文档摘要

2.2 知识表示与推理 本节摘要：知识表示决定智能体「能理解什么」，知识推理决定「能从已知推出什么」。本节先讲符号、亚符号、混合三种知识表示方法（逻辑/语义网络/框架/本体 vs 神经网络 vs 神经符号），再讲演绎、归纳、溯因、概率、基于案例五种推理，最后给出「知识表示+推理」的选型思路与贝叶斯网络查询示例。 会员。《2.2 知识表示与推理》收录于灏天文库文集《AI智能体构建与开发教程》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/190-ai%E6%99%BA%E8%83%BD%E4%BD%93%E6%9E%84%E5%BB%BA%E4%B8%8E%E5%BC%80%E5%8F%91%E6%95%99%E7%A8%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流