(shí)庫(kù)中不是全部存在，放棄該條規(guī)則；若在事實(shí)庫(kù)中全部存在，則執(zhí)行該條規(guī)則，把結(jié)論放入事實(shí)庫(kù)中。 因此 ， 用它來(lái)建立人類(lèi)認(rèn)知模型 。 海灣戰(zhàn)爭(zhēng)中的專(zhuān)家系統(tǒng) 專(zhuān)家系統(tǒng)的主要構(gòu)成 ? “系統(tǒng) ”？ ? 體系結(jié)構(gòu)？ 知識(shí)庫(kù) 結(jié)果解釋器 知識(shí)推理機(jī) 知識(shí)獲取器 人機(jī)接口 用戶(hù) 知識(shí)工程師 領(lǐng)域?qū)＜? 專(zhuān)家系統(tǒng)的核心部件 ? 規(guī)則是什么？ ? IF （條件） THEN （結(jié)論） ? 例子： ? IF （動(dòng)物有毛發(fā)） THEN （動(dòng)物是哺乳動(dòng)物） ? IF （動(dòng)物有奶） THEN （動(dòng)物是哺乳動(dòng)物） ? IF （動(dòng)物有羽毛） THEN （動(dòng)物是鳥(niǎo)） ? IF （動(dòng)物會(huì)飛）并且 （動(dòng)物會(huì)產(chǎn)蛋） THEN （動(dòng)物是鳥(niǎo)） 產(chǎn)生式規(guī)則表示法 ? 美國(guó)數(shù)學(xué)家 Post， 1943年提出了一種計(jì)算形式體系里所使用的術(shù)語(yǔ) 。該程序幫助為新計(jì)算機(jī)系統(tǒng)配置訂單；到 1986年為止，估計(jì)它為公司每年節(jié)省了 4千萬(wàn)美元。 (2) 專(zhuān)家系統(tǒng)解決實(shí)際問(wèn)題時(shí) 不受周?chē)h(huán)境的影響 ，也 不可能遺漏忘記 。 ? 學(xué)科代表人物 ? 愛(ài)德華 ? 知識(shí)和元知識(shí)能否用統(tǒng)一的形式表示 知識(shí)和元知識(shí)是屬于不同層次的知識(shí)，使用統(tǒng)一的表示方法可以使知識(shí)處理簡(jiǎn)單。 ? 是否適于計(jì)算機(jī)處理 計(jì)算機(jī)只能處理離散的、量化的 byte字節(jié)流。 ? 如：張三與李四打網(wǎng)球（ Zhang and Li play tennis），可寫(xiě)為：play (Zhang, Li, tennis) 這里謂詞是 play，動(dòng)詞主體是 Zhang和 Li，而客體是 tennis。 知識(shí)的表示方法 ? 直接表示 ? 計(jì)算機(jī)對(duì)直接表示的信息難以處理。 人工智能的應(yīng)用－人臉識(shí)別 她是誰(shuí) ? 人工智能的應(yīng)用－機(jī)器翻譯 ? 翻譯句子“ The spirit is willing but the flesh is weak ” ? 翻譯工具 ? 谷歌在線翻譯 ? 愛(ài)詞霸英語(yǔ)翻譯 ? …… 如何實(shí)現(xiàn)智能？ ? 專(zhuān)家系統(tǒng) ? 神經(jīng)網(wǎng)絡(luò) ? 機(jī)器學(xué)習(xí) ? 遺傳算法 ? 自然語(yǔ)言理解 ? …… 等 . 二、人工智能的基本原理 知識(shí)的分類(lèi) ? 事實(shí) ? 對(duì)客觀事物屬性的值或狀態(tài)的描述 ? 如：今天很熱、我今年 50歲、大海是藍(lán)色的等 ? 規(guī)則
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1