人工智能及其應用第四版733課件

《人工智能及其應用第四版733課件》由會員分享，可在線閱讀，更多相關《人工智能及其應用第四版733課件（34頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、人 工 智 能1第1頁，共34頁。第七章第七章 機器學習機器學習7.1 機器學習的定義、研究意義與發(fā)展歷史機器學習的定義、研究意義與發(fā)展歷史 7.2 機器學習的主要策略與基本結構機器學習的主要策略與基本結構7.3 7.7 幾種常用的學習方法幾種常用的學習方法7.8 知識發(fā)現(xiàn)知識發(fā)現(xiàn)7.9 小結小結2第2頁，共34頁。7.1 7.1 機器學習的定義和發(fā)展機器學習的定義和發(fā)展歷史歷史7.1.1 機器學習的定義機器學習的定義機器學習的定義機器學習的定義 顧名思義顧名思義,機器學習是研究如何使用機機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍器來模擬人類學習活動的一門學科。稍為嚴格的提法是

2、：機器學習是一門研究為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技機器獲取新知識和新技 能能,并識別現(xiàn)有并識別現(xiàn)有知識的學問。知識的學問。3第3頁，共34頁。7.1.27.1.2機器學習的發(fā)展史機器學習的發(fā)展史機器學習的發(fā)展分為機器學習的發(fā)展分為4 4個時期個時期第一階段是在第一階段是在5050年代中葉到年代中葉到6060年代中葉年代中葉，屬于熱烈時期。屬于熱烈時期。第二階段在第二階段在6060年代中葉至年代中葉至7070年代中葉年代中葉，被稱為機器學習的冷靜時期。被稱為機器學習的冷靜時期。第三階段從第三階段從7070年代中葉至年代中葉至8080年代中葉年代中葉，稱為復興時期。稱為復興

3、時期。機器學習的最新階段始于機器學習的最新階段始于19861986年年 。7.1 機器學習的定義和發(fā)展歷史4第4頁，共34頁。w機器學習進入新階段的表現(xiàn)機器學習進入新階段的表現(xiàn)機器學習機器學習已成為新的邊緣學科并在高校已成為新的邊緣學科并在高校形成課程。形成課程。綜合各種學習方法綜合各種學習方法 機器學習與人工智能問題機器學習與人工智能問題的統(tǒng)一性觀點的統(tǒng)一性觀點正在形成。正在形成。各種學習方法的應用范圍不斷擴大。各種學習方法的應用范圍不斷擴大。數(shù)據(jù)挖掘和知識發(fā)現(xiàn)數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的研究已形成熱潮的研究已形成熱潮 。與機器學習有關的學術活動空前活躍與機器學習有關的學術活動空前活躍 。7.1 機

4、器學習的定義和發(fā)展歷史5第5頁，共34頁。7.2 7.2 機器學習的主要策略和機器學習的主要策略和基本結構基本結構 7.2.1 機器學習的主要策略機器學習的主要策略 按照學習中使用推理的多少，機器學按照學習中使用推理的多少，機器學習所采用的策略大體上可分為習所采用的策略大體上可分為4 4種種機械學習、傳授學習、類比學習機械學習、傳授學習、類比學習和和示示例學習。例學習。機械學習（死記硬背）機械學習（死記硬背）傳授學習（灌輸；推理、翻譯、轉(zhuǎn)化）傳授學習（灌輸；推理、翻譯、轉(zhuǎn)化）類比學習（模仿；尋找相似的案例）類比學習（模仿；尋找相似的案例）示例示例學習（舉一反三學習（舉一反三,歸納，抽象）歸納，

5、抽象）6第6頁，共34頁。7.2.2 機器學習系統(tǒng)的基本結構機器學習系統(tǒng)的基本結構 1.學習系統(tǒng)的基本結構 環(huán)環(huán) 境境學學 習習知識庫知識庫執(zhí)執(zhí) 行行圖圖6.1 6.1 學習系統(tǒng)的基本結構學習系統(tǒng)的基本結構7.2 機器學習的主要策略和基本結構7第7頁，共34頁。2.2.影響學習系統(tǒng)設計的要素影響學習系統(tǒng)設計的要素影響學習系統(tǒng)設計的最重要因素是影響學習系統(tǒng)設計的最重要因素是環(huán)境向系統(tǒng)環(huán)境向系統(tǒng)提供的信息提供的信息，或者更具體地說是信息的質(zhì)量。，或者更具體地說是信息的質(zhì)量。知識庫知識庫是影響學習系統(tǒng)設計的第二個因素。是影響學習系統(tǒng)設計的第二個因素。知識的表示有特征向量、一階邏輯語句、知識的表示有特

