华南理工大学《高级人工智能》复习资料Word格式文档下载.docx
- 文档编号:22431378
- 上传时间:2023-02-04
- 格式:DOCX
- 页数:17
- 大小:332.74KB
华南理工大学《高级人工智能》复习资料Word格式文档下载.docx
《华南理工大学《高级人工智能》复习资料Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《华南理工大学《高级人工智能》复习资料Word格式文档下载.docx(17页珍藏版)》请在冰豆网上搜索。
3、谓词公式表示知识与归结法证明定理过程(去年考的题型)
例设已知:
(1)能阅读者是识字的;
(2)海豚不识字;
(3)有些海豚是很聪明的。
试证明:
有些聪明者并不能阅读。
证首先,定义如下谓词:
R(x):
x能阅读。
L(x):
x识字。
I(x):
x是聪明的。
D(x):
x是海豚。
然后把上述各语句翻译为谓词公式:
(1)x(R(x)→L(x))
(2)x(D(x)→﹁L(x))已知条件
(3)x(D(x)∧I(x))
(4)x(I(x)∧﹁R(x))需证结论
求题设与结论否定的子句集,得
(1)﹁R(x)∨L(x)
(2)﹁D(y)∨﹁L(y)
(3)D(a)
(4)I(a)
(5)﹁I(z)∨R(z)
将子句集进行归结
(6)R(a)(4)(5)归结
(7)L(a)
(1)(6)归结
(8)﹁D(a)
(2)(7)归结
(9)NIL(3)(8)归结
4、贝叶斯网络推理(去年考的题型)
根据图所给出的贝叶斯网络,其中:
P(A)=0.5,
P(B|A)=1,P(B|~A)=0.5,
P(C|A)=1,P(C|~A)=0.5,
P(D|BC)=1,P(D|B,~C)=0.5,P(D|~B,C)=0.5,P(D|~B,~C)=0。
计算下列概率P(A|D)
A
/\
BC
\/
D
P(A|D)=∑B∑CP(A,B,C,D)
=∑B∑CP(A)P(B|A)P(C|A)P(D|B,C)
=P(A)∑BP(B|A)∑CP(C|A)P(D|B,C)
∑BP(B|A)∑CP(C|A)P(D|B,C)
=P(B|A)∑CP(C|A)P(D|B,C)+P(~B|A)∑CP(C|A)P(D|~B,C)
=P(B|A)[P(C|A)P(D|B,C)+P(~C|A)P(D|B,~C)]
+P(~B|A)[P(C|A)P(D|~B,C)+P(~C|A)P(D|~B,~C)]
=1*[1*1+0]+0
=1
P(A|D)=P(A)*1=0.5
同理
P(~A|D)=∑B∑CP(~A,B,C,D)
=∑B∑CP(~A)P(B|~A)P(C|~A)P(D|B,C)
=P(~A)∑BP(B|~A)∑CP(C|~A)P(D|B,C)
∑BP(B|~A)∑CP(C|~A)P(D|B,C)
=P(B|~A)∑CP(C|~A)P(D|B,C)+P(~B|~A)∑CP(C|~A)P(D|~B,C)
=P(B|~A)[P(C|~A)P(D|B,C)+P(~C|~A)P(D|B,~C)]
+P(~B|~A)[P(C|~A)P(D|~B,C)+P(~C|~A)P(D|~B,~C)]
=0.5*[0.5*1+0.5*0.5]+0.5[0.5*0.5+0.5*0]
=0.5
P(~A|D)=P(~A)*0.5=0.25
归一化得
P(A|D)=0.67
5、【谓词归结:
说谎者与老实人】消解反演求解证明谁是说谎者(去年考的题型)
一个岛上有两种人,老实人总是说真话,说谎者总是说假话。
问岛上A、B、C三人:
谁说谎?
A答:
B和C都说谎
B答:
A和C都说谎
C答:
A和B至少有一人说谎
问题:
请问谁是说谎者?
