人工智能复习总结讲解-共30页
人工智能重点总结(正式版)
3.人工智能的发展（1970 年以后） 费根鲍姆 1972-1976 年成功开发 MYCIN 医疗专家系统， 用于抗生素药物治疗 1987 年在美国召开第一届神经网络国际会议，并发起成立国际神经网络学 会（INNS） 1989 年首次召开了中国人工控制联合会议（CJCAI） ◆ 70 年代，人工智能开始从理论走向实践，解决一些实际问题。同时很快就发 现问题： 归结法费时、 下棋赢不了全国冠军、 机器翻译一团糟。 此时， 以 Feigenbaum 为首的一批年轻科学家改变了战略思想， 1977 年提出了知识工程的概念，开展 了以知识为基础的专家咨询系统研究与应用。 著名的专家系统有： DENDRAL 化学分析专家系统（斯坦福大学 1968） ； MACSYMA 符号数学专家系统（麻省理工 1971） ； MYCIN 诊断和治疗细菌感染性血液病的专家咨询系统 （斯坦福大学 1973） ；
-3-
人工智能重点总结
#10 I-226 打造
祝大家考出好成绩
XCON 计算机配置专家系统（卡内基-梅隆大学 1978） 。 应该说， 知识工程和专家系统是近十余年来人工智能研究中最有成就的分支 之一。 ◆ 80 年代，人工智能发展达到阶段性的顶峰。87,89 年世界大会有 6－7 千人 参加。硬件公司有上千个。Lisp 硬件、Lisp 机形成产品。同时，在专家系统及其 工具越来越商品化的过程中， 国际软件市场上形成了一门旨在生产和加工知识的 新产业--知识产业。 ◆ 同年代， 1986 年 Rumlhart 领导的并行分布处理研究小组提出了神经元网络 的反向传播学习算法，解决了神经网络分类能力有限这一根本问题。从此，神经 网络的研究进入新的高潮。 ◆ 90 年代，计算机发展趋势为小型化、并行化、网络化、智能化。人工智能 技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使 计算机更聪明、更有效、与人更接近。
人工智能南阳理工学院计科系人工智能考试复习总结
1.人工智能定义:答：从学科来说，人工智能是指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。
从能力来说，人工智能是指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.界定机器智能的方法：图灵测试和中文屋子。
3.脑智能和群智能概念。
答：脑智能：人脑的职能及其过程都是发生在其心理层面上的，即以某种心理过程和思维过程表现的，脑（主要指人脑）的这种宏观心理层次的智能表现一般称为脑智能4.答：,5.答:6.7.8.9.10.11.12.13答：PROLOG是一种逻辑型智能程序设计语言，PROLOG只有三种语句，分别是事实、规则和问题。
事实（fact）：功能是一般表示对象的性质或关系。
规则（rule）:格式 <谓词名>（<项表>）：--<谓词名>（<项表>）{，<谓词名>（<项表>）} 功能是一般表示对象间的因果关系、蕴含关系或对应关系。
问题（question）:功能是表示用户的询问，他就是程序运行的目标。
14.PROLOG语言的书写要求：①事实、规则和问题都分行书写。
②规则和事实可连续排列在一起, 其顺序可随意安排,③同一谓词名的事实或规则必须集中排列在一起。
④问题不能与规则及事实排在一起15.同过程性语言相比，一个PROBLOG程序，其问题就相当于主程序，其规则就相当于子程序，而事实相当于数据。
16.一个Turbo PROLOG程序一般应包括哪几部分？答：一个完整的Turbo PPOLOG程序一般包括常量段（constants）、领域段（domains）、数据库段(database)、谓词段(predicates)、目标段(goal)和子句段(clauses)等六个部分。
人工智能考试复习总结学习资料.doc
实用文档人工智能第一章1 、智能（ intelligence）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。
2 、人工智能（学科）人工智能研究者们认为：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。
3 、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，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。
4 、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。
5、人工智能的主要学派：符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
