人工智能 综合文档.doc

《人工智能 综合文档.doc》由会员分享，可在线阅读，更多相关《人工智能 综合文档.doc（18页珍藏版）》请在沃文网上搜索。

1、1. 人工智能的定义人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等定义1 智能机器能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。定义2 人工智能(学科)人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于

2、研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。定义3 人工智能(能力)人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。为了让读者对人工智能的定义进行讨论，以便更深刻地理解人工智能，下面综述其它几种关于人工智能的定义。定义4 人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）。定义5 人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化（Bellman,1978）。定义6 人工智能是用计算模型研究智力行为（Charni

3、ak和McDermott,1985）。定义7 人工智能是研究那些使理解、推理和行为成为可能的计算（Winston,1992）。定义8 人工智能是一种能够执行需要人的智能的创造性机器的技术（Kurzwell,1990）。定义9 人工智能研究如何使计算机做事让人过得更好（Rick和Knight,1991）。定义10 人工智能是一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990）。定义11 人工智能是计算机科学中与智能行为的自动化有关的一个分支（Luger和Stubblefield,1993）。2. 人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？ 答：人工智能

4、的应用领域有：问题求解 、 逻辑推理与定理证明、自然语言理解、自动程序设计、专家系统、机器学习、神经网络、机器人学、模式识别、 机器人视觉、智能控制、智能检索、智能调度与指挥、分布式人工智能与 Agent 、计算智能与进化计算、数据挖掘与知识发现、人工生命 。其中新的研究热点为：分布式人工智能与 Agent 、计算智能与进化计算、数据挖掘与知识发现、人工生命。 3.状态空间法、问题归纳法、谓语动词法和语义网络法等知识表示方法的要点是什么？他们有何关系？状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。问题归纳法是从目标出发，逆向推理，通过一系列变换把初始问题变换为问

5、题集合和子问题集合，直至最后归纳为一个平凡的本原问题集合。状态空间法是问题归纳法的一种特例。谓语动词法采用谓语合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题，然后采用消解原理和消解反演来证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。语义网络法是一种结构化表示方法，它由节点和弧线或链线组成，节点表示物体、概念和状态，弧线表示节点间关系。在求解问题过程中，往往不是一种方法就能解决问题，而需要几种方法混合使用。现在人工智能有哪些学派？它们的任知观是什么？答：人工智能的学派及其认知观如下： （）符号主义 认为人工智能起源于数理逻辑； （）连接主义 认为人工智能起源于

6、仿生学，特别是对人脑模型的研究； （）行为主义 认为人工智能源于控制论。 4.什么是图搜索过程？A*算法？搜索算法是来自于人工智能理论中问题的状态空间表示法；按照这种表示法，不同的问题求解过程可以统一地转化为在问题状态空间中寻找一条从初始状态到目标状态的道路的过程。图搜索策略可看作一种在图中寻找路径的方法。初始节点和目标节点分别代表初始数据库和满足终止条件的数据库。求得把一个数据库变换为另一数据库的规则序列问题就等价于求得图中的一条路径问题A*（A-Star)算法是一种静态路网中求解最短路最有效的方法。公式表示为： f(n)=g(n)+h(n), 其中f(n) 是节点n从初始点到目标点的估价函

7、数，g(n) 是在状态空间中从初始节点到n节点的实际代价，h(n)是从n到目标节点最佳路径的估计代价。保证找到最短路径（最优解的）条件，关键在于估价函数h(n)的选取：估价值h(n)实际值, 搜索的点数少，搜索范围小，效率高，但不能保证得到最优解。估价值与实际值越接近，估价函数取得就越好。例如对于几何路网来说，可以取两节点间欧几理德距离（直线距离）做为估价值，即f=g(n)+sqrt(dx-nx)*(dx-nx)+(dy-ny)*(dy-ny)；这样估价函数f在g值一定的情况下，会或多或少的受估价值h的制约，节点距目标点近，h值小，f值相对就小，能保证最短路的搜索向终点的方向进行。明显优于Di

8、jstra算法的毫无无方向的向四周搜索。conditions of heuristicOptimistic (must be less than or equal to the real cost)As close to the real cost as possible主要搜索过程：创建两个表，OPEN表保存所有已生成而未考察的节点，CLOSED表中记录已访问过的节点。遍历当前节点的各个节点，将n节点放入CLOSE中，取n节点的子节点X,-算X的估价值-While(OPEN!=NULL)从OPEN表中取估价值f最小的节点n;if(n节点=目标节点) break;elseif(X in OPE

