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。

2. 深度优先搜索的特点OPEN表为一个堆栈。一般不能保证找到最优解。当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制，即有界深度优先搜索。最坏情况时，搜索空间等同于穷举。

3. 加权状态图与代价树边上附有数值的状态图称为加权状态图或赋权状态图，这种数值称为权值。加权状态图的搜索：加权状态图的搜索与权值有关，并且要用权值来导航。具体来讲，加权状态图的搜索算法，要在一般状态图搜索算法基础上再增加权值的计算与传播过程，并且要由权值来确定节点的扩展顺序。

4。综述图搜索的方式和策略。用计算机来实现图的搜索有两种最基本的方式：树式搜索和线式搜索。树式搜索就是在搜索过程中记录所经过的所有节点和边。线式搜索就是在搜索过程中只记录那些当前认为是处在所找路径上的节点和边。线式搜索的基本方式又可分为不回溯和可回溯的的两种。图搜索的策略可分为：盲目搜索和启发式搜索。盲目搜索就是无向导的搜索。树式盲目搜索就是穷举式搜索。而线式盲目搜索，对于不回溯的就是随机碰撞式搜索，对于回溯的则也是穷举式搜索。启发式搜索则是利用“启发性信息”引导的搜索。启发式搜索又可分为许多不同的策略，如全局择优、局部择优、最佳图搜索等。

第四章

三种遗传操作:1)选择-复制从种群中选择适应度高的染色体进行复制，以生成下一代种群。2)交叉就是互换两个染色体某些位上的基因。3)变异就是改变染色体某个(些)位上的基因。

遗传算法就是对种群中的染色体反复做三种遗传操作，使其朝着适应度增高的方向不断更新换代，直至出现了适应度满足目标条件的染色体为止。

遗传算法的主要特点1)遗传算法一般是直接在解空间搜索, 而不像图搜索那样一般是在问题空间搜索, 最后才找到解。2)遗传算法的搜索随机地始于搜索空间的一个点集, 所以遗传算法是一种随机搜索算法。3)遗传算法总是在寻找优解, 所以遗传算法又是一种优化搜索算法。4)遗传算法的搜索过程是从空间的一个点集(种群)到另一个点集(种群)的搜索。5)遗传算法的适应性强, 除需知适应度函数外, 几乎不需要其他的先验知识。6)遗传算法长于全局搜索, 它不受搜索空间的限制性假设的约束,不要求连续性, 能以很大的概率从离散的、多极值的、含有噪声的高维问题中找到全局最优解。

第六章

产生式系统的基本结构

产生式规则库：作用在全局数据库上的一些规则的集合。每条规则都有一定的条件，若全局数据库中内容满足这些条件可调用这条规则。一般可形成一个称为推理网络的结构图。对应过程性知识。

推理机：负责产生式规则的前提条件测试或匹配，规则的调度和选取，规则体的解释和执行。即推理机实施推理，并对推理进行控制，它也是规则的解释程序。对应控制性知识。

全局数据库：人工智能系统的数据结构中心。是一个动态数据结构，用来存放初始事实数据、中间结果和最后结果。对应叙述性知识。

控制策略与常用算法:a正向推理从初始事实数据出发，正向使用规则进行推理，朝目标方向前进。又称为前向推理、正向链、数据驱动的推理。b反向推理从目标出发，反向使用规则进行推理，朝初始事实或数据方向前进。又称反向推理、反向链、目标驱动的推理。

问题求解、图搜索和产生式系统的关系是：问题求解是目的，图搜索是方法，产生式系统是形式。

第八章

确定性理论

E=E1∩E2 CF(E)=min{CF(E1) ,CF(E2) }

E=E1∪E2

CF(E)=max{CF(E1) ,CF(E2) }

主观贝叶斯方法

1) 证据肯定存在的情况

2) 证据肯定不存在的情况

3) 证据不确定的情况

4)多证据的总概率合成

第一步：O(H)=P(H)/(1-P(H)

第二步：O(H|E)=LS*O(H) 或O(H|非E)=LN*O(H)

第三步O(H|E1E2)=O(H|E1)/O(H) * O(H|E2)/O(H) * O(H)

第四步P(H|E1E2)=O(H|E1E2)/[O(H|E1E2)+1]