代表人物有纽厄尔、肖、西蒙和尼尔逊等。
连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。
行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。
6 、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图思维策略计算机程序计算机语言初级信息处理生理过程计算机硬件人类计算机图：人类认知活动与计算机的比认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
7 、人工智能研究目标为：1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。
2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。
一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。
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。
人工智能期末复习概要课件
基于深度学习的方法是指利用深度神经网络和循环神经网络等深度学习算法，对自然语言 进行处理和分析的方法。这种方法能够自动学习和提取语言的层次化特征，因此在自然语 言处理中取得了很大的进展和突破。
自然语言处理的应用场景
01
信息抽取
信息抽取是指从大量的文本数据中提取出有用的信息，如人物、事件、
自动驾驶汽车
通过传感器、雷达和计算机视 觉等技术，实现车辆自主导航 、障碍物识别和避障等功能。
医疗诊断
利用人工智能技术辅助医生进 行疾病诊断和治疗方案制定，
提高诊断准确性和效率。
02
机器学习与深度学习
机器学习的基本概念
机器学习是人工智能的一个子领域，旨在通过 计算机算法从数据中学习并做出预测或决策。
人工智能系统的行为应符合法律法规，对于违法行为应追究相关责任人的法律 责任。
06
未来展望
人工智能的发展趋势
01
02
03
深度学习
随着算法和计算能力的提 升，深度学习将在语音识 别、图像处理等领域取得 更大突破。
自然语言处理
人工智能将更深入地理解 人类语言，实现更自然的 对话和翻译。
强化学习
强化学习将进一步应用于 决策优化和机器人控制等 领域。
计算机视觉的技术与方法
图像分割
将图像划分为若干个区域或对象，以便进行 更细致的分析和识别。
图像识别
通过训练模型对图像进行分类或标识，如识 别物体类别、人脸等。
目标检测
在图像中检测并定位特定的对象或特征，如 人脸、物体等。
三维重建
利用多视角图像或视频，重建出物体的三维 模型。
计算机视觉的应用场景
工业自动化
通过找到能够将不同类 别的数据点最大化分隔 的决策边界来实现分类 。
人工智能复习总结讲解
LIKE(x,y): x 喜欢 y。
Meihua 表示梅花，Juhua 表示菊花，
(x)(MAN(x) ∧ LIKE(x, Meihua))∧
(y)(MAN(y) ∧ LIKE(y, Juhua))∧
(z)(MAN(z) ∧(LIKE(z, Meihua)
∧LIKE(z,Juhua)))
（6）他每天下午都去打篮球。
公式。 Computer(zhangxh)∧ ¬Like(zhangxh, programming) Higher(lixp, father(lixp)) 例 2：设有下列语句，请用相应的谓词公式把它们表示出来： （1）人人爱劳动。 （2）自然数都是大于零的整数。 （3）西安市的夏天既干燥又炎热。 （4）喜欢读《三国演义》的人必读《水浒》。 （5）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。 （6）他每天下午都去打篮球。
例： 一个用来描述硕士生有关情况的框架 Frame <硕士生>
姓名: 单位（姓，名） 性别：范围（男，女）
默认：男 年龄：单位（岁）
条件：岁＞16 学习专业：单位（专业名）
研究方向：单位（方向名） 导师姓名：单位（姓，名） 参加课题：范围（国家级，省部级，其他）
默认：国家级 学籍：<硕学籍> 住址：单位（楼号，房间号） 电话：单位（ （区号），话机号） 入学时间：单位（年，月） 学制：单位（年）
➢ 张晓辉是一名计算机系的学生，但他不喜欢编程序。 ➢ 李晓鹏比他父亲长得高。 请用谓词公式表示这些知识。 （1）定义谓词及个体。 Computer(x):x 是计算机系的学生。 Like(x,y):x 喜欢 y。 Higher(x,y):x 比 y 长得高。 这里涉及的个体有：张晓辉(zhangxh),编程序(programming), 李晓鹏(lixp)，以及函数 father(lixp)表示李晓鹏的父亲。 ➢ 第二步：将这些个体代入谓词中，得到 Computer(zhangxh) ¬Like(zhangxh, programming) Higher(lixp, father(lixp)) 第三步：根据语义，用逻辑联结词将它们联结起来，就得到了表示上述知识的谓词