9、N) 比较两个X的估价值f /注意是同一个节点的两个不同路径的估价值if( X的估价值小于OPEN表的估价值 )更新OPEN表中的估价值; /取最小路径的估价值if(X in CLOSE) 比较两个X的估价值 /注意是同一个节点的两个不同路径的估价值if( X的估价值小于CLOSE表的估价值 )更新CLOSE表中的估价值; 把X节点放入OPEN /取最小路径的估价值if(X not in both)求X的估价值;并将X插入OPEN表中; /还没有排序将n节点插入CLOSE表中;按照估价值将OPEN表中的节点排序; /实际上是比较OPEN表内节点f的大小，从最小路径的节点向下进行。启发式搜索其实

10、有很多的算法，比如：局部择优搜索法、最好优先搜索法等等。当然A*也是。这些算法都使用了启发函数，但在具体的选取最佳搜索节点时的策略不同。象局部择优搜索法，就是在搜索的过程中选取“最佳节点”后舍弃其他的兄弟节点，父亲节点，而一直得搜索下去。这种搜索的结果很明显，由于舍弃了其他的节点，可能也把最好的节点都舍弃了，因为求解的最佳节点只是在该阶段的最佳并不一定是全局的最佳。最好优先就聪明多了，他在搜索时，便没有舍弃节点（除非该节点是死节点），在每一步的估价中都把当前的节点和以前的节点的估价值比较得到一个“最佳的节点”。这样可以有效的防止“最佳节点”的丢失。那么A*算法又是一种什么样的算法呢？其实A*算

11、法也是一种最好优先的算法。只不过要加上一些约束条件罢了。由于在一些问题求解时，我们希望能够求解出状态空间搜索的最短路径，也就是用最快的方法求解问题，A*就是干这种事情的！我们先下个定义，如果一个估价函数可以找出最短的路径，我们称之为可采纳性。A*算法是一个可采纳的最好优先算法。A*算法的估价函数可表示为：f(n) = g(n) + h(n) 这里，f(n)是估价函数，g(n)是起点到终点的最短路径值，h(n)是n到目标的最断路经的启发值。由于这个f(n)其实是无法预先知道的，所以我们用前面的估价函数f(n)做近似。g(n)代替g(n)，但 g(n)=g(n)才可（大多数情况下都是满足的，可以不

12、用考虑），h(n)代替h(n)，但h(n)=h(n)才可（这一点特别的重要）。可以证明应用这样的估价函数是可以找到最短路径的，也就是可采纳的。我们说应用这种估价函数的最好优先算法就是A*算法。哈。你懂了吗？肯定没懂。接着看。举一个例子，其实广度优先算法就是A*算法的特例。其中g(n)是节点所在的层数，h(n)=0，这种h(n)肯定小于h(n)，所以由前述可知广度优先算法是一种可采纳的。实际也是。当然它是一种最臭的A*算法。再说一个问题，就是有关h(n)启发函数的信息性。h(n)的信息性通俗点说其实就是在估计一个节点的值时的约束条件，如果信息越多或约束条件越多则排除的节点就越多，估价函数越好或说

13、这个算法越好。这就是为什么广度优先算法的那么臭的原因了，谁叫它的h(n)=0，一点启发信息都没有。但在游戏开发中由于实时性的问题，h(n)的信息越多，它的计算量就越大，耗费的时间就越多。就应该适当的减小h(n)的信息，即减小约束条件。但算法的准确性就差了，这里就有一个平衡的问题。5.求取子句集遵循哪些步骤？结合例题加以应用。（1） 消去蕴涵符号 只用v和符号，以AvB代替A=B（2） 减少否定符号的辖域AvB代替（AB）AB代替（AvB） A代替（A） （ x）A代替（ x）A（ x）A代替（ x）A（3） 对变量标准化 （ x）AP（x）（ x）Q（x）变成（ x）AP（x）（ y）Q（y）

