文档介绍：第5章知识获取
1 .引言
2 .非自动型知识获取
3 .机器感知和机器识别
4 .机器学习
ÿ晦ÿ
,在ES中是依靠运用知识
来解决问题和作出决策的,而知识来源于客观世界,要使系统能
不断适应外界环境的变化,提高解决问题的能力,就需要象人那
样,能通过学习积累经验,不断增长才干才行。
,所以解决知识获取是一个十分重要的课
题,是AI研究的关键性的难点,是ES建造中的“瓶颈
(bottleneck)”问题,消耗的人力、物力最多,占用的时间最
长。
“人工”方式向领域专家获取
知识,注入计算机,相当于从头学一门新的专业知识。
,提高获取效率的根本途径是实现完全自动的知识获取。
2
1 . 领域专家与知识工程师
2 . 基本步骤:
定义阶段概念化阶段形式化阶段测试阶段
定义阶段:需确定(a) 解决什么问题,达到什么目的;(b)问题包含
的对象、概念,及其间的关系;数据;定义;术语;(c)问题是否可分
成子问题,如何划分;(d)要求的解的形式
概念化阶段:抽取知识(a)明确信息流向图;(b)明确结构层次关系
,因果关系,集合包含关系,部分与整体关系;(c)提取规则
形式化表示与实现阶段:选择合适的知识表示模式,将抽取出来的知
识表达出来
测试阶段:设计一个原型系统运行以下,发现问题修改与完善前三个
阶段
ÿ 2
3. 方式
(a)会谈获取知识
通过知识工程师与领域
专家会谈,由知识工程师执
行;包括知识采集、提取、
编程、调试、修改
(b)知识编辑器——专家系
统工具
将智能化编辑和编译技
术应用于知识获取,可由领
域专家在不清楚专家系统的
结构和编制方法的情况下,
由屏幕提示信息,输入知
识。需要很好的人机界面
2
3. 全自动知识获取的模型
机机器识别知
环境器
感识
知机器学习库
机器感知(主要是视觉、听觉)、识别、学习是全自动获取的三大支
柱。目前机器识别的理论和水平已日趋成熟。机器感知和机器学
习仍在发展阶段,只有深入研究,才能实现真正的全自动知识获
取
2
机器感知和机器识别
1. 感知
感知是人类的基本生理心理现象,通过视觉、听觉、嗅
觉、味觉和触觉来感知周围环境,获取信息,经大脑加工
归纳成知识。
处理的80%以上的信息是由视觉提供(视觉感知,摄象
头、扫描仪等),大约10%的信息通过听觉提供(听觉感
知,录音机)。
2
机器感知和机器识别
2. 识别
识别被认为是人类和其他生物的一个基本属性
人的识别分具体感觉识别:图象、文字、语音、指纹、心电图
等
抽象概念识别:一个论点、某问题的解答
模式:是一个物体或某些其他感兴趣实体定量的或结构的描述
模式识别:从不相关的细节背景中,抽取数据的有意义的特征或
属性,根据这些特征和属性对数据进行分类,把特征或属性相同
的归成同一类。
机器进行模式识别:是依靠自动技术,机器自动地或人尽可能少
干预地把模式分配到它们各自的模式类中去
模式识别的方法传统的模式识别方法:决策理论方法等
神经网络方法
2
机器感知和机器识别
3. 计算机视觉信息处理:图象识别和字符识别
4. 计算机听觉信息处理——语音识别:使机器与专家直接对话进
行学习
步骤:(a)取样:在连续的语音信号中取样,将连续的模拟变为离
散的数字信号——数字序列
(b)预处理:高频提升,提高高频信号作用
头尾判别,确定真正的语音信号的首、尾
对原始数据压缩或以帧为单位
(c)特征参数的提取
(d)语音识别——模式匹配
2
机器学习的定义与发展历史
机器学习的主要策略与基本结构
几种常用的学习方法
知识发现
小结
2
机器学习的定义与发展历史
•机器学习的定义
顾名思义,机器学习是研究如何使用机器来模拟
人类学习活动的一门学科。稍为严格的提法
是:机器学习是一门研究机器获取新知识和新
技能,并识别现有知识的学问。
机器学习是自动获取知识的重要途径
2