人工智能重点总结正式版pdf
人工智能重点总结(正式版).pdf 人工智能重点总结一、人工智能概述人工智能（ArtificialIntelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，旨在生产出一种能以人类智能相似的方式做出反应的智能机器。
人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理、专家系统等。
二、人工智能发展历程人工智能的发展经历了多个阶段。
最初，人工智能的概念和理论开始萌芽，并在20世纪50年代达成了初步的共识。
从20世纪60年代开始，人工智能进入了第一个繁荣期，但这个阶段的人工智能技术还比较初级。
在20世纪70年代，人工智能遭遇了瓶颈期，因为当时的计算机技术和算法无法满足人工智能的发展需求。
直到20世纪80年代，随着计算机技术的进步和神经网络的提出，人工智能再次迎来了发展高峰。
进入21世纪，随着大数据和云计算技术的发展，人工智能得到了更广泛的应用和发展。
三、人工智能的技术和应用人工智能的技术包括机器学习、深度学习、自然语言处理、计算机视觉等。
机器学习是一种通过让机器从数据中学习规律和模式，从而完成特定任务的方法。
深度学习是机器学习的一种，通过构建深度神经网络来实现。
自然语言处理是一种将自然语言转化为计算机语言的方法，使得计算机能够理解和处理自然语言。
计算机视觉是一种通过图像和视频等视觉信息进行识别和分析的技术。
人工智能的应用非常广泛，包括机器人、智能家居、自动驾驶、医疗保健、金融等。
人工智能在机器人领域的应用可以实现自主行动和智能交互。
在智能家居领域，人工智能可以提高家居设备的智能化程度，提高生活质量和节约能源。
在自动驾驶领域，人工智能可以实现车辆的自主驾驶和安全驾驶。
在医疗保健领域，人工智能可以帮助医生进行疾病诊断和治疗计划的制定。
在金融领域，人工智能可以进行风险评估和投资策略的制定等。
四、人工智能的未来发展随着技术的不断进步和发展，人工智能的未来发展前景非常广阔。
人工智能学习总结
人工智能学习总结关键信息项姓名：＿___________________________学习开始时间：＿___________________学习结束时间：＿___________________学习成果评估方式：＿_______________学习资源来源：＿___________________11 学习背景随着科技的飞速发展，人工智能已经成为当今社会的热门领域。
为了提升自身的知识和技能，更好地适应未来的工作和生活需求，我开展了此次人工智能的学习之旅。
111 学习目标本次学习的主要目标是深入了解人工智能的基本概念、原理和技术，掌握常见的机器学习算法和深度学习框架，能够运用所学知识解决实际问题，并培养创新思维和实践能力。
112 学习内容1121 人工智能基础理论学习了人工智能的发展历程、定义、分类以及研究领域。
了解了人工智能与机器学习、深度学习的关系，掌握了人工智能中的基本概念，如数据、模型、算法等。
1122 机器学习算法重点学习了监督学习、无监督学习和强化学习三大类机器学习算法。
包括线性回归、逻辑回归、决策树、聚类算法、神经网络等。
通过理论学习和实践操作，熟悉了这些算法的原理、应用场景和优缺点。
1123 深度学习框架学习了 TensorFlow、PyTorch 等主流的深度学习框架，掌握了如何使用这些框架搭建神经网络模型，进行数据预处理、模型训练、评估和优化。
1124 自然语言处理了解了自然语言处理的基本任务，如文本分类、情感分析、机器翻译等。
学习了相关的技术和算法，如词向量、循环神经网络、长短时记忆网络等。
1125 计算机视觉学习了计算机视觉中的图像分类、目标检测、图像分割等任务，掌握了卷积神经网络等相关技术和算法。
12 学习方法121 在线课程学习通过 Coursera、EdX 等在线学习平台，学习了国内外知名高校和机构开设的人工智能课程。
认真观看课程视频、完成作业和考试，积极参与课程讨论。
人工智能知识点总结
人工智能知识点总结在当今科技飞速发展的时代，人工智能（Artificial Intelligence，简称 AI）已经成为了最具影响力和变革性的技术之一。
从智能手机中的语音助手到自动驾驶汽车，从医疗诊断到金融风险预测，人工智能正在以惊人的速度改变着我们的生活和工作方式。
然而，要真正理解人工智能，我们需要深入了解其背后的关键知识点。
