人工智能概述

问题求解的基本原理

知识表示

基于逻辑问题的求解方法

不确定知识的表示和推理

专家系统

知识获取和知识学习

自然语言处理系统

问答和实践

通过类比学习（Learning by analogy）有时也称为类比推理（analogical reasoning）, 两者强调的重点不同，本节不作区别。

类比是人类思想的重要方式之一，为模拟人类的智能就不能不研究类比。所谓类比学习就是在几个对象之间检测相似性，根据一方对象所具有的事实和知识，推理出相似对象所应具有的事实和知识。

类比推理是在两个领域中进行的。一个是已认识了的领域，称为基（base），简记为b；一个是当前尚未完全认识的领域，希望将基中的知识移植过来，因此称为靶（Target），简记为T。为简洁起见，下面使用几个符号：

～表示相似

︱～表示类比输出

→表示对应（对应不必相似）

类比学习一般可以分为如下4种类型。

1.     属性类比

关于对象的一元或可化作一元的谓词称为属性。对象是由一组属性所限定的。如果对象t的一组属性P(t)和对象b的一组属性P^’(b)相似，则称对象t与对象b类似。所谓类比学习是指，如果t～b，且P(b)成立，则可类比推出P(t)成立，即

t～b,   P(b)︱～P(t)

显然，类比学习推论出来的结果是不保真的。但是，类比学习增加了新的知识。

属性类比中的一个重要问题是对两个属性集合的相似性的定义，即相似性度量。设对象a和b分别有属性集P(a)和P(b)，则对象a和b之间的相似度可定义为交集的 大小

其中｜｜表示集合中元素的个数。这个定义仅考虑了两个对象之间对应起来的属性，没有考虑那些不能对应起来的属性，有时不能反映真实的相程度。为此，可将相似度定义为

其中符号“-”表示差集， 为大于0的常数。这个定义克服了上面定义的缺点，但是，还可以进一步考虑属性间重要性的不同以及属性间对应的程度。

2.     射类比

射是借用范畴论的术语，它表示对象与对象之间的对应关系。设基对象是一个二元组(b_i,b_F)，它称为一个状态对，其中b_i为初态，b_F为终态。从b_i到b_F有一个射ß 。靶对象也是一个二元组(T_i,T_F)。记已知(T_i,T_F)～(b_i,b_F)，要求射ρ：T_i,→T_F，则称之为一个射类比问题，它可表示为

b_i ～T_i,

 ß↓？ρ↓

b_F ～ T_F

    射类比可用于定理证明、问题求解及故障诊断等方面。

<下一页>