【人工智能 | 知识表示方法】状态空间法 & 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

【人工智能 | 知识表示方法】状态空间法 & 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP


摘要: 本系列旨在普及那些深度学习路上必经的核心概念,文章内容都是博主用心学习收集所写,欢迎大家三联支持!本系列会一直更新,核心概念系列会一直更新!欢迎大家订阅

知识表示方法

知识是一个抽象的术语,尝试描述人对某种特定对象的理解。根据不同任务和不同的知识类型,有不同的知识表示方法,对应这许多不同的方法和技术可供选择(不同知识表示方法,在求解问题方法和效率也不太同,需要考虑)。以下是一些常见的知识表示方法极少(需要注意的是这里的知识表示方法,不仅仅是面对现在主流大热的人工智能方向,几乎是包含了全部的人工智能方向,机器智能其实就是我们日常解决的问题,例如八数码问题、圆盘梵塔难题都可以很好求解,这种方法论在面对数据结构与算法中也是非常有效的,可以说是秘籍)

状态空间法(State Space Representation)

这里以传教士与野人的问题为例:

根据状态空间法,我们首先需要定义其对于状态,而后定义操作。

在这个问题中,我们可以使用状态空间搜索来解决。我们可以用一组状态来表示传教士和野人在不同岸边的位置。

状态表示:

  1. (M, C, B) 表示一个状态,其中 M 表示右岸的传教士数量,C 表示右岸的野人数量,B 表示船的位置,B = 0 表示船在右岸,B = 1 表示船在左岸。

算符表示:

(m, c): 将m个传教士和c个野人从右岸乘船到左岸,。前提条件是 m + c <= 2

这些算符表示了允许的合法移动,同时满足传教士和野人数量的限制条件。通过在状态空间中搜索,我们可以找到一条路径,使得所有传教士和野人都能安全地从右岸渡到左岸。

参考:
【人工智能 | 知识表示方法】状态空间法 &amp; 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

再举一个例子

(M, C, B) 表示一个状态,其中 M 表示初始城市,C 表示目标城市,B 表示距离。

需要找到从起始节点A到目标节点A的最佳路径。这可以通过应用最短路径算法(例如迪杰斯特拉算法或暴力枚举算法)来实现,平时用迪杰斯特拉算法即可。

语义网络(Semantic Networks)

由奎廉(Quillian)于1968年提出,作为描述人类联想记忆的一种心理学模型。

语义网络的结构定义

我们根据以下这个例子简单讲解

下面是将给定语句表示为语义网络的描述:

(1) All men are mortal.
语义网络描述:

  • 点(节点):人(Men)
  • 连接(关系):无
  • 属性(特征):有生命(Mortal)

【人工智能 | 知识表示方法】状态空间法 &amp; 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

(2) Every cloud has a silver lining.
语义网络描述:

  • 点(节点):云(Cloud)、边(Lining)
  • 连接(关系):有(has)
  • 属性(特征):颜色(Silver )

【人工智能 | 知识表示方法】状态空间法 &amp; 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

20231209161952067.png&pos_id=img-HX73n9yg-1702303103474)

(3) All branch managers of DEC participate in a profit-sharing plan.
语义网络描述:

  • 点(节点):经理(Managers)、计划(plan)
  • 连接(关系):参与(participate in)
  • 属性(特征):DEC、利润分享(Profit-sharing)、分支(Branch )

【人工智能 | 知识表示方法】状态空间法 &amp; 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

请注意,语义网络描述的形式可以有所不同,上述描述仅提供了一种可能的表示方法。

【人工智能 | 知识表示方法】状态空间法 &amp; 语义网络,良好的知识表示是解题的关键!(笔记总结系列)-LMLPHP

						  🤞到这里,如果还有什么疑问🤞
					🎩欢迎私信博主问题哦,博主会尽自己能力为你解答疑惑的!🎩
					 	 🥳如果对你有帮助,你的赞是对博主最大的支持!!🥳
12-16 02:59