1.不确定性及其类型

知识和信息中含有的不肯定、不可靠、不准确、不精确、不严格、不严密、不完全甚至不一致的成分。

按性质分类：(狭义)不确定性；不确切性(模糊性)；不完全性；不一致性

(狭义)不确定性(uncertainty)就是一个命题(亦即所表示的事件)的真实性不能完全肯定，而只能对其为真的可能性给出某种估计。

不确切性(模糊性)就是一个命题中所出现的某些言词其涵义不够确切，从概念

角度讲，就是其代表的概念的内涵没有硬性的标准或条件，其外延没有硬性的边界。

2. 不确定性推理的一般模式不确定性推理＝符号推演＋信度计算

3.不确定性推理与通常的确定性推理的差别：

(1) 不确定性推理中规则的前件能否与证据事实匹配成功，不但要求两者的符号模式能够匹配(合一)，而且要求证据事实所含的信度必须达“标”，即必须达到一定的限度。这个限度一般称为“阈值”。

(2) 不确定性推理中一个规则的触发，不仅要求其前提能匹配成功，而且前提条件的总信度还必须至少达到阈值。(3) 不确定性推理中所推得的结论是否有效，也取决于其信度是否达到阈值。

(4)不确定性推理还要求有一套关于信度的计算方法，包括“与”关系的信度计算、“或”关系的信度计算、“非”关系的信度计算和推理结果信度的计算等等。

第九章

学习：学习是系统积累经验以改善其自身性能的过程。

①学习与经验有关；②学习可以改善系统性能；③学习是一个有反馈的信息处理与控制过程。

机器学习的原理：

1)基于学习策略的分类:A模拟人脑的机器学习:a符号学习：模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，以符号数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学习的目标为概念或规则等。符号学习的典型方法有：记忆学习、示例学习、演绎学习、类比学习、解释学习等。b神经网络学习(或连接学习)：模拟人脑的微观生理级学习过程，以脑和神经科学原理为基础，以人工神经网络为函数结构模型，以数值数据为输入，以数值运算为方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的连接学习有权值修正学习、拓扑结构学习。B直接采用数学方法的机器学习:主要有统计机器学习(贝叶斯学习、贝叶斯网络学习、几何分类学习、支持向量机SVM)。

2)基于学习方法的分类:A归纳学习a符号归纳学习：典型的符号归纳学习有示例学习，决策树学习。b 函数归纳学习(发现学习)：典型的函数归纳学习有神经网络学习、示例学习，发现学习，统计学习。B演绎学习C类比学习：典型的类比学习有案例(范例)学习。D分析学习：典型的分析学习有案例(范例)学习、解释学习。

3)基于学习方式的分类A有导师学习(监督学习)：输入数据中有导师信号，以概率函数、代数函数或人工神经网络

人机界面

推理机解释模块

动态数据库知识库知识库管理系统自学习模块

总 控

处理模块1处理模块n 专家模块1专

家

模

块m

……

……

层次n …层次2层次1知识源n

…知识源2

知识源1

监督程序调度程序

控制机构

黑板知识源

为基函数模型，采用迭代计算方法，学习结果为函数。 B 无导师学习(非监督学习)：输入数据中无导师信号，采用聚类方法，学习结果为类别。典型的无导师学习有发现学习、聚类、竞争学习等。C 强化学习(增强学习)：以环境反馈(奖/惩信号)作为输入，以统计和动态规划技术为指导的一种学习方法。

4)基于数据形式的分类A 结构化学习：以结构化数据为输入，以数值计算或符号推演为方法。典型的结构化学习有神经网络学习、统计学习、决策树学习、规则学习。B 非结构化学习：以非结构化数据为输入，典型的非结构化学习有类比学习、案例学习、解释学习、文本挖掘、图像挖掘、Web 挖掘等。

5)基于学习目标的分类A 概念学习：即学习的目标和结果为概念，或者说是为了获得概念的一种学习。典型的概念学习有示例学习。B 规则学习：即学习的目标和结果为规则，或者说是为了获得规则的一种学习。典型的规则学习有决策树学习。C 函数学习：即学习的目标和结果为规则，或者说是为了获得函数的一种学习。典型的函数学习有神经网络学习。D 类别学习：即学习的目标和结果为对象类，或者说是为了获得类别的一种学习。典型的类别学习有聚类分析。E 贝叶斯网络学习：即学习的目标和结果是贝叶斯网络，或者说是为了获得贝叶斯网络的一种学习。其又可分为结构学习和参数学习。

