郑州大学人工智能复习
人工智能期末复习
人工智能期末复习一、名词解释1、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，是一门综合性的交叉学科和边缘学科。
2、语义网络：语义网络是一种用实体及其语义关系来表达知识的有向图。
3、机器学习：机器学习就是让机器（计算机）来模拟和实现人类的学习功能。
4、正向推理产生式系统：正向推理也称数据驱动方式，它是从初始状态出发，朝着目标状态前进，正向使用规则的一种推理方法。
所谓正向使用规则，是指以问题的初始状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的前提时，该规则才被使用。
正向推理产生式系统简单明了，且能求出所有解，但是执行效率较低，具有一定的盲目性。
5、遗传算法：遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法。
6、人工智能（能力）：是智能机器执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
7、机器学习系统：机器学习系统是指能够在一定程度上实现机器学习的系统。
8、逆向推理产生式系统：逆向推理也称目标驱动方式，它是从目标状态出发，朝着初始状态前进，反向使用规则的一种推理方法。
所谓逆向使用规则，是指以问题的目标状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的后件时，该规则才被使用。
逆向推理产生式系统不寻找无用数据，不使用与问题无关的规则。
9、演绎推理：演绎推理是从已知的一般性知识出发，去推出蕴含在这些已知知识中的适合于某种个别情况的结论。
是一种由一般到个别的推理方法，其核心是三段论，如假言推理、拒取式和假言三段论。
10、启发式搜索：状态空间的启发式搜索是一种能够利用搜索过程所得到的问题自身的一些特性信息来引导搜索过程尽快达到目标的搜索方法。
二、填空题1、目前人工智能的主要学派有下列三家：符号主义、联结主义和行为主义。
2、常用的知识表示方法有一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法和过程表示法。
人工智能-核心算法复习题+参考答案
人工智能-核心算法复习题+参考答案1、（）控制着整个LSTM单元的状态或者记忆，它会根据每个时刻的输入进行更新。
A、隐状态向量B、状态向量C、显状态向量D、以上都不对答案：B2、以下属于生成式模型的是：（）A、SVMB、随机森林C、隐马尔可夫模型HMMD、逻辑回归答案：C3、对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？A、循环神经网络B、感知机C、多层感知机D、卷积神经网络答案：D4、VGG-19中卷积核的大小为A、3x3B、5x5C、3x3,5x5D、不确定答案：A5、下列关于随机变量的分布函数，分布律，密度函数的理解描述不正确的是？A、离散型随机变量没有分布函数B、密度函数只能描述连续型随机变量的取值规律。
C、分布函数描述随机变量的取值规律D、分布律只能描述离散型随机变量的取值规律答案：A6、感知机描述错误的是：(___)A、感知机根据正确的程度进行权重调整；B、输入层接收外界输入信号传递给输出层；C、输出层是M-P神经元；D、感知机能容易实现逻辑与、或、非运算；答案：A7、机器学习中做特征选择时，下面方法或信息不一定有用的是A、卡方检验B、信息增益C、数据采样D、期望交叉熵答案：C8、在pytorch中，如果主机有1块TitanX显卡，以下哪个选项中的代码都可以将变量名为var的tensor放在GPU上运行A%、var=var.to"cuda:0"、var=var.to"cuda:1"B、var=var.to"cuda:1"C、var=var.cuda、var=var.to"cuda:0"D、var=var.cuda、var=var.to"cuda:1""答案：C9、Adaboost就是从（）出发反复训练，在其中不断调整数据权重或者是概率分布。
人工智能期末复习材料
、选择填空。
1.智能：1956年智能作为个专业术语出现。
智能有以下点：AI(ArtificialIntelligence)1.智能具有感知能；2.智能具有记忆和思维能：记忆和思维是脑最重要的功能，记忆和思维需要同时具备，它们是由智能的根本原因；思维分为好种:逻辑思维，形象思维，以及顿悟思维；3.智能具有学习能，适应能及为能。
2.图灵1950年发表“计算机与智能”的论，章以“机器能思维吗？”开始，论述并提出了著名的“图灵测试”，以测试个计算机系统是否具有智能。
