《人工智能导论》期末复习知识点
人工智能导论复习资料
人工智能导论复习资料（课程代码：07844）知识点汇总：1.人工智能是一门综合性的交叉学科和边缘学科。
2.人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是图灵。
3.人工智能的远期目标是制造智能机器，近期目标是实现机器智能。
4.要想让机器具有智能，必须让机器具有知识。
因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫机器学习。
5.编译原理不属于人工智能的研究的一个领域。
6.AI的英文缩写是Artifical intelligence。
7.“图灵实验”是为了判断一台机器是否具备智能的实验，实验由三个封闭的房间组成，分别放置主持人、参与人和机器。
8.语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的继承性。
9.(A->B)∧A => B是假言推理10.命题是可以判断真假的陈述句11.问题归约法是指已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合，这些子问题的解可以直接得到，从而解决了初始问题。
12.仅个体变元被量化的谓词称为一阶谓词13.MGU是最一般合一14.关系不在人工智能系统的知识包含的4个要素中15.当前归结式是空子句时，则定理得证。
16.或图通常称为状态图17.不属于人工智能的学派是机会主义18.所谓不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论的思维过程。
( )19.用户不是专家系统的组成部分20.产生式系统的推理不包括简单推理21.C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的信度22.在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种方法叫做有序搜索23.人工神经网络属于反馈网络的是BP网络24.使用一组槽来描述事件的发生序列，这种知识表示法叫做剧本表示法25.产生式系统的推理不包括简单推理26.从已知事实出发，通过规则库求得结论的产生式系统的推理方式是正向推理。
《人工智能导论》期末复习知识点
《人工智能导论》期末复习知识点选择题知识点1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。
人工智能Artificial Intelligence,AI人工神经网络Artificial Neural Network，ANN机器学习Machine Learning，ML深度学习Deep Learning,DL2.什么是强人工智能？强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。
可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。
有和生物一样的各种本能，比如生存和安全需求。
在某种意义上可以看作一种新的文明。
3.回溯算法的基本思想是什么？能进则进。
从一条路往前走，能进则进，不能进则退回来，换一条路再试。
4.面向对象、产生式系统、搜索树的定义？面向对象(Object Oriented)是软件开发方法，一种编程范式。
面向对象的概念和应用已超越了程序设计和软件开发，扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。
面向对象是一种对现实世界理解和抽象的方法，是计算机编程技术发展到一定阶段后的产物。
面向对象是相对于面向过程来讲的，面向对象方法，把相关的数据和方法组织为一个整体来看待，从更高的层次来进行系统建模，更贴近事物的自然运行模式。
把一组产生式放在一起，让它们相互配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决的系统就叫作产生式系统。
对于需要分析方法，诸如深度优先搜索和广度优先搜索（穷尽的方法）以及启发式搜索（例如最佳优先搜索和A*算法），这样的问题使用搜索树表示最合适。
5.机器学习的基本定义是什么？机器学习是一门研究及其获取新知识和新技能，并识别现有知识的学问。
【2024版】人工智能导论复习
可编辑修改精选全文完整版《人工智能导论》期末复习一、题型：填空题、简答题、计算题、论述题二、复习重点：第一章：1．什么是人工智能？人工智能的三种观点分别是什么？2．实现人工智能的技术路线是哪四种？3．人工智能要研究的三个主要问题是什么？4．人工智能有哪些主要研究领域？第二章：1．什么是知识？何谓知识表示？2．用谓词逻辑表示法表示猴子摘香蕉问题。
3．产生式系统推理机的推理形式有哪三种？4．产生式系统一般由哪三个基本部分组成？5．用语义网络表示：“苹果树枝繁叶茂，上结了很多苹果，有大的，也有小的，有红的，也有绿的” 。
6．用与 / 或树方法表示三阶Hanoi 塔问题。
第三章：1．推理的含义是什么？2．应用归结原理求解下列问题：任何兄弟都有同一个父亲， John 和Peter 是兄弟，且 John 的父亲是 David ，问 Peter 的父亲是谁？第四章：1．可信度方法：例 4.1 ，例 4.22．主观 Bayes 方法：例 4.8 ，例 4.93．证据理论中描述证据和结论的不确定性采用哪两个函数度量？第五章：1．什么叫搜索？搜索的两层含义是什么？2．用全局最佳优先搜索方法求解以下八数码问题。
3．用代价树的深度优先搜索求解下面的推销员旅行问题。
第六章：1．什么是机器学习？机器学习研究的目标是什么？研究机器学习的意义何在？2．机器学习有哪些主要学习策略？3．机器学习系统的基本模型包含哪四个基本环节？4．实例学习的含义是什么？它包含哪两个空间模型？对规则空间进行搜索的方法有几种？第七章：1．什么是自然语言理解？自然语言理解过程有哪些层次？各层次的功能如何？2．对汉语语料库加工的方法是什么？汉语自动分词的方法有哪些？其难点何在？第八章：1．什么是专家系统？它有哪些基本特点？一般专家系统由哪些基本部分构成？2．知识获取的主要任务是什么？3．有哪几类专家系统开发工具？各有什么特点？第九章：1．解答 B-P 学习算法的流程图，并说明其优缺点。