14、（4） 消去存在量词 （ y）（ x）P（x，y）被（ y）P（g（y），y）代替，g（y）为Skolem函数。（5） 化为前束型（6） 把母式化为合取范式：把AvBC化为AvBAvC（7） 消去全称量词（8） 消去连词符号：用A，B代替（AB）（9） 更换变量名称：用x1，x2，x3等代替子句中的x 例：设已知： (1)凡是清洁的东西就有人喜欢； (2)人们都不喜欢苍蝇； 试证明：苍蝇是不清洁的解: 所以原命题成立例：设有如下关系：1)如果x是y的父亲，y又是z的父亲，则x是z的祖父。2)老李是大李的父亲3)大李是小李的父亲问：上述人员中谁和谁是祖孙关系?aaa1 设有下列语句，请用相应的谓

15、词公式把它们表示出来： （ 1 ）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 （ 2 ）他每天下午都去打篮球。 （ 3 ）西安市的夏天既干燥又炎热。 （ 4 ）并不是每一个人都喜欢吃臭豆腐。 （ 5 ）喜欢读三国演义的人必读水浒。 （ 6 ）欲穷千里目，更上一层楼。Aaa如何通过消解反演求取问题的答案？（1） 否定L，得到L；（2） 把L添加到S中去；（3） 把新产生的集合L，S化成子句集；（4） 应用消解原理，力图推导出一个表示矛盾的空子句。（手工加例子）什么叫产生式系统？它由哪些部分组成？它是如何进行推理？（正向、逆向）产生式系统用来描述若干个不同的以一个基本概念为基础的

16、系统。这个基本概念就是产生式规则或产生式条件和操作对的概念。在产生式系统中，论域的知识分为两部分：用事实表示静态知识，如事物、事件和他们之间的关系；用产生式规则表示推理过程和行为。在基于规则系统中，每个if可能与某断言(assertion)集中的一个或多个断言匹配，then部分用于规定放入工作内存的新断言。当then部分用于规定动作时，称这种基于规则的系统为反应式系统(reaction system)或产生式系统(production system)。它由三个部分构成：总数据库、产生式规则和控制策略。1.正向推理 从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否

17、成立。一般策略：先提供一批事实（数据）到总数据库中。系统利用这些事实与规则的前提相匹配，触发匹配成功的规则，把其结论作为新的事实添加到总数据库中。继续上述过程，用更新过的总数据库的所有事实再与规则库中另一条规则匹配，用其结论再次修改总数据库的内容，直到没有可匹配的新规则，不再有新的事实加到总数据库中。2.逆向推理 从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。 一般策略：首先假设一个可能的目标，然后由产生式系统试图证明此假设目标是否在总数据库中。若在总数据库中，则该假设目标成立；否则，若该假设为终叶（证据）节点，则询问用户。

18、若不是，则再假定另一个目标，即寻找结论部分包含该假设的那些规则，把它们的前提作为新的假设，并力图证明其成立。这样反复进行推理，直到所有目标均获证明或者所有路径都得到测试为止。3.双向推理 双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。已知下列事实：（1） 小李（Li）喜欢容易的（Easy）课程（Course）；（2） 小李不喜欢难的（Difficult）课程；（3） 工程类（Eng）课程都很难；（4） 管理类（Mag）课程都很容易；（5） 小吴（Wu）喜欢所有小李不喜欢的课程；（6） Mag200是管理类课程；（7） Eng300是

19、工程类课程。请用消解反演法回答下面问题： 小李喜欢什么课程？小吴喜欢Eng300课程吗？什么是不确定性推理？为什么需要采用不确定性推理？不确定性推理可分为哪几种类型？是一种建立在非经典逻辑基础上的基于不确定性知识的推理，他从不确定性的初始证据出发，通过应用不确定性知识，推出具有一定程度的不确定性的或近乎合理的结论。不确定性推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。不确定性推理可分为：可信度方法、证据理论（D-S理论）等。什么叫机器学习？机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这

20、里所说的“机器”，指的就是计算机。机器学习所采用的策略大体上可分为4种机械学习、通过传授学习、类比学习和通过事例学习。计算智能的涵义是什么？他涉及哪些分支？计算智能是一种智力方式的低层认知，它与人工智能的区别只是认知层次从中层下降至低层而已。中层系统含有知识（精品），低层系统则没有。当一个系统只涉及数值（低层）数据，含有模式识别部分，不应用人工智能意义上的知识，而且能够呈现出：（1）计算适应性；（2）计算容错性；（3）接近人的速度；（4）误差率与人相近，则该系统就是计算智能系统。计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等。遗传算法、免疫算法、模拟退火

