📃 docs(4.3人工智能导论及机器学习): 新增4.3.4修改部分之前文档排版及内容

4.人工智能/4.3.2知识推理.md

@@ -82,7 +82,7 @@
     | 1   | 1   | 1        |
 
 - <strong>Biconditional (</strong>$\leftrightarrow$<strong>)</strong> :是一个双向的蕴含。你可以把它读成“如果且仅当”$P↔ Q$等同$P→ Q$和$Q→ P$合在一起。例如，如果$P$：“正在下雨”，$Q$：“我在室内”，那么$P↔ Q$的意思是“如果下雨，那么我在室内”，“如果我在室内，那么就在下雨。”这意味着我们可以推断出比简单蕴含更多的东西。如果$P$为假，那么$Q$ 也为假；如果不下雨，我们知道我也不在室内。
-  
+
   | $P$ | $Q$ | $P\leftrightarrow Q$ |
   | --- | --- | -------------------- |
   | 0   | 0   | 1                    |
@@ -141,7 +141,7 @@ dumbledore  # 哈利拜访了邓布利多。请注意，虽然之前的命题包
 ```python
 def check_all(knowledge, query, symbols, model):# 如果模型对每个符号都有一个赋值
     # (下面的逻辑可能有点混乱：我们从命题符号列表开始。该函数是递归的，每次调用自身时，它都会从命题符号列表中弹出一个命题符号并从中生成模型。因此，当命题符号列表为空时，我们知道我们已经完成生成模型，其中包含每个可能的命题真值分配。)
-    if not symbols: 
+    if not symbols:
         # 如果知识库在模型中为真，则查询结论也必须为真
         if knowledge.evaluate(model):
             return query.evaluate(model)
@@ -271,9 +271,7 @@ def check_all(knowledge, query, symbols, model):# 如果模型对每个符号都
   - 使用德摩根定律，将否定向内移动，直到只有原子命题被否定（而不是从句）
 
     - 将$\lnot(\alpha∧β)$转换为$\lnotα\lor\lnotβ$
-  - 下面是一个转换$(P∧Q)\to R$
-
-    到合取范式的例子：
+  - 下面是一个转换$(P∧Q)\to R$到合取范式的例子：
 
     - $(P ∨ Q) → R$
     - $\lnot(P\lor Q)\lor R$蕴含消除