AI中正向和反向推理的区别
在这篇文章中，我们将了解AI中前向推理和后向推理之间的区别-
正向推理
这是一项数据驱动的任务。
它从新数据开始。
目的是找到一个可以遵循的结论。
它使用机会主义类型的方法。
它从初期流向结果。
推理引擎根据约束使用给定信息搜索知识库。
这些约束的优先级必须与当前状态相匹配。
第一步是给系统一个或多个约束。
在知识库中为每个约束搜索规则。
选择满足条件的规则。
每个规则都可以从从被调用的规则中获得的结论中产生新的条件。
可以添加新条件，并再次处理。
如果不存在新条件，则该步骤结束。
可能会很慢，
它遵循自上而下的推理。
逆向推理
这是一个目标驱动的任务。
它始于不确定的结论。
目的是找出支持结论的事实。
它使用保守类型的方法。
它从结果流向初始。
该系统帮助选择一个目标状态，并在反向推理。
第一步是选择目标状态和规则。
子目标由选定的规则构成，需要满足这些规则才能使目标状态为真。
初始条件设置为满足所有子目标。
建立的状态与提供的初始状态相匹配。
如果满足条件，则目标就是解决方案。
否则目标被拒绝。
它测试的规则数量较少。
它提供少量数据。
它遵循自下而上的推理技术。
它包含较少数量的初始目标并具有大量规则。
它基于初始状态获取的决定。
它也被称为决策驱动或目标驱动的推理技术。
系统选择一个目标状态并在向后方向进行推理。