解法一:
令H(x)表示X说真话,W(x,y)表示x,y中至少一人说谎,V(x,y)表示x,y中至少一人说真话
如果A为老实人,得子句如下:
H(A),﹁H(B),﹁H(C)
V(A,B)
H(A),H(B)
通过消解反演得到空子树,故该假设不成立
如果B为老实人,得子句如下:
V(B,C)
H(B),﹁H(A),﹁H(C)
如果C为老实人,分如下情况:
1)A说谎,B说真话
H(B),﹁H(A),﹁H(C)
H(C)
通过消解反演得到空子树,故该假设不成立
2)B说谎,A说真话
H(A),﹁H(B),﹁H(C)
3)A,B都说谎
﹁H(A),V(B,C)
﹁H(B),V(A,C)
通过消解反演没有空子树,故该假设成立
总结:
A,B为说谎者
解法二:
设T(x):
x是说真话的人
A说真话:
T(A)¬
T(B)¬
T(C)
A说假话:
¬
T(A)T(B)T(C)
B说真话:
T(B)¬
T(A)¬
B说假话:
T(B)T(A)T(C)
C说真话:
T(C)¬
T(A)¬
T(B)
C说假话:
T(C)T(A)T(B)
•化为字句集
1.¬
2.¬
3.T(A)T(B)T(C)
4.¬
T(B)¬
5.T(C)¬
6.T(A)T(C)
7、T(C)T(B)
•求解问题的否定式和answer的析取
8.¬
T(x)answer(x)
9.T(C)¬
T(B)1.和6.归结
10.T(C)7.和9.归结
11.Answer(C)8.和10.归结
所以C是老实人。
8.T(x)answer(x)
10.¬
T(B)4.和9.归结
11.Answer(B)8.和10.归结
所以B不是老实人。
T(A)1.和7.归结
T(A)2.和9.归结
11.Answer(A)8.和10.归结
所以A不是老实人。
6、朴素贝叶斯学习法(去年考的题型)
样例:
某种天气是否适合室外打网球
训练数据—给定14个样例(下页表)
输入新实例<
Outlook=sunny,Temperature=cool,Humidity=high,Wind=strong>
求目标概念的值PlayTennis=Yes/No
Day
Outlook
Temperature
Humidity
Wind
PlayTennis
1
sunny
hot
high
weak
no
2
strong
3
overcast
yes
4
rain
mild
5
cool
normal
6
7
8
9
10
11
12
13
14
将实例代入到朴素贝叶斯分类器输出公式得如下式子
计算vNB,可以从训练数据中获得
P(PlayTennis=Yes)=9/14=0.64
P(PlayTennis=No)=5/14=0.36
各条件概率为:
P(strong|Y)=3/9=0.33P(strong|N)=3/5=0.60
P(high|Y)=3/9=0.33P(high|N)=4/5=0.80
P(cool|Y)=3/9=0.33P(cool|N)=1/5=0.20
P(sunny|Y)=2/9=0.22P(sunny|N)=3/5=0.60
由此得
P(yes)P(strong|Y)P(high|Y)P(cool|Y)P(sunny|Y)=0.64*0.33*0.33*0.33*0.22=0.0051
P(no)P(strong|N)P(high|N)P(cool|N)P(sunny|N)=0.36*0.60*0.80*0.20*0.6=0.0207
由此知朴素贝叶斯分类器的输出结果是PlayTennis=No
概率归一化,则得0.0207/(0.0051+0.0207)=0.802
7、语义网络
属性关系:
AKO,AMO,ISA包含关系Part_of属性关系Have,Can时间关系Before,After
位置关系:
Locted-on,Located-at,Located-under,Located-inside,Located-outside
相近关系:
Simliar-to,Near-to
因果关系:
If-then组成关系:
Composed-of
用语义网络表示下列命题
(1)猪和羊都是动物;
(2)猪和羊都是哺乳动物;
(3)野猪是猪,但生长在森林中;
(4)山羊是羊,头上长着角;
(5)绵羊是一种羊,它能生产羊毛。
分析:
对象有猪、羊都、动物、哺乳动物、野猪、山羊、绵羊、森林、羊毛、角等。