一、什么是人工智能人工智能是指机器模拟人类智能的能力。
它旨在让计算机能够像人类一样学习、思考、推理和解决问题。
人工智能不仅仅是简单的自动化，而是能够处理复杂的、不确定的和需要创造性思维的任务。
二、人工智能的发展历程人工智能的发展并非一蹴而就，而是经历了多个阶段。
早期的人工智能研究可以追溯到 20 世纪 50 年代，当时的科学家们对机器智能充满了乐观的预期。
然而，由于计算能力和数据的限制，早期的尝试并没有取得显著的成果。
到了 20 世纪 80 年代，专家系统成为了人工智能的一个重要应用方向。
专家系统通过将人类专家的知识和经验编码为规则，让计算机能够提供专业的建议和决策支持。
近年来，随着大数据的兴起、计算能力的提升以及深度学习算法的突破，人工智能迎来了新的发展高潮。
深度学习，特别是卷积神经网络和循环神经网络，在图像识别、语音识别、自然语言处理等领域取得了巨大的成功。
三、人工智能的核心技术1、机器学习机器学习是人工智能的核心领域之一。
它使计算机能够通过数据自动学习和改进。
机器学习主要分为监督学习、无监督学习和强化学习三大类。
监督学习：通过有标记的训练数据来学习预测未知数据的标记。
例如，通过已知的房屋面积和价格数据来预测新房屋的价格。
无监督学习：处理没有标记的数据，旨在发现数据中的隐藏模式和结构。
例如，对客户的购买行为数据进行聚类分析，以发现不同的客户群体。
强化学习：通过与环境进行交互并根据奖励信号来学习最优策略。
例如，让机器人通过不断尝试和学习来学会行走。
2、深度学习深度学习是一种基于神经网络的机器学习方法。
人工智能复习总结讲解
➢ 综合数据库，用于存放求解过程中各种当前信息的数据结构，如问题是的初始状态、
事实或证据、中间推理结论和最后结果等。
➢ 规则库，用于存放与求解问题有关的某个领域知识的规则之集合及其交换规则。
➢
其基本形式为
•
IF 前提 THEN 结论
➢ 控制策略的作用是说明下一步应该选用什么规则。
2.2.4 语义网络法
3.3 启发式搜索 ➢ 盲目搜索的不足：效率低，耗费过多的计算空间与时间。 ➢ 宽度优先、深度优先搜索，或代价树搜索算法,其主要的差别是 OPEN 表中待扩展节 点的顺序问题。人们就试图找到一种方法用于排列待扩展节点的顺序，即选择最有 希望的节点加以扩展，那么，搜索效率将会大为提高。 ➢ 启发信息：进行搜索技术一般需要某些有关具体问题领域的特性的信息。 ➢ 把利用启发信息的搜索方法叫做启发式搜索方法。 ➢ 启发式搜索策略 ➢ 启发信息用于决定要扩展的下一个节点， ➢ 这种搜索总是选择“最有希望”的节点作为下一个被扩展的节点。
（4）喜欢读《三国演义》的人必读《水浒》。
定义谓词：
MAN(x)：x 是人。
LIKE(x,y)：x 喜欢读 y。
(x)(MAN(x)∧LIKE(x, 《SANGUOYANYI》)
→LIKE(x, 《SHUIHU》))
（5）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。
定义谓词：
MAN(x):x 是人。
例： 一个用来描述硕士生有关情况的框架 Frame <硕士生>
姓名: 单位（姓，名） 性别：范围（男，女）
默认：男 年龄：单位（岁）
条件：岁＞16 学习专业：单位（专业名）
研究方向：单位（方向名） 导师姓名：单位（姓，名） 参加课题：范围（国家级，省部级，其他）
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。
人工智能技术导论(廉师友)考试复习重点总结
第一章人工智能：主要研究如何用人工的方法和技术,使用各种自动化机器或智能机器（主要指计算机）模仿、延伸和扩展人的智能,实现某些机器思维或脑力劳动自动化。
为什么要研究人工智能：1）普通计算机智能低下，不能满足社会需求。
2)研究人工智能也是当前信息化社会的迫切需求。
3）智能化是自动化发展的必然趋势。
4）研究人工智能,对人类自身智能的奥秘也提供有益帮助。
远期目标是要制造智能机器。
具体讲就是使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。
近期目标：是实现机器智能。
即先部分地或某种程度地实现机器智能，从而使现有的计算机更灵活好用和更聪明有用。
人工智能的研究内容1)搜索与求解2）学习与发现3)知识与推理4)发明与创造5)感知与交流6）记忆与联想7）系统与建造8）应用与工程研究途径与方法：1)心理模拟,符号推演法就是以人脑的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法,实现搜索、推理、学习等功能，从宏观上来模拟人脑的思维,实现人工智能.2)生理模拟,神经计算就是用人工神经元组成的人工神经网络来作为信息和知识的载体，用称为神经计算的方法实现学习、记忆、联想、识别和推理等功能，从而来模拟人脑的智能行为,使计算机表现出某种智能。