《人工智能导论》期末复习知识点
《人工智能导论》期末复习知识点
人工智能导论知识点总结
一、定义：
人工智能（Artificial Intelligence，AI）是指研究如何实现机器的智能，即使用计算机来模拟或提高人类的智能表现和能力。
基于此，人工智能的主要任务是解决一些超出传统计算能力的问题，其中包括学习、推理和解决一些挑战。
二、技术：
人工智能技术可分为三个主要技术领域：
1、机器学习：机器学习是一种研究机器如何学习，并从这些学习中学习及其反馈环境的解决实际问题的学科。
包括规则学习、支持向量机以及深度学习。
2、自然语言处理：自然语言处理是指人工智能技术在处理人类自然语言的理解和翻译方面的应用研究。
它将注重语言应用的学习、理解、表达和使用，以及语言识别、概念识别和分析。
3、计算机视觉：计算机视觉是指使用计算机的视觉系统来处理可视化的图像、图片、视频信息，以及关于图像的相关内容的研究。
它是一种智能系统，包括图像处理、识别和分析等功能。
三、应用：
人工智能在各行各业都有广泛的应用，有助于改善工作效率，提高工作质量，提升企业竞争力，节省成本。
1、机器人：工业机器人、服务机器人等用于工厂生产线和服务行业，可以大大提高工作效率。
人工智能导论知识点总结
人工智能导论知识点总结
1、人工智能（AI）：是研究计算机思维活动及其表示一类问题的理论，它旨在制作模拟人类智能的计算机程序。
2、学习：是指计算机从所给数据中推导出模式并应用该模式解决未知问题的能力。
3、机器学习：是计算机从经验学习规律流程及行为模式的一种技术，是人工智能中很重要的一类技术。
4、神经网络：是人工智能研究的重要方向，目的是模仿神经系统的思想、情感关系和记忆，对大脑进行推理。
5、机器人：是指具有人工智能技术与控制技术的机械装置或者软件系统，其功能是模拟或超越人类的肢体机能，从而具有实现复杂控制任务和职责的能力。
6、自然语言处理：是指用计算机来处理人类的自然语言，研究如何处理及应用自然语言的各种理论体系，并实现自然语言的语言技术。
7、智能搜索：是一类将机器学习和节点搜索结合的智能技术，可以根据输入条件，有效地搜索到所需要的解决方案，并在搜索过程中调整输入条件，以不断优化搜索结果。
人工智能导论王万良第五版重点总结
人工智能是指用来实现人类智能的一种技术。
人工智能可以通过模拟人类的思维过程来进行推理、学习、规划和感知等任务。
王万良在他的第五版《人工智能导论》中详细介绍了人工智能的基本概念、发展历程、应用领域以及相关的技术和算法。
本文将对该书进行重点总结，旨在帮助读者更好地理解人工智能的核心内容。
一、人工智能的基本概念1. 人工智能的定义在第五版《人工智能导论》中，王万良对人工智能的定义进行了详细解释。
人工智能是一种模拟人类智力的技术，它可以让机器像人一样思考、学习和判断。
人工智能的发展涉及到机器学习、神经网络、自然语言处理等多个领域的知识。
2. 人工智能的发展历程王万良在书中也介绍了人工智能的发展历程，从最初的简单逻辑推理到深度学习和强化学习的应用，人工智能的发展经历了多个阶段。
在不同的阶段，人工智能应用的范围和技术手段有所不同，但其核心目标始终是模拟人类智能。
二、人工智能的应用领域1. 人工智能在医疗健康领域的应用王万良在《人工智能导论》中对人工智能在医疗健康领域的应用进行了重点介绍。
人工智能可以通过分析医疗数据、辅助诊断和制定治疗方案等方式来提高医疗水平和效率。
2. 人工智能在金融领域的应用王万良也介绍了人工智能在金融领域的应用。
人工智能可以通过大数据分析、风险评估、智能投顾等方面来提升金融机构的运营效率和服务质量。
三、人工智能的技术和算法1. 机器学习在《人工智能导论》中，王万良详细介绍了机器学习的基本原理和常用算法。
机器学习是人工智能的核心技术之一，它可以让机器从数据中学习，从而实现自主决策和智能行为。
2. 深度学习深度学习是机器学习的一个分支，它以多层神经网络为基础，可以处理复杂的非线性关系，被广泛应用于图像识别、语音识别等领域。
3. 自然语言处理自然语言处理是人工智能的一个重要方向，它致力于让机器能够理解和处理人类语言。
王万良在书中介绍了自然语言处理的基本原理和常用技术，如词向量表示、句法分析、语义理解等。
人工智能期末复习概要
当MB(H,E)>0时，则为P(H/E)> P(H),那么有 MD(H,E)=0
如果P(H/E)= P(H),则MD(H,E)= MD(H,E)=0表 示，E与H无关
第四章 不确定性推理
不确定性的传递问题
– 单条知识
第四章 不确定性推理
可信度方法 组合证据不确定性表示
– 当多个证据以合取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最小值；
– 当多个证据以析取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最大值；
第四章 不确定性推理
– MB(H,E)：信任增长度 – MD(H,E)：不信任增长度 – MB(H,E)与MD(H,E)是互斥的 – 解释
学习目标
– 了解不确定性推理的含义、思路和讨论的 主要问题。
– 掌握可信度方法、主观Bayes方法和证据 理论不确定性推理方法
第四章 不确定性推理
计算问题
– 不确定性的传递问题 – 证据不确定性的合成问题 – 结论不确定性的合成问题
第四章 不确定性推理
可信度方法 知识不确定性的表示
– 在基于可信度的不确定性推理模型中，知 识是以产生式规则来表示的，而只是的不 确定性则是以可信度CF(H,E)来表示的， 其一般的形式为：
第一章 绪论
课程研究的主要内容
– 知识表示 – 推理方式
确定性推理（主要归结原理） 不确定性推理
– 搜索技术研究
普通图搜索 超图搜索（与或图搜索）
第一章 绪论
需要解决的问题：
– 万能的人工智能的知识体系结构从根本上 就不可能有，最根本的原因是缺乏知识。 人是根据知识行事的，而不是根据抽象原 则上进行推理。
人工智能导论期末复习习题集
第二章知识表示2.8设有如下语句，请用相应的谓词公式分别把他们表示出来：(1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。