3.智能界主要由符号主义，为主义和连结主义等研究学派。
4.智能主要的研究领域（挑选5或6个认真看）1.专家系统2.模式识别3.机器学4.动定理证明5.博弈6.智能检索7.动程序设计 8.组合调度问题 9.软计算 10.分布式智能 11.数据挖掘5.智能研究的3个主要内容：知识的获取、知识的表和知识的运。
6.知识的描述：知识的某领域中所涉及的各有关的种符号表。
7.知识的特点：（1）相对正确性（2）不确定性（3）可表性（4）可利性8.知识的分类（1）事实性知识（2）过程性知识（3）为性知识（4）实例性知识（5）类性知识（6）元知识9.确定性和不确定性规则知识的产式表：确定性：P Q或者 if P then Q不确定性：P Q（可信度）或者 if P then Q（可信度）10.确定性和不确定性事实性知识的产式表：确定性事实性知识般使三元组（对象，属性，值）或（关系，对象1，对象2）不确定性事实性知识般使四元组（对象，属性，值，不确定度量值）或（关系，对象1，对象2，不确定度量值）11.产式系统通常由规则库、数据库、推理机这3个基本部分组成。
它们之间的关系可以表为12.规则库是专家系统的核。
数据库，称事实库。
13.产式系统推理机的推理式：正向推理，反向推理，双向推理和混合式推理。
个较常的槽名：（要会判断属于哪种槽）P46（1）ISA槽（2）AKO槽（3）Instance槽（4）Part-of槽15.语义络的基本语义联系（学会如何表各种关系，重点是类属关系）1.类属关系2.包含关系3.属性关系4.时间关系5.位置关系6.相近关系7.因果关系8.组成关系16类属关系：（1）AKO（A-Kind-of）表个事物是另个事物的种类型。
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。
人工智能复习参考(带答案).doc
复习参考题一、填空I•构成产生式系统的基本元素有综合数据库、规则库、控制系统,控制策略按执行规则的方式分类，分为止向、逆向、双向三类。
2•归结过程中控制策略的作用是给出控制策略，以使仅对选择合适的子句间方可做归结，避免多余的、不必要的归结式出现或者说，少做些归结仍能导出空子句。
常见的控制策略有线性归结策略、支持集策略、单元归结、输入归结。
3.公式G和公式的子句集并不等值，但它们在不可满足的意义下是一致的。
4.与或图的启发式搜索算法(A0*算法)的两个过程分别是图生成过程即扩展节点和计算耗散值的过程。
5.人工智能的研究途径主要有两种不同的观点，一种观点称为符号主义,认为人类智能基木单元是符号。
另一种观点称为连接主义(仿牛主义)，认为职能的基本单元是神经元。
6.集合｛P(a, x, f (g(y))? P(z, f (z) ,f(u)))的mgu (最一般合一置换)为｛z/a, f(x)/x, u/g(y)｝o7•语义网络是对知识的有向图表示方法，一个最简单的语义网络是一个形如节点1、弧、节点2的三元组，语义网络可以描述事物间多种复杂的语义关系、常用ISA、AKO弧表示节点间具有类屈的分类关系。
语义网络下的推理是通过继承和匹配实现的。
8.当前人工智能研究的热点之一就是机器学习。
常见的机器学习方法可分为连接学习、归纳学习、分析学习和遗传算法与分类器系统等。
一个机器学习系统应有环境、知识库、学习环节和执行环节四个基本部分组成。
9•常用的知识表示法有逻辑表示法、产牛式规则表示法、语义网络表示法、框架理论表示法、过程表示法等。
10.有两个A*算法A1和A2,若A1比A2有较多的启发信息，贝9hl(n)>h2(n)oII.关于A算法与A*算法,若规定h(n)M0,并J1定义启发函数:P|c(n)=g*(n)+h*(n) 表示初始状态S。
经点n到Fl标状态Sg最优路径的费用。
其屮g*(n)为So到n的最小费用，h*(n)为到Sg的实际最小费用。
人工智能复习题(含答案)
人工智能复习题（含答案）1、以下属于计算机视觉的经典模型的有：（）。
A、VGGNetB、ResNetC、RNND、GoogleNet答案：ABD2、关于连接主义，描述正确的是（）A、基础理论是神经网络B、深度学习属于连接主义C、又称为仿生学派D、产生在20实际50年代答案：ABCD3、在自然语言处理任务中，首先需要考虑字、词如何在计算机中表示。
通常，有两种表示方式：()表示和()表示A、on-hotB、one-hotC、分布式D、集中式答案：BC4、人工智能研究的主要因素有（）。
A、计算能力B、算法C、数据D、天气答案：ABC5、决策树的生成是一个递归过程.在决策树基本算法中导致递归返回的情况包括（）A、当前属性集为空,无法划分B、当前结点包含的样本全属于同一类别,无需划分C、所有样本在所有属性上取值相同,无法划分D、当前结点包含的样本集合为空,不能划分答案：ABCD6、下列关于词袋模型说法正确的是（）。
