当前位置: 首页 > news >正文

计算机科学与导论 第十七 十八章 计算理论,人工智能

文章预览:

  • 计算理论
  • 17.1 引言
  • 17.2 简单语言
  • 17.3 图灵机
    • 邱奇 -图灵 论题
  • 人工智能
  • 引言
    • 18.1.1 什么是人工智能
    • 18.1.2 智能体
    • 18.1.3 编程语言
  • 18.2 知识的表示
    • 18.2.1 语义网
    • 18.2.2 框架
    • 18.2.3 谓词逻辑
    • 18.2.4 基于规则的系统
  • 18.2 专家系统
  • 18.3 语言理解
  • 18.4 搜索
  • 18.5 多层神经网络

计算理论

17.1 引言

这一章是对计算理论的一个简单的介绍。首先,介绍一种语言,称为简单语言。其次,介绍一种工具,一种称为图灵机的计算机模型,第三我们将证明没有任何程序可以知道另一个程序终止与否。

17.2 简单语言

我们可以仅用3条语句来定义一个语言,它们是:递增语句递减语句循环语句

17.3 图灵机

图灵机由三部分组成:磁带,控制器和读写头。
1.磁带
尽管现代计算机中使用的随机存储设备容量是有限的,但我们假定图灵机中的内存是无限的。磁带任何时候只能保存一些列顺序的字符,该字符来自计算机所能接收的字符集中。
在这里插入图片描述
2 读/写头
读写头在任何时刻总是指向磁带上的一个符号,我们称这个符号为当前符号,读/写头 每次在磁带上读写一个符号。每读写完一次后,他向左移,向右移。读,写,和移动都是在控制器指令下进行的。
3 控制器
控制器是理论上功能作用类似现代计算机中中央处理单元(cpu)的一个部件,它是一个有限状态自动机,即该机器有预定的有限个状态并能根据输入从一个状态转移到另一个状态,但任何时候他只能处于这些状态中的一种。
在这里插入图片描述

邱奇 -图灵 论题

如果存在一个能完成一个符号操纵任务的算法,那么也存在一台完成这个任务的图灵机。
注意这只是论题,不是定理。定理可以在数学上得到证明,但论题不能。虽然这个论题可能永远得不到证明,但有些强有力的论断在支持它。首先,尚未发现有图灵机不能模拟的算法;其次,所有在数学上已经得到证明的计算机模型都与图灵机模型等价,这个论断是得到证明。

人工智能

引言

18.1.1 什么是人工智能

人工智能是对程序系统的研究,该程序系统在一定程度上能模仿人类的活动,如感知,思考。学习和反应

18.1.2 智能体

智能体可以分为俩大类:软件智能体和物理智能体

1.软件智能体
软件智能体是一组用来完成特殊任务的程序。例如,有些只能系统用来整理电子邮件,能检查收到的邮件的内容,然后把它们归入不同的类别中。另外一个软件智能体的例子是搜索引擎。

2.物理智能体
物理智能体是一个用来完成各项任务的可编程系统。简单的机器人可以用在制造行业。

18.1.3 编程语言

虽然有些通用能用来编写智能软件,但有俩种语言是特别为人工智能设计的,它们是:LISP和PROLOG.
1.LISP
LISP 是一种操纵表的编程语言。LISP把数据和程序都当成表,这就意味着LISP程序能改变它自身。这个特性与智能体的理念相吻合。
但是LISP得一个缺点是它的行动迟缓,如果要处理的表比较长,LISP就变得很慢。另一个缺点是它的语法复杂。
2.PROLOG
是一种能建立事实数据库和规则知识库的编程语言。使用PROLOG编程能使用逻辑推理来回答那些可以从知识库中推导出来的问题。但是PROLOG不是效率很高的编程语言,有些复杂问题使用其他语言效率更高。

18.2 知识的表示

如果打算用人工智能体来解决现实世界的一些问题,那么它必须能表示知识。事实被表示成数据结构后就能被存储在计算机中的程序操作。我们描述4种常见的知识表示法,语义网,框架,谓词逻辑和基于规则的系统。

18.2.1 语义网

语义网使用有向图表示知识。有向图由顶点和边构成。语义网用顶点表示概念,用边表示俩个概念的关系
在这里插入图片描述

18.2.2 框架

框架与语义网紧密相关。在语义网中,图用来表示知识,在框架中,数据结构(记录)用来表示相同的知识。与语义网相比框架的一个优点是程序更容易处理框架而不是语义网。
1.对象
语义网中的一个节点变成了一组框架的一个对象,所以一个对象可以定义一个类,子类或者实例。
在这里插入图片描述

2.槽
语义网中的边被翻译成槽。槽的名字定义了关系的类型和构成关系的槽的值。

18.2.3 谓词逻辑

命题逻辑,谓词逻辑,超谓词逻辑(高阶逻辑,模态逻辑,时态逻辑,默认逻辑)