3）行为模拟,控制进化是一种基于感知－行为模型的研究途径和方法,它是在模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，来研究和实现人工智能。
4)群体模拟，仿生计算模拟生物群落的群体智能行为，从而实现人工智能.5)博采广鉴，自然计算就是模仿或借鉴自然界的某种机理而设计计算模型，这类计算模型通常是一类具有自适应、自组织、自学习、自寻优能力的算法.6)原理分析，数学建模就是通过对智能本质和原理的分析,直接采用某种数学方法来建立智能行为模型.人工智能的基本技术1）表示a符号智能的表示是知识表示b计算智能的表示一般是对象表示2)运算a符号智能的运算是基于知识表示的推理或符号操作b计算智能的运算是基于对象表示的操作或计算3)搜索a符号智能在问题空间内搜索进行问题求解b计算智能在解空间搜索进行求解第三章1广度优先搜索的特点广度优先中OPEN表是一个队列，CLOSED表是一个顺序表，表中各节点按顺序编号，正被考察的节点在表中编号最大，广度优先策略是完备的广度优先搜索策略与问题无关，具有通用性.缺点搜索效率低。
人工智能总结---矿大版
（只有部分概念, 计算题不包括）第一章【人工智能的定义】⑴人工智能主要研究人类智能活动的规律, 构造具有一定智能的人工系统, 研究如何让计算机去完成以往需要人类智力才能胜任的工作。
人工智能的发展划分为:孕育期（1956年前）形成期（1956年-1969年）-达特茅斯会议发展期-基于知识的系统实用期-神经网络的复兴智能主体的兴起符号主义: （AI研究的传统观点）强调物理符号系统, 思维过程是富符号模式的处理过程。
联接主义: 又称仿生学派, 强调神经元的运作。
行为主义：智能行为的基础是“感知-行动”, 是在与环境的交互作用中表现出来的。
人工智能的主要研究领域:专家系统数据挖掘语义web 自然语言理解机器人模式识别智能控制博弈自动证明定理第二章:知识表示知识表示是数据结构及其处理机制的综合知识表示=符号（结构）+处理机制基本的知识表示方式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脚本状态空间表示法面向对象的知识表示产生式规则通常用于表示事物间的因果关系；【基本形式】IF P then Q 或P —> Q, 其中P表示规则的条件（或称前提）；Q表示规则激活时应该执行的动作（或得到的结论）；【规则分类】①前提-结论型②条件-动作型产生式系统的组成把一组产生式放在一起, 让他们互相配合, 协同作用, 一个产生式生成的结论可以供另一个产生式作为已知事实使用, 以求得问题的解决, 这样的系统称为产生式系统。
一般说来, 一个产生式系统由以下三个基本部分组成产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。
语义网络1.类属关系AKO(A-Kind-of):表示一个事物是另一个事物的一种类型。
AMO(A-Member-of):表示一个事物是另一个事物的成员。
ISA(Is-a):表示一个事物是另一个事物的实例。
2.包含关系Part-of,Member-of3.属性关系Have: 表示一个结点具有另一个结点所描述的属性。
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。
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。
人工智能重点总结(DOC 27页)
人工智能重点总结第一章：发展简史（此处为简答题）1.人工智能的萌芽（1956年以前）1936年，图灵创立了自动机理论（后人称为图灵机），提出一个理论计算机模型，为电子计算机设计奠定了基础，促进了人工智能，特别是思维机器的研究。
麦克洛克和皮茨于1943年提出“拟脑模型”是世界上第一个神经网络模型（MP模型），开创了从结构上研究人类大脑的途径。
1948年维纳发表《控制论—关于动物与机器中的控制与通信的科学》，不但开创了近代控制论，而且为人工智能的控制学派树立了里程碑。
1、古希腊伟大的哲学家思想家亚里士多德的主要贡献是为形式逻辑奠定了基础。
形式逻辑是一切推理活动的最基本的出发点。
在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。
此外亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系判断问题的分类和它们之间的关系。
其最著名的创造就是提出人人熟知的三段论。
2、英国的哲学家、自然科学家 Bacon（培根）（1561-1626），他的主要贡献是系统地给出了归纳法，成为和 Aristotle 的演绎法相辅相成的思维法则。
