【正文】 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 機器學(xué)習(xí)n 機器學(xué)習(xí)的定義n 機器學(xué)習(xí)的地位和作用n 機器學(xué)習(xí)的發(fā)展歷程n 機器學(xué)習(xí)中的五個挑戰(zhàn)性問題n 機器學(xué)習(xí)中的主要理論問題n 機器學(xué)習(xí)的發(fā)展趨勢60 機器學(xué)習(xí)的定義n 何謂 機器學(xué)習(xí) （ Machine Learning） ？n Tom M. Mitchell認(rèn)為：機器學(xué)習(xí)是 計算機利用經(jīng)驗改善系統(tǒng)自身性能的行為 。n 對于一組訓(xùn)練模式，可逐個用訓(xùn)練模式作為輸入，反復(fù)進(jìn)行誤差檢測和反向傳播過程，直到不出現(xiàn)誤差為止。 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。)稱為 激發(fā)函數(shù) （ 作用函數(shù) ）n 常用的激發(fā)函數(shù)閾值型 分段線性飽和型 S型函數(shù)44 典型的 ANNn 常見的 ANNn 感知器 (Perceptron) n 反向傳播 (BP)網(wǎng) n 自適應(yīng)共振 (ART) n 雙向聯(lián)想存儲器 (BAM) n BSB模型，也稱盒中腦模型n CPN(Counter Propagation Network)，也稱對流網(wǎng)n Hopfield網(wǎng) n MadaLine n 認(rèn)知機 (Neocognitron) n ……45 BP網(wǎng)簡介n 反向傳播 (backpropagation, BP)算法 ： 是一種計算單個權(quán)值變化引起網(wǎng)絡(luò)性能變化值的較為簡單的方法。 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度為 wi， i = 0,1,…， n1，處理單元的內(nèi)部閾值為 θ。 n ……40 人工神經(jīng)網(wǎng)絡(luò)（ ANN）的組成n 人工神經(jīng)網(wǎng)絡(luò) （ Artificial Neural Nets, ANN）：一種由模擬神經(jīng)元組成的，以處理單元 PE (processing element)為節(jié)點，用加權(quán)有向弧 (鏈 )相互連接而成的有向圖。n 對某些突觸的刺激促使神經(jīng)元 觸發(fā) (fire)。系統(tǒng)維護(hù)，特別是知識維護(hù)就體現(xiàn)在這種循環(huán)中。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 ” 解答的計算機程序。 （ 4） 場景 ：描述事件序列，可以有多個場景。 （ 2） 角色 ：描述事件中可能出現(xiàn)的人物。 28 2. 劇本（腳本）的構(gòu)成 劇本 ：描述特定范圍內(nèi)原型事件的結(jié)構(gòu)。 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處理。27 劇本（腳本）表示法 劇本表示法是 1975年 . Schank依據(jù)他的 概念依賴?yán)碚摱岢龅囊环N知識表示方法。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。一個給定的語義網(wǎng)絡(luò)所表達(dá)的含義完全依賴于處理程序如何對它進(jìn)行解釋。 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 。242. 語義網(wǎng)絡(luò)舉例 與歌曲《軍港之夜》中的歌詞 “ 海浪把戰(zhàn)艦輕輕地?fù)u ” 對應(yīng)的語義網(wǎng)絡(luò)：全域行為事物 方式海浪 戰(zhàn)艦 搖動 輕輕某港海浪 某港戰(zhàn)艦子集 子集子集子集 子集 個體 個體子集個體 動作對象動作方式動作主體 25 3. 語義網(wǎng)絡(luò)表示法的優(yōu)、缺點 （ 1）語義網(wǎng)絡(luò)表示法的優(yōu)點 a） 結(jié)構(gòu)性 ：因為語義網(wǎng)絡(luò)是一種結(jié)構(gòu)化的知識表示方法，它能把事物的屬性以及事物間的各種語義聯(lián)想顯式地表示出來。它在形式上是一個帶標(biāo)識的 有向圖 。23 語義網(wǎng)絡(luò)表示法 1. 語義網(wǎng)絡(luò)的提出及基本思想 1968年 ，把它作為 人類聯(lián)想記憶的一個顯式心理學(xué)模型 ，并在他設(shè)計的可教式語言理解器 TLC (Teachable Language Comprehenden)中用作知識表示方法。 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、補充，從而形成對當(dāng)前事物的認(rèn)識。 （ 3）領(lǐng)域問題的求解過程可被表示為一系列相對獨立的操作，而且每個操作可被表示為一條或多條產(chǎn)生式規(guī)則。 （ 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。173. 產(chǎn)生式系統(tǒng)的適用領(lǐng)域 （ 1）由許多相對獨立的知識元組成的領(lǐng)域知識，彼此之間關(guān)系不密切，不存在結(jié)構(gòu)關(guān)系。此外，在求解復(fù)雜問題時 容易引起組合爆炸 。16（ 2）產(chǎn)生式系統(tǒng)的缺點 a）效率不高 產(chǎn)生式系統(tǒng)求解問題的過程是一個反復(fù)進(jìn)行 “ 匹配 —沖突消解 — 執(zhí)行 ” 的過程。 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。1. 產(chǎn)生式的基本形式15 2. 產(chǎn)生式系統(tǒng)的優(yōu)、缺點 (1) 產(chǎn)生式系統(tǒng)的優(yōu)點 a）自然性 ：由于產(chǎn)生式系統(tǒng)采用了人類常用的表達(dá)因果關(guān)系 的知識表示形式，既直觀、自然，又便于進(jìn)行推理。 ”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 ”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