高级人工智能AdvancedArtificialIntelligence.ppt

《高级人工智能AdvancedArtificialIntelligence.ppt》由会员分享，可在线阅读，更多相关《高级人工智能AdvancedArtificialIntelligence.ppt（72页珍藏版）》请在三一办公上搜索。

1、2023/6/25,史忠植 高级人工智能,1,高级人工智能Advanced Artificial Intelligence,复习重点 史忠植 http:/,2023/6/25,史忠植 高级人工智能,2,第一章 绪论,2023/6/25,史忠植 高级人工智能,3,人工智能的五个基本问题,(1)知识与概念化是否是人工智能的核心？(2)认知能力能否与载体分开来研究？(3)认知的轨迹是否可用类自然语言来描述？(4)学习能力能否与认知分开来研究？(5)所有的认知是否有一种统一的结构？,2023/6/25,史忠植 高级人工智能,4,智能,符号智能是以知识为基础，通过推理进行问题求解。也即所谓的传统人工智能

2、。计算智能是以数据为基础，通过训练建立联系，进行问题求解。人工神经网络、遗传算法、模糊系统、进化程序设计、人工生命等都可以包括在计算智能。,2023/6/25,史忠植 高级人工智能,5,机器学习,2023/6/25,史忠植 高级人工智能,6,第二章 人工智能逻辑,2023/6/25,史忠植 高级人工智能,7,默认规则,一个默认规则是如下形式的规则：,(x):称为前提条件i(x):称为缺省条件，或检验条件(x):称为结论为简便，通常情况下可以省略检验条件中的M。规则的使用：如果规则的前提条件满足，且现有的知识导不出检验条件的否定i(x)，则可以得出结论成立。,2023/6/25,史忠植 高级人工

3、智能,8,非单调逻辑,推理系统的定理集合并不随着推理过程的进行而单调地增大，新推出地定理很可能会否定、改变原来地一些定理，使得原来能够解释地某些现象变得不能解释了。新规则：(4)P(不动点),2023/6/25,史忠植 高级人工智能,9,第三章 约束推理,2023/6/25,史忠植 高级人工智能,10,3.3 约束传播CONSTRAINT PROPAGATION,弧一致性Arc consistency,2023/6/25,史忠植 高级人工智能,11,弧一致性,Arc consistency 如果对vi 的当前域中的所有值x，存在vj的当前域中的某值y使得 vi=x和vj=y是vi与vj之间的约

4、束所允许的，则弧(vi,vj)是弧一致的。弧一致性的概念是有向的。即(vi,vj)是弧一致的并不自动地意味着(vj,vi)是一致的。,2023/6/25,史忠植 高级人工智能,12,约束传播修改算法,REVISE(Vi,Vj)1 DELETE false;2 for each x Di do 3 if there is no such yj Dj4such that(x,yj)is consistent,5 then 6 delete x from Di;7 DELETE true;8 endif 9 endfor 10 return DELETE;11 end REVISE,2023/6/2

5、5,史忠植 高级人工智能,13,AC-1,1 Q;2 repeat 3 CHANGE false;4 for each(Vi,Vj)Q do5 CHANGE REVISE(Vi,Vj)CHANGE;6 endfor;7 until not(CHANGE);8 end AC-1,2023/6/25,史忠植 高级人工智能,14,第四章 贝叶斯网络,2023/6/25,史忠植 高级人工智能,15,条件概率,条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。若事件A与B中的任一个出现，并不影响另一事件出现的概

6、率，即当P(A)P(AB)或P(B)P(BA)时，则称A与B是相互独立的事件。,2023/6/25,史忠植 高级人工智能,16,贝叶斯规则,基于条件概率的定义p(Ai|E)是在给定证据下的后验概率p(Ai)是先验概率P(E|Ai)是在给定Ai下的证据似然p(E)是证据的预定义后验概率,A1,A2,A3,A4,A5,A6,E,2023/6/25,史忠植 高级人工智能,17,第五章 基于范例推理,2023/6/25,史忠植 高级人工智能,18,基于范例学习的一般过程,2023/6/25,史忠植 高级人工智能,19,基于范例学习的一般过程,2023/6/25,史忠植 高级人工智能,20,相似性计算,

7、绝对值距离(Manhattan):其中 Vik 和 Vjk 分别表示范例i和范例j的第k个属性值。,2023/6/25,史忠植 高级人工智能,21,相似性计算,2.欧氏距离(Euclidean),2023/6/25,史忠植 高级人工智能,22,相似性计算,3.麦考斯基距离,2023/6/25,史忠植 高级人工智能,23,第六章 归纳学习,2023/6/25,史忠植 高级人工智能,24,变型空间,变型空间方法的初始 G集是最上面的一个点（最一般的概念），初始 S集是最下面的直线上的点（训练正例），初始 H集是整个规则空间。在搜索过程中，G 集逐步下移（进行特化），S 集逐步上移（进行泛化），H