18.2.4 基于规则的系统

基于规则的系统使用一组规则来标识知识,这些规则能用来从已知的事实中推导出新的事实。
规则表示当指定条件满足时什么为真。基于规则的数据是一组if …then…语句,它们的形式为 if A then B 或者A->B

其中A为前提,B为结论。
1.组成
一个基于规则的系统由三部分构成:解释器(或推理机),知识库和事实库
在这里插入图片描述
(1)知识库
基于规则系统的知识库部分就是规则的数据库。它包含一组预先建立的规则,这些规则能从给定的事实库中得出结论。
(2)事实库
事实库中包含了知识库中的规则要使用的一组条件
(3)解释器
解释器(推理机)是一个处理器或控制器(如一段程序),它把规则和事实组合在一起。解释器有俩种类型:正向推理和反向推理。

18.2 专家系统

专家系统使用前面所讨论的知识表示语言,来执行通常需要人类专家才能完成的任务。
在这里插入图片描述

1.用户
用户是使用系统,从所提供的专家经验中获益的实体

2.用户界面
用户界面允许用户与系统交互,用户界面能接收用户的自然语音,然后把它们翻译给系统。

3.推理机
推理机是专家系统的心脏,它使用知识库和事实库推导出要采取的动作。

4.知识库
知识库是基于与相关领域专家的会面而得到的知识的集合

5.事实库
事实库在专家系统中是基于事例的。对于每个事例,用户输入可用的度量的数据进入事实库,推理机为这特殊的事例使用这些数据。

6解释系统
并不是所有专家系统都有解释系统,它用来解释推理机得出的结论的合理性。

7 知识编辑器

并不是所有的专家系统都有知识编辑器,当从领域专家那里获得新的经验时,用知识库编辑器来更新知识库。

18.3 语言理解

机器理解自然语言的任务分成4个连续的步骤:语音识别,语法分析,语义分析,语用分析。

(1)语音识别是第一步就是分析出一句话的各个词
(2)语法分析这一步用来定义单词在句子中时如何组织的。
(3)语义分析就是在句子被语法分析之后抽取出句子的意思
(4)语用分析是用来进一步明确句子的意图和消除歧义。

18.4 搜索

人工智能解决问题的一种技术是搜索。
有俩种常用的搜索方式:蛮力搜索和启发式搜索,蛮力搜索本身又有广度优先和深度优先

18.5 多层神经网络

在这里插入图片描述
应用:俩个证明神经网络有用的领域是光学字符识别(OCR)和信用赋值(不同的因素赋予不同的权值去建立信用等级,例如用于贷款申请)

相关文章:

计算机科学与导论 第十七 十八章 计算理论,人工智能

文章预览: 计算理论17.1 引言17.2 简单语言17.3 图灵机邱奇 -图灵 论题 人工智能引言18.1.1 什么是人工智能18.1.2 智能体18.1.3 编程语言 18.2 知识的表示18.2.1 语义网18.2.2 框架18.2.3 谓词逻辑18.2.4 基于规则的系统 18.2 专家系统18.3 语言理解18.4 搜索18.5 …...

linux 设置定时任务---学习

1、设置定时任务 crontab -e 设置格式参考:【Linux】Linux crontab 命令定时任务设置_crontab 设置每天10:30执行-CSDN博客 测试过程: */1 * * * * /root/cronjob.sh 脚本内容: echo "hell0 cronjob" >> /root/test/hello.txt 实现…...

钡铼IOy系列模块深挖工业场景需求提供丰富多样的I/O解决方案

钡铼IOy系列模块以其灵活性和多样性,在工业场景中提供了丰富多样的I/O解决方案,满足了不同行业、不同应用场景的需求。以下是一些常见的工业场景需求及钡铼IOy系列模块提供的解决方案: 1. 工厂自动化 需求:工厂自动化需要对生产线…...

【刷题笔记】第三天

两道简单题 文章目录 [2923. 找到冠军 I](https://leetcode.cn/problems/find-champion-i/description/)[3095. 或值至少 K 的最短子数组 I](https://leetcode.cn/problems/shortest-subarray-with-or-at-least-k-i/description/) 2923. 找到冠军 I 方法1: 如果 i …...

开源模型应用落地-LangChain试炼-CPU调用QWen1.5(一)

一、前言 尽管现在的大语言模型已经非常强大,可以解决许多问题,但在处理复杂情况时,仍然需要进行多个步骤或整合不同的流程才能达到最终的目标。然而,现在可以利用langchain来使得模型的应用变得更加直接和简单。 通过langchain框…...