A、词袋模型可以忽略每个词出现的顺序B、词袋模型不可以忽略每个词出现的顺序C、TensorFlow支持词袋模型D、词袋模型可以表出单词之间的前后关系答案：AC7、以下哪些网络结构具有反馈连接功能，即将前一层的输出和当前层自身作为输入（）A、循环神经网络B、卷积神经网络C、LSTM网络D、多层感知机答案：AC8、下列关于极大似然估计（Maximum Likelihood Estimate，MLE），说法正确的是A、MLE可能并不存在B、MLE总是存在C、如果MLE存在，那么它的解可能不是唯一的D、如果MLE存在，那么它的解一定是唯一的答案：AC9、常用的损失函数有哪些（）。
A、均方差B、Sigmoid交叉熵C、Sofmax交叉熵D、Sparse交叉熵答案：ABCD10、赋范线性空间满足（）A、正定型B、不定性C、正齐次性D、次可加性答案：ACD11、关于卷积神经网络池化成层以下描述正确的是？A、经过池化的特征图像变小了B、池化操作采用扫描窗口实现C、池化层可以起到降维的作用D、常用的池化方法有最大池化和平均池化答案：ABCD12、下面哪项技巧可用于关键词归一化（keyword normalization），即把关键词转化为其基本形式？A、词形还原（Lemmtiztion）B、LevenshteinC、词干提取（Stemming）D、探测法（Sounex）答案：AC13、数据不平衡问题由于数据分布不平衡造成的，解决方法如下（）A、对小样本加噪声采样B、对大样本进行下采样C、进行特殊的加权D、采用对不平衡数据集不敏感的算法答案：ABCD14、常见的聚类技术有（）A、分层聚类B、K平均值聚类C、两步聚类D、Konhonennetwork答案：ABCD15、关于缺失值处理，说法正确的是（）A、数据缺失是指在数据采集传输和处理过程中，由于某些原因导致的数据不完整的情况。
人工智能期末复习
人工智能原理期末考试复习1. 什么是人工智能?发展经历了几个阶段?人工智能指的是能够感知或推断信息，并将其作为知识而拥有，以应用于环境或语境中适合的行为;机器的智能称为人工智能，通常在运用程序、间或适当硬件的计算机系统中得以实现.2. 人工智能研究的内容有哪些?机器学习、知识表示方法、搜索求解策略、进化算法及其应用、确定性及不确定性推理方法、群体智能算法及其应用。
3. 人工智能有哪些研究领域?安全防范、医疗诊断、语音识别、工业制造、计算机游戏、机器翻译。
4. 什么是知识?有哪些特性?有几种分类方法?知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。
相对正确性、不确定性、可表示性与可利用性。
分类方法：(1)按知识的作用范围分为∶常识性知识和领域性知识﹔(2)按知识的作用及表示分为∶事实性知识、规则性知识、控制性知识和元知识;(3 )按知识的确定性分为：确定知识和不确定知识;(4) 按人类思维及认识方法分为：逻辑性知识和形象性知识。
5. 什么是知识表示、命题、谓词，一阶谓词逻辑、产生式、框架、语义网络?知识表示就是将人类知识形式化或者模型化；命题是一个非真即假的陈述句；谓词的一般形式： ),...,,(21n x x x P )；n x x x ,...,,21是个体，某个独立存在的事物或者某个抽象的概念， P 是谓词名，用来刻画个体的性质、状态或个体间的关系。
一阶谓词逻辑表示：谓词不但可表示一些简单的事实，而且可以表示带有变量的“知识”，有时称为“事实的函数”。
进而可用谓词演算中的逻辑联接词“与()”、“或(v)"、“非(┐)”和“蕴含(→)”等来组合已有知识，从而表示出更复杂的知识。
产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识。
框架是一种描述所论对象（一个事物、事件或概念）属性的数据结构。
语义网络：从图论的观点看，它其实就是“一个带标识的有向图”，由结点和弧（也称“边”)所组成。
人工智能基础概念复习题含参考答案
人工智能基础概念复习题含参考答案一、单选题(共60题，每题1分，共60分)1、决策树中，同一路径上的所有属性之间是()关系A、逻辑与B、因果C、逻辑或D、相关正确答案：A2、CRISP-DM将数据挖掘的过程抽象为四个层次：阶段、一般任务、O和过程实例A、分析B、建模C、具体任务D、规划正确答案：C3、智能机器人可以根据O得到信息。
A、感知能力B、学习能力C、思维能力D、行为能力正确答案：A4、学习器的实际预测输出与样本的真实输出之间的差异称为A、精度B、误差C、查准率D、错误率正确答案：B5、O是将人类语言经过处理转化为机器所能理解语言的一门技术。