8、逐步缩小。最后 H收敛为只含一个要求的概念。,2023/6/25,史忠植 高级人工智能,25,ID3 算法,(1)选择给定训练实例的随机子集（称为窗口）。(2)重复(a)形成一条规则解释当前窗口。(b)从其余实例中寻找该规则的例外。(c)由当前窗口和规则例外生成新的窗口。直到该规则没有例外为止。,2023/6/25,史忠植 高级人工智能,26,C4.5 Extensions,C4.5 is an extensions of ID3 accounts forDepth-first strategy is usedUnavailable valuesEx:only given Outlook to

9、 be SunnyContinuous attribute value rangesEx:humidity is greater than 75Pruning of decision treesRule derivation,2023/6/25,史忠植 高级人工智能,27,第七章 类比学习,2023/6/25,史忠植 高级人工智能,28,7.4 转换类比,2023/6/25,史忠植 高级人工智能,29,T-空间的差别测度Dr（差异函数）Dr的值是四维向量：新旧问题初态的差别新旧问题终态的差别新旧问题路径限制的差别新旧问题方法可应用度的差别。,2023/6/25,史忠植 高级人工智能,30,7.

10、4.4 转换类比学习系统,输 入,比较器,知识库操作表解法库,操作模块,解法栈,检验模块,输 出,转换类比学习系统框图,2023/6/25,史忠植 高级人工智能,31,第八章 解释学习,2023/6/25,史忠植 高级人工智能,32,8.2 解释学习模型,概念描述空间,概念空间,例子空间,D1不可操作的,可操作D2,C1,I1,I2,I3,解释学习的空间描述,2023/6/25,史忠植 高级人工智能,33,8.3 解释泛化学习方法,解释泛化学习问题：已知：目标概念训练例领域理论可操作性标准欲求：训练实例的泛化，使之满足以下条件是目标概念的充分概念描述满足可操作性标准,2023/6/25,史忠植

11、 高级人工智能,34,EBL方法,解释利用领域理论知识解释为什么训练例满足目标概念的定义泛化确定解释成立的最通用的条件,2023/6/25,史忠植 高级人工智能,35,第九章 知识发现和数据挖掘,2023/6/25,史忠植 高级人工智能,36,数据库知识发现,目前,关系型数据库技术成熟、应用广泛。因此,数据库知识发现(Knowledge Discovery in Databases KDD)的研究非常活跃。该术语于1989年出现，Fayyad定义为“KDD是从数据集中识别出有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程”,2023/6/25,史忠植 高级人工智能,37,2023/

12、6/25,史忠植 高级人工智能,38,知识发现的任务(1),数据总结：对数据进行总结与概括。传统的最简单的数据总结方法是计算出数据库的各个字段上的求和值、平均值、方差值等统计值,或者用直方图、饼状图等图形方式表示。分类：根据分类模型对数据集合分类。分类属于有导师学习，一般需要有一个训练样本数据集作为输入。聚类：根据数据的不同特征，将其划分为不同的类。无导师学习,2023/6/25,史忠植 高级人工智能,39,知识发现的任务(2),相关性分析：发现特征之间或数据之间的相互依赖关系关联规则 偏差分析：基本思想是寻找观察结果与参照量之间的有意义的差别。通过发现异常,可以引起人们对特殊情况的加倍注意。

13、建模：构造描述一种活动或状态的数学模型,2023/6/25,史忠植 高级人工智能,40,关联规则的相关概念(2),支持度 物品集A的支持度：称物品集A具有大小为s的支持度,如果D中有s%的事务支持物品集X P(A)1000个顾客购物，其中200个顾客购买了面包，支持度就是20（200/1000）。关联规则AB的支持度：关联规则AB在事务数据库W中具有大小为s的支持度,如果物品集AB的支持度为s 100个顾客购买了面包和黄油，则面包黄油 10,2023/6/25,史忠植 高级人工智能,41,关联规则的相关概念(3),可信度 设W中支持物品集A的事务中，有c的事务同时也支持物品集B，c称为关联规则