6、征向量、一階邏輯語句、產(chǎn)生式規(guī)則、語義網(wǎng)絡和框架等多種形式。產(chǎn)生式規(guī)則、語義網(wǎng)絡和框架等多種形式。選擇知識表達方式的四原則：選擇知識表達方式的四原則：表達能力表達能力推理能力推理能力修改能力修改能力擴展能力擴展能力7.2 機器學習的主要策略和基本結構8第8頁，共34頁。7.3 7.3 機械學習機械學習1.1.機械學習模式機械學習模式 機械學習是最簡單的學習方法。機機械學習是最簡單的學習方法。機械學習就是記憶，即把新的知識存儲起械學習就是記憶，即把新的知識存儲起來，供需要時檢索調(diào)用，而不需要計算來，供需要時檢索調(diào)用，而不需要計算和推理。它是一種最基本的學習過程。和推理。它是一種最基本的學習過程。

7、特點：忽略推理、計算過程，提高效率特點：忽略推理、計算過程，提高效率 7.3 機械學習9第9頁，共34頁。存儲存儲計算計算推導推導歸納歸納算法與理論算法與理論機械記憶機械記憶搜索規(guī)則搜索規(guī)則圖圖7.2 7.2 數(shù)據(jù)化簡級別圖數(shù)據(jù)化簡級別圖 LenatLenat，Hayes-RothHayes-Roth，和，和KlahrKlahr等人于等人于19791979年關于機械學習提出一種有趣的年關于機械學習提出一種有趣的觀點，見圖觀點，見圖7.27.2。7.3 機械學習10第10頁，共34頁。2.2.機械學習的主要問題機械學習的主要問題存儲組織信息存儲組織信息：要采用適當?shù)拇鎯Ψ绞?，要采用適當?shù)拇鎯Ψ绞?/p>

8、，使檢索速度盡可能地快。使檢索速度盡可能地快。提高檢索效率：索引、排序、雜湊提高檢索效率：索引、排序、雜湊環(huán)境的穩(wěn)定性與存儲信息的適用性問題：環(huán)境的穩(wěn)定性與存儲信息的適用性問題：機械學習系統(tǒng)必須保證所保存的信息適應機械學習系統(tǒng)必須保證所保存的信息適應于外界環(huán)境變化的需要。于外界環(huán)境變化的需要。知識過時，設置有效期知識過時，設置有效期存儲與計算之間的權衡：存儲與計算之間的權衡：對于機對于機械學習來械學習來說很重要的一點是它不能降低系統(tǒng)的效率。說很重要的一點是它不能降低系統(tǒng)的效率。重新計算比檢索更省有效率時，失去意義；重新計算比檢索更省有效率時，失去意義；方法：設置存儲量閥值；選擇忘卻方法：設置存

9、儲量閥值；選擇忘卻7.3 機械學習11第11頁，共34頁。7.4 歸納學習歸納學習歸納學習（歸納學習（induction learning）是應用歸）是應用歸納推理進行學習的一種方法。根據(jù)歸納學納推理進行學習的一種方法。根據(jù)歸納學習有無教師指導，可把它分為示例學習和習有無教師指導，可把它分為示例學習和觀察與發(fā)現(xiàn)學習。（從個別到一般）觀察與發(fā)現(xiàn)學習。（從個別到一般）7.4.1 歸納學習的模式和規(guī)則歸納學習的模式和規(guī)則 歸納學習的模式歸納學習的模式 其一般模式如下：其一般模式如下：給定：觀察陳述（事實）給定：觀察陳述（事實）F，假定的初始斷言（可能，假定的初始斷言（可能為空），背景知識（領域知識，