符号学习：1)记忆学习：又称死记硬背学习或机械学习，这种学习方法不要求系统具有对复杂问题求解的能力，也就是没有推理能力，系统的学习方法就是直接记录与问题有关的信息，然后检索并利用这些存储的信息来解决问题。2)示例学习也称实例学习, 它是一种归纳学习。示例学习是从若干实例中归纳出一般概念或规则的学习方法。3)决策树学习：归纳学习，用构造形数据结构的方法，从一批事实数据集中归纳出若干条分类、决策规则4)演绎学习：基于演绎推理的一种学习。演绎推理是一种保真变换，即若前提真则推出的结论也真5)类比学习：基于类比推理的学习方法，就是寻找和利用事物间的可类比的关系，而从已有的知识推导出未知的知识 第十二章

专家的特点：拥有丰富的专业知识和实践经验；具有独特的思维方式

专家系统的要素：应用于某专门领域；拥有专家级知识；模拟专家思维；达到专家级水平。

专家系统特点：善于解决不确定性的、非结构化的、没有算法解或有算法解但在机器上无法实施的困难问题。靠知识和推理来解决问题，专家系统是基于知识的智能问题求解系统。强调知识与推理的分离，系统具有灵活性和可扩充性。具有解释功能，回答用户提出的问题和处理问题的过程作出解释

推理机：实现推理的程序。使用知识库中的知识进行推理而解决问题的，是专家的思维机制。人机界面：用户通过界面向系统实现推理的程序。使用知识库中的知识进行推理而解决问题的，是专家的思维机制。提出或回答问题，向系统提供原始数据和事实。系统通过界面向用户提出回

答结果。动态数据库：全局数据库，存放初始证据事实、推理结果和控制信息。解释模块：推理过程中，回答why 之类的问题；推理结束

后，回答how 之类问题。知识库：

某种表示形式存储于计算机中的

知识的集合。包括专家知识、领域

知识和元知识。知识库管理系统：管理知识库的建立删除重组知识的获取、知识的检查 2)实际结构： 实际问题错综复杂，可能需要多1)次推理，所以知识库是多层的或多块的。

实际问题往往不仅需要推理，而(2)且还需要做一些处理，所以增加处理模块。

黑板：分层的全局工作区，用来存储初始数据、中间结果和最终结果。知识源：就是知识模块。一个知

识源可视为一个规

则，包括先决条件和

知识源题。控制结构：求解问题的推理机构，选择合适的知识源。

专家系统的一般步骤有哪些？专家系统的开发与一般的软件系统开发相比较，有哪些共同点和特点？

１)专家系统与一般的软件系统开发无异，其开发过程同样要遵循软件工程的步骤和原则，即也要进行系统分析、系统设计等几个阶段的工作。２)但由于它是专家系统，而不是一般的软件系统，所以，又有其独特的地方，主要包括以下几个步骤：系统总体分析与设计；知识获取；知识表示与知识描述语言设计；知识库设计、知识库管理系统设计；推理机与解释模块设计；总控与界面设计编程与调试--测试与评价运行与维护3)可以看出它有如下特点：知识获取和知识表示设计是一切工作的起点；知识表示与知识描述语言确定后，其他设计可同时进行；

人工智能考试复习

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 人类 计算机 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。

人工智能考试复习

人工智能 第一章 1智能（intelligenee ）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一动作模式控制系统。 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 图：人类认知活动与计算机的比 认知活动的最高层—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。两者具有不可 分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的 基础，并增强人们实现远期目标的信心。另一方面，远期目标则为近期目标指明了方向，强 化了近期研究目标的战略地位。 8、人工智能研究的基本内容：（1）认知建模；（2）知识表示；（3）知识推理；（4）知识应