A、大数据B、自然语言处理C、语音识别D、计算机视觉正确答案：B6、大数据的最显著特征是()A、数据价值密度高B、数据处理速度快C、数据类型多样D、数据规模大正确答案：D7、假设你在卷积神经网络的第一层中有5个卷积核，每个卷积核尺寸为7×7,具有零填充且步幅为Io该层的输入图片的维度是224×224×3o那么该层输出的维度是多少？（）A、217x217x3B、218x218x5C、220x220x7D、217x217x8正确答案：B8、图像灰度的方差表示图像的哪种属性A、图像细节B、图像饱和度C、图像整体亮度D、图像对比度正确答案：D9、专用人工智能的简称是（）。
A、AIGB、AINC、ANID、AGI正确答案：C10、数据管理以（）活动为基础。
A、数据预处理B、数据处理C、数据分析D、数据可视化正确答案：A11、避免由于过拟合造成貌似线性可分的结果，一个解决的办法是允许支持向量机在一些样本上出错，为此引入0的概念。
A、正则化B、软间隔C、核函数D、硬间隔正确答案：B12、有三种方法可以帮助决策者确定决策的作用：（）、场景分析和What-If分析A、回归分析B、测试C、建模D、假设分析正确答案：B13、关于表述数据可视化在数据科学中重要地位说法中，下列不正确的是（）。
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。
人工智能复习资料(手工整理版)
第一章1．人工智能的定义（能力）？人工智能的研究目标？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。
近期目标：实现机器智能——理论和技术基础远期目标：制造智能机器——发展方向2．人工智能的起源与发展过程；典型人物、事件（1）古希腊，亚里士多德，形式逻辑的基本规律（2）英国，培根，归纳法（3）德国，莱布尼茨，数理逻辑（4）英国，布尔，布尔代数（5）奥地利，哥德尔，一阶谓词完备性（6）英国，图灵，图灵机（7）美国，Mauchly，ENIAC（8）美国，McCulloch，神经网络模型（9）美国，香农，信息论1956年，麦卡锡，人工智能之父，50年代开始符号处理，70年代理论走向实践，Nilson A*算法，1977年，专家系统广泛应用，80年代达到顶峰，90年代趋向小型化、并行化、网络化、智能化。
3．人工智能的主要学派及观点符号主义，认为人工智能源于数理逻辑。
联结主义，认为人工智能源于仿生学。
行为主义，认为人工智能源于控制论。
4．人工智能所研究的范围与应用领域智能感知：模式识别、自然语言理解智能推理：问题求解、逻辑推理与定理证明、专家系统、自动程序设计智能学习：机器学习、神经网络、计算智能与进化计算智能行动：机器人学、智能控制、智能检索、智能调度与指挥、分布式人工智能与Agent、数据挖掘与知识发现、人工生命、机器视觉5.人工智能的基本技术推理技术、搜索技术、知识表示与知识库技术、归纳技术、联想技术第二章1.概念：知识及形式化描述、同构变换、同态变换把有关信息关联在一起所形成的信息结构称为知识。
同构变换可使问题更明确，便于求解，同构问题的解答等价于原始问题的解答。
同态变换可使问题更加简化，易于求解。
原始问题有解，则同态问题有解，同态问题无解，则原始问题无解，它们之间是蕴含关系。
2.知识、信息和数据的区别数据是记录信息的符号，是信息的载体和表示；信息是对数据的解释，是数据在不同场合下的具体含义；只有将有关的信息关联到一起才能使用，才称之为知识。
人工智能期末复习资料
人工智能技术期末复习纲要一、填空（20分）+判断(10分)1、人工智能：Artificial Intelligence，简称AI2、计算智能就是计算人工智能, 它是模拟（群智能）的人工智能。
计算智能以（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。
3、（判断）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4、（判断）人工智能学科的研究策略则是先部分地或某种程度地实现机器的智能,并运用智能技术解决各种实际问题特别是工程问题, 从而逐步扩展和不断延伸人的智能, 逐步实现智能化。
5、（判断）符号智能采用搜索方法进行问题求解，一般是在（问题空间）搜索；计算智能也采用搜索方法进行问题求解，一般是在（解空间）搜索。
6、（填空）表示、运算和搜索是人工智能的三个最基本、最核心的技术。
7、PROLOG语言只有三种语句，分别称为（事实）、（规则）和（问题）。