10、約束，假設，優(yōu)先為空），背景知識（領域知識，約束，假設，優(yōu)先準則）準則）求：歸納斷言（假設）求：歸納斷言（假設）H12第12頁，共34頁。w假設H永真蘊涵事實F，說明F是H的邏輯推理，則有：H|F 或 F|H；w選擇型概括，構造性概括：選擇性概括規(guī)則：取消部分條件放松條件沿概念樹上溯形成閉合區(qū)域?qū)⒊Ａ哭D(zhuǎn)化成變量 解釋過程 實例空間 規(guī)則空間 規(guī)劃過程 13第13頁，共34頁。7.4.2 歸納學習方法歸納學習方法w1.示例學習（learning from examples）動物識別中醫(yī)診斷w2.觀察發(fā)現(xiàn)學習（learning from observation and discovery）觀察學習

11、：事例聚類，形成概念描述；機器發(fā)現(xiàn)：發(fā)現(xiàn)規(guī)律，產(chǎn)生定理或規(guī)則；14第14頁，共34頁。7.5 類比學習類比學習7.5.1 類比推理和類比學習方式類比推理和類比學習方式 類比學習（類比學習（learning by analogy）就是通過）就是通過類比，即通過對相似事物加以比較所進行類比，即通過對相似事物加以比較所進行的一種學習的一種學習。其推理過程如下其推理過程如下 ：回憶與聯(lián)想回憶與聯(lián)想 選擇選擇 建立對應關系建立對應關系轉(zhuǎn)換轉(zhuǎn)換 P(a)P(a)Q(a),P(a)Q(a),P(a)P(b)Q(b)Q(a)P(b)Q(b)Q(a)15第15頁，共34頁。7.5.2 類比學習過程與研究類型類比

12、學習過程與研究類型w類比學習主要包括如下四個過程：類比學習主要包括如下四個過程：1.輸入一組已知條件和一組未完全確定的條輸入一組已知條件和一組未完全確定的條件件。2.對兩組出入條件尋找其可類比的對應對兩組出入條件尋找其可類比的對應關系。關系。3.根據(jù)相似轉(zhuǎn)換的方法，進行映射。根據(jù)相似轉(zhuǎn)換的方法，進行映射。4.對類推得到的知識進行校驗。對類推得到的知識進行校驗。7.5 類比學習16第16頁，共34頁。w類比學習的研究可分為兩大類類比學習的研究可分為兩大類：(1)問題求解型的類比學習問題求解型的類比學習 (2)預測推定型的類比學習。它又分預測推定型的類比學習。它又分為兩種方式為兩種方式：一是傳統(tǒng)的

13、類比法一是傳統(tǒng)的類比法 另一是因果關系型的類比另一是因果關系型的類比 7.5 類比學習17第17頁，共34頁。7.6 解釋學習解釋學習(explanation-based learning)7.6.1 解釋學習過程和算法解釋學習過程和算法 1986 1986年米切爾（年米切爾（MitchellMitchell）等人為基于）等人為基于解釋的學習提出了一個統(tǒng)一的算法解釋的學習提出了一個統(tǒng)一的算法EBGEBG：訓練例子 操作準則 知識庫 新規(guī)則 目標概念18第18頁，共34頁。EBG求解問題的形式可描述于下求解問題的形式可描述于下:給定：給定：(1)目標概念描述目標概念描述TC；(2)訓練實例訓練實

14、例TE；(3)領域知識領域知識DT；(4)操作準則操作準則OC。求解：求解：訓練實例的一般化概括，使之滿足：訓練實例的一般化概括，使之滿足：(1)目標概念的充分概括描述目標概念的充分概括描述TC；(2)操作準則操作準則OC。7.6 解釋學習19第19頁，共34頁。7.7 神經(jīng)學習神經(jīng)學習7.7.1 基于反向傳播網(wǎng)絡的學習基于反向傳播網(wǎng)絡的學習 反向傳播反向傳播（back-propagation,BP）算）算法是一種計算單個權值變化引起網(wǎng)絡法是一種計算單個權值變化引起網(wǎng)絡性能變化值的較為簡單的方法。性能變化值的較為簡單的方法。BP算算法過程包含從輸出節(jié)點開始，反向地法過程包含從輸出節(jié)點開始，反向