语义关系,“动物”和“哺乳动物”、“哺乳动物”和“猪”、“哺乳动物”和“羊”、“羊”和“山羊”及“绵羊”、“野猪”和“猪”之间的关系是“是一种”的关系,可用AKO来表示。
“山羊”和“头上有角”之间是一种属性关系,可用IS来描述;
“绵羊”和“羊毛”之间是一种属性关系,可用HAVE来描述;
“野猪”和“森林”之间是位置关系,可用Locate-at来表示。
语义网络:
8、框架表示法
试实现一个“大学教师”的框架,大学教师类属于教师,包括以下属性:
学历(学士、硕士、博士)、专业(计算机、电子、自动化、……)、职称(助教、讲师、副教授、教授)
一般结构:
<框架名>
<槽名1>
<侧面11>
<值111>…<值11k1>
<侧面1n1>
<值1n11>…<值1n1kn1>
<槽名2>
<侧面12>
<值121>…<值1211>
<侧面1n2>
<值1n21>…<值1n21n2>
…
框架名:
<
大学教师>
类属:
教师>
学历:
(学士,硕士,博士)
专业:
(计算机,电子,自动化)
职称:
(助教,讲师,副教授,教授)
9、与或型正向演绎推理
已知事实:
Fido要么会犬叫和咬人,要么Fido就不是狗。
已知规则:
①所有Terrier都是狗;
②所有会犬叫的东西都是咬人的。
求证:
存在某个东西,它要么不是Terrier,要么会咬人。
证明:
将事实用谓词逻辑表示
F1:
(CRY(X)∧BITE(X))∨~DOG(X)
F2:
x(Terrier(x)→DOG(x))
F3:
x(CRY(x)→BITE(x))
目标表达式子:
x(~Terrier(x)∨BITE(x))
(CRY(X)∧BITE(X))∨~DOG(X)
((BITE(X)∧BITE(X))∨~DOG(X)
BITE(X))∨~DOG(X)
由F2得F4:
~DOG(x)→~Terrier(x)
故BITE(X))∨~Terrier(x)
即~Terrier(x)∨BITE(x)结论成立。
10、与或型逆向演绎推理
已知事实:
F1:
DOG(FIDO);
狗的名字叫Fido
F2:
~BARKS(FIDO);
Fido是不叫的
F3:
WAGS-TAIL(FIDO);
Fido摇尾巴
F4:
MEOWS(MYRTLE);
猫咪的名字叫Myrtle
R1:
[WAGS-TAIL(x1)∧DOG(x1)]FRIENDLY(x1);
摇尾巴的狗是温顺的狗
R2:
[FRIENDLY(x2)∧~BARKS(x2)]~AFRAID(y2,x2);
温顺而又不叫的东西是不值得害怕的
R3:
DOG(x3)ANIMAL(x3);
狗为动物
R4:
CAT(x4)ANIMAL(x4);
猫为动物
R5:
MEOWS(x5)CAT(x5);
猫咪是猫
求证:
是否存在这样的一只猫和一条狗,使得这只猫不怕这条狗?
用目标表达式表示此问题为:
(x)(y)[CAT(x)∧DOG(y)∧~AFRAID(x,y)]
终止在事实节点前的置换为{MYRTLE/x}和{FIDO/y}。
把它应用到目标表达式,我们就得到该问题的回答语句如下:
[CAT(MYRTLE)∧DOG(FIDO)∧~AFRAID(MYRTLE,FIDO)]
9、产生式表示方式以及推理过程
设有如下问题:
(1)有五个相互可直达且距离已知的城市A、B、C、D、E,如图所示;
(2)某人从A地出发,去其它四个城市各参观一次后回到A;
(3)找一条最短的旅行路线
请用产生式规则表示旅行过程。
①综合数据库(x)
(x)中x可以是一个字母,也可以是一个字符串。
②初始状态(A)
③目标状态(Ax1x2x3x4A)
④规则集:
r1:
IFL(S)=5THENGOTO(A)
r2:
IFL(S)<
5THENGOTO(B)
r3:
5THENGOTO(C)
r4:
5THENGOTO(D)
r5:
5THENGOTO(E)
其中L(S)为走过的城市数,GOTO(x)为走向城市x
⑤路线如下图所示:
目标
最短旅行路线为:
A->
C->
D->
E->
B->
A
总距离为5+6+8+10+7=36
10、Kmeans
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高级人工智能 华南理工大学 高级 人工智能 复习资料