8、（填空）PROLOG程序的执行过程是一个(归结)演绎推理过程9、（填空）一个完整的Turbo PROLOG(2.0版)程序一般包括常量段、领域段、数据库段、（谓词段）、（目标段）和（子句段）等六个部分。
10、（填空）按连接同一节点的各边间的逻辑关系划分，图可分为（或图）或（与或图）两大类，图搜索也就可分为（或图搜索）和（与或图搜索）两大类。
或图通常称为（状态图）。
11、（填空）用计算机来实现状态图的搜索, 有两种最基本的方式：（树式搜索）和（线式搜索）。
12、（填空）按搜索范围的扩展顺序的不同, 搜索又可分为（广度优先）和（深度优先）两种类型。
13、（填空）与或图搜索也分为（盲目搜索）和（启发式搜索）两大类。
前者又分为穷举搜索和盲目碰撞搜索。
14、（填空）遗传算法中有三种关于染色体的运算: （选择-复制）、（交叉）和（变异）。
15、（判断、填空）遗传算法是一种随机搜索算法，遗传算法又是一种优化搜索算法。
16、（填空、判断）基于谓词逻辑的机器推理也称（自动推理）。
人工智能重点复习题
1、盲目搜索（宽度、深度）图搜索AABDGABDCEGKLABDCEFEIGKOLDH…………………………Open集就是当前的叶子结点尚待进一步分解的节点广度优先的Open集合:A, BDG, CEKL, FIOH, JM,N深度优先的Open集合:A, BDG, DG, CEG, FEG, JIEG, IG, MG, NG……2、A*算法某问题的状态空间图如下图所示，其中括号内标明的是各节点的h值，弧线边的数字是该弧线的耗散值，试用A算法求解从初始节点S到目标节点T的路径。
要求给出搜索图，标明各节点的f值，及各节点的扩展次序，并给出求得的解路径。
3、α-β剪枝下图所示博弈树，按从左到右的顺序进行α-β剪枝搜索，试标明各生成节点的到推值，何处发生剪枝，及应选择的走步。
4、猴子香蕉问题状态空间图猴子香蕉问题状态空间图5、问题归约机理设想把三元状态组(S,F,G)规定的状态空间搜索问题归结为比较简单的一些状态空间搜索问题。
如果能够识别某个适当的“路标”状态序列g1,g2,...,gn,那么就能够把初始问题归约为由三元状态(S,F,{g1}),( {g1},F,{g2}),...,({gn},F,G)规定的问题集合。
解答所有这些问题就等价于解答该初始问题。
6、用语义网络表示下列命题(1)树和草都足植物。
(2)树和草是有根、有叶的。
(3)水草是草，且长在水中。
(4)果树是树，且会结果。
(5)苹果树是果树中的一种，它结苹果。
问题涉及的对象有植物、树、草、水草、果树、苹果树共6个对象。
各对象的属性如下：树和草的属性：有根、有叶；水草的属性：长在水中；果树的属性：会结果； 苹果树的属性：结苹果。
关系：树和草与植物问的关系是AKO 水草和草之间的关系是AKO 果树和树之间的关系是AKO 苹果树和果树间的关系是AKO7、语义网络图中的全称量词表示每个学生都学习了所有的程序设计课程8、化下列公式成子句形式：(1) (∀x)｛P(x)→P(x)｝(2) ∀x ∀y(On(x,y)→Above(x,y)) (3)∀x ∀y ∀z(Above(x,y)∧Above(y,z)→Above(x,z))(4) ～｛(∀x)｛P(x)→｛（∀y ）［p(y)→p(f(x,y))］∧(∀y)［Q(x,y)→P(y)］｝｝｝9、反演归结(1)、试用归结法证明(x)R(x)；(2)、做出修改证明树，提取问题的回答。
人工智能复习总结
1.深度优先方法特点:属于图搜索；是一个通用的搜索方法；如果深度限制不合适，有可能找不到问题的解；(4)不能保证找到最优解2.置换:通用有序对的集合s={t1/v1，…，tn/vn}来表任一置换，置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换，用s对表达式E作置换后的例简记为Es。
一般说，置换是不可交，两个置换合成的结果与置换使用的次序有关4.产生式：产生式规则基本形式：P-Q或P是产生式的前提(前件)，用于指出该产生式是否可用的条件Q是一组结论或操作(后件)，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作产生式规则的语义：如果前提P被满足，则可推出结论Q或执行Q所规定的操作7、产生式系统的组成1)产生式规则库：描述相应领域知识的产生式规则集2)数据库：(事实的集合)存放问题求解过程中当前信息的数据结构(初始事实、外部数据库输入的事实、中间结果事实和最后结果事实)3)推理机：(控制系统)是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略9.已知 W={P(f(x,g(A,y)),z),P(f(x,z),z)}，求 MGU： k=0;S0=S;5 0=£;S0 不是单元素集，求得差异集D0={g(A,y)},z}，其中z是变元，g(A,y)是项，且z不在g(A,y)中出现°k=k+1=1, 有5 1=5 0 ・{g(A,y)/z } = £・{ g(A,y)/z } = { g(A,y)/z }，S1=S0 ・{ g(A,y)/z } = {P(f(x,g(A,y)),g(A,y))},S1 是单元素集。
