人工智能导论课件第6章 基于产生式规则的机器推理.pptx
《人工智能导论课件第6章 基于产生式规则的机器推理.pptx》由会员分享,可在线阅读,更多相关《人工智能导论课件第6章 基于产生式规则的机器推理.pptx(34页珍藏版)》请在文库网上搜索。
1、第6章 基于产生式规则的机器推理 6.1 6.1 产生式规则产生式规则 6.2 6.2 产生式系统产生式系统6.36.3 产生式系统与图搜索问题求解产生式系统与图搜索问题求解 6.1 产生式规则6.1.1 产生式规则与推理网络产生式规则的一般形式为IF前件THEN后件或者更形式化地表示为 前件 后件 产生式规则的语义是:如果前提成立或条件满足,则可得结论或者执行相应的动作,即后件由前件来触发。所以,前件是规则的执行条件,后件是规则体。例:例:(1)如果银行存款利率下调,那么股票价格上涨。(2)如果炉温超过上限,则立即关闭风门。(3)如果键盘突然失灵,且屏幕上出现怪字符,则是病毒发作。(4)如果
2、胶卷感光度为200,光线条件为晴天,目标距离不超过5米,则快门速度取250,光圈大小取f16。(1)being-cut(利率)be-rising(股价)或者(1”)(利率)下调(股价)上涨(4)IF x1=200ANDx2=“晴天”ANDx35,THENy1=250ANDy2=f16或者(4”)x1=200 x2=“晴天”x35y1=250y2=f16 推理网络推理网络A1A2A3B1A4A5B2B1CB2CB1B2DB3D6.1.2基于产生式规则的推理模式ABA B这里的大前提就是一个产生式规则,小前提就是证据事实。其实,我们也可以把上面的有前提条件的操作和逻辑推理统称为推理。那么,上面的式
3、子也就是基于产生式规则的一般推理模式。这就是说,产生式系统中的推理是更广义的推理。6.2 产生式系统 6.2.1系统结构产生式系统由三部分组成:产生式规则库、推理机和动态数据库,其结构如图6-2所示。6.2.2运行过程 产生式系统运行时,除了需要规则库以外,还需要有初始事实(或数据)和目标条件。目标条件是系统正常结束的条件,也是系统的求解目标。产生式系统启动后,推理机就开始推理,按所给的目标进行问题求解。推理机的一次推理过程可如图 6-3所示。图 6-3 推理机的一次推理过程6.2.3控制策略与常用算法 产生式系统的推理可分为正向推理和反向推理两种基本方式。简单来讲,正向推理就是从初始事实数据
4、出发,正向使用规则进行推理(即用规则前提与动态数据库中的事实匹配,或用动态数据库中的数据测试规则的前提条件,然后产生结论或执行动作),朝目标方向前进;反向推理就是从目标出发,反向使用规则进行推理(即用规则结论与目标匹配,又产生新的目标,然后对新目标再作同样的处理),朝初始事实或数据方向前进。下面我们给出产生式系统正向推理和反向推理的常用算法:1.1.正向推理正向推理 正向推理算法一:(1)将初始事实/数据置入动态数据库。(2)用动态数据库中的事实/数据,匹配/测试目标条件,若目标条件满足,则推理成功,结束。(3)用规则库中各规则的前提匹配动态数据库中的事实/数据,将匹配成功的规则组成待用规则集
5、。(4)若待用规则集为空,则运行失败,退出。(5)将待用规则集中各规则的结论加入动态数据库,或者执行其动作,转步(2)。例例6-1动物分类问题的产生式系统描述及其求解。设由下列动物识别规则组成一个规则库,推理机采用上述正向推理算法,建立一个产生式系统。该产生式系统就是一个小型动物分类知识库系统。规则集:r1:若某动物有奶,则它是哺乳动物。r2:若某动物有毛发,则它是哺乳动物。r3:若某动物有羽毛且生蛋,则它是鸟。r4:若某动物是哺乳动物且有爪且有犬齿且目盯前方,则它是食肉动物。r5:若某动物是哺乳动物且吃肉,则它是食肉动物。r6:若某动物是哺乳动物且有蹄,则它是有蹄动物。r7:若某动物是有蹄动
6、物且反刍食物,则它是偶蹄动物。r8:若某动物是食肉动物且黄褐色且有黑色条纹,则它是老虎。r9:若某动物是食肉动物且黄褐色且有黑色斑点,则它是金钱豹。r10:若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点,则它是长颈鹿。r11:若某动物是有蹄动物且白色且有黑色条纹,则它是斑马。r12:若某动物是鸟且不会飞且长腿且长脖子且黑白色,则它是驼鸟。r13:若某动物是鸟且不会飞且会游泳且黑白色,则它是企鹅。r14:若某动物是鸟且善飞且不怕风浪,则它是海燕。再给出初始事实:f1:某动物有毛发。f2:吃肉。f3:黄褐色。f4:有黑色条纹。目标条件为:该动物是什么?易见,该系统的运行结果为:该动物是老虎。其
7、推理树如图6-5所示。图6-5关于“老虎”的正向推理树2.2.反向推理反向推理反向推理算法:(1)将初始事实/数据置入动态数据库,将目标条件置入目标链。(2)若目标链为空,则推理成功,结束。(3)取出目标链中第一个目标,用动态数据库中的事实/数据同其匹配,若匹配成功,转步(2)。(4)用规则集中的各规则的结论同该目标匹配,将第一个匹配成功且未用过的规则的前提作为新的目标,并取代原来的父目标而加入目标链,转步(3)。(5)若该目标是初始目标,则推理失败,退出。(6)将该目标的父目标移回目标链,取代该目标及其兄弟目标,转步(3)。例 6-2对于例6-1中的产生式系统,改为反向推理算法,则得到图6-
8、6所示的推理树。图6-6关于“老虎”的反向推理树3.冲突消解策略推理时规则的选取策略称为“冲突消解”策略。常用的冲突消解策略有:优先级法(优先级高者优先)、可信度法(可信度高者优先)、代价法(代价低者优先)及自然顺序法等。当然,要使用优先级法、可信度法、代价法等策略时,须事先给规则设定相关的参数,即优先级、可信度、代价等。正向推理算法二:(1)将初始事实/数据置入动态数据库。(2)用动态数据库中的事实/数据,匹配/测试目标条件,若目标条件满足,则推理成功,结束。(3)用规则库中各规则的前提匹配动态数据库中的事实/数据,将匹配成功的规则组成待用规则集。(4)若待用规则集为空,则运行失败,退出。(
- 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:
- 人工智能导论课件第6章 基于产生式规则的机器推理 人工智能 导论 课件 基于 产生 规则 机器 推理