解：定义谓词P(x)：x是人L(x,y)：x 喜欢y其中，y的个体域是｛梅花，菊花｝。
将知识用谓词表示为：(3 x )(P(x)f L(x,梅花)V L(x,菊花)V L(x,梅花)A L(x,菊花))(2)有人每天下午都去打篮球。
解：定义谓词P(x)：x是人B(x)：x打篮球A(y)：y是下午将知识用谓词表示为：(3x )(V y) (A(y)-B(x) A P(x))(3)新型计算机速度又快，存储容量又大。
解：定义谓词NC(x)：x是新型计算机F(x)：x速度快B(x)：x容量大将知识用谓词表示为：(V x) (NC(x)f F(x)A B(x))(4)不是每个计算机系的学生都喜欢在计算机上编程序。
解：定义谓词S(x)：x是计算机系学生L(x, pragramming)：x 喜欢编程序U(x,computer)：x使用计算机将知识用谓词表示为：-(V x) (S(x)f L(x, pragramming)A U(x,computer))(5)凡是喜欢编程序的人都喜欢计算机。
解：定义谓词P(x)：x是人L(x, y)：x 喜欢y将知识用谓词表示为：(V x) (P(x) A L(x,pragramming)f L(x, computer))2.9用谓词表示法求解机器人摞积木问题。
设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。
机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。
积木世界的布局如下图所示。
图机器人摞积木问题解：(1)先定义描述状态的谓词CLEAR(x)：积木x上面是空的。
ON(x, y)：积木x在积木y的上面。
ONTABLE(x)：积木x在桌子上。
南京信息工程大学人工智能导论复习资料
人工智能导论复习资料一、单项选择题1-5CDBBB6-10BAABC11-15CCDDB16-20BCDBA1、与大数据密切相关的技术是：（）A、wifiB、蓝牙C、云计算D、博弈论2、把环境数据转化为嵌入式系统可以识别的电信号的是（）A、红外线B、读写器C、互联网I）、传感器3、在M-P神经元模型中，利用神经元模型的公式，假设xl=l,x2=2,x3=0,权重值依次是1,2,-2,阈值是0.4,在未加上激活函数的时候，当前输出是结果是（）oA、3.4B、4.6C、4.4D、5.94、每个神经元与其他多个神经元相连，当它“兴奋”时，就会通过轴突向其他神经元发送（）,从而改变这些神经元内的（）；如果某个神经元的（）超过了某个特定值（），那么它就会被（）,即进入“兴奋”状态，向下一个神经元发送（）oA、电流、化学物质、电位、阈值、激活、电流B、化学物质、电位、电位、阈值、激活、化学物质C、电压、化学物质、电位、电量、激活、电压D、化学物质、电位、电位、电量、激活、电压;5、物联网的实践最早可以追溯到1990年施乐公司的什么产品？（）A、鼠标B、网络可乐贩售机C、抓娃娃机D、扫描仪6、行为主义，又称进化主义或控制论学派，其原理为（）A、进化主义及感知信息系统B、控制论及感知动作型控制系统C、相对论及感知信息系统D、进化主义及感知控制系统7、下列哪种情况是图灵测试的内容？（）A、机器与人作为一方，分别与另一方询问者对话，双方相互质问，询问者分不清对方是人还是机器，说明机器通过了图灵测试B、当机器骗过测试者，使得询问者分不清是人还是机器时，说明它通过了图灵测试C、当人与人对话，其中一人的智力超过另一人时，说明智者通过了图灵测试D、两机对话，其中一机的智力超过另一机时，说明智者机器通过了图灵测试8、人工神经网络的相关研究最早可以追溯到上世纪40年代，由心理学家麦卡洛克和数学逻辑学家皮茨提出的（）。
A 、M-P 神经元模型 B 、B-P 神经元模型C 、M-N 神经元模型 D 、Nd 神经元模9、每个神经元与其他多个神经元相连，当它“兴奋”时，就会通过轴突向其他神经元发送）,从而改变这些神经元内的（）；如果某个神经元的（）超过了某个特定值11、数字图像是用一个数字阵列来表示图像，数字阵列中的每个数字，表示数字图像的一个最小单位，称为（ ）Λ^色号B 、像素C 、尺寸标记12、自然语言理解是人工智能的重要应用领域，下面列举中的（）不是它要实现的目 标。
人工智能导论复习
⼈⼯智能导论复习⼈⼯智能导论复习题⼈⼯智能导论复习题第⼀章绪论1.智能是（）和（）的总和。
正确答案：(1) 知识，智⼒2.（）是⼀切智能⾏为的基础正确答案：(1) 知识3.（）是获取知识并应⽤知识求解问题的能⼒。
正确答案：(1) 智⼒4.智能的特征有（）、（）、（）、（）。
正确答案：(1) 具有感知能⼒(2) 具有记忆与思维能⼒(3) 具有学习能⼒(4) 具有⾏为能⼒5.(填空题)⼈⼯智能的长期⽬标是（）正确答案：(1) 实现⼈类⽔平的机器智能6.⼈⼯智能的主要研究内容有（）、（）、（）、（）、（）正确答案：(1) 知识表⽰(2) 机器感知(3) 机器思维(4) 机器学习(5) 机器⾏为7.⼈⼯智能的定义是什么？正确答案：⼈⼯智能主要研究⽤⼈⼯的⽅法和技术，模拟、延伸和扩展⼈的智能，实现机器智能。
8.简述“图灵测试”？正确答案：让⼈与机器分别在两个房间⾥，两者之间可以通话，但彼此看不到对⽅，如果通过对话，⼈的⼀⽅不能分辨对⽅是⼈还是机器，那么就可以认为对⽅的那台机器达到了⼈类智能的⽔平。
第⼆章知识表⽰与知识图谱1.造成知识具有不确定性的原因主要有（）、（）、（）、（）。
正确答案:随机性模糊性经验不完全性2.知识的特性有（）、（）、（）。
正确答案：(1) 相对正确性(2) 不确定性(3) 可表⽰性与可利⽤性3.在⼈⼯智能领域内显式的知识表⽰⽅法主要有（）、（）、（）、（）。
正确答案：(1) ⼀阶谓词逻辑表⽰法(2) 产⽣式表⽰法(3) 语义⽹络表⽰法(4) 框架表⽰法4.谓词的⼀般形式是（）。
(1) P（x1,x2,...,xn）5.⼀个产⽣式系统由（）、（）和（）三部分组成正确答案：(1) 规则库(2) 推理机(3) 综合数据库6.位于量词后⾯的单个谓词或者⽤括弧括起来的谓词公式称为量词的（），域内与量词中同名的变元称为（），不受约束的变元称为（）。