根据求MGU 算法，MGU=5 1={g(A,y)/z}10.证明G是否是F1、F2的逻辑结论；①」P(x) VQ(x).从F1变换②」P(y) VR(y).从F1变换③P(a).从F2变换④S(a).从F2变换⑤」S(z)V「R(z)结论的否定⑥R(a).②③归结{a/y}⑦」R(a) .④⑤归结{a/z}⑧□.⑥⑦归结得证.11.谓词公式G通过8个步骤所得的子句集合S，称为G的子句1)消去蕴含式和等价式一，<->2)缩小否定词的作用范围，直到其作用于原子公式:3)适当改名，使量词间不含同名指导变元和约束变元。
郑州大学人工智能复习
郑州大学人工智能复习目录一、第一章（2*6’） (1)二、第二章（1*6’+3*10） (3)三、第三章（2*10’） (5)四、第四章（1*6’+1*10’） (5)五、第五章（1*6’） (6)六、第六章（1*10’） (7)一、第一章（2*6’）1、什么是真正的智能？什么是人工智能？怎样判断一台机器具有智能？人工智能与计算机程序的区别？什么是智能机器？作为一门学科诞生在什么时间和地方？答：1）何为智能难以严格界定，但一般可这样理解：从内涵上，智能=知识+思维；从外延上，智能就是发现规律、运用规律的能力和分析问题、解决问题的能力。
2）由于智能的模糊定义，人工智能在学术界也没有统一的认识。
但大部分认为人工智能主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
3）图灵测试是判断一台机器是否具备智能的实验。
实验由三个封闭房间组成，分别放置主持人、参与人和机器。
主持人向参与人和机器人提问，通过提问的结果来判断谁是人，谁是机器。
如果主持人无法判断谁是人，谁是机器，则这台机器具备智能，即所谓的“智能机器”。
（中文屋子模拟图灵测试，目的是反驳图灵测试，说明某台计算机即使通过了图灵测试，能正确的回答问题，它对问题仍然没有任何理解，因此不具备真正的智能。
西尔勒博士（扮演计算机中的CPU）在一个封闭的房子里，有输入和输出缝隙与外部相通。
输入的是中文问题，而他对中文一窍不通。
房子内有一本英语的指令手册（相当于程序），从中可以找到相应的规则。
他按照规则办事，把作为答案的中文符号写在纸（相当于存储器）上，并输出到屋子外面。
这样，看起来他能处理输入的中文问题，并给出正确答案（如同一台计算机通过了图灵测试）。
但是，他对那些问题毫无理解，不理解其中的任何一个词！）4)人工智能与计算机程序的区别：AI研究的是符号表示的知识而不是数值数据为研究对象AI采用启发式搜索方法而不是普通的算法控制结构与知识是分离的允许出现不正确的答案5）智能机器指的是能够在不同环境中进行一些交互性的拟人动作。
- 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)。
目录一、第一章（2*6’） (1)二、第二章（1*6’+3*10） (3)三、第三章（2*10’） (5)四、第四章（1*6’+1*10’） (5)五、第五章（1*6’） (6)六、第六章（1*10’） (7)一、第一章（2*6’）1、什么是真正的智能？什么是人工智能？怎样判断一台机器具有智能？人工智能与计算机程序的区别？什么是智能机器？作为一门学科诞生在什么时间和地方？答：1）何为智能难以严格界定，但一般可这样理解：从内涵上，智能=知识+思维；从外延上，智能就是发现规律、运用规律的能力和分析问题、解决问题的能力。
2）由于智能的模糊定义，人工智能在学术界也没有统一的认识。
但大部分认为人工智能主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，实现机器的智能行为。
3）图灵测试是判断一台机器是否具备智能的实验。
实验由三个封闭房间组成，分别放置主持人、参与人和机器。
主持人向参与人和机器人提问，通过提问的结果来判断谁是人，谁是机器。
如果主持人无法判断谁是人，谁是机器，则这台机器具备智能，即所谓的“智能机器”。
（中文屋子模拟图灵测试，目的是反驳图灵测试，说明某台计算机即使通过了图灵测试，能正确的回答问题，它对问题仍然没有任何理解，因此不具备真正的智能。
西尔勒博士（扮演计算机中的CPU）在一个封闭的房子里，有输入和输出缝隙与外部相通。