Bacon 另一个功绩是强调了知识的作用。
Bacon 的著名警句是"知识就是力量"。
3、德国数学家、哲学家 Leibnitz（莱布尼茨）（1646-1716），他提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。
他曾经做出了能进行四则运算的手摇计算机4、英国数学家、逻辑学家 Boole（布尔）（1815-1864），他初步实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。
5、美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。
此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。
(完整版)人工智能知识点总结
人工智能：Artificial Intelligence，简称AI，主要研究如何使用人工的方法和技术，使用各种自动化机器或智能化机器模仿、延伸和扩展人的智能，实现某些机器思维或脑力劳动自动化。
人工智能的研究目标及其意义：1目标：远期目标是要制造智能机器；近期目标是实现机器智能。
2意义：普遍的计算机智能低下，无法满足社会需求；研究AI是当前信息化社会的迫切需求；智能化是自动化发展的必然趋势；研究AI，对人类自身的智能的奥秘也提供有益的帮助。
人工智能的科学范畴：当前的人工智能既属于计算机技术的一个前沿领域，也属于信息处理和自动化技术的一个前沿领域。
还涉及到智能科学、认知科学、心理科学等，是一门综合性的交叉学科和边缘学科。
人工智能的研究途径与方法：1心里模拟，符号推演2生理模拟，神经计算3行为模拟，控制进化4群体模拟，仿生计算5博采广鉴，自然计算6原理分析，数学建模人工智能的基本技术：1表示2运算3搜索人工智能基于应用的领域：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智能通信10智能仿真11智能CAD12智能制造等人工智能的分支领域：1搜索与图解2学习与发现3知识与推理4发明与创造5感知与交流6记忆与联想7系统与建造8应用与工程人工智能正式诞生于1956年夏，在达特莫斯大学的研究会上，麦卡锡提议正式采用了“AI”这一术语。
麦卡锡---AI之父ＡＩ的现状与发证趋势：１多种途径齐头并进，多种方法协作互补２新思想、新技术不断涌现，新领域新方向不断开拓3理论研究更加深入，应用研究愈加广泛4研究队伍日益壮大，社会影响越来越大。
以上展现了AI繁荣景象和光明前景，虽有困难，问题和挑战，但前进和发展毕竟是大势所趋。
产生式系统的组成：产生式规则库、推理机和动态数据库状态转换规则（操作operator）：1引起状态中某些分量发生改变，从而使一个具体状态变化到另一个具体状态的作用；2它可以是一个机械性的步骤、过程、规则或算子。
- 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)。
第1章概述1、重点掌握人工智能的几种定义。
2、掌握目前人工智能的三个主要学派及其认知观。
3、一般了解人工智能的主要研究范围和应用领域。
人工智能的三大学派及其认知观：(1)符号主义：认为人工智能起源于数理逻辑。
(2)连接主义：认为人工智能起源于仿生学，特别是对人脑模型的研究。
(3)行为主义：认为人工智能起源于控制论。
第2章确定性知识系统⏹重点掌握用谓词逻辑法、产生式表示、语义网络法、框架表示法来描述问题，解决问题；⏹重点掌握归结演绎推理方法谓词逻辑法一阶谓词逻辑表示法适于表示确定性的知识。
它具有自然性、精确性、严密性及易实现等特点。
用一阶谓词逻辑法表示知识的步骤如下：（1）定义谓词及个体，确定每个谓词及个体的确切含义。
（2）根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。
（3）根据所要表达的知识的语义，用适当的连接符号将各个谓词连接起来，形成谓词公式。
例1：设有下列事实性知识：张晓辉是一名计算机系的学生，但他不喜欢编程序。
李晓鹏比他父亲长得高。
请用谓词公式表示这些知识。
（1）定义谓词及个体。
Computer(x):x是计算机系的学生。
Like(x,y):x喜欢y。
Higher(x,y):x比y长得高。
这里涉及的个体有：张晓辉(zhangxh),编程序(programming), 李晓鹏(lixp)，以及函数father(lixp)表示李晓鹏的父亲。
第二步：将这些个体代入谓词中，得到Computer(zhangxh)¬Like(zhangxh, programming)Higher(lixp, father(lixp))⏹第三步：根据语义，用逻辑联结词将它们联结起来，就得到了表示上述知识的谓词公式。