正确答案：(1) 辖域(2) 约束变元(3) ⾃由变元7.在谓词公式中，连接词的优先级别从⾼到低排列是（），（），（），（），（）。
人工智能技术导论总复习
设C1， C2是命题逻辑中的两个子句 C1 中有文字L1 ，C2中有文字L2 ，且L1与L2互补， 从C1 、 C2中分别删除L1 、L2 ，再将剩余部分 析取起来，记构成的新子句为C12，则C1 2为C1 、 C2的归结式。
替换与合一
一个替换（Substitution）是形如 {t1/x1, t2/x2, …, tn/xn}的有限集合 设σ是原子公式集S的一个合一，如果对S的任 何一个合一θ都存在一个替换λ，使得 θ＝ σ •λ 则称σ为S的最一般合一(Most General Unifier),简称MGU。
如果一个行动方案能获得较大的倒推值，则它 就是当前最好的行动方案。
极小极大分析示例
3
2 2 2 -1 2 -2 4 3 4 -5
3 3 3 1 3 2
倒推值的计算
α －ß剪枝技术
对于一个与节点 MIN, 若能估计出其倒推值的上确界 β , 并且 这个 β 值不大于 MIN 的父节点 ( 一定是或节点 ) 的估计倒推值 的下确界 α , 即 α ≥β , 则就不必再扩展该 MIN 节点的其余子 节点了(因为这些节点的估值对 MIN父节点的倒推值已无任何 影响了)。这一过程称为α 剪枝。 对于一个或节点 MAX, 若能估计出其倒推值的下确界 α , 并且 这个 α 值不小于 MAX 的父节点 ( 一定是与节点 ) 的估计倒推值 的上确界 β , 即 α ≥β , 则就不必再扩展该 MAX 节点的其余子 节点了(因为这些节点的估值对 MAX父节点的倒推值已无任何 影响了)。这一过程称为β 剪枝。
b4 3
b5
启发式与或树搜索
补充示例：如下图所示的与或树，其解树和节点相应代价如下
左 解 树
(参考资料)人工智能导论(本科生) 复习大纲 -参考答案
目录绪论 (1)搜索技术 (1)遗传算法 (8)谓词逻辑 (8)结构化知识表示 (12)绪论1、什么是人工智能？答：人工智能又称机器智能，是用计算机模拟或实现的智能；(人工智能是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学)2、什么是符号智能与计算智能？并举例说明。
答：符号智能是模拟闹智能的人工智能，是以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。
如搜索技术、专家系统、定理证明等；计算智能是模拟群智能的人工智能，以数值数据为基础，主要通过数值计算，运用算法进行问题求解。
搜索技术1.状态图是由什么组成的？答：状态图是由节点与有向边组成；2.简述图搜索的方式和策略。
答：搜索方式：线式搜索和树式搜索；搜索策略：盲目搜索和启发式搜索；3.阐述图搜索策略中OPEN表与CLOSED表的作用。
答：OPEN表用来保存当前待考察的节点，并按照某种排列，来控制搜索的方向和顺序；CLOSED表用来记录搜索过程中已考察过的节点，保存全局搜索信息，并可根据节点返回指针得到搜索解路径。
4.简述广度优先策略与深度优先策略的不同点。
答：广度优先搜索是始终在同一级节点中考查，当同一级节点考查完毕，才考查下一级节点。
因此，是自顶向下一层一层逐渐搜索的，属于横向搜索策略，其搜索是完备的，得到的解为最优解；深度优先搜索是在搜索树的每一层始终只扩展一个子节点，不断向纵深前进，直到不能再前进时，才从当前节点返回到上一级节点，沿另一方向又继续前进。
因此，是从树根开始一枝一枝逐渐搜索的，属于纵向搜索策略，其搜索是不完备的，得到的解不一定为最优解。
5.什么是启发式搜索？并以八数码难题为例，说明其原理。
答：启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的。
对于八数码难题，可以利用不在位将牌数或者与目标距离信息来作为启发函数，可以加快搜索目标的步数。
6.简述启发函数的单调性判别。
人工智能导论重点
《人工智能导论》重难点索引第1章绪论重点:1. 人工智能的定义智能机器: 能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。
人工智能(学科): 人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能, 并开发相关理论和技术。
人工智能(能力)：人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为, 如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
2. 人工智能的起源与发展过程了解人工智能的发展历史。
3. 人工智能与人类智能的关系4. 简介目前人工智能的主要学派符号主义(Symbolicism), 联结主义(Connectionism), 行为主义(Actionism)。
第2章数理逻辑基础重点:1. 数理逻辑概述了解数理逻辑的相关概念。
2. 命题逻辑理解命题逻辑的概念及物理意义, 掌握命题公式及其解释。
3. 谓词与量词理解谓词与量词的概念, 约束变元、自由变元、改名规则。
4. 谓词公式及其解释谓词公式的定义, 解释的定义及应用。
5. 谓词公式的等价与蕴涵等价与蕴涵的概念。
6. 谓词公式的标准形式范式的概念与类型, 各类范式的获取。
难点:1. 谓词公式的解释2. 谓词公式等价与蕴涵的区别3. 范式的计算第3章归结推理方法重点:1. 子句集的海伯伦域与海伯伦定理原子集的定义, 海伯伦域定义与海伯伦解释, 海伯伦定理的应用。
2. 置换与合一算法置换的定义与特征, 最一般合一算法（mgu算法）的定义与计算。
3. 归结原理与归结反演归结的概念, 命题逻辑与谓词逻辑中的归结原理, 归结反演的物理意义及其应用。
4. 归结控制策略归结的一般过程, 几种归结控制策略的概念及应用。
难点:1. 海伯伦域的求解2. 最一般合一算法的应用3. 归结反演的物理意义及其实际应用第4章知识表示方法重点:1. 知识的基本概念把有关信息关联在一起所形成的信息结构称为知识。
人工智能知识点总复习(附答案)