14、AB的可信度。P(B|A)1000个顾客购物，200个顾客购买了面包，其中140个买了黄油，则可信度是70（140/200）。,2023/6/25,史忠植 高级人工智能,42,关联规则的相关概念(4),最小支持度minsup 用户规定的关联规则必须满足的最小支持度。最小可信度minconf 用户规定的关联规则必须满足的最小可信度。大项集(大项集、大物品集largeitemset)支持度不小于最小支持度minsup的物品集,2023/6/25,史忠植 高级人工智能,43,经典的Apriori算法,(1)L1=large 1-itemsets;(2)for(k=2;Lk-1不为空;k+)do be

15、gin(3)Ck=apriori-gen(Lk-1);/新候选物品集(4)For all transactions tD do begin(5)C=subset(Ck,t);/t中的候选物品集(6)For all candidates cC do(7)c.count+;(8)end;(9)Lk=cCk|c.count=minsup;(10)end;(11)Answer=L1L2,2023/6/25,史忠植 高级人工智能,44,Prune算法：从Ck中除去大小为k-1且不在Lk-1中的子集(1)For all itemsets cCk do(2)For all(k-1)-subsets s of

16、 c do(3)if(sLk-1)(4)then delete c from Ck,2023/6/25,史忠植 高级人工智能,45,apriori-gen(Lk-1)分成两步：join算法：从两个Lk-1物品集生成候选物品集Ckinsert into Ckselect p.item1,p.item2,.,p.item(k-1),q.item(k-1)from Lk-1 p,Lk-1 qwhere p.item1=q.item1,.,p.item(k-2)=q.item(k-2),p.item(k-1)q.item(k-1),2023/6/25,史忠植 高级人工智能,46,上近似、下近似和边界区

17、域,定义5:X的下近似：R*(X)=x:(xU)(xRX)X的上近似：R*(X)=x:(xU)(xRX)X的边界区域：BNR(X)=R*(X)R*(X)若BNR(X)，则集合X就是一个粗糙概念。下近似包含了所有使用知识R可确切分类到X的元素，上近似则包含了所有那些可能是属于X的元素。概念的边界区域由不能肯定分类到这个概念或其补集中的所有元素组成。POSR(X)=R*(X)称为集合X的R-正区域，NEGR(X)=UR*(X)称为集合X的R-反区域。,2023/6/25,史忠植 高级人工智能,47,第十章 分布式人工智能,2023/6/25,史忠植 高级人工智能,48,主体的定义,在计算机和人工智

18、能领域中，主体可以看作是一个实体，它通过传感器感知环境，通过效应器作用于环境。,2023/6/25,史忠植 高级人工智能,49,主体基本结构,环境,主体,感知,作用,黑箱软件主体,2023/6/25,史忠植 高级人工智能,50,BDI主体模型,BDI主体模型可以通过下列要素描述：一组关于世界的信念；主体当前打算达到的一组目标；一个规划库，描述怎样达到目标和怎样改变信念；一个意图结构，描述主体当前怎样达到它的目标和改变信念。,2023/6/25,史忠植 高级人工智能,51,BDI解释器,BDI-Interpreterinitialize-state();dooptions:=option-gen

19、erator(event-queue,B,G,I);selected-options:=deliberate(options,B,G,I);update-intentions(selected-options,I);execute(I);get-new-external-events();drop-successful-attitudes(B,G,I);drop-impossible-attitudes(B,G,I);until quit,2023/6/25,史忠植 高级人工智能,52,反应主体,环境,当前世界,传感器,动 作,效应器,条件-动作规则,主体,2023/6/25,史忠植 高级人工

20、智能,53,反应主体程序,function Reactive-Agent(percept)returns action static:rules,/*一组条件-动作规则*/state Interpret-Input(percept)rule Rule-Match(state,rules)action Rule-Actionrule return action,2023/6/25,史忠植 高级人工智能,54,认知主体,环境,信息融合,传感器,动 作,效应器,主体,规 划,知识库,目标,内部状态,2023/6/25,史忠植 高级人工智能,55,认知主体程序,function Cognitive-A

21、gent(percept)returns actionstatic:environment,/*描述当前世界环境*/kb,/*知识库*/environment Update-World-Model(environment,percept)state Update-Mental-State(environment,state)action Decision-Making(state,kb)environment Update-World-Model(environment,action)return action,2023/6/25,史忠植 高级人工智能,56,第十一章 进化计算,2023/6/

22、25,史忠植 高级人工智能,57,11.3 达尔文进化算法,建立原始种体。通过突变建立子孙。选择：返回到步骤(1)。,2023/6/25,史忠植 高级人工智能,58,基本遗传算法,基本遗传算法(Simple Genetic Algorithm:SGA)又称为简单遗传算法，只使用选择算子、交叉算子和变异算子这三种基本的遗传算子。其遗传操作简单、容易理解，是其它遗传算法的雏形和基础。基本遗传算法的构成要素：1、染色体编码方法：首先必须对问题的解空间进行编码，使之能用遗传算法进行操作。较常用的是二进制编码方法，现在使用非二进制编码的也逐渐增多。2、适应度函数（fitness function，又称为

