推理机是一种软件系统,它利用专家知识库分析问题得出结论,它根据数据建立的前提得出逻辑结果,有时推理机也能超越严格的逻辑处理,利用概率计算得出知识库不严格支持的结论,但是,这仅仅是暗示或暗示。 商人竖起大拇指,大多数...
推理机是一种软件系统,它利用专家知识库分析问题得出结论,它根据数据建立的前提得出逻辑结果,有时推理机也能超越严格的逻辑处理,利用概率计算得出知识库不严格支持的结论,但是,这仅仅是暗示或暗示。
![]()
商人竖起大拇指,大多数人工智能领域设计的推理机都是基于专家系统的概念而建立的,专家系统是为了解决某个特定的,有时是狭义的领域的问题,比如某些医学专业专家系统的推理机组件是一种控制结构,它根据当前存在于知识库中的任何数据和专家系统的编程规则产生初始输出,然后以有意义的方式将其应用到具体问题中,因为推理机的结果是数据的结果,因此它们会随着数据会被更新,并且随着推理机自身以不同的方式搜索数据,数据也会发生变化。如果系统中的数据被加权到一个或多个结论上而不是另一个结论,这会改变推理机生成的结果。使用推理机的软件可以被视为一种主动选择机制,在这种机制中,处理操作由最新的数据状态来指导。专家系统有两种处理这些存储数据的一般方法,在前向链中,专家系统的规则对推理机输入的数据进行分析,结果作为新数据反馈到系统的数据存储器中这会触发新的问题解决方案,因为系统对数据进行了细化,并通过归纳推理对其进行了权衡,这意味着得出的结论不一定反映开始分析时使用的原始数据或前提。反向链接更倾向于概率,从一开始就对存储的数据进行加权。规则用于根据给定的问题测试数据的有效性条件,并在完成此操作时,为数据分配新的概率值。也称为假设驱动,在根据专家系统规则建立的条件对数据进行连续测试以满足所研究问题或问题的最低证明水平之前,向后链接不会得出严格的结论。贝叶斯逻辑是推理机软件的一种面向概率的形式,它利用反向链接对于18世纪中叶的英国数学家托马斯·贝耶斯(Thomas Bayes)来说,这种逻辑利用先前事件的知识库,通过对知识的反复测试来预测未来的结果,并将试验结果的额外证据纳入新的试验中,以产生越来越精确的结果为目标。模糊逻辑软件体系结构也可以依赖于推理机作为其系统的一部分。与模糊逻辑的区别在于,输出是一个模糊集合或一系列可能的解决方案,然后通过逻辑和概率聚合成一组,缩小到一个最佳的结论或行动。