知识点1.什么是人工智能？它的研究目标是什么？人工智能的研究目标远期目标揭示人类智能的根本机理，用智能机器去模拟、延伸和扩展人类的智能涉及到脑科学、认知科学、计算机科学、系统科学、控制论等多种学科，并依赖于它们的共同发展近期目标研究如何使现有的计算机更聪明，即使它能够运用知识去处理问题，能够模拟人类的智能行为。
相互关系远期目标为近期目标指明了方向近期目标则为远期目标奠定了理论和技术基础2.人工智能有哪几个主要学派？各自的特点是什么？人工智能研究的三大学派：随着人工神经网络的再度兴起和布鲁克（R.A.Brooks）的机器虫的出现，人工智能研究形成了符号主义、联结主义和行为主义三大学派。
符号主义学派是指基于符号运算的人工智能学派，他们认为知识可以用符号来表示，认知可以通过符号运算来实现。
例如，专家系统等。
联结主义学派是指神经网络学派，在神经网络方面，继鲁梅尔哈特研制出BP网络之后，人工神经网络研究掀起了第二次高潮。
之后，随着模糊逻辑和进化计算的逐步成熟，又形成了“计算智能”这个统一的学科范畴。
行为主义学派是指进化主义学派，在行为模拟方面，麻省理工学院的布鲁克教授1991年研制成功了能在未知的动态环境中漫游的有6条腿的机器虫。
智能科学技术学科研究的主要特征(1)由对人工智能的单一研究走向以自然智能、人工智能、集成智能为一体的协同研究；(2)由人工智能学科的独立研究走向重视与脑科学、认知科学、等学科的交叉研究；(3)由多个不同学派的独立研究走向多学派的综合研究；(4)由对个体、集中智能的研究走向对群体、分布智能的研究；(5)智能技术应用已渗透到人类社会的各个领域。
知识表示的类型按知识的不同存储方式：陈述性知识：知识用某种数据结构来表示；知识本身和使用知识的过程相分离。
过程性知识：知识和使用知识的过程结合在一起。
知识表示的基本方法非结构化方法：一阶谓词逻辑产生式规则结构化方法：语义网络框架知识表示的其它方法状态空间法和问题归约法。
人工智能期末考试知识点(考点)总结
1、智能所包含的能力（1） 感知能力（2）记忆与思维能力（3）学习和自适应能力（4）行为能力2、人工智能分为五个阶段：（1） 孕育期（2）形成期（3）知识应用期（4）从学派分立走向综合（5）智能科学技术学科的兴起3、人工智能研究的基本内容（1）与脑科学和认知科学的交叉研究（2）智能模拟的方法和技术研究4、人工智能研究中的不同学派（三大学派）（1）符号主义（2）联结主义（3）行为主义5、机器学习机器学习是机器获取知识的根本途径，同时也是机器具有智能的重要标志。
有人认为，一个计算机系统如果不具备学习功能，就不能称其为智能系统。
机器学习有多种不同的分类方法，如果按照对人类学习的模拟方式，机器学习可分为符号学习、联结学习、知识发现和数据挖掘等。
6、演绎推理与归纳推理的区别演绎推理与归纳推理是两种完全不同的推理。
演绎推理是在已知领域内的一般性知识的前提下，通过演绎求解一个具体问题或证明一个给定的结论。
这个结论实际上早已蕴涵在一般性知识的前提中，演绎推理只不过是将其揭示出来，因此它不能增殖新知识。
而在归纳推理中，所推出的结论是没有包含在前提内容中的。
这种由个别事物或现象推出一般性知识的过程，是增殖新知识的过程。
7、确定性知识确定性知识是指其真假可以明确给出的知识，其表示方法主要包含谓语逻辑表示法、产生式表示法、语义网络表示法、框架表示法等。
8、谓语逻辑表示方法P299、语义网络表示法P3410、框架表示法（鸟框架）P4111、产生式推理的基本结构产生式推理的基本结构如图所示，它包括综合数据库、规则库和控制系统三个重要组成部分。
12、谓语公式P6913、状态空间的盲目搜索根据状态空间采用的数据结构的不同，它可分为图搜索算法和树搜索算法。
树搜索算法包括一般树和代价树的盲目搜索算法。
一般树的盲目搜索主要包括广度优先搜索算法和深度优先搜索算法两种。
14、广度优先搜索算法和深度优先搜索算法的区别P7915、八数码难题P7916、代价树的广度优先搜索也称为分枝界限算法P8017、城市交通难题P8118、什么是估价函数用来估计节点重要性的函数称为估价函数。
人工智能导论笔记
⼈⼯智能导论笔记⼈⼯智能导论1、概论 1.1⼈⼯智能介绍 ①⼈⼯智能1956年诞⽣；1997年IBM公司研发的深蓝超级计算机国际象棋世界冠军卡斯帕罗夫；2017年阿尔法狗击败中国世界围棋冠军柯洁 ②⼈⼯智能的三步⾛战略：同步（2020）、突破（2025）、领先（2030） ③SIRI、指纹识别、⼈脸识别、⽆⼈驾驶等都涉及到了AI ④AI就是让机器实现原本只有⼈类才能完成的任务 ⑤⼈⼯智能分为三种形态 1.弱：没有⾃主意识，只能完成程序设定内的任务，⼴泛⽤于取代机械体⼒劳动 2.强：具有⾃我意识，可以像⼈脑⼀样独⽴思考，并制定解决问题的最佳⽅案 3.超：全⽅位碾压⼈类脑⼒体⼒ 1.2⼈⼯智能概念 ①⼈⼯智能的定义众说纷纭，⼀般的解释为⼈⼯智能就是⽤⼈⼯的⽅法在机器（计算机）上实现的智能⾏为，包括感知、推理、学习、通信和复杂环境下的动作⾏为 1.3⼈⼯智能的发展史 ①⼈⼯智能现状 1.⼈⼯智能的发展较为单⼀ 2.⼈⼯智能尚处于起步阶段 3.“智能+X”成为⼈⼯智能应⽤的创新模式 4.⼈⼯智能领域的国际竞争⽇益激烈 ②当前中国⼈⼯智能 1.⾼度重视—国家⼤⼒⽀持 2.态势喜⼈—中国AI企业数量全球第⼆，中国AI领域融资规模占全球60% 3.差距不⼩—尚处于“跟跑”地位，与世界领先⽔平还存在明显差距 4.前景看好 1.4⼈⼯智能三⼤学派 ①⼈⼯智能三⼤学派 1.符号主义学派 2.连接主义学派 3.⾏为主义学派 ②图灵测试 测试者与被测试者（⼀个⼈和⼀台机器）隔开的情况下，通过⼀些装置（如键盘）向被测试者随意提问。
进⾏多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有⼈类智能。