23、适应值适值函数）用来评价一个染色体的好坏。,2023/6/25,史忠植 高级人工智能,59,基本遗传算法的构成要素,3、遗传算子 选择算子(selection)：又称为复制算子。按照某种策略从父代中挑选个体进入下一代，如使用比例选择、轮盘式选择。交叉算子(crossover)：又称为杂交算子。将从群体中选择的两个个体，按照某种策略使两个个体相互交换部分染色体，从而形成两个新的个体。如使用单点一致交叉。变异算子(mutation)：按照一定的概率（一般较小），改变染色体中某些基因的值。,2023/6/25,史忠植 高级人工智能,60,杂交操作举例,1,0,2,2,0,2,0,1,No Offsp

24、ring,Pt.of interchangeCrossover,Parents,Offspring,1110#0#,1#0111#,0001#11#,010#1000,#00#11,0#01#10#,#100100,100#0111,6,17,1,1110#11#,0001#0#,0001#11#,#00#11,#00#11,0#01#10#,000#0111,1#01#10#,2023/6/25,史忠植 高级人工智能,61,变异操作,简单的变异操作过程如下:每个位置的字符变量都有一个变异概率,各位置互相独立。通过随机过程选择发生变异的位置：产生一个新结构,其中 是从对应位置 的字符变量的值域

25、中随机选择的一个取值。可以同样得到。,2023/6/25,史忠植 高级人工智能,62,反转操作,简单反转操作的步骤如下:从当前群体中随机选择一个结构从中随机选择两个数i和j,并定义 i=mini,j,j=maxi,j;颠倒a中位置i、j之间的部分,产生新的结构,2023/6/25,史忠植 高级人工智能,63,第十二章 人工生命,2023/6/25,史忠植 高级人工智能,64,人工生命,人工生命是指用计算机和精密机械等生成或构造表现自然生命系统行为特点的仿真系统或模型系统。自然生命系统的行为特点表现为自组织、自修复、自复制的基本性质，以及形成这些性质的混沌动力学、环境适应和进化。在现实世界中，普

26、遍地存在着各类复杂系统，一般认为，非线性、不稳定性、不确定性是造成复杂性的根源。复杂事物只能照它复杂的面貌来理解。,2023/6/25,史忠植 高级人工智能,65,记V为细胞状态集，V中有一元素v0为静止状态，定义f是 V*V*VV的函数,且满足 f(v0,v0,v0)=v0，则(V,v0,f)称为是m个邻居的细胞自动机，f 称为该细胞自动机的变换函数。,二维空间中的细胞自动机,2023/6/25,史忠植 高级人工智能,66,信号传播的过程,2 2 2 2 2 21 1 0 s 1 12 2 2 2 2 2,2 2 2 2 2 21 1 1 0 s 12 2 2 2 2 2,2023/6/25

27、,史忠植 高级人工智能,67,f(0,1,2,7,6)=1 f(7,0,0,0,2)=3 f(2,0,0,2,3)=7 f(1,0,2,3,2)=6f(0,1,2,3,2)=1 f(3,0,2,2,1)=0 f(7,0,2,1,2)=0 f(1,0,7,2,2)=3f(4,0,2,0,2)=2 f(2,0,0,2,4)=0 f(2,0,2,6,2)=4 f(2,0,0,1,4)=2f(4,0,2,6,2)=2 f(2,0,4,6,2)=4 f(1,2,4,2,6)=4 f(4,1,2,2,2)=0f(2,0,0,4,2)=0 f(2,0,2,4,2)=0 f(2,0,1,2,4)=2 f(6,

28、0,2,4,2)=4f(7,0,0,2,1)=0 f(0,1,2,7,2)=4,变换规则表,2023/6/25,史忠植 高级人工智能,68,形态形成理论,规则采用上下文无关，即在特定部分改变时不考虑上下文中的关系。例如一组规则：(1)A CB(2)B A(3)C DA(4)D C,2023/6/25,史忠植 高级人工智能,69,教材,史忠植：高级人工智能 科学出版社 1998,2023/6/25,史忠植 高级人工智能,70,参考书,史忠植：智能主体及其应用 科学出版社 2000 史忠植：知识发现 清华大学出版社 2002,2023/6/25,史忠植 高级人工智能,71,考查方式,课程设计 30%闭卷考试 70%,2023/6/25,史忠植 高级人工智能,72,谢 谢!,