15、地向第一隱含層傳播由總誤差引起的權向第一隱含層傳播由總誤差引起的權值修正。值修正。20第20頁，共34頁。BP算法算法w網(wǎng)絡模型：網(wǎng)絡模型：wBP網(wǎng)絡的前向計算關系：網(wǎng)絡的前向計算關系：以三層網(wǎng)絡為例，以三層網(wǎng)絡為例，n個輸入結點，個輸入結點，m個輸出結點，個輸出結點，H個隱層結點，訓個隱層結點，訓練樣本由（練樣本由（xk，dk）（）（k=1,2p）組成訓練對，轉(zhuǎn)移函數(shù)微）組成訓練對，轉(zhuǎn)移函數(shù)微f（）（）當輸入第當輸入第k個樣本數(shù)據(jù)時隱層結點個樣本數(shù)據(jù)時隱層結點h與輸出層結點與輸出層結點j的加權和與輸出分別的加權和與輸出分別為：為：x1x2xny1y2ymWihWhjd1e2dme1emyh(

16、k)xi(k)yj(k)21第21頁，共34頁。wBP算法的權值調(diào)整方法：令輸出結點家j的誤差為 則k個訓練樣本的誤差平方和為性能指標隱層到輸出層的權值調(diào)整（梯度法）：輸入層到隱層的權值調(diào)整（梯度法）：wBP網(wǎng)絡的訓練步驟：用小隨機數(shù)初始化網(wǎng)絡各層權值；樣本數(shù)據(jù)輸入；誤差計算；權值變化量計算；權值調(diào)整22第22頁，共34頁。7.7.2 基于基于Hopfield網(wǎng)絡的學習網(wǎng)絡的學習 反饋神經(jīng)網(wǎng)絡，它是一種動態(tài)反饋系反饋神經(jīng)網(wǎng)絡，它是一種動態(tài)反饋系統(tǒng)，比前饋網(wǎng)絡具有更強的計算能力。統(tǒng)，比前饋網(wǎng)絡具有更強的計算能力。Hopfield Hopfield網(wǎng)絡是一種具有正反相輸出網(wǎng)絡是一種具有正反相輸出的

17、帶反饋人工神經(jīng)元。的帶反饋人工神經(jīng)元。7.7 神經(jīng)學習23第23頁，共34頁。反饋型神經(jīng)網(wǎng)絡（Hopfield網(wǎng)絡）wHopfield網(wǎng)絡結構wHopfield離散隨機網(wǎng)絡是Hopfield于1982提出的，1984年又提出了連續(xù)時間模型。一般在進行計算機仿真時采用離散模型，而在硬件實現(xiàn)時采用連續(xù)模型。wHopfield網(wǎng)絡的重要意義；f(.)f(.)f(.)I1I2InVnV2V1W2nW22W1224第24頁，共34頁。w一種特定的Hopfield離散網(wǎng)絡的特性（CAM）f(.)=sign(.)網(wǎng)絡計算：Hopfield證明當WijWji，網(wǎng)絡是收斂的。數(shù)據(jù)網(wǎng)絡演變方式：同步與異步網(wǎng)絡的穩(wěn)

18、定性：穩(wěn)定吸引子、極限環(huán)狀態(tài)、狀態(tài)發(fā)散wHopfiled算法：（1）設置互聯(lián)權值 具有m個樣本，x為輸入樣本變量，為1或-1的n維向量；（2）對未知類別的采樣初始化yi(0)=xi 0=i=n-1（3）迭代運算：（4）網(wǎng)絡收斂，則結束；否則轉(zhuǎn)（2）25第25頁，共34頁。7.8 知識發(fā)現(xiàn)知識發(fā)現(xiàn)7.8.1 知識發(fā)現(xiàn)的發(fā)展和定義知識發(fā)現(xiàn)的發(fā)展和定義知識發(fā)現(xiàn)的產(chǎn)生和發(fā)展知識發(fā)現(xiàn)的產(chǎn)生和發(fā)展 知識發(fā)現(xiàn)最早是于知識發(fā)現(xiàn)最早是于1989年年8月在第月在第11屆國際人工智能屆國際人工智能聯(lián)合會議的專題討論會上提出。聯(lián)合會議的專題討論會上提出。知識發(fā)現(xiàn)的定義知識發(fā)現(xiàn)的定義 數(shù)數(shù)據(jù)據(jù)庫庫中中的的知知識識發(fā)發(fā)現(xiàn)