21、算法、蚁群算法、微粒群算法都是一种仿生算法。研究领域：神经计算、模糊计算、粗糙集理论、进化计算、人工生命、群优化以及自然计算。试述计算智能（CI）、人工智能（AI）、生物智能（BI）的关系。计算智能是一种智力方式的低层认知，它与人工智能的区别只是认知层次从中层下降至低层而已。当一个智能计算系统以非数值方式加上知识（精品）值，即成为人工智能系统。BBiological， 表示物理的化学的（？）生物的CIAIBI人工神经网络有何特点？应用在什么领域?（反馈式神经网络结构）人工神经网络的特性:（1）并行分布处理 神经网络具有高度的并行结构和并行实现能力，因而能够有较好的耐故障能力和较快的总体处理能力

22、。（2）非线性映射 神经网络具有固有的非线性特性，这源于其近似任意非线性映射（变换）能力。（3）通过训练进行学习 神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。（4）适应与集成 神经网络能够适应在线运行，并能同时进行定量和定性操作。神经网络的强适应和信息熔合能力使得网络过程可以同时输入大量不同的控制信号，解决输入信息间的互补和冗余问题，并实现信息集成和熔合处理。（5）硬件实现 神经网络不仅能够通过软件而且可借助软件实现并行处理。近年来，一些超大规模集成电路实现硬件已经问世，而且可从市场上购到。在神经专家系统、模式识别、智能控制、组合优化、预

23、测等领域得到成功应用。简述生物神经元及人工神经网络的结构和主要学习方法。生物神经元模型（手工画）人工神经网络的结构分两类：递归网络：（手工画）前馈网络：（手工画）主要学习方法（）有师学习有师学习算法能够根据期望的和实际的网络输出（对应于给定输入）间的差来调整神经元间连接的强度或权。因此，有师学习需要有个老师或导师来提供期望或目标输出信号。有师学习算法的例子包括Delta规则、广义Delta规则或反向传播算法以及算法等。（）无师学习无师学习算法不需要知道期望输出。在训练过程中，只要向神经网络提供输入模式，神经网络就能够自动地适应连接权，以便按相似特征把输入模式分组聚集。无师学习算法的例子包括Ko

24、honen算法和Carpenter-Grossberg自适应谐振理论（)等。（）强化学习如前所述，强化（增强）学习是有师学习的特例。它不需要老师给出目标输出。强化学习算法采用一个“评论员”来评价与给定输入相对应的神经网络输出的优度（质量因数）。强化学习算法的一个例子是遗传算法（GA）。试述遗传算法的基本原理，并说明遗传算法的求解步骤。遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法，是对生物进化过程进行的一种数学仿真，是进化计算的一种最重要形式。遗传算法的特点遗传算法是一种基于空间搜索的算法，它通过自然选择、遗传、变异等操作以及达尔文适者生存的理论，模拟自然进化过程来

25、寻找所求问题的解答。遗传算法具有以下特点：(1) 遗传算法是对参数集合的编码而非针对参数本身进行进化；(2) 遗传算法是从问题解的编码组开始而非从单个解开始搜索；(3) 遗传算法利用目标函数的适应度这一信息而非利用导数或其它辅助信息来指导搜索；(4) 遗传算法利用选择、交叉、变异等算子而不是利用确定性规则进行随机操作。一般遗传算法的主要步骤如下：(1) 随机产生一个由确定长度的特征字符串组成的初始群体。(2)对该字符串群体迭代的执行下面的步(a)和(b)，直到满足停止标准：(a) 计算群体中每个个体字符串的适应值；(b) 应用复制、交叉和变异等遗传算子产生下一代群体。 (3)把在后代中出现的最

26、好的个体字符串指定为遗传算法的执行结果，这个结果可以表示问题的一个解。什么是人工生命？按自己理解下定义。人工生命（Artificial Life，AL）试图通过人工方法建造具有自然生命特征的人造系统。1987年兰德提出的人工生命定义为：“人工生命是研究能够演示出自然生命系统特征行为的人造系统”。通过计算机或其它机器对类似生命的行为进行综合研究，以便对传统生物科学起互补作用。地球上存在着由进化而来的碳链生命，而人工生命则在“生命之所能”（life-as-it-could-be）的广泛意象中把“生命之所识”（life-as-we-know-it）加以定位，为理论生物学的发展做出贡献。具有生命现象和