人工智能考试必备知识点

第三章约束推理 约束的定义：一个约束通常是指一个包含若干变量的关系表达式，用以表示这些变量所必须满足的条件。 贪心算法：贪心法把构造可行解的工作分阶段来完成。在各个阶段，选择那些在某些意义下是局部最优的方案，期望各阶段的局部最优的选择带来整体最优。 回溯算法：有些问题需要彻底的搜索才能解决问题，然而，彻底的搜索要以大量的运算时间为代价，对于这种情况可以通过回溯法来去掉一 些分支，从而大大减少搜索的次数 第四章定性推理 定性推理的定义是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关 第六章贝叶斯网络 贝叶斯网络的定义： 贝叶斯网络是表示变量间概率依赖关系的有向无环图，这里每个节点表示领域变量，每条边表示变量间的概率依赖关系，同时对每个节点都对应着一个条件概率分布表(CPT) ，指明了该变量与父节点之间概率依赖的数量关系。 条件概率：条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。 贝叶斯概率：先验概率、后验概率、联合概率、全概率公式、贝叶斯公式 先验概率： 先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率，该类概率没能经过实验证实，属于检验前的概率，所以称之为先验概率 后验概率： 后验概率一般是指利用贝叶斯公式，结合调查等方式获取了新的附加信息，对先验概率进行修正后得到的更符合实际的概率 联合概率： 联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称之为交事件的概率。 贝叶斯问题的求解步骤 定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断 贝叶斯网络的构建 为了建立贝叶斯网络，第一步，必须确定为建立模型有关的变量及其解释。为此，需要：(1)确定模型的目标，即确定问题相关的解释；(2)确定与问题有关的许多可能的观测值，并确定其中值得建立模型的子集；(3)将这些观测值组织成互不相容的而且穷尽所有状态的变量。这样做的结果不是唯一的。第二步，建立一个表示条件独立断言的有向无环图第三步指派局部概率分布 p（xi|Pai）。在离散的情形，需要为每一个变量 Xi 的各个父节 点的状态指派一个分布。 第七章归纳学习 归纳学习是符号学习中研究得最为广泛的一种方法。给定关于某个概念的一系列已知的 正例和反例，其任务是从中归纳出一个一般的概念描述。 归纳学习能够获得新的概念，创立新的规则，发现新的理论。它的一般的操作是泛化和特化泛化用来扩展一假设的语义信息，以使其能够包含更多的正例，

人工智能考试复习

人工智能考试复习文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688]

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 人类 计算机 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。两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目 初级信息处

人工智能复习题汇总(附答案)

一、选择题 1.被誉为“人工智能之父”的科学家是（C ）。 A. 明斯基B. 图灵 C. 麦卡锡D. 冯.诺依曼 2. AI的英文缩写是( B ) A. Automatic Intelligence C. Automatic Information B. Artificial Intelligence D. Artificial Information 3.下列那个不是子句的特点（D） A.子句间是没有合取词的(∧) C子句中可以有析取词(∨) 4.下列不是命题的是（C ）。 A.我上人工智能课 B. 存在最大素数 C.请勿随地大小便 D. 这次考试我得了101分 5. 搜索分为盲目 搜索和（A） A启发式搜索 B模糊搜索 C精确搜索D大数据搜索 6.从全称判断推导出特称判断或单称判断的过程，即由一般性知 识推出适合于某一具体情况的结论的推理是（B） A. 归结推理 B. 演绎推理 C. 默认推理 D. 单调推理 7.下面不属于人工智能研究基本内容的是（ C） A. 机器感知 B. 机器学习 B子句通过合取词连接句子(∧) D子句间是没有析取词的(∨) C. 自动化 D. 机器思维 8.S={P∨Q∨R, ┑Q∨R, Q, ┑R}其中, P 是纯文字，因此可将 子句（A）从 S中删去 A. P∨Q∨R C. Q B. ┑Q∨R D.┑R 9.下列不属于框架中设置的常见槽的是（ B ）。 A. ISA槽 B.if-then槽 C. AKO槽 D. Instance槽 10.常见的语意网络有 （ D ）。 A. A-Member-of联系 C. have 联系 1.在深度优先搜索策略中，open表是（B ）的数据结构 A.先进 先出B.先进后出 C. 根据估价函数值重排 D.随机出 2.归纳推理是（B）的推理 A. 从一般到个别 B. 从个别到一般 C. 从个别到个别 D. 从一般 到一般 3. 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

