智能信息技术考核试卷
- 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)。
贵州师范大学
作业题目:智能信息处理期末综合考试题
课程名称:智能信息处理
任课教师姓名:
研究生姓名:
学号:
年级:
专业:
学院(部、所):
任课教师评分:
年月日
2010-2011学年度第2学期
硕士研究生课程“智能信息处理”
期末综合考试题
一、简答题
1. 什么是智能?智能理论的研究主要分为哪两个方面?
理解智能包括理解:知识如何获取、表达和存储;智能行为如何产生和学习;动机、情感和优先权如何发展和运用;传感器信号如何转换成各种符号;怎样利用各种符号执行逻辑运算、对过去进行推理及对未来进行规划;智能机制如何产生幻觉、信念、希望、畏惧、梦幻甚至善良和爱情等现象。
目前对人工智能的研究主要集中在两个方面。第一类包括符号处理的方法。它们基于物理符号系统的假说。第二类包括所谓的“子符号”方法。它们通常采用自下而上的方式,从最低阶段向上进行。
2. 什么是经典人工智能?什么是计算智能?人工智能理论主要包括哪些内容?如何进行知识表示和知识推理?
符号处理的方法称为“经典的人工智能”,这类方法中,突出的方法是将逻辑操作应用于说明性知识库。这种风格的人工智能运用说明语句来表达问题域的“知识”,这些语句基于或实质上等同于一阶逻辑中的语句。采用逻辑推理可推导这种知识的结果。这种方法有许多变形,包括那些强调对逻辑语言中定义域的形式公理化的角色的变形。当遇到“真正的问题”,这一方法需要掌握问题域的
足够知识,通常就称作基于知识的方法。
计算智能是以生物进化的观点认识和模拟智能。按照这一观点,智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中,适应度高的结构被保存下来,智能水平也随之提高。因此说计算智能就是基于结构演化的智能。
人工智能是研究用机器模拟人脑所能从事的感觉、认知、记忆、学习、联想、计算、推理、判断、决策、抽象、概括等思维
活动, 来解决人类专家才能处理的复杂问题的理论。
人工智能中常用的知识表示方法有状态空间法、问题归约法、谓词逻辑法、产生式法、语义网络法、框架法、脚本法等。知识表示方法优劣, 对问题求解结果及计算量的影响极大。而表方法优劣的评价往往以求解 (搜索) 空间的大小为标准。
知识推理:盲目搜索、启发式搜索、归结推理方法、不确定性推理方法、非单调推理方法
3. 文字识别技术主要有哪些应用?语音识别研究的前沿课题主要有哪些?简述语音识别与语音合成技术的应用。
文字识别技术主要应用:
脱机文字自动录入
笔输入系统
票据、牌照、名片、证件识别
工程图自动识别技术
语音识别研究的前沿课题:
自然口语语音识别
人机口语对话系统
广播电视新闻自动记录系统
语音识别与语音合成技术的应用:
基于语音合成的声讯服务
基于智能语音网关的电话网与数据网的互通
语音指令系统
音频信息检索
4. 机器学习的一般过程是什么?实例学习和类比学习各有什么特点?
机器学习的一般过程是建立理论、形成假设和进行归纳推理。学习过程总是与环境和知识库有关, 环境和知识库是某种形式的信息的集合, 分别代表外界信息源和系统具有的知识。通过学习环节处理环境提供的信息, 以丰富和改善知识库中的知识。
实例学习:
实例学习又叫概念获取, 它的任务是确定概念的一般描述,这个描述应能解释所有给出的正例并排除所有给出的反例。这些正例和反例由环境提供, 并由教师划分为正例和反例, 因此实例学习是有教师学习。实例学习属于归纳学习。归纳原理的基本思想是在大量观察的基础上通过假设形成一个科学理论。所有观察都是单称命题,而一个理论往往是领域内的全称命题。从单称命题过渡到全称命题从逻辑上来说没有必然的蕴含关系, 对于不能观察的事实往往默认它们成
立。把归纳推理得到的归纳断言作为知识库中的知识使用, 而且作为默认知识使用, 当出现与之矛盾的新命题时, 可以推翻原有的由归纳推理得出的默认知识, 以保持系统知识的一致性。
类比学习:
类比是人类重要的认知方法, 也是经验决策过程中常用的推理方式。它是一种允许知识在具有相似性质的领域进行转换的学习策略。一般地对未知的或者所知甚少的领域中的问题, 经常借用已知的熟悉领域中的知识加以解决。类比和基于范例的学习是同一思维方法的两个方面, 两者都要依靠记忆的情景知识来指导复杂的问题求解。但前者强调对过去情况的修改、改写和验证过程, 而后者注重范例记忆的组织、层次索引和检索。所谓类比学习是把两个或两类事物进行比较, 找出它们在某一抽象层次上的相似关系, 并以这种关系为依据, 把某一事物的有关知识加以适当的整理, 对应到另一事物, 从而获得求解另一事物的知识。类比学习的核心技术是相似性的定义和度量。
5. 通过本课程的学习,你认为智能信息处理技术将会怎样发展?应该在哪些方面进一步开展研究?
智能信息处理技术几十年来经历由模拟数字,现在正向着以“人工神经网络"为主,与模糊数学、遗传算法、小波分析、混沌理论相结合的方向发展。一些新思想、新理论、新算法、新器件也不断涌现。所有这些给未来信息科学的发展,描绘出了一副诱人的前景。
我们应该把对智能信息处理技术研究的重要性,提到一个新的高
度加以认识,以适应信息科学在未来的发展。作为一个新时代的研究生,应当将智能信息技术同自己的科研课题结合起来,并力求创新,让我们的大脑从繁重的劳动中解放出来,这是一件十分有意义的工作。
二、综述题
1. 什么是智能信息技术?综述智能通信技术、智能计算机技术
和智能控制技术的主要研究内容;结合当今的理论及应用,
综述智能信息处理技术发展的前沿课题及研究热点。
2.综述模式识别理论、神经网络理论、知识发现与数据挖掘理论、分布式人工智能理论以及进化理论的基本概念和主要内
容。
模式识别:
人类的思维活动, 是以对事物的认知为基础的。在智能技术
中, 同样要求计算机具有对事物的认知能力。计算机对事物的认识和辨别被称为模式识别。
神经网络:
神经网络的基本处理单元是神经元, 由神经元可以构成各种
不同拓扑结构的神经网络。
知识发现和数据采掘:
20 世纪 90 年代初期新崛起的一个活跃的研究领域。数据采掘
系统就是建立在数据库基础上的知识发现系统, 它综合运用统