在人工智能中,搜索的目的是找到通过问题空间的路径。有两种方法可以进行这种前后推理的搜索。两者之间的显着差异在于前向推理始于朝向目标的初始数据。相反,后向推理以相反的方式工作,其目的是在给定结果的帮助下确定初始事实和信息。
比较的项目 | 前向推理 | 后向推理 |
---|---|---|
基本 | 数据驱动 | 目标驱动 |
开始于 | 新数据 | 结论不确定 |
目的是找到 | 结论必须遵循 | 事实支持结论 |
方法的类型 | 机会主义的 | 保守 |
流 | 初期结果 | 初期的后果 |
什么是前向推理
问题的解决方案通常包括初始数据和事实以便得出解决方案。这些未知的事实和信息用于推断结果。例如,在诊断患者时,医生首先检查身体的症状和医疗状况,例如温度,血压,脉搏,眼睛颜色,血液等。之后,分析患者症状并与预定症状进行比较。然后医生能够根据患者的症状提供药物。因此,当解决方案采用这种推理方式时,它被称为前向推理。
前向推理中遵循的步骤
推理引擎利用所提供的信息来探索知识库,该约束的优先级与给定的当前状态匹配。
在第一步中,系统被赋予一个或多个约束。
然后在知识库中搜索每个约束的规则。选择满足条件的规则(即IF部分)。
现在,每个规则都能够从被调用的规则的结束中产生新的条件。结果,THEN部分再次包含在现有部分中。
通过重复步骤2再次处理添加的条件。如果不存在新条件,则该过程将结束。
什么是后向推理
后向推理是前向推理的逆推理,前向推理通过对目标的分析来推断规则、初始事实和数据。我们可以通过上面定义中给出的类似示例来理解这个概念,其中医生试图借助于初始数据(如症状)来诊断患者。然而,在这种情况下,患者正在经历身体问题,医生将根据该问题来证明症状。这种推理属于逆向推理。
后向推理中遵循的步骤
在这种推理中,系统选择目标状态和向后方向的原因。现在,让我们了解它是如何发生的以及遵循的步骤。
首先,选择目标状态和规则,其中目标状态驻留在THEN部分作为结论。
从所选规则的IF部分,使得子目标满足目标状态为真。
设置重要的初始条件以满足所有子目标。
验证提供的初始状态是否与已建立的状态匹配。如果它满足条件,则目标是解决方案,否则选择其他目标状态。
人工智能中前后推理的主要差异
前向推理是数据驱动的方法,而后向推理是目标驱动的。
该过程从前向推理中的新数据和事实开始。相反,后向推理从结果开始。
前向推理旨在确定一些序列后面的结果。另一方面,后向推理强调支持结论的行为。
前瞻性推理是一种机会主义的方法,因为它可以产生不同的结果。相反,在后向推理中,特定目标只能具有某些预定的初始数据,这使得它受到限制。
前向推理的流程是从先行到后来的,而后向推理以相反的顺序工作,从结论到初期。
总结
搜索过程的生产系统结构有助于解释前向和后向推理。前向推理和后向推理根据其目的和过程进行区分,其中前向推理由初始数据指导,旨在找到目标,而后向推理由目标而不是数据控制,旨在发现基本推理、数据和事实。
有问题可在下方评论留言,或关注“大超小志”微信公众号留言。
留言评论
如需留言或评论,请在微信中打开此页面。