STM32-模数转化器

ADC(Analog-to-Digital Converter) 指模数转换器。是指将连续变化的模拟信号转换 为离散的数字信号的器件。 ADC相关参数说明: 分辨率: 分辨率以二进制(或十进制)数的位数来表示,一般有 8 位、10 位、12 位、16 位…...

算法刷题记录2

4.图 4.1.被围绕的区域 思路:图中只有与边界上联通的O才不算是被X包围。因此本题就是从边界上的O开始递归,找与边界O联通的O,并标记为#(代表已遍历),最后图中剩下的O就是:被X包围的O。图中所有…...

中国代工巨头旗下芯片公司遭网络攻击,千兆字节数据被泄露

近日,中国智能手机代工巨头闻泰科技旗下荷兰芯片制造商Nexperia发布声明,称其遭遇网络攻击,有未经授权的第三方访问了公司的 IT 服务器,目前已向相关部门报告了此次事件,并与网络安全专家合作开启调查。而据相关消息&a…...

【ARM 裸机】汇编 led 驱动之基本语法

我们要编写的是 ARM 汇编,编译使用的是 gcc 交叉编译器,所以要符合 GNU 语法。 1、汇编指令 汇编由一条条指令构成,ARM 不能直接访问存储器,比如 RAM 中的数据,I.MX6UL 中的寄存器就是 RAM 类型的,我们用…...

scala---基础核心知识(变量定义,数据类型,流程控制,方法定义,函数定义)

一、什么是scala Scala 是一种多范式的编程语言,其设计初衷是要集成面向对象编程和函数式编程的各种特性。Scala运行于Java平台(Java虚拟机),并兼容现有的Java程序。 二、为什么要学习scala 1、优雅 2、速度快 3、能融合到hado…...

OSPF星型拓扑和MGRE全连

一,拓扑 二,要求 1,R6为ISP只能配置IP地址,R1-R5的环回为私有网段 2,R1/4/5为全连的MGRE结构,R1/2/3为星型的拓扑结构, 3,R1为中心站点所有私有网段可以互相通讯,私有网段…...

智能时代中的工业应用中前所未有的灵活桥接和I/O扩展功能解决方案MachXO2系列LCMXO2-1200HC-4TG100I FPGA可编程逻辑IC

lattice莱迪斯 MachXO2系列LCMXO2-1200HC-4TG100I超低密度FPGA现场可编程门阵列,适用于低成本的复杂系统控制和视频接口设计开发,满足了通信、计算、工业、消费电子和医疗市场所需的系统控制和接口应用。 瞬时启动,迅速实现控制——启动时间…...

php:实现压缩文件上传、解压、文件更名、压缩包删除功能

效果图 1.上传文件 2.压缩包文件 3.itemno1文件 或 4.上传到系统路径\ItemNo 5.更名后的itemno1文件(命名&#xff1a;当天日期六位随机数) 代码 <form action"<?php echo htmlspecialchars($_SERVER[PHP_SELF], ENT_QUOTES, UTF-8); ?>" methodpost en…...

【机器学习】科学库使用第5篇:Matplotlib,学习目标【附代码文档】

机器学习&#xff08;科学计算库&#xff09;完整教程&#xff08;附代码资料&#xff09;主要内容讲述&#xff1a;机器学习&#xff08;常用科学计算库的使用&#xff09;基础定位、目标&#xff0c;机器学习概述定位,目标,学习目标,学习目标,1 人工智能应用场景,2 人工智能小…...

Java面试八股文(JVM篇)(❤❤)

Java面试八股文_JVM篇 1、知识点汇总2、知识点详解&#xff1a;3、说说类加载与卸载11、说说Java对象创建过程12、知道类的生命周期吗&#xff1f;14、如何判断对象可以被回收&#xff1f;17、调优命令有哪些&#xff1f;18、常见调优工具有哪些20、你知道哪些JVM性能调优参数&…...

「51媒体」如何有效进行媒体邀约,提升宣传传播效果?

传媒如春雨&#xff0c;润物细无声&#xff0c;大家好&#xff0c;我是51媒体网胡老师。 进行有效的媒体邀约&#xff0c;提升宣传传播效果的关键在于策略性和专业性。以下是具体的做法&#xff1a; 明确目标&#xff1a;要确立清晰的品牌推广目标和策略&#xff0c;包括确定目…...

docker初始化进程

docker run --init 是一个 Docker 命令的选项&#xff0c;用于在容器中运行一个初始化进程&#xff08;通常是 tini&#xff09;。这个初始化进程负责处理一些 Unix 信号&#xff08;如 SIGTERM 和 SIGCHLD&#xff09;&#xff0c;并确保容器中的进程能够正确地被管理和清理。…...

