当前位置: 首页 > article >正文

人工智能第2章-知识点与学习笔记

  1. 结合教材2.1节,阐述什么是知识、知识的特性,以及知识的表示。
  2. 人工智能最早应用的两种逻辑是什么?阐述你对这两种逻辑表示的内涵理解。
  3. 什么谓词,什么是谓词逻辑,什么是谓词公式。
  4. 谈谈你对谓词逻辑中的量词的理解。
  5. 阐述谓词公式的解释的含义。
  6. 介绍谓词公式表示知识的一般步骤,阐述谓词逻辑表示知识的优点与局限性。
  7. 什么是知识表示的产生式,请详细阐释产生式和谓词逻辑蕴涵式的差异。
  8. 什么是产生式系统,请详细阐述产生式系统的基本组成有哪些。
  9. 请结合教材2.3.3节的动物识别系统,谈谈你对产生式系统的基本结构之综合数据库的理解。
  10. 介绍什么是知识图谱。
  11. 参考教材第48页2.5.3节内容介绍,名词解释“知识图谱的表示”。
  12. 参考教材第49页2.5.4节内容介绍,介绍知识图谱的架构。
  13. 参考教材第50页2.5.5节内容介绍,介绍知识图谱的构建方式。

解答:

  1. (1)把有关信息关联在一起所形成的信息结构称为知识,

(2)特性:1,相对准确性,2,不确定性,3,可表示性和可利用性。

(3)知识表示就是将人类形式化或模型化

  1. (1)经典命题逻辑和一阶谓词逻辑

(2)经典命题逻辑适用于简单的命题推理,而一阶谓词逻辑则更适合处理包含量词和谓词的更加复杂的逻辑表达式。

  1. (1)谓词用于刻画个体的性质、状态或个体间的关系
  1. 谓词逻辑是基于命题中谓词分析的一种逻辑
  2. 用连接词把一些简单命题连接起来构成一个复合命题。

  1. 为刻画谓词与个体间的关系,全称量词和存在量词

  1. 谓词公式的概念:由谓词符号、常量符号、变量符号、函数符号以及括号、逗号等按一定语法规则组成的字符串的表达式。

  1. (1)①定义谓词及个体,确定每个谓词及个体的确切定义;

②根据要表达的事物或概念,为谓词中的变元赋以特定的值;

③根据语义用适当的连接符号将各个谓词连接起来,形成谓词公式。

(2)优点:自然性,精确性,严密性,容易实现。

局限:不能表示不确定的关系,组合爆炸,效率低

  1. (1)产生式通常用于表示事实、规则以及它们的不确定性度量,适合于表示事实性知识和规则性知识。

(2)①除逻辑蕴涵外,产生式还包括各种操作、规则、变换、算子、函数等。例如,“如果炉温超过上限,则立即关闭风门”是一个产生式,但不是一个蕴涵式。产生式描述了事物之间的一种对应关系(包括因果关系和蕴涵关系),其外延十分广泛。逻辑中的逻辑蕴涵式和等价式,程序设计语言中的文法规则,数学中的微分和积分公式,化学中分子结构式的分解变换规则,甚至体育比赛中的规则,国家的法律条文,单位的规章制度等,都可以用产生式表示。

②蕴涵式只能表示确定性知识,其真值或者为真,或者为假,而产生式不仅可以表示确定性的知

识,而且还可以表示不确定性知识。决定一条知识是否可用,需要检查当前是否有已知事实可与前提中所规定的条件匹配。对谓词逻辑的蕴涵式来说,其匹配总要求是精确的。在产生式表示知识的系统中,匹配可以是精确的,也可以是不精确的,只要按某种算法求出的相似度落在预先指定的范围内就认为是可匹配的。

  1. (1)把一组产生式放在一起,让它们互相配合,协同作用,一个产生式生成的结论可以供另一产生式作为已知事实使用,以求得问题的解,这样的系统称为产生式系统。

(2)规则库,控制系统,综合数据库

产生式系统是一种人工智能编程范例,它包括规则集、工作存储器和控制单元。综合数据库是产生式系统中的一个重要部分,用于存储知识和信息,并且作为规则匹配的依据。

  1. 知识图谱是一种互联网环境下的知识表示方法

  1. (实体1)-关系-(实体2)

(实体-属性-属性值)

12.

1.知识图谱的逻辑结构:知识图谱在逻辑上可分为模式层与数据层。数据层主要是由一系列的事实组成的,而知识以事实为单位进行存储。如果用(实体1-关系一实体2)、(实体-属性-属性值)这样的三元组来表达事实,可选择图数据库作为存储介质。模式层构建在数据层之上,是知识图谱的核心。通常采用本体库来管理知识图谱的模式层。本体是结构化知识库的概念模板,通过本体库而形成的知识库不仅层次结构较强,并且冗余程度较小。

2.知识图谱的体系架构:知识图谱的体系架构是指其构建模式结构,也包含知识图谱的更新过程。

13.自顶向下与自低向上


http://www.kler.cn/a/529366.html

相关文章:

  • Microsoft Power BI:融合 AI 的文本分析
  • Cubemx文件系统挂载多设备
  • 深入理解Java引用传递
  • 高速稳定,功能强大的免费下载工具!!
  • 【自学笔记】Web前端的重点知识点-持续更新
  • 使用 Ollama 和 Kibana 在本地为 RAG 测试 DeepSeek R1
  • LabVIEW如何有效地进行数据采集?
  • MySQL数据库——事务和索引_龍弟idea
  • 线性数据结构:单向链表
  • Python NumPy(12):NumPy 字节交换、NumPy 副本和视图、NumPy 矩阵库(Matrix)
  • 基于 YOLOv8+PyQt5 的无人机红外目标检测系统:开启智能监测新时代
  • 《基于Scapy的综合性网络扫描与通信工具集解析》
  • Linux环境下的Java项目部署技巧:环境安装
  • C++模板编程——可变参函数模板
  • 无法将“mklink”项识别为 cmdlet、函数、脚本文件或可运行程序的名称
  • MySQL知识点总结(十九)
  • Excel to form ?一键导入微软表单
  • three.js+WebGL踩坑经验合集(6.2):负缩放,负定矩阵和行列式的关系(3D版本)
  • 一文讲解Java中HashMap的扩容机制
  • 解锁计算机视觉算法:从理论到代码实战
  • 小白零基础--CPP多线程
  • w186格障碍诊断系统spring boot设计与实现
  • 星际智慧农业系统(SAS),智慧农业的未来篇章
  • MP4分析工具
  • 97,【5】buuctf web [极客大挑战 2020]Greatphp
  • python算法和数据结构刷题[5]:动态规划