logo资料库

人工智能自我总结.doc

第1页 / 共34页
第2页 / 共34页
第3页 / 共34页
第4页 / 共34页
第5页 / 共34页
第6页 / 共34页
第7页 / 共34页
第8页 / 共34页
资料共34页,剩余部分请下载后查看
第二章 基于规则的专家系统 2.1 知识 关于对象在理论和实践方面的理解,是目前所知知识的总结 2.2 规则 2.3 结构 2.4 基本特征
2.5 推理技术 向前链接:是收集信息然后利用信息进行推理的技术 Rule1:Y&D------>Z Rule2:X&B&E------>Y Rule3:A------>X Rule4:C------>L Rule5:L&M------>N
向后链接:目标的驱动推理 2.6 参与者
2.7 冲突的解决方案 (1)达到目标就停止规则 (2)优先级 (3)最长匹配规则 (4)最近录入数据库规则 2.8 优缺点 优点:(1)自然的知识表达方法 (2)统一的结构 (3)知识与其处理能力相分离 (4)可以处理不完整或者不确定的知识 缺点:(1)规则间的关系不透明 (2)搜索策略效率低 (3)不能自学习
第三章 基于规则的专家系统的不确定管理 3.1 不确定 不确定性:就是缺乏可以使我们的出完全可靠结论的精确知识 来源:脆弱的暗示、不精确的语言、数据的缺失、综合不同专家 的意见 3.2 贝叶斯规则 使用贝叶斯方法,必须满足证据有条件的独立,可靠的数据统计, 每个假设的先验概率。用于矿产勘探的专家系统 PROSPECTOR 是第 一个成功运用证据的贝叶斯规则 3.3 确定因子:贝叶斯方法最常见的代替方法 3.4 比较 概率论是处理不精确知识和随机数据的最早和最好的技术 贝叶斯主要用于天气预报和计划 确定因子用在诊断领域 共同:要求找能够量化的主观的和定性的信息的专家
第四章 模糊专家系统 4.1 概述 4.2 模糊集
4.3 语言描述 4.5 推理 (1)步骤:a、输入变量模糊化 b、评估规则 c、聚合规则的输出 d、 规则的输出及逆模糊化 (2)两种技术
Mamdani:用模糊规则获取专家知识,但计算量很大 Sugeno:改善了计算效率,优化及自适应技术协同作用,在动态非线 性系统中适用
分享到:
收藏