基于快照行情的股票/基金 1分钟 K 线合成指南

1. 概述 由于不同交易所不同资产的交易规则是有差异的&#xff0c;导致不同交易所基于快照行情或逐笔成交合成不同资产1分钟 K 线的计算方法是不同的。 本教程旨在提高 DolphinDB 在具体业务场景下的落地效率&#xff0c;降低 DolphinDB 在实际业务使用中的开发难度。 本教程…...

新质生产力崛起:精益化能力助力企业转型升级

在智能制造、物联网、大数据、大模型、AI风起云涌的时代背景下&#xff0c;一个崭新的概念——“新质生产力”逐渐进入了人们的视野。这一热词不仅成为今年两会的讨论焦点&#xff0c;更代表了企业、国家乃至社会未来发展的核心动能。那么&#xff0c;什么是新质生产力&#xf…...

开发了一个在线客服系统

开发了一个在线客服系统 作为程序员&#xff0c;我一直在寻找能够提高工作效率和用户体验的方法。最近&#xff0c;我成功开发了一个在线客服系统&#xff0c;这个系统旨在帮助企业更高效地管理客户咨询和服务流程。 技术栈 我选择了以下的技术栈来构建这个系统&#xff1a;…...

51c自动驾驶~合集58

我自己的原文哦~ https://blog.51cto.com/whaosoft/13967107 #CCA-Attention 全局池化局部保留&#xff0c;CCA-Attention为LLM长文本建模带来突破性进展 琶洲实验室、华南理工大学联合推出关键上下文感知注意力机制&#xff08;CCA-Attention&#xff09;&#xff0c;…...

(十)学生端搭建

本次旨在将之前的已完成的部分功能进行拼装到学生端&#xff0c;同时完善学生端的构建。本次工作主要包括&#xff1a; 1.学生端整体界面布局 2.模拟考场与部分个人画像流程的串联 3.整体学生端逻辑 一、学生端 在主界面可以选择自己的用户角色 选择学生则进入学生登录界面…...

Java如何权衡是使用无序的数组还是有序的数组

在 Java 中,选择有序数组还是无序数组取决于具体场景的性能需求与操作特点。以下是关键权衡因素及决策指南: ⚖️ 核心权衡维度 维度有序数组无序数组查询性能二分查找 O(log n) ✅线性扫描 O(n) ❌插入/删除需移位维护顺序 O(n) ❌直接操作尾部 O(1) ✅内存开销与无序数组相…...

Qt Widget类解析与代码注释

#include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget) {ui->setupUi(this); }Widget::~Widget() {delete ui; }//解释这串代码&#xff0c;写上注释 当然可以&#xff01;这段代码是 Qt …...

CentOS下的分布式内存计算Spark环境部署

一、Spark 核心架构与应用场景 1.1 分布式计算引擎的核心优势 Spark 是基于内存的分布式计算框架&#xff0c;相比 MapReduce 具有以下核心优势&#xff1a; 内存计算&#xff1a;数据可常驻内存&#xff0c;迭代计算性能提升 10-100 倍&#xff08;文档段落&#xff1a;3-79…...

定时器任务——若依源码分析

分析util包下面的工具类schedule utils&#xff1a; ScheduleUtils 是若依中用于与 Quartz 框架交互的工具类&#xff0c;封装了定时任务的 创建、更新、暂停、删除等核心逻辑。 createScheduleJob createScheduleJob 用于将任务注册到 Quartz&#xff0c;先构建任务的 JobD…...

【CSS position 属性】static、relative、fixed、absolute 、sticky详细介绍,多层嵌套定位示例

文章目录 ★ position 的五种类型及基本用法 ★ 一、position 属性概述 二、position 的五种类型详解(初学者版) 1. static(默认值) 2. relative(相对定位) 3. absolute(绝对定位) 4. fixed(固定定位) 5. sticky(粘性定位) 三、定位元素的层级关系(z-i…...

微信小程序 - 手机震动

一、界面 <button type"primary" bindtap"shortVibrate">短震动</button> <button type"primary" bindtap"longVibrate">长震动</button> 二、js逻辑代码 注&#xff1a;文档 https://developers.weixin.qq…...

linux 错误码总结

1,错误码的概念与作用 在Linux系统中,错误码是系统调用或库函数在执行失败时返回的特定数值,用于指示具体的错误类型。这些错误码通过全局变量errno来存储和传递,errno由操作系统维护,保存最近一次发生的错误信息。值得注意的是,errno的值在每次系统调用或函数调用失败时…...

大语言模型(LLM)中的KV缓存压缩与动态稀疏注意力机制设计

随着大语言模型&#xff08;LLM&#xff09;参数规模的增长&#xff0c;推理阶段的内存占用和计算复杂度成为核心挑战。传统注意力机制的计算复杂度随序列长度呈二次方增长&#xff0c;而KV缓存的内存消耗可能高达数十GB&#xff08;例如Llama2-7B处理100K token时需50GB内存&a…...