Computer(zhangxh)∧¬Like(zhangxh, programming)Higher(lixp, father(lixp))例2：设有下列语句，请用相应的谓词公式把它们表示出来：（1）人人爱劳动。
（2）自然数都是大于零的整数。
（3）西安市的夏天既干燥又炎热。
（4）喜欢读《三国演义》的人必读《水浒》。
（5）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。
（6）他每天下午都去打篮球。
解：（1）人人爱劳动。
定义谓词如下：Man(x):x是人。
Love(x,y):x爱y。
（∀x)(Man(x)→Love(x,劳动））解：（1）人人爱劳动。
定义谓词如下：Man(x):x是人。
Love(x,y):x爱y。
（∀x)(Man(x)→Love(x,劳动））（2）自然数都是大于等于零的整数。
定义谓词如下：N(x):x是自然数。
I(x):x是整数。
GZ(x):x大于等于零。
（∀x)(N(x)→(GZ(x）∧I(x))）(3) 西安市的夏天既干燥又炎热。
定义谓词：SUMMER(x):x处于夏天。
DRY(x):x很干燥。
HOT(x):x很炎热。
SUMMER(Xi’an)→DRY(Xi’an)∧HOT(Xi’an)（4）喜欢读《三国演义》的人必读《水浒》。
定义谓词：MAN(x)：x是人。
LIKE(x,y)：x喜欢读y。
(∀x)(MAN(x)∧LIKE(x, 《SANGUOYANYI》)→LIKE(x, 《SHUIHU》))（5）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。
定义谓词：MAN(x):x是人。
LIKE(x,y): x喜欢y。
Meihua表示梅花，Juhua表示菊花，(∃x)(MAN(x) ∧LIKE(x, Meihua))∧(∃y)(MAN(y) ∧LIKE(y, Juhua))∧(∃z)(MAN(z) ∧(LIKE(z, Meihua)∧LIKE(z,Juhua)))（6）他每天下午都去打篮球。
定义谓词及个体：设TIME(x):x是下午。
PLAY(x,y):x去打y，Liming表示李明，Basketball表示足球，则:（∀x）TIME(x)→PLAY(Liming,Basketball)产生式系统⏹产生式系统的组成⏹产生式系统由3个部分组成，即全局数据库、规则库和控制策略，综合数据库，用于存放求解过程中各种当前信息的数据结构，如问题是的初始状态、事实或证据、中间推理结论和最后结果等。
规则库，用于存放与求解问题有关的某个领域知识的规则之集合及其交换规则。
其基本形式为•IF 前提THEN 结论控制策略的作用是说明下一步应该选用什么规则。
2.2.4 语义网络法语义网络是1968年J.R.Quillian在研究人类联想记忆时提出的心理学模型。
语义网络的概念每个语义基元可表示为三元组：（结点1，弧，结点2）☐节点代表实体☐弧是有方向和标注的⏹方向体现了结点所代表的实体的主次关系⏹标注表示它所连接的两个实体之间的语义联系⏹连接的两个节点间的某种语义联系或语义关系。
☐语义网络表示一元关系、二元关系和多元关系：☐多元关系表示方法：通过增加关系结点、动作结点、事件结点或情况结点等的方法把多元关系转化为多个二元关系。
例1、用一个语义网络表示下列命题。
(1)树和草都是植物；(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。
分析：问题涉及的对象有：植物、树、草、水草、果树、苹果树各对象的属性分别为：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。
例2：这只小燕子从春天到秋天占有一个巢。
占有242.2.4 框架表示1974年，由Minsky在“A framework for representing knowledge”中提出。
框架是一种描述所论对象属性的数据结构。
所论对象可以是一个事物、一个事件或者一个概念。
一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面”。
一个槽用于描述所论及对象的某一方面的属性，一个侧面用于描述相应属性的一个方面。
槽和侧面所具有的属性值分别称为槽值和侧面值。
槽值可以是逻辑型或数字型的，具体的值可以是程序、条件、默认值或是一个子框架。
（1）框架的基本结构一个框架通常由若干个称为“槽”的结构组成每一个槽又可以根据实际情况拥有若干个“侧面”每一个侧面也可以拥有若干个“侧面值”框架的槽值和侧面值，可以是数字、字符串、布尔值，也可以是一个在满足某个给定条件时需执行的动作或过程，还可以是另外一个框架。
槽或侧面值可附加约束信息。