输入的是中文问题，而他对中文一窍不通。
房子内有一本英语的指令手册（相当于程序），从中可以找到相应的规则。
他按照规则办事，把作为答案的中文符号写在纸（相当于存储器）上，并输出到屋子外面。
这样，看起来他能处理输入的中文问题，并给出正确答案（如同一台计算机通过了图灵测试）。
但是，他对那些问题毫无理解，不理解其中的任何一个词！）4)人工智能与计算机程序的区别：✧AI研究的是符号表示的知识而不是数值数据为研究对象✧AI采用启发式搜索方法而不是普通的算法✧控制结构与知识是分离的✧允许出现不正确的答案5）智能机器指的是能够在不同环境中进行一些交互性的拟人动作。
6）1956 年暑假于达特茅斯大学产生。
2、人工智能的基本技术？（p6）答：1）知识表示技术：研究各种知识的形式化方法，使便于知识在计算机中存储、组织，便于问题检索、推理等。
2）知识推理、计算和搜索技术：3）系统实现技术：3、人工智能的基本内容？（p7）答：1）从人工智能定义出发，包括：感知与交流的模拟，记忆、联想、计算、思维的模拟，输出效应或行为模拟等。
2）从知识工程的角度出发：知识的获取、处理及应用。
4、人工智能的研究目标？（p7）答：1）近期目标：研究机器智能，即研究如何使现有计算机具备更高的智能，在一定领域或一定程度完成需要人的复杂脑力劳动才能完成的工作。
2）远期目标：研究智能机器，即探索智能的基本原理，研究使用各种方法、各种机器模拟人的思维过程或智能行为，最终制造出和人有相似或相近智力水平和行为能力的智能系统。
5、人工智能的研究途径和方法？（p7）答：1）传统划分方法：符号主义学派（以人脑的心理模型为依据，探索智能活动的心理过程，采用符号推演，宏观上模拟人脑的推理、联想、学习、计算等功能，代表：专家系统）、连接主义学派（以人脑的生理模型为依据，研究着重于人脑结构及活动规律，从微观上模拟人的思维活动，代表：人工神经网络）、行为主义学派（认为智能取决于感知和行动，可以不需要知识，代表：现场AI）2）现代划分方法：符号智能流派、计算智能流派、群体智能流派6、举例人工智能的研究领域？（p10）博弈、自动定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理、分布式人工智能、机器人。
7、人工智能的发展过程？（p18）答：1）推理期：主要研究有良好定义的问题求解中的搜索策略和算法，以推理为中心，停留在实验室阶段。
2）知识期：一大批专家系统研制成功，此后提出“知识工程”的概念，研究转向以知识为中心。
3）学习期：机器学习是继专家系统后又一令人瞩目的研究领域。
8、人工智能不同学派在理论、方法和技术路线上各有何争论？⑴对人工智能理论的争论：①符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。
②联结主义认为人的思维基元是神经元，而不是符号处理过程。
它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。
③行为主义认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知-动作”模式。
行为主义者认为智能不需要知识、不需要表示、不需要推理；行为主义还认为：符号主义（还包括联结主义）对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因而是不能真实地反映客观存在的。
⑵对人工智能方法的争论：①符号主义认为人工智能的研究方法应为功能模拟方法。
②联结主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。
③行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开的。
⑶对人工智能技术路线的争论：①专用路线强调研制与开发专用的智能计算机、人工智能软件、专用开发工具、人工智能语言和其它专用设备。
②通用路线认为通用的计算机硬件和软件能够对人工智能开发提供有效的支持，并能够解决广泛的和一般的人工智能问题。
③硬件路线认为人工智能的发展主要依靠硬件技术，智能机器的开发主要有赖于各种智能硬件、智能工具及固化技术。
④软件路线强调人工智能的发展主要依靠软件技术，智能机器的研制主要在于开发各种智能软件、工具及其应用系统。
9、什么是“知识工程”？它对人工智能的发展有何重要作用？答：在计算机上建立专家系统的技术。
其研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方面。