（来源百度百科）2、状态搜索空间表⽰及其搜索技术 2.1状态空间法 ①问题求解过程实际上就是⼀个搜索的过程 问题求解技术主要涉及两个⽅⾯：问题的表⽰和求解的⽅法 ②状态空间表⽰法：⽤来表⽰问题及其搜索过程的⼀种⽅法，以状态和算符为基础来表⽰和求解问题 包括三要素：状态、算符和状态空间 状态—表⽰问题求解过程中每⼀步问题状况的数据结构 算符—当对⼀个问题状态使⽤某个可⽤操作时，它将引起该状态中某些分量值的变化，从⽽使问题从⼀个具体状态变为另⼀个具体状态 状态空间—⽤来描述⼀个问题的全部状态以及这些状态之间的相互关系；常⽤⼀个三元组表⽰：（S，F，G） S—问题的所有初始状态的集合；F—算符的集合；G—⽬标状态的集合 2.2图搜索 ①搜索的⽬的是为了寻找初始节点到⽬标节点的路径，所以要随时记录搜索轨迹 1.必须记住下⼀步还可以⾛哪些点，OPEN表 2.必须记住哪些点⾛过了，CLOSED表 3.必须记住从⽬标返回的路径 ②例题 2.3盲⽬式搜索 ①定义—按预定的控制策略进⾏搜索，在搜索⼯程中获得的中间信息不⽤来改进控制策略（没有启发信息的⼀种搜索形式） ②种类—宽度优先（⼴度）；深度优先；等代价搜索 ③不⾜—适合简单问题求解，问题较复杂时，效率低 ④宽度优先搜索 ⑤深度优先搜索 深度界限—⼀个节点扩展最⼤深度，防⽌搜索过程沿着⽆益的路径扩展下去；起始节点的深度为0 ⑥等代价搜索 等代价搜索是宽度优先搜索的⼀种推⼴，沿着等代价路径断层进⾏扩展 2.4启发式搜索 ①启发性信息—指那种与具体问题求解过程有关的，并可指导搜索过程朝着最有希望⽅向前进的控制信息 ②A算法 ③A*算法 A* 算法的搜索效率在很⼤程度上取决于h(n)，在满⾜h(n)<=h*(n)的前提下，h(n)的值越⼤越好3、问题归约知识表⽰及搜索技术 3.1问题归约法及与或图 ①问题归约法基本思想—从已知问题的描述出发，通过⼀系列变换把此问题最终变为⼀个⼦问题集合；这些⼦问题的解可以直接得到，从⽽解决了初始问题（类似于递归） ②问题归约法组成 1.⼀个初始问题的描述 2.⼀套把问题变换为⼦问题的操作符 3.⼀套本原问题 ③与或图 ④所有节点都是或节点，这时就是⼀般的图，即状态空间图 除了起始节点外，所有节点只有⼀个⽗节点，此时称为与或树 ⑤可解节点 1.终叶节点是可解节点 2.如果某个⾮终叶节点含有或后继节点时，只有当其后继节点⾄少有⼀个是可解的时，此⾮终叶节点才是可解的 3.如果某个⾮终叶节点含有与后继节点时，只有当其后继节点全部可解时，此⾮终叶节点才是可解的 ⑥不可解节点 1.没有后继节点的⾮终叶节点 2.全部后继节点为不可解的⾮终叶节点且含有或后继节点 3.后继节点⾄少有⼀个为不可解的⾮终叶节点且含有与后继节点 3.2与或图的盲⽬式搜索 ①与或图搜索—在与或图上执⾏搜索的过程，其⽬的在于标明起始节点是有解的，即搜索不是去寻找到⽬标节点的⼀条路径，⽽是寻找⼀个解树 解树—由能够证明初始节点时可解的可解节点构成的连通的⼦图 ②与或树—除初始节点，其余节点只有⼀个⽗节点 ③与或图—除初始节点，其余节点允许有多个⽗节点 ④与或树搜索过程 ⑤与或树的宽度优先搜索—先产⽣的节点先扩展 求解步骤为： 初始化：节点1送到OPEN表，且不为终叶节点OPEN CLOSED1 STEP1：把节点1放⼊CLOSED表，扩展，得到节点2、3OPEN CLOSED12，31 STEP2：扩展节点2后，得到节点4、t1；节点t1是终叶节点且为可解节点，对其先辈节点进⾏标志；t1的⽗结点是与节点，⽆法判断节点2是否可解，接着扩展节点3OPEN CLOSED12，313，4，t11，2 STEP3：扩展节点3，得到节点5、B；节点5、B都不是终叶节点，接着扩展节点4OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B1，2，3，4 STEP4：扩展节点4，得到节点A、t2；节点t2是终叶节点且为可解节点，对其先辈节点进⾏标志；节点4、2可解，但不确定1是否可解；从OPEN表中删除掉A；此时节点5是OPEN表第⼀个待考察的节点，下⼀步扩展节点5OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B，A，t21，2，3，45，B，t21，2，3，4，t1B，t21，2，3，4，t1，5 STEP5：扩展节点5后，得到节点t3、t4；节点t3、t4都是终叶节点且为可解节点，对其先辈节点进⾏标志；节点5可解，接着推出节点3可解，节点1可解，从OPEN表中删除B，成功退出OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B，A，t21，2，3，45，B，t21，2，3，4，t1B，t2，t3，t41，2，3，4，t1，5t2，t3，t41，2，3，4，t1，5 ⑥与或树深度优先搜索—新产⽣的节点先扩展 求解步骤为： 初始化：节点1送到OPEN表，且不为终叶节点OPEN CLOSED1 STEP1：把节点1放⼊CLOSED表，扩展，得到节点2、3；节点2、3都不是终叶节点，接着扩展节点2，此时OPEN表只剩节点3OPEN CLOSED12，3131，2 STEP2：扩展节点2后，得到节点4、t1；t1是终叶节点，但⽆法表⽰节点2；继续扩展节点4OPEN CLOSED12，314，t1，31，2t1，31，2，4 STEP3：扩展节点4后，得到节点A、t2；标志4、2为可解节点，但不能确定1是否可解；删掉OPEN表中的节点A，接着扩展节点3OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t1 STEP4：扩展节点3，得到节点5、B；接着扩展节点5OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t15，B1，2，4，t2，t1，3B1，2，4，t2，t1，3，5OPEN CLOSED STEP5：扩展节点5后，得到节点t3、t4；标志可解节点5、3，推出初始节点1可解，删掉节点B；成功退出OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t15，B1，2，4，t2，t1，3t3，t4，B1，2，4，t2，t1，3，5t3，t41，2，4，t2，t1，3，5 3.3博弈树搜索 ①机器博弈—机器参与的博弈，参与智⼒竞技 ②博弈树特点 ③Max-Min搜索 ④α-β剪枝搜索 对于⼀个与节点来说，它取当前⼦节点中的最⼩倒退值作为它倒退值的上界，称此为β值（β<=最⼩值） 对于⼀个或节点来说，它取当前⼦节点中的最⼤倒退值作为它倒退值的下界，称此为α值（α>=最⼤值）。