例：一个用来描述硕士生有关情况的框架Frame <硕士生>姓名: 单位（姓，名）性别：范围（男，女）默认：男年龄：单位（岁）条件：岁＞16学习专业：单位（专业名）研究方向：单位（方向名）导师姓名：单位（姓，名）参加课题：范围（国家级，省部级，其他）默认：国家级学籍：<硕学籍>住址：单位（楼号，房间号）电话：单位（（区号），话机号）入学时间：单位（年，月）学制：单位（年）默认；3年⏹例：用框架表示下述报道的地震事件⏹【虚拟新华社3月15日电】昨日，在云南玉溪地区发生地震，造成财产损失约10万元，统计部门如果需要详细的损失数字，可电询62332931。
另据专家认为震级不会超过4级，并认为地处无人区，不会造成人员伤亡。
⏹提示：分析概括用下划线标出的要点，经过概念化形成槽（slot）、侧面（facet）值。
特别要注意，“值”（value）、“默认值”（default）、“如果需要值”（if-needed）、“如果附加值”（if-added）的区别与应用，建议采用格式如下，不用的侧面值可删。
鲁滨逊归结原理⏹重点掌握子句集的求解步骤和归结反演过程，掌握归结推理的规则。
归结反演求解过程1、归结反演给出一个公式集S和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下：(1)否定目标L，得¬L；(2)把¬L添加到S中去；(3)把新产生的集合｛¬L，S｝化成子句集；(4)应用归结原理，力图推导出一个表示矛盾的空子句NIL。
问题归约法问题归约法的概念已知问题的描述，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。
该方法也就是从目标(要解决的问题)出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题归约为一个平凡的本原问题集合。
这就是问题归约的实质。
问题归约法的组成部分（1）一个初始问题描述；（2）一套把问题变换为子问题的操作符；（3）一套本原问题描述。
第3章搜索推理技术⏹重点掌握各种盲目搜索策略、A算法、A*算法、博弈树的α-β剪枝算法⏹和搜索相对应的知识表示法一般有两种：⏹状态空间法：（S，F，G）⏹与或图表示法：基于一种分解与变换的思想，利用树状结构对复杂问题进行表示，使复杂问题简单化。
3.2 盲目搜索盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。
宽度优先搜索和深度优先搜索，属于盲目搜索方法。
Open表、closed表代价树的盲目搜索宽度优先搜索的推广用来解决从起始状态至目标状态的具有最小代价的路径问题。
从起始节点S到任一节点i的路径代价记为g(i)。
从节点i到它的后继节点j的连接弧线代价记为c(i，j)；则节点j的路径代价为g(j)=g(i)+c(i,j)。
待扩展的节点是路径代价最小的节点。
3.3启发式搜索盲目搜索的不足：效率低，耗费过多的计算空间与时间。
宽度优先、深度优先搜索，或代价树搜索算法,其主要的差别是OPEN表中待扩展节点的顺序问题。
人们就试图找到一种方法用于排列待扩展节点的顺序，即选择最有希望的节点加以扩展，那么，搜索效率将会大为提高。
启发信息：进行搜索技术一般需要某些有关具体问题领域的特性的信息。
把利用启发信息的搜索方法叫做启发式搜索方法。
启发式搜索策略启发信息用于决定要扩展的下一个节点，这种搜索总是选择“最有希望”的节点作为下一个被扩展的节点。
A算法A算法：在状态空间搜索中，每一步都利用估价函数f(n)=g(n)+h(n)对Open表中的节点进行排序。
类型：全局择优：从Open表的所有节点中选择一个估价函数值最小的进行扩展。
局部择优：仅从刚生成的子节点中选择一个估价函数值最小的进行扩展。
◆A算法存在的问题：不能保证总是找到问题的最优解。
◆解决办法：对A算法的估价函数增加一些限制条件应用：A*算法求解8数码问题3.5 博弈树搜索过程◆首先假定，有一个评价函数f(n) 可以对所有的棋局进行评估◆考虑双方对弈若干步之后，从可能的走步中选一步相对好棋的着法来走，即在有限的搜索深度范围内进行求解。
◆静态估计函数f一般规定有利于MAX的势态，f(p)取正值有利于MIN的势态，f(p)取负值势均力敌的势态，f(p)取0值若f(p)＝＋∞，则表示MAX赢若f(p)＝－∞，则表示MIN赢α-β搜索过程思想◆极大节点的下界为α◆极小节点的上界为β◆剪枝的条件后辈节点的β值≤祖先节点的α值时，α剪枝后辈节点的α值≥祖先节点的β值时，β剪枝◆简记为极小≤极大，剪枝极大≥极小，剪枝◆α、β值的性质MAX节点的α值永不减少MIN节点的β值永不增加第四章计算智能遗传算法结构组成、基本原理、算法步骤第五章不确定性推理掌握⏹可信度推理⏹主观Bayes推理第二章语义练习请对下列命题分别写出它们的语义网络：(1) 每个学生都有一台计算机。