人工智能重点

人工智能重点 绪论 ●人工智能的定义起源和发展其他概念稍微了解 1.什么是人工智能？试从能力和学科两方面加以说明。 答：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。其近期的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。 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。知识表示方法 2.人工智能的主要研究和应用领域有哪些？ 答：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。 3、简述人工智能的发展状况 人工智能的现状和发展呈现如下特点：多种途径齐头并进，多种方法写作互补；新思想、新技术不断涌现，新领域、新方向不断开括;理论研究更加深入，应用研究更加广泛;研究队伍日益壮大，社会影响越来越大;以上特点展现了人工智能学科的繁荣景象和光明前景。它表明，虽然在通向其最终目标的道路上，还有不少困难、问题和挑战，但前进和发展毕竟是大势所趋。 4.简述知识发现过程和知识发现的方法。 答：过程：①数据选择；②数据预处理；③数据变换；④数据挖掘；⑤知识评价方法：①统计方法；②机器学习方法；③神经计算方法；④可视化方法 ● 2.1状态空间法（重点）看例题 状态空间法的三要素：状态、算符、状态空间方法（是一个表示该问题全部可能状态及其关系的图，它包含三种说明的集合，即三元状态（S，F，G）。S：所有可能的问题初始状态集合；F：操作符集合；G：目标状态集合。） 状态图示法：状态空间的图示形式称为状态空间图 各种问题都可用状态空间加以表示，并用状态空间搜索法来求解。下面简单介绍一种产生式系统描述的搜索算法 产生式系统由三部分:一个总数据库、一套规则、一个控制策略（程序） ● 2.2问题规约法（重点） 另外一种基于状态空间的问题描述与求解方法；实质：从目标出发逆向推理，建立子问题以及子问题的子问题，直到最后把初始问题归约为一个本原问题集合。 组成部分：初始问题描述、问题变换为子问题的操作符、一套本原问题描述 与或图；与或图的搜索：目的在于表明起始节点是有解的 问题规约法举例：汉诺塔问题

人工智能期末试题及答案完整版

xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 问题的状态空间包含三种说明的集合，初始状态集合S 、操作符集合F以及目标

状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,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 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)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。专门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，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的

大学计算机基础知识点复习总结

大学计算机基础知识点总结 第一章计算机及信息技术概述（了解） 1、计算机发展历史上的重要人物和思想 1、法国物理学家帕斯卡(1623-1662)：在1642年发明了第一台机械式加法机。该机由齿轮组成，靠发条驱动，用专用的铁笔来拨动转轮以输入数字。 2、德国数学家莱布尼茨：在1673年发明了机械式乘除法器。基本原理继承于帕斯卡的加法机，也是由一系列齿轮组成，但它能够连续重复地做加减法，从而实现了乘除运算。 3、英国数学家巴贝奇：1822年，在历经10年努力终于发明了“差分机”。它有3个齿轮式寄存器，可以保存3个5位数字，计算精度可以达到6位小数。巴贝奇是现代计算机设计思想的奠基人。 英国科学家阿兰 图灵(理论计算机的奠基人) 图灵机：这个在当时看来是纸上谈兵的简单机器，隐含了现代计算机中“存储程序”的基本思想。半个世纪以来，数学家们提出的各种各样的计算模型都被证明是和图灵机等价的。 美籍匈牙利数学家冯 诺依曼(计算机鼻祖) 计算机应由运算器、控制器、存储器、 输入设备和输出设备五大部件组成； 应采用二进制简化机器的电路设计； 采用“存储程序”技术,以便计算机能保存和自动依次执行指令。 七十多年来，现代计算机基本结构仍然是“冯·诺依曼计算机”。 2、电子计算机的发展历程 1、1946年2月由宾夕法尼亚大学研制成功的ENIAC是世界上第一台电子数字计算机。“诞生了一个电子的大脑”致命缺陷：没有存储程序。 2、电子技术的发展促进了电子计算机的更新换代：电子管、晶体管、集成电路、大规模及超大规模集成电路 3、计算机的类型 按计算机用途分类：通用计算机和专用计算机 按计算机规模分类：巨型机、大型机、小型机、微型机、工作站、服务器、嵌入式计算机 按计算机处理的数据分类：数字计算机、模拟计算机、数字模拟混合计算机 1.1.4 计算机的特点及应用领域 计算机是一种能按照事先存储的程序，自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备。（含义） 1、运算速度快 2、计算精度高 3、存储容量大 4、具有逻辑判断能力 5、按照程序自动运行 应用领域：科学计算、数据处理、过程与实时控制、人工智能、计算机辅助设计与制造、远程通讯与网络应用、多媒体与虚拟现实 1.1.5 计算机发展趋势：巨型化、微型化、网络化、智能化