《人工智能导论》课程复习
第七章 专家系统
• 专家系统的功能，特点 • 专家系统的类型 • 专家系统的一般结构和工作原理
考试时间、地点
• 12月5日9：45在3C304教室考试
状态空间的启发式搜索
概念 估计函数和启发式函数 最好择优法和局部择优法
二章 搜 索
• 与/或树的搜索
– 基本概念：端节点，终止节点，可解节点，应用可解 过程，解树，不可解节点，应用不可解过程，部分解 树，解树的代价
– 与/或树的搜索的一般过程 – 赋值树的广度优先搜索
• 部分解树，一般搜索过程
第五章 人工智能语言
• 不要求
第六章 非精确性推理
• 非精确性推理的含义 • 非精确性推理系统的几个基本问题
– 非精确性度量 – 非精确性传播 – 条件部分非精确性的确定 – 非精确性的匹配算法与阈值选择
• 可信度方法
– 规则的不确定性度量 – 证据的非精确性度量 – 非精确性的传播
• 主观Bayes方法
– 赋值树的启发式搜索
• 希望解树，估计函数，一般过程
• 博弈树的启发式搜索
– 极大极小分析方法 – α－β剪枝
第三章 知识与知识表示方式
1. 基本概念
知识 知识表示法
2. 一阶谓词逻辑表示法的方式和特点 3. 产生式表示法… 4. 框架表示法… 5. 语义网络表示法… 6. 脚本表示法… 7. 过程表示法…
与节点边表示走法博弈问题的状态空间第二章搜索?搜索搜索的基本概念搜索分类?盲目搜索及其特点?启发式搜索及其特点算法和过程搜索效率?外显率?有效分枝因数第二章搜索?状态空间的盲目搜索?广度优先搜索法?思想搜索过程数据结构特点?深度优先搜索法?有界深度优先搜索法?分支界限搜索法代价树的广度优先搜索法?瞎子爬山法代价树的深度优先搜索法?代价树的有界深度搜索法状态空间的启发式搜索?概念?估计函数和启发式函数?最好择优法和局部择优法?第二章搜索?与或树的搜索基本概念
人工智能导论知识
人工智能导论知识
1. 人工智能的定义、发展历史及应用领域；
2. 人工智能的核心技术包括：机器学习、自然语言处理、计算机视觉、知识表示与推理等；
3. 机器学习领域的主要算法包括：监督学习、非监督学习、半监督学习、强化学习等；
4. 自然语言处理领域的主要技术包括：词法分析、句法分析、语义分析等；
5. 计算机视觉领域的主要技术包括：图像处理、图像识别、目标检测等；
6. 知识表示与推理领域的主要技术包括：本体论、谓词逻辑、归纳推理等；
7. 人工智能的发展趋势包括：深度学习、云计算、边缘计算、物联网等；
8. 人工智能的应用主要集中在：智能制造、智能交通、智慧医疗、智慧城市等领域；
9. 人工智能面临的挑战包括：数据安全、伦理问题、人工智能的误用等；
10. 人工智能的发展需要多方努力，包括政府、企业和个人的积极参与和贡献。
人工智能技术导论复习大纲
⼈⼯智能技术导论复习⼤纲⼀、⼈⼯智能概述1、什么是⼈⼯智能？谈谈你对⼈⼯智能的认识。
“ArtificialIntelligence”，简称AI。
⽬前的“⼈⼯智能”⼀词是⼈造智能，指⽤计算机模拟或实现的智能，同时，⼈⼯智能⼜是⼀个学科名称。
研究⼈⼯智能也是当前信息化社会的迫切要求。
我们知道, ⼈类社会现在已经进⼊了信息化时代。
信息化的进⼀步发展, 就必须有智能技术的⽀持。
例如, 当前迅速发展着的互联⽹(Internet)、万维⽹(WWW)和⽹格(Grid)就强烈地需要智能技术的⽀持。
也就是说,⼈⼯智能技术在Internet、 WWW和Grid上将发挥重要作⽤。
智能化也是⾃动化发展的必然趋势。
⾃动化发展到⼀定⽔平, 再向前发展就必然是智能化。
事实上,智能化将是继机械化、⾃动化之后, ⼈类⽣产和⽣活中的⼜⼀个技术特征。
⼈⼯智能作为⼀门学科, 其研究⽬标就是制造智能机器和智能系统, 实现智能化社会。
随着⼈⼯智能的发展⼈类社会会更加智能化，更加美好！2、⼈⼯智能有哪些应⽤领域或课题？1）、难题求解2）、⾃动规划、调度与配置3）、机器定理证明4）、⾃动程序设计5）、机器翻译6）、智能控制7）、智能管理8）、智能决策9）、智能通讯10）、智能仿真11）、智能CAD（计算机辅助设计Computer Aided Design）12）、智能制造13）、智能CAI（计算机辅助教学Computer Aided Instruction）14) 、智能⼈机接⼝15) 、模式识别16）、数据挖掘与数据库中的知识发现17）、计算机辅助创新18）、计算机⽂艺创作19）、机器博弈20）、智能机器⼈⼆、逻辑程序设计语⾔PROLOGPROLOG是⼀种逻辑型智能程序设计语⾔，以horn⼦句逻辑为基础，因此⽤它编写的程序就是逻辑程序，即在PROLOG程序中⼀般不需告诉计算机“怎么做”，只需要告诉它“做什么”。
1.试编写⼀个描述亲属关系的PROLOG程序，然后再给出⼀些事实数据，建⽴⼀个⼩型演绎数据库。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《人工智能导论》期末复习知识点
选择题知识点
1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。
人工智能Artificial Intelligence,AI
人工神经网络Artificial Neural Network，ANN
机器学习Machine Learning，ML
深度学习Deep Learning,DL
2.什么是强人工智能？
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。
可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。
有和生物一样的各种本能，比如生存和安全需求。
在某种意义上可以看作一种新的文明。
3.回溯算法的基本思想是什么？
能进则进。
从一条路往前走，能进则进，不能进则退回来，换一条路再试。
4.面向对象、产生式系统、搜索树的定义？
面向对象(Object Oriented)是软件开发方法，一种编程范式。
面向对象的概念和应用已超越了程序设计和软件开发，扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。
