广东工业大学人工智能试卷

考试题型主要是选择题、填空题、简答题、分析计算题。

分析题重点主要在第1章、第2章的搜索问题、第3章归结原理、第6章决策树和神经网络。

分数分布大约是选择题30分(10题）、填空题20分(10题）、简答题10分(2题）、分析计算题40分(4题）。

一. 选择题1．人工智能是___A___i.用人工的方法在机器（计算机）上实现的智能。

ii.人＋机器的智能iii.开发者的智能2．人工智能学派符号主义的主要研究方法是 Ci.用仿生学的方法，通过研究人脑的工作模型，搞清人类智能的本质ii.应用进化论的思想进行人工智能的研究iii.研究逻辑演绎在计算机上的实现方法3．对问题进行分割后进行搜索的实质是 Bi.对问题进行归纳总结，以寻求一般的概念ii.从目标出发的逆向推理，寻找若干子问题的集合iii.将多个小问题归纳成一个大问题的求解方法4．利用已知的某些有关具体问题领域的信息进行搜索的方法称为__C____i.逐个搜索ii.随机搜索iii.启发式搜索5．产生式系统中推理的结论存放在： AA.作业领域B.知识库C.推理机构6.以下关于模糊数的定义中，哪一个是不正确的 AA.模糊数是一个定义在[0，1]上的实数B.可进行模糊数的四则运算C.具有闭凸特性的数的集合7.下列关于误差反向传播学习（BP）算法的说法中，正确的是 BA.误差信号在输出层到输入层的通道上传播B.输出层神经元的权值只会影响相应神经元的输出值C.按误差函数导数的递增方向修正各神经元的权值8.单层感知机的学习算法包括 CA.工作信号的前向传递B.误差信号的计算，以及权值的修正C.上述两者9.框架系统是一种 AA.结构化的知识表示方法B.适用于处理庞大、凌乱知识的方法C.只适用于静态知识表达的方法10.基于解释的学习（EBL）中，下述哪种说法是正确的 AA.生成知识的正确性有保证B. 不需要太多的先验知识C. A 和B 都对 11. 下列搜索算法中，能保证取得最优解的是 CA. A* 算法B. 均一代价算法C. 上述两者 12. 模糊控制中，同一条规则内部的推理是采用 BA. 取大B. 取小C.先取小后取大二. 填空题1. 状态空间表示法中，解的问题是以 状态 和 算符 集合的形式表示的。

2.已知年龄集合为{}80,70,60,50,40,30,20,10，试给出一个“青年”的模糊集合0.4/10+1/20+0.6/30+0.2/40+0.1/50（答案有多种，隶属度值位于0～1之间，且能反映这种变化的趋势即可）（本题2分）3.基于解释的学习（EBL ）中，给出训练事例的意义在于，提取出在解决 实际（或目标等相关答案） 问题时可以应用的部分，从而节省 存储 容量和搜索 时间 。

4.在图搜索中，是否应用了 已有（或已知领域或启发性等相关答案） 的知识，决定了搜索是盲目的还是有启发信息的。

常用的启发搜索算法有 任选两种 、 两种。

5.在产生式系统中，通常从选择规则到执行操作分三步：__匹配_、__冲突消解和 推理 。

6.机器学习的主要推理方法有 机械式 、 类推 、 归纳 、 演绎 以及 发现 等。

7.设模式100**1*=H ，则该模式的定义长=)(H δ 5 ，位数=)(H o 4 。

三. 判断题1. 与/或（AND/OR ）图搜索中，如果子节点是AND 节点，只对其中一个进行扩展。

改：与/或（AND/OR ）图搜索中，如果子节点是AND 节点，则对所有的子节点进行扩展。

2. 应用归纳的方法由示例学习概念，需要的先验知识少。

而学习示例越多，其生成的新知识的正确性就越高。

（√ ）改：最佳优先搜索是一种高效的搜索方法，依据从起点出发的最小代价和，指导搜索的方向。

（⨯）改：最佳优先搜索是一种高效的搜索方法，依据与目标相关的启发函数值，指导搜索的方向。

3. 模糊控制中，可利用重心法对参数模糊化，然后根据模糊规则进行推理。

（⨯） 改：模糊控制中，根据模糊规则进行推理后，可利用重心法对推理结果进行去模糊化。

4. 特征模式匹配中，输入模式与两个参考模式的距离，较小的一方即为识别出的类别。

（√） 四．求解题1.试利用α-β搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画⨯，并注明是什么剪枝。