人工智能知识点归纳-老王知识点归纳

?人工智能的不同研究流派：符号主 义/逻辑主义学派--符号智能；连接主 义--计算智能；行为主义-低级智能。 人工智能的主要研究领域 （一）自动推理（二）专家系统（三）机器 学习（四）自然语言理解（五）机器人学和 智能控制（六）模式识别（七）基于模型的 诊断 产生式系统是人工智能系统中常用的一种 程序结构，是一种知识表示系统。 三部分组成：综合数据库:存放问题的状 态描述的数据结构,动态变化的。产生式规 则集、控制系统。 / 产生式规则集/ 控制系统 产生式规则形式： IF<前提条件> THEN<操作> 八数码难题的产生式系统表示 综合数据库：以状态为节点的有向图。 状态描述：3×3矩阵 产生式规则： IF<空格不在最左边>Then<左移空格>； 依次 控制系统： 选择规则:按左、上、右、下的顺序 移动空格。 终止条件：匹配成功。 产生式系统的基本过程: Procedure PROCUCTION 1.DATA←初始状态描述 2.until DATA 满足终止条件，do： 3.begin 4.在规则集合中，选出一条可用于 DATA的规则R（步骤4是不确定的， 只要求选出一条可用的规则R，至于这 条规则如何选取，却没有具体说明。） 5. DATA←把R应用于DATA所得的结果 6.End 产生式系统的特点：1.模块性强，2.产生式 规则相互独立，3.规则的形式与逻辑推理相近，易懂。 产生式系统的控制策略：1.不可撤回的控制 策略：优点是空间复杂度小、速度快；缺点 是多数情况找不到解 2.试探性控制策略： 回溯方式：占用空间小，多数情况下能找到解；缺点是如果深度限制太低就找不到解； 和图搜索方式：优点总能找到解，缺点时间 空间复杂度高。 产生式系统工作方式：正向、反向和双向产 生式系统 可交换产生式系统：1.可应用性，每一条对 D可应用的规则，对于对D应用一条可应用 的规则后，所产生的状态描述仍是可应用的。 2.可满足性，如果D满足目标条件，则对D 应用任何一条可应用的规则所产生的状态描 述也满足目标条件。3.无次序性，对D应用 一个由可应用于D的规则所构成的规则序列 所产生的状态描述不因序列的次序不同而改变。可分解的产生式系统：能够把产生式系统综 合数据库的状态描述分解为若干组成部分， 产生式规则可以分别用在各组成部分上，并 且整个系统的终止条件可以用在各组成部分 的终止条件表示出来的产生式系统，称为可 分解的产生式系统。基本过程： Procedure SPLIT 1.DATA ←初始状态描述 2.{Di} ← DATA的分解结果；每个Di看成 是独立的状态描述 3.until 对所有的Di ∈{Di}， Di都满足终 止条件，do: 4.begin 5. 在{Di}中选择一个不满足终止条件的D* 6. 从{Di}中删除D* 7.从规则集合中选出一个可应用于D*的规则 R 8.D ←把R应用于D*的结果 9.{di} ← D的分解结果 10.把{di}加入{Di}中 11.end 回溯算法BACKTRACK过程：Recursive Procedure BACKTRACK(DATA) 1.if TERM(DATA),return NIL; 2.if DEADEND(DATA),return FAIL; 3.RULES←APPRULES(DATA); 4.LOOP:if NULL(RULES),return FAIL; 5.R←FIRST(RULES); 6.RULES←TAIL(RULES); 7.RDATA←R（DATA）; 8.PATH←BACKTRACK(RDATA); 9．if PATH=FAIL,go PATH; 10.return CONS(R,PATH). Procedure GRAPHSEARCH 1．G←{s}， OPEN ←（s）． 2．CLOSED ←NIL． 3．LOOP：IF OPEN=NIL,THEN FAIL． 4． n ← FIRST(OPEN)，OPEN ← TAIL(OPEN),CONS(n, CLOSED) ． 5． IF TERM(n)，THEN 成功结束 （解路径可通过追溯G中从n到 s的指针获得）。 6．扩展节点n， 令M={m︱ m是n的子节点，且m不是n的祖先} ， G ←G ∪M 7．（设置指针，调整指针）对于m M, (1)若m CLOSED, m OPEN, 建立m 到n的指针，并CONS(m, OPEN). (2)(a)m OPEN, 考虑是否修改m的 指针. (b)m CLOSED,考虑是否修改m 及在G中后裔的指针。 8．重排OPEN表中的节点（按某一 任意确定的方式或者根据探索信息）。 9． GO LOOP 无信息的图搜索过程：深度优先搜索：排列OPEN表中的节点时按它们在搜索树中的深度 递减排序。深度最大的节点放在表的前面，