27、特征的人造系统称为人工生命系统。为什么要研究人工生命?意义;人工生命是自然生命的模拟、延伸与扩展，其研究开发有重大的科学意义和广泛的应用价值。（1）发基于人工生命的工程技术新方法、新系统、新产品。（2）为自然生命的研究提供新模型、新工具、新环境。人工生命的研究开发可以为自然生命的研究探索提供新模型、新工具、新环境。（3）延伸人类寿命、减缓衰老、防治疾病。（4）扩展自然生命，实现人工进化和优生优育。（5）促进生命科学、信息科学、系统科学的交叉与发展。专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统，能够利用人类专家的知识和解决问题的方法来处理该领域问题。简而言之，专家系统是

28、一种模拟人类专家解决领域问题的计算机程序系统。 专家系统特点如下： 启发性：专家系统能运用专家的知识与经验进行推理、判断和决策。 透明性：专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。 灵活性：专家系统能不断地增长知识，修改原有知识，不断更新。 专家系统的优点具体地说，包括下列八个方面： (1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 (2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 (3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。 (4) 专家系统能促进各领域的

29、发展。 (5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力。 （ 6 ）军事专家系统的水平是一个国家国防现代化的重要标志之一。 (7) 专家系统的研制和应用，具有巨大的经济效益和社会效益。 (8) 研究专家系统能够促进整个科学技术的发展。一般应用程序与专家系统有何区别？ 开发专家系统和开发其他软件的任务有何不同？ 前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解知识单独组成一个实体，即为知识库。知识库的处理是通过与知识库分开的控制策略进行的。更明确地说，一般应用程序把知识组织为两级：数据级和程序级；大多数专家系统则将知识组织成三级；数据、知识库和控制。

30、专家系统有哪些部分构成？作用如何？（1） 知识库（knowledge base）:存储某领域专家系统的专门知识，包括事实、可行操作、规则等（2） 综合数据库(global database)：存储领域或问题的初始数据和推理过程中得到的中间数据（3） 推理机(reasoning machine)：用于记忆采用的规则和控制策略的程序，使专家系统能以逻辑的方式协调地工作（4） 解释器(explanator)：能向用户解释专家系统的行为，包括解释推理结论的正确性及系统输出其他候选解的原因（5） 接口(interface)：接口又叫界面，（手工作图）专家系统的类型1、解释专家系统任务 通过对过去和现在已

31、知状况的分析，推断未来可能发生的情况特点 数据量很大，常不准确、有错误、不完全能从不完全的信息中得出解释，并能对数据做出某些假设，推理过程可能很复杂和很长例子 语音理解、图象分析、系统监视、化学结构分析和信号解释等。2、预测专家系统任务 通过对已知信息和数据的分析与解释，确定它们的涵义。特点 系统处理的数据随时间变化，且可能是不准确和不完全，系统需要有适应时间变化的动态模型例子 有气象预报、军事预测、人口预测、交通预测、经济预测和谷物产量预测等3、诊断专家系统任务 根据观察到的情况(数据)来推断出某个对象机能失常(即故障)的原因特点 能够了解被诊断对象或客体各组成部分的特性以及它们之间的联系，

32、能够区分一种现象及其所掩盖的另一种现象，能够向用户提出测量的数据，并从不确切信息中得出尽可能正确的诊断例子 医疗诊断、电子机械和软件故障诊断以及材料失效诊断等。4、设计专家系统任务 寻找出某个能够达到给定目标的动作序列或步骤。特点 从多种约束中得到符合要求的设计；系统需要检索较大的可能解空间；能试验性地构造出可能设计；易于修改；能够使用已有设计来解释当前新的设计。例子 VAX计算机结构设计专家系统等。5、规划专家系统任务 寻找出某个能够达到给定目标的动作序列或步骤。特点 所要规划的目标可能是动态的或静态的，需要对未来动作做出预测，所涉及的问题可能很复杂 。例子 军事指挥调度系统、ROPES机器