19、現(xiàn)是是從從大大量量數(shù)數(shù) 據(jù)據(jù)中中辨辨識識出出有有效效的的、新新穎穎的的、潛潛在在有有用用的的、并并可可被被理理解解的的 模模式式的的高級處理過程高級處理過程。數(shù)數(shù)據(jù)據(jù)集集、新新穎穎、潛潛在在有有用用、可可被被人人理理解解的的、模模式式、高高級過程級過程26第26頁，共34頁。7.8.2 知識發(fā)現(xiàn)的處理過程知識發(fā)現(xiàn)的處理過程 1.數(shù)據(jù)選擇數(shù)據(jù)選擇。根據(jù)用戶的需求從數(shù)據(jù)庫。根據(jù)用戶的需求從數(shù)據(jù)庫中提取與中提取與KDD相關的數(shù)據(jù)。相關的數(shù)據(jù)。2.數(shù)據(jù)預處理數(shù)據(jù)預處理。主要是對上述數(shù)據(jù)進行再加。主要是對上述數(shù)據(jù)進行再加工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對工，檢查數(shù)據(jù)的完整性及數(shù)據(jù)的一致性，對丟失的數(shù)

20、據(jù)利用統(tǒng)計方法進行填補，形成發(fā)丟失的數(shù)據(jù)利用統(tǒng)計方法進行填補，形成發(fā)掘數(shù)據(jù)庫。掘數(shù)據(jù)庫。7.8 知識發(fā)現(xiàn)27第27頁，共34頁。3.數(shù)據(jù)變換數(shù)據(jù)變換。即從發(fā)掘數(shù)據(jù)庫里選擇數(shù)。即從發(fā)掘數(shù)據(jù)庫里選擇數(shù)據(jù)據(jù)4.4.數(shù)據(jù)挖掘數(shù)據(jù)挖掘。根據(jù)用戶要求，確定。根據(jù)用戶要求，確定KDDKDD的的目標是發(fā)現(xiàn)何種類型的知識。目標是發(fā)現(xiàn)何種類型的知識。5.5.知識評價知識評價。這一過程主要用于對所獲。這一過程主要用于對所獲得的規(guī)則進行價值評定，以決定所得的得的規(guī)則進行價值評定，以決定所得的規(guī)則是否存入基礎知識庫。規(guī)則是否存入基礎知識庫。7.8 知識發(fā)現(xiàn)28第28頁，共34頁。7.8.3 知識發(fā)現(xiàn)的方法知識發(fā)現(xiàn)的方法

21、 1.統(tǒng)計方法：統(tǒng)計方法是從事物的外在數(shù)量上的表現(xiàn)統(tǒng)計方法：統(tǒng)計方法是從事物的外在數(shù)量上的表現(xiàn)去推斷該事物可能的規(guī)律性。去推斷該事物可能的規(guī)律性。（1）傳統(tǒng)方法：）傳統(tǒng)方法：收集數(shù)據(jù)，分析數(shù)據(jù)，進行推理（回歸分析，判收集數(shù)據(jù)，分析數(shù)據(jù)，進行推理（回歸分析，判別方法，聚類分析，探索性分析）別方法，聚類分析，探索性分析）（2）模糊集）模糊集（3）支持向量機（）支持向量機（SVM）（4）粗糙集：）粗糙集：具有三值隸屬函數(shù)的模糊集，肯定屬于、也許屬于、具有三值隸屬函數(shù)的模糊集，肯定屬于、也許屬于、肯定不屬于該概念?？隙ú粚儆谠摳拍?。7.8 知識發(fā)現(xiàn)29第29頁，共34頁。2.機器學習方法機器學習方法（