面向对象是一种对现实世界理解和抽象的方法，是计算机编程技术发展到一定阶段后的产物。
面向对象是相对于面向过程来讲的，面向对象方法，把相关的数据和方法组织为一个整体来看待，从更高的层次来进行系统建模，更贴近事物的自然运行模式。
把一组产生式放在一起，让它们相互配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决的系统就叫作产生式系统。
对于需要分析方法，诸如深度优先搜索和广度优先搜索（穷尽的方法）以及启发式搜索（例如最佳优先搜索和A*算法），这样的问题使用搜索树表示最合适。
5.机器学习的基本定义是什么？
机器学习是一门研究及其获取新知识和新技能，并识别现有知识的学问。
6.智慧地球的概念，智慧地球提出的背景是怎样的？
借助新一代信息技术（如传感技术、物联网技术、移动通信技术、大数据分析、3D打印等）的强力支持，让地球上所有东西实现被感知化、互联化和智能化。
背景为金融危机影响全球。
7.相关关系是怎么回事？
相关关系是客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。
相关分析中的自变量和因变量没有严格的区别，可以互换。
8.盲目搜索是什么意思？
盲目搜索方法又叫非启发式搜索，是一种无信息搜索，一般只适用于求解比较简单的问题，盲目搜索通常是按预定的搜索策略进行搜索，而不会考虑到问题本身的特性。
常用的盲目搜索有宽度优先搜索和深度优先搜索两种。
填空题知识点。
1.Wiener 在智能活动领域的理论贡献？
创立控制论，开创了一个全新的学科“控制科学”（Control Science），也开创了人工智能中的行为主义学派。
2.常见的盲目搜素算法有哪些？
常用的盲目搜索有宽度优先搜索和深度优先搜索两种。
3.最佳优先搜索算法？
最佳优先搜索（Best First Search），是一种启发式搜索算法（Heuristic Algorithm）,我们也可以将它看做广度优先搜索算法的一种改进；最佳优先搜索算法在广度优先搜索的基础上，用启发估价函数对将要被遍历到的点进行估价，然后选择代价小的进行遍历，直到找到目标节点或者遍历完所有点，算法结束。
4.大类来分，主要有哪三类机器学习算法？
监督学习、无监督学习、强化学习
5.监督学习的主要类型？
分类和回归，详见书上127页
6.人工智能之父是指？图灵测试的含义？
图灵。
它的意义在于推动了计算机科学和人工智能的发展。
7.大数据时代，相关性和因果性的异同？
异：因果关系很难被轻易证明，但证明相关关系实验耗资少，费时也少。
同：相关关系为研究因果关系奠定了基础。
8.产生式系统的形式规则集怎样表示的？
IF[条件]THEN[动作]
9.机器学习算法都是基于什么理论的？
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
3.简答题知识点
1.大数据时代的思维转变？
1.样本=总体
2.接受数据的混杂性
3.数据的相关关系
2.人工智能领域的主要应用有哪些？
深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘
3.知识表示法有哪些?
叙述式表示法、过程式表示法
4.线性回归与逻辑回归的比较。
参考一：在线性回归模型中，输出一般是连续的，对于每一个输入的x，都有一个对应的输出y。
因此模型的定义域和值域都可以是无穷。
但是对于逻辑回归，输入可以是连续的[-∞, +∞]，但输出一般是离散的，通常只有两个值{0, 1}。
参考二：逻辑回归的模型是一个非线性模型，sigmoid函数，又称逻辑回归函数。
但是它本质上又是一个线性回归模型，因为除去sigmoid映射函数关系，其他的步骤，算法都是线性回归的。
可以说，逻辑回归，都是以线性回归为理论支持的。
只不过，线性模型，无法做到sigmoid的非线性形式，sigmoid可以轻松处理0/1分类问题。
5.人工智能时代的重要工作岗位。
数据科学家、机器学习工程师、数据标签专业人员、AI硬件专家、数据保护专家
6.为什么在大数据时代更关注相关关系？
相关关系实验耗资少、费时也少。
为我们提供新的视角，而且提供的视角都很清晰。
7.语义网络如何理解？
语义网络是知识表示中最重要的通用形式之一，是一种表达能力强而且灵活的知识表示方法。
它通过概念及其语义关系来表达知识的一种网络图。
8.神经元与神经网络的关系？神经元的工作原理。
关系：神经网络从这种自然典范中汲取灵感，设计人工神经网络。
原理：神经元由一个细胞体和突两部分组成。
突分两类，轴突和树突。
树突和轴突共同作用，实现神经元之间的信息传递。
轴突的末端与树突进行进行信号传递的界面成为突触，通过突触向其他神经元发送信息。
学习发生在突触附近，而且突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋信号或抑制信号。
对某些突触的刺激促使神经元触发，只有神经元所有输入的总效应达到阈值电平，它才开始工作。
综合应用题的知识点
1.常用的机器学习算法有哪些？各自的特点和适用领域是怎样的？
回归算法：是最快速的机器算法之一，分类，预测离散值。
KNN算法：最基础和简单的算法之一，用于分类，比较数据点的距离，并将每个点分配给它最接近的组。
决策树算法：将一组“弱”学习器集合在一起，形成一种强算法。
主要用来分类，也有做回归，但更多的是作为弱分类器，用在model
贝叶斯算法：通过找到样本所属于的联合分步，然后通过贝叶斯公式，计算样本的后验概率。
用于文本分析、分类
聚类算法：发现元素之间的共性并对它们进行相应的分组。
神经网络算法：通过找到某种非线性模型拟合数据，主要用在图像处理等2.专家系统的概念、结构、各模块的作用怎样？。
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
人机交互界面、知识库、推理机、解释器、综合数据库、知识获取
人机界面：系统和用户进行交流的界面
知识库：存放专家提供的知识
推理机：对当前问题的条件或已知消息，仿佛匹配知识库中的规则，获取新理论，以得到问题求解结果
解释器：能根据用户的提问，对结论、求解过程做出说明
综合数据库：专门用于存储推理过程中所需要的原始数据、中间结果和最终结论。