人工智慧概念複習（WUST）

1.知識的表示方法

謂詞邏輯、產生式、語義網路、框架

2.知識表示的可理解性和完備性

找不到

3.歸結原理

採用反證法思想，將結論取反和前提組成謂詞公式並轉化為子句集，在子句集中反覆利用歸結方法進行推理，挑選兩個親本子句，如果得到空子句則成功退出，否則得到的歸結式新增到原來的子句集

4.演繹推理、歸納推理、類比推理

演繹推理：演繹推理是從已知的一般性知識出發，推理出適合於某種個別情況的結論的過程，他是一種由一般到個別的推理方法。

歸納推理：歸納推理是從大量特殊例項出發，歸納出一般性結論的推理過程，是一種由個別到一般的推理方法。

類比推理：類比推理是指在兩個或兩類事物有許多屬性都相同或相似的基礎上，推出他們在其他屬性上也相同或相似的一種歸納推理。

推理的方向:

正向推理：正向推理是一種從已知事實出發、正向使用推理規則的推理方式，他是一種資料驅動的推理方式。

反向推理：反向推理是一種以某個假設目標為出發點，反向運用推理規則的推理方式。他是一種目標驅動的推理方式。

5.單調推理、非單調推理

單調推理：是指在推理過程中，由於新知識的加入和使用，是推理所得到的結論會越來越接近於最終目標，而不會出現反覆情況，即不會由於新知識的加入否定了前面推出的結論，從而使推理過程又退回到前面的某一步。

非單調推理：在推理過程中，當某些新知識加入後，不但沒有加強已經推出的結論，反而會否定原來已推出的結論，使推理過程要退回到先前的某一步，重新進行推理。

6.盲目搜尋、啟發式搜尋

盲目搜尋：在對OPEN表中的結點排序時，若排序是任意的或者是盲目的，則搜尋為盲目搜尋

啟發式搜尋：在對OPEN表中的結點排序時，若排序是按照某種啟發資訊或準則進行排序，則搜尋為啟發式搜尋

7.評估函式（估價函式）、啟發函式

估價函式：用來表示節點的"希望"程度的函式，他的一般形式為f(x)=g(x)+h(x)

g(x)為初始節點$S_0$ 到節點$x$ 已實際付出的代價；

h(x)是從節點 $x$ 到目標節點$S_g$ 的最優路徑的估計代價，搜尋的啟發資訊主要由h(x)來體現，稱為啟發函式

啟發函式：從節點 $x$ 到目標節點$S_g$ 的最優路徑的估計代價

8.全域性最優、區域性最優

區域性擇優搜尋：每次只在後繼節點的範圍內選擇下一個要考察的節點，範圍比較小，所以稱為區域性擇優搜尋

區域性擇優搜尋是一種啟發式搜尋

全域性擇優搜尋：在OPEN表中的全部節點中選擇一個估價函式值f(x)最小的節點，作為下一個被考察的節點，因為選擇的範圍時OPEN表中的全部節點，所以稱為全域性擇優搜尋

9.機器學習

機器學習是研究如何使用計算機來模擬人類學習活動的一門學科。更嚴格地說，就是研究計算機獲取新知識和新技能、識別現有知識，不斷改善效能、實現自我完善的方法。

機器學習的主要策略：機械學習、傳授學習、演繹學習、歸納學習、類比學習

10.圖靈實驗

“圖靈實驗”，是為了判斷一臺機器是否具備智慧的實驗。實驗由三個封閉的房間組成，分別放置主持人、參與人和機器。主持人向參與人和機器提問，通過提問的結果來判斷誰是人，誰是機器，如果主持人無法判斷誰是人，誰是機器，則這臺機器具備智慧，即所謂的“智慧機器”