22、1）規(guī)則歸納）規(guī)則歸納 如：如：AQ算法算法（2）決策樹）決策樹（3）范例推理）范例推理（4）貝葉斯信念網(wǎng)絡）貝葉斯信念網(wǎng)絡（5）科學發(fā)現(xiàn)）科學發(fā)現(xiàn) 如：如：BACON系統(tǒng)系統(tǒng)（6）遺傳算法）遺傳算法 3.神經(jīng)計算方法神經(jīng)計算方法(MLP、BP、Hopfield、RBF)4.可視化方法可視化方法：可視化（：可視化（visualization）就）就是把數(shù)據(jù)、信息和知識轉(zhuǎn)化為可視的表示是把數(shù)據(jù)、信息和知識轉(zhuǎn)化為可視的表示形式的過程。形式的過程。30第30頁，共34頁。7.8.4 知識發(fā)現(xiàn)的應用知識發(fā)現(xiàn)的應用 知識發(fā)現(xiàn)已在許多領域得到應用。現(xiàn)在，知識發(fā)現(xiàn)已在許多領域得到應用。現(xiàn)在，知識發(fā)現(xiàn)已在銀行

23、業(yè)、保險業(yè)、零售業(yè)、知識發(fā)現(xiàn)已在銀行業(yè)、保險業(yè)、零售業(yè)、醫(yī)療保健、工程和制造業(yè)、科學研究、醫(yī)療保健、工程和制造業(yè)、科學研究、衛(wèi)星觀察和娛樂業(yè)等行業(yè)和部門得到成衛(wèi)星觀察和娛樂業(yè)等行業(yè)和部門得到成功應用，為人們的科學決策提供很大幫功應用，為人們的科學決策提供很大幫助。助。7.8 知識發(fā)現(xiàn)31第31頁，共34頁。w金融（1）市場分析與預測（2）帳戶分類、信用評估w保險（1）潛在客戶評估、分析（2）索賠合理性分析w制造業(yè)（生產(chǎn)過程優(yōu)化）w市場與零售業(yè)（銷售、庫存、需求、零售點、價格等的分析與預測）w醫(yī)療業(yè)（醫(yī)療診斷）w司法（FAIS系統(tǒng)，識別洗錢、詐騙、犯罪分析）w工程與科學（星體發(fā)現(xiàn)）32第32頁，

24、共34頁。7.9 小結小結 本章只對機器學習作個入門介紹。本章只對機器學習作個入門介紹。機器學習在過去十多年中獲得較大發(fā)展。機器學習在過去十多年中獲得較大發(fā)展。今后機器學習將在理論概念、計算機理、綜今后機器學習將在理論概念、計算機理、綜合技術和推廣應用等方面開展新的研究。其合技術和推廣應用等方面開展新的研究。其中，對結構模型、計算理論、算法和混合學中，對結構模型、計算理論、算法和混合學習的開發(fā)尤為重要。在這些方面，有許多事習的開發(fā)尤為重要。在這些方面，有許多事要做，有許多新問題需要人們?nèi)ソ鉀Q要做，有許多新問題需要人們?nèi)ソ鉀Q。33第33頁，共34頁。w樹立質(zhì)量法制觀念、提高全員質(zhì)量意識。2023

25、/9/242023/9/24Sunday,September 24,2023w人生得意須盡歡，莫使金樽空對月。2023/9/242023/9/242023/9/249/24/2023 11:23:34 PMw安全象只弓，不拉它就松，要想保安全，常把弓弦繃。2023/9/242023/9/242023/9/24Sep-2324-Sep-23w加強交通建設管理，確保工程建設質(zhì)量。2023/9/242023/9/242023/9/24Sunday,September 24,2023w安全在于心細，事故出在麻痹。2023/9/242023/9/242023/9/242023/9/249/24/2023

26、w踏實肯干，努力奮斗。2023年9月24日2023/9/242023/9/242023/9/24w追求至善憑技術開拓市場，憑管理增創(chuàng)效益，憑服務樹立形象。24 九月 20232023/9/242023/9/242023/9/24w嚴格把控質(zhì)量關，讓生產(chǎn)更加有保障。九月 232023/9/242023/9/242023/9/249/24/2023w作業(yè)標準記得牢，駕輕就熟除煩惱。2023/9/242023/9/2424 September 2023w好的事情馬上就會到來，一切都是最好的安排。2023/9/242023/9/242023/9/242023/9/24w一馬當先，全員舉績，梅開二度，業(yè)績保底。2023/9/242023/9/242023/9/242023/9/242023/9/24Sep-23w牢記安全之責，善謀安全之策，力務安全之實。2023/9/24Sunday,September 24,2023w相信相信得力量。2023/9/242023/9/242023/9/24謝謝大家！謝謝大家！第34頁，共34頁。