33、人规划专家系统、汽车和火车运行调度专家系统等。6、监视专家系统任务 对系统、对象或过程的行为进行不断观察，并把观察到的行为与其应当具有的行为进行比较，以发现异常情况，发出警报。特点 系统具有快速反应能力，发出的警报要有很高的准确性，能够动态地处理其输入信息。例子 粘虫测报专家系统。7、控制专家系统任务 自适应地管理一个受控对象或客体的全面行为，使之满足预期要求。特点 控制专家系统具有解释、预报、诊断、规划和执行等多种功能。例子 空中交通管制、商业管理、自主机器人控制、作战管理、生产过程控制和质量控制等。8、调试专家系统任务 对失灵的对象给出处理意见和方法。特点 同时具有规划、设计、预报和诊断等

34、专家系统的功能。例子 在这方面的实例还比较少见。9、教学专家系统任务教学专家系统的任务是根据学生的特点、弱点和基础知识，以最适当的教案和教学方法对学生进行教学和辅导。特点(1)同时具有诊断和调试等功能。(2)具有良好的人机界面。例子 MACSYMA符号积分与定理证明系统，计算机程序设计语言和物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。10、修理专家系统任务 对发生故障的对象(系统或设备)进行处理，使其恢复正常工作。修理专家系统具有诊断、调试、计划和执行等功能。例子 美国贝尔实验室的ACI电话和有线电视维护修理系统。此外，还有决策专家系统和咨询专家系统等。新型专家系统的特征1、并行与

35、分布处理基于各种并行算法，采用各种并行推理和执行技术，适合在多处理器的硬件环境中工作，即具有分布处理的功能。2、多专家系统协同工作在这种系统中，有多个专家系统协同合作。3、高级语言和知识语言描述专家系统生成系统就能自动或半自动地生成所要的专家系统。4、具有自学习功能新型专家系统应提供高级的知识获取与学习功能。5、引入新的推理机制在新型专家系统中，除演绎推理之外，还应有归纳推理，各种非标准逻辑推理，以及各种基于不完全知识和模糊知识的推理等等。6、具有自纠错和自完善能力为了排错必须首先有识别错误的能力，为了完善必须首先有鉴别优劣的标准。7、先进的智能人机接口理解自然语言，实现语声、文字、图形和图象

36、的直接输入输出是如今人们对智能计算机提出的要求。专家系统的建造步骤参见图6.3，建立系统的一般步骤如下：（1) 设计初始知识库，包括：(a) 问题知识化，即辨别所研究问题的实质，如要解决的任务是什么，它是如何定义的，可否把它分解为子问题或子任务，它包含哪些典型数据等。(b) 知识概念化，即概括知识表示所需要的关键概念及其关系，如数据类型、已知条件(状态)和目标(状态)、提出的假设以及控制策略等。(c) 概念形式化，即确定用来组织知识的数据结构形式，应用人工智能中各种知识表示方法把与概念化过程有关的关键概念、子问题及信息流特性等变换为比较正式的表达，它包括假设空间、过程模型和数据特性等。(d)形

37、式规则化，即编制规则、把形式化了的知识变换为由编程语言表示的可供计算机执行的语句和程序。(e)规则合法化，即确认规则化了知识的合理性，检验规则的有效性。（2) 原型机的开发与试验在选定知识表达方法之后，即可着手建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程。（3） 知识库的改进与归纳反复对知识库及推理规则进行改进试验，归纳出更完善的结果。经过相当长时间(例如数月至二、三年)的努力，使系统在一定范围内达到人类专家的水平。专家系统面临什么问题？你认为应如何发展专家系统？什么是学习和机器学习？为什么要研究机器学习？学习就是系统在不断重复的工作中

38、对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。机器学习所采用的策略大体上可分为机械学习、示教学习、类比学习和示例学习试述机器学习的基本结构，并说明各部分作用。 环境学习知识库执行 |- |环境向系统的学习部分提供某些信息，学习部分利用这些信息修改数据库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。是说明归纳学习的模式和学习方法。给定：(1) 观察陈述（事实）F