知识工程概念的提出，使人们清楚认识到，问题的智能求解过程就是一个知识处理过程，标志着人工智能的研究从以推理为中心转向以知识为中心，进入知识期。
专家系统、知识工程的技术已经实际应用于各种计算机应用系统。
10、机器学习机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。
机器学习系统是根据人工智能的学习原理和方法，应用知识表达、知识存储、知识推理等技术设计并构成的，具有知识获取功能，并能逐步改善其性能的系统。
二、第二章（1*6’+3*10）1、什么是知识？（p20）知识是个体通过与环境相互作用后获得的信息及组织。
2、问题求解框架（知识的分类）（p21）答：问题求解需要的知识：1）与描述问题状态有关的各种叙述性知识。
即描述客观事物的特点及关系。
2）描述状态间变换关系的各种过程性知识。
通常是解决问题的操作步骤和过程的知识。
3）描述如何在当前状态下选择合适操作的控制性知识。
是求解问题的方法和技巧的知识，确定策略。
3、知识表示？重要性？包括哪些？（p21）答：知识表示是研究在计算机中如何用最合适的形式表示问题求解过程中所需要的各种知识。
一种好的知识表示形式有助于降低问题求解的难度，并提高问题求解的效率。
它是一个信息的抽象过程。
常用的知识表示形式包括：状态空间图、与或图、谓词逻辑、产生式、框架、语义网络。
4、状态空间图（p24）答：问题的状态空间图是一个描述该问题全部可能的状态及相互关系的有向图。
状态空间记为三元组（S,F,G）。
其中，S为初始状态集合，F为操作集合，G为目标状态集合。
状态空间法：把待求解的问题表示为状态空间图，并把问题的解表示为目标节点 Sg, 求解就是要找到从根节点 So 到达目标节点 Sg 的搜索路径5、搜索策略（p23）1）盲目搜索：穷举搜索。
搜索时不参考与具体待求解问题相关的任何信息，只是按事先设定的顺序逐个考察节点、2）启发式搜索：利用启发性信息作为导航的搜索。
启发性信息就是与问题有关、有利于尽快找到问题解的信息或知识。
6、宽度优先搜索与深度优先搜索（p31）答：宽度优先搜索以接近起始节点的程度逐层扩展节点的搜索方法。
特点：一种高代价搜索，但是完备的，即若有解存在，则必能找到它，且是可采纳的，及如果有解，则算法找到的必是最优解。
深度优先搜索首先扩展最新产生的(即最深的)节点。
深度相等的节点可以任意排列。
首先，扩展最深的节点的结果使得搜索沿着状态空间某条单一的路径从起始节点向下进行下去；只有当搜索到达一个没有后裔的状态时，它才考虑另一条替代的路径。
特点：效率高，但不具备完备性和可采纳性。
深度优先搜索与广度优先搜索的区别在于：在对节点n进行扩展时，其后继节点在OPEN表中的存放位置不同。
广度优先搜索是将后继节点放入OPEN表的末端，而深度优先搜索则是将后继节点放入OPEN表的前端。
广度优先搜索是一种完备搜索，即只要问题有解就一定能够求出，而深度优先搜索是不完备搜索。
在不要求求解速度且目标节点的层次较深的情况下，广度优先搜索优于深度优先搜索；在要求求解速度且目标节点的层次较浅的情况下，深度优先搜索优于广度优先搜索。
广度优先的正例：积木问题；深度优先的正例：邮递员问题，反例：国际象棋。
计算题：1、状态空间图表示重点：状态和操作的表示必看：p24-2.2附加：p26-2.3，课后题6-10（p61）2、图搜索一些概念：OPEN表：登记已经生成但还未考察的节点。
CLOSED表：记录考察过的节点及节点间的关系。
启发函数h(x)：对当前节点到达目标节点要付出的代价的估计。
代价函数g(x)：从初始节点到当前节点已付出的实际代价。
估价函数f(x)：f(x) =h(x)+g(x)。
A算法：考察h(x)，g(x)，即f(x).各种搜索方法的区别主要在“往OPEN表加入新节点的步骤”。
1）状态空间图搜索a)盲目搜索：✧广度优先搜索：P31-2.6（扩展子节点放入OPEN表尾部）✧深度优先搜索：P32-2.7（扩展子节点放入OPEN表首部）b)启发式搜索：p34✧全局择优：启发性知识导航下的广度优先搜索（扩展时将OPEN表中所有节点按h(x)大小升序排）✧局部择优：……深度优先……（扩展时将全部子节点按h(x)升序排列后放入OPEN表首部）✧分支界限法：全局择优算法h(x)替换为g(x)✧瞎子爬山法：局部……例：课后题11，p612）与或图搜索（解树、本原问题）P48-2.153、博弈树……P53-2.17,P55-2.19三、第三章（2*10’）计算题：归结演绎推理四、第四章（1*6’+1*10’）1、什么是不确定性推理？分为哪些类型？p106答：不确定性推理就是从不确定性初始证据出发，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。