人工智能课件蔡自兴不全第4章幻灯片.pptVIP

4.3.3 产生式系统举例2. 应用正向链接推理识别动物 例 设有事实：“它有毛发”“它吃肉”“它的颜色是黄褐色”、“它有黑色条纹”。 求结论：它是什么动物？ 4.3.3 产生式系统举例2. 应用正向链接推理识别动物 例 设有事实：“它有毛发”“它吃肉”“它的颜色是黄褐色”、“它有黑色条纹”。 求结论：它是什么动物？ 解：应用正向链接推理（依次应用规则I1，I5，I10），如右图所示。 食肉动物 老虎 哺乳动物 有毛发 吃肉 黄褐色 黑色条纹 图 4.19 正向推理链接过程示意图 4.3.3 产生式系统举例3. 应用逆向链接推理识别动物 例 设有事实：“它有毛发”“它吃肉”“它的颜色是黄褐色”、“它有黑色条纹”。 求结论：它是什么动物？ 4.3.3 产生式系统举例3. 应用逆向链接推理识别动物 解： ① 假设它是老虎；由I10，为证明“它是老虎” ，须先验证I10 的前件“它是食肉动物”、“它的颜色是黄褐色”及“它有黑色条纹”。 → 老虎 黄褐色 图 4.20 逆向推理链接过程示意图 黑色条纹 产乳 吃肉 有毛发 食肉动物 哺乳 动物 有爪 有利齿 眼前视 4.3.3 产生式系统举例3. 应用逆向链接推理识别动物 例 （如上例） 解： ② 只有“它的颜色是黄褐色”及“它有黑色条纹”是已有事实；由规则I5、I6可知：为验证“它是食肉动物”，须先验证I5或I6的前件。 → 老虎 黄褐色 图 4.20 逆向推理链接过程示意图 黑色条纹 产乳 吃肉 有毛发 食肉动物 哺乳 动物 有爪 有利齿 眼前视 4.3.3 产生式系统举例3. 应用逆向链接推理识别动物 例 （如上例） 解： ③ I5的前件 “它吃肉”是已有事实；由规则I1、I2可知：为验证“它是哺乳动物” 须先验证I1的前件或I2的前件。 → 老虎 黄褐色 图 4.20 逆向推理链接过程示意图 黑色条纹 产乳 吃肉 有毛发 食肉动物 哺乳 动物 有爪 有利齿 眼前视 4.3.3 产生式系统举例3. 应用逆向链接推理识别动物 例 （如上例） 解： ④ I1的前件“它有毛发”是已有事实，则I1 、I5 、I10依次得到验证。 → 老虎 黄褐色 图 4.20 逆向推理链接过程示意图 黑色条纹 产乳 吃肉 有毛发 食肉动物 哺乳 动物 有爪 有利齿 眼前视 4.4 不确定性推理 4.4.1 不确定性及其类型 不确定性大量存在于现实的信息环境中，不确定性也大量存在于知识，特别是经验性知识中。人工智能必须研究不确定性。 4.4 不确定性推理 4.4.1 不确定性及其类型 不确定性大致可分为以下4种： ① 随机性 一个命题（即所表示的事件）的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。 例如：“如果乌云密布并且电闪雷鸣，则很可能要下暴雨。”“如果头痛发烧，则大概是患了感冒。” → 4.4 不确定性推理 4.4.1 不确定性及其类型 不确定性大致可分为以下4种： ② 模糊性 一个命题中出现的某些言词，从概念上讲，无明确的内涵和外延，是模糊不清的。 例如：“张三比较小。” “李四和王二是好朋友。” → 4.4 不确定性推理 4.4.1 不确定性及其类型 不确定性大致可分为以下4种： ③ 不完全性 对某事物来说，其信息或知识还不全面、不完整、不充分。例如：在破案的过程中，警方掌握的关于罪犯的信息，往往是不完全的。即便如此，办案人员仍能通过分析、推理等手段而最终破案。 → 4.4 不确定性推理 4.4.1 不确定性及其类型 不确定性大致可分为以下4种： ④ 不一致性 在推理过程中发生了前后不相容的结论；或者随着时间的推移或范围的扩大，原来一些成立的命题变得不成立、不适合了。 例如：牛顿定律对于宏观世界是正确的，但对于微观世界和宇宙世界却是不适合的。 4.4 不确定性推理 4.4.2 关于事实的不确定性 1. 事实的不确定性与可信度 现实问题中的事实往往存在不确定性，有必要用某种方法来描述其可信程度，可信度是一种描述方法。 可信度取值为[0，1]，有时取值为[-1，1]）。信度值越大表示可信程度越高。 4.4 不确定性推理 4.4.2 关于事实的不确定性 2. 多个不确定性事实（条件