39、，用以表示有关某些对象、状态、过程等的特定知识；(2) 假定的初始归纳断言（可能为空）；(3) 背景知识，用于定义有关观察陈述、候选归纳断言以及任何相关问题领域知识、假设和约束，其中包括能够刻画所求归纳断言的性质的优先准则。方法：1.示例学习（learning from examples）又称为实例学习，它是通过环境中若干与某概念有关的例子，经归纳得出一般性概念的一种学习方法。2.观察发现学习又称为描述性概括，其目标是确定一个定律或理论的一般性描述，刻画观察集，指定某类对象的性质。观察发现学习可分为观察学习与机器发现两种。前者用于对事例进行聚类，形成概念描述；后者用于发现规律，产生定律或规则。

40、图6-3（手工画）什么是知识发现？知识发现与数据挖掘有什么关系（参考下一题）？定义：数据库中的知识发现是从大量数据中辨识出有效的、新颖的、潜在有用的、并可被理解的模式的高级处理过程。试述知识发现的处理过程1、数据选择。根据用户的需求从数据库中提取与KDD相关的数据。2、数据预处理。主要是对上述数据进行再加工，检查数据的完整性及数据的一致性，对丢失的数据利用统计方法进行填补，形成发掘数据库。3、数据变换。即从发掘数据库里选择数据。4.数据挖掘。根据用户要求，确定KDD的目标是发现何种类型的知识。5、知识评价。这一过程主要用于对所获得的规则进行价值评定，以决定所得的规则是否存入基础知识库。上述KD

41、D全过程的几个步骤可以进一步归纳为三个步骤，即数据挖掘预处理（数据挖掘前的准备工作）、数据挖掘、数据挖掘后处理（数据挖掘后的处理工作）。数据挖掘只是KDD中的一个步骤。知识发现应用领域，试展望其发展及应用前景。知识发现已在许多领域得到应用，且应用领域越来越广。现在，知识发现已在银行业、保险业、零售业、医疗保健、工程和制造业、科学研究、卫星观察和娱乐业等行业和部门得到成功应用，为人们的科学决策提供很大帮助。什么是真体？agent是一种通过传感器感知其环境，并通过执行器作用于该环境的实体。这个实体也可叫做“真体”。图8-1真体在结构上有何特点？结构上如何分类？每种结构特点如何？艾真体、体系结构和程

42、序之间具有如下关系：艾真体 体系结构 + 程序（1）在计算机系统中，艾真体相当于一个独立的功能模块、独立的计算机应用系统，它含有独立的外部设备、输入/输出驱动装备、各种功能操作处理程序、数据结构和相应输出。（2）艾真体程序的核心部分叫做决策生成器或问题求解器，起到主控作用，它接收全局状态、任务和时序等信息，指挥相应的功能操作程序模块工作，并把内部工作状态和执行的重要结果送至全局数据库。艾真体的全局数据库设有存放艾真体状态、参数和重要结果的数据库，供总体协调使用。（3）艾真体的运行是一个或多个进程，并接受总体调度。特别是当系统的工作状态随工作环境而经常变化时以及各艾真体的具体任务时常变更时，更需

43、搞好总体协调。（4）各个艾真体在多个计算机CPU上并行运行，其运行环境由体系结构支持。体系结构还提供共享资源（黑板系统）、艾真体间的通讯工具和艾真体间的总体协调，使各艾真体在统一目标下并行协调地工作。艾真体的结构分类（1） 反应式艾真体：反应式（reflex或reactive）艾真体只简单地对外部刺激产生响应，没有任何内部状态。每个艾真体既是客户，又是服务器，根据程序提出请求或做出回答。（2）慎思式艾真体：慎思式（deliberative）艾真体又称为认知式（cognitive）艾真体，是个具有显式符号模型的基于知识的系统。（3）跟踪式艾真体：具有内部状态的反应式艾真体通过找到一条条件与现有环境匹配的规则进行工作，然后执行与规则相关的作用。这种结构叫做跟踪世界艾真体或跟踪式艾真体。（4）基于目标的艾真体：艾真体还需要某种描述环境情况的目标信息。艾真体的程序能够与可能的作用结果信息结合起来，以便选择达到目标的行为。（5）基于效果的艾真体：效果是一种把状态映射到实数的函数，该函数描述了相关的满意程度。一个完整规范的效果函数允许对两类情况做出理性的决策。（6）复合式艾真体：复合式艾真体即在一个艾真体内组合多种相对独立和并行执行的智能形态，其结构包括感知、动作、反应、建模、规划、通信和决策等模块。