2.对下图所示的状态空间图进行：(1) 纵向搜索；(2) 横向搜索；（3）均一代价搜索；(4) A *算法搜索。

（图中A 为初始节点，F 为目标节点，各节点的启发值标注在小括号内）。

给出搜索过程及搜索出的最佳路径，并标注各节点的估价函数值。

(1)纵向搜索：(1) OPEN:{C,B}(2)(搜索过程可以用其它形式表示)搜索路径是：A →B →D → F 或A →C →D → F 等（此题答案可有多解）(2)横向搜索：（此题答案可有多解）(搜索过程可以用其它形式表示)搜索路径是：A →B →C →D →E →F 等（此题答案可有多解）(3)均一代价搜索：（小括号内标注的是从起始节点出发到该点的最小代价值）(搜索过程可以用其它形式表示)搜索出的最优路径是：A →C →D →E →F ，代价是9。

(3)A*算法：（小括号内标注的是该点的估价函数值）(3) CLOSED:{A,B,D,} (5) CLOSED:{A,B} OPEN:{<F,9>} CLOSED:{A,B,C,D,E} CLOSED:{A,B} OPEN:{E,F} CLOSED:{A,B,C,D,E} (4) OPEN:{D,E} CLOSED:{A,B,C} OPEN:{F}CLOSED:{A,B,C,D,E} (5)(搜索过程可以用其它形式表示) 搜索出的最优路径是：A →C →D →E →F 代价是9。

3.设样本集合如下所示，其中A 、B 、C 是F 的属性，试根据信息增益标准(ID3 算法)求解F 的决策树。

A B C F 0 0 0 0 0 0 1 1 0 1 0 0 0 1 1 1 1 0 0 11 0 1 1 1 1 0 0(已知log 2(2/3)= -0.5842, log 2(1/3)= -1.5850, log 2(3/4)= -0.41504, )965.031log 132log 242log 242log 2717374222210=⎭⎬⎫⎩⎨⎧+++-=+===A A A H H H 857.032log 231log 141log 143log 3717374222210=⎭⎬⎫⎩⎨⎧+++-=+===B B B H H H 464.030log 033log 343log 341log 1717374222210=⎭⎬⎫⎩⎨⎧+++-=+===C C C H H H 所以 第一次分类选属性C ，对C=0的四个例子再进行第二次分类。

5.021log 121log 14142422210=⎭⎬⎫⎩⎨⎧+-=+===A A A H H H 5.021log 121log 14142422210=⎭⎬⎫⎩⎨⎧+-=+===B B B H H H 所以，可任选属性A 或B 作为第二次分类的标准，如选属性A ，则A=1的两个例子再按属性B 分类，得到{}0021212110=-=+===B B B H H H 最后，得到(4) CLOSED:{A,B,C,D} (5) OPEN:{<F,9>} CLOSED:{A,B,C,D,E} OPEN:{} CLOSED:{A,B,C,D,E} (6)人工智能作业1.试利用α-β搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画⨯，并注明是什么剪枝（ 表示反方） 解：2．设已知:(1)能阅读者是识字的;(2)海豚不识字;(3)有些海豚是聪明的; 求证:有些聪明者并不能阅读.谓词定义如下:R(x):x 能阅读; L(x):x 识字; I(x):x 是聪明的; D(x):x 是海豚。

证明：把上述各语句翻译为谓词公式：(1) x(R(x)→L(x)) 已知条件(2) x(D(x)→ ﹁ L(x)) 已知条件(3) x(D(x)∧I(x)) 已知条件(4) x(I(x)∧﹁R(x)) 需证结论求题设与结论否定的子句集，得(1)﹁ R(x)∨L(x)(2)﹁ D(y)∨ ﹁ L(y)(3)D(a)(4)I(a)(5)﹁ I(z)∨R(z)(4,+归结得(6) R(a) (5)，(4)，{a/z} (7) L(a) (6)，(1)，{a/x} (8) ﹁ D(a) (7), (2), {a/y} (9)□ (8), (3)3. 设样本集合如下所示，其中A 、B 、C 是F 的属性，试根据ID3 算法求解F 的决策树。

A B C F0 0 0 0 0 0 1 1 0 1 0 0 0 1 1 1 1 0 0 11 0 1 1 1 1 0 0(已知log 2(2/3)= -0.5842, log 2(1/3)= -1.5850, log 2(3/4)= -0.41504, )答案见第6章讲义4. 设x 1=0， x 2=1，ω1(0)=0.0，ω2(0)=0.2，θ=0.5，k =0.8，α=0.2。

期望输出值d =1，激活函数取阶跃函数⎩⎨⎧<≥=0001)(x x x f ，在采用错误订正，试确定学习后神经元的输出y达到期望值d 的时间和修改后的权值。

答案见第6章讲义。