(完整)人工智能复习总结讲解,推荐文档

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。

人工智能重点总结

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。

2019年人工智能考试参考答案

一、判断题(每题2分) 1.信息化社会的显著特征是计算机、互联网、物联网技术发展，人工智能技术进步。 正确 错误 2.智慧社区指标体系涉及保障体系、基础设施与建筑结构、社区治理与公共服务、市场管理、便民服务和主题社区等六个领域。 正确 错误 3.智慧社区信息服务平台的作用比较全面，为生活带来更多便利。 正确 错误 4.由服务业主导向工业主导转型是发展智慧养老的原因之一。 正确 错误 5.从老龄研究的角度，智慧养老能够解决根本性的问题。 正确 错误 6.目前在我国，收集到的老年人在生活自理能力服务需求方面的数据，都是掌握在不同的部门手里，没有能够实现数据的共享，信息孤岛的情况严重。 正确 错误 7.智慧养老绩效评估的建立可以有效地提高老年人在获取服务方面的便利性和准确性。 正确 错误 8.根据《大数据在医疗领域的应用》，当今时代信息技术进一步推动了经济的增长和社会的发展，推动了知识传播应用进程的变化。

正确 错误 9.当前社会中，最为突出的大数据环境是物联网。 正确 错误 10.大数据等于传统的数据库建设、传统的普查、数据中心建设、云计算建设。 正确 错误 11.“互联网+”行动将重点促进以移动互联网、云计算、物联网、大数据等与现代制造业相结合。 正确 错误 12.沃尔玛的尿布啤酒效应体现了大数据时代的关联性。 正确 错误 13.以大数据来促进我们健康管理的个性化和多元化。 正确 错误 14.医疗大数据主要来源于制药企业、临床数据、社保基金利用率和患者的数据。 正确 错误 15.2015年9月，德国通过“自动与互联汽车”国家战略。 正确 错误 16.我国目前已经明确了隐私内容条目。 正确 错误

人工智能及其应用总结

人工智能及其应用总结 1、感知能力、 2、记忆与思维能、 3、学习能力、 4、行为能力（表达能力）人工智能的研究内容：知识表示、机器感知、机器思维、机器学习、机器行为人工智能的研究目标：近期目标：使现有的电子数字计算机更聪明、更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。建造智能机器人代替人类的部分智力劳动。远期目标：用自动机模仿人类的思维过程和智能行为。最终目标：机器智能实现生物智能的各项功能。智能行为：感知、推理、学习、通信和复杂环境下的动作行为知识发现的处理过程：数据挖掘、数据选择、知识评价人工智能的主要学派：符号主义、连接主义和行为主义人工智能的研究途径：心理模拟、生理模拟和行为模拟人工智能的应用领域：智能控制、智能管理、智能决策、智能仿真。人工智能的基本技术：表示、运算、搜索归纳技术、联想技术人工智能（机器智能）、学科和能力：（书）所谓人工智能就是用人工的方法在机器(计算机)上实现的智能，或者说是人们使机器具有类似于人的智能。从学科角度来看：人工智能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能功能，并开发相关理论和技术。从能力角度来看：人工智能是智能机器所执行的通常与人类智能有关的功能。对认知

行为进行研究：心理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，与此相应的是计算机程序、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。人工智能新的研究热点：新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现 (超市市场商品数据分析)，人工生命第二章：知识表示方法知识的一般概念：知识是人们在改造客观世界的实践中积累起来的认识和经验知识表示：是研究用机器表示知识的可行性、有效性的一般方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识表示的要求：表示能力、可利用性、可实现性、可组织性、可维护性、自然性、可理解性状态空间法的三要素：状态、算符、状态空间方法问题求解技术：问题的表示和求解的方法二种不确定性：关于证据的不确定性和关于结论的不确定性原子公式：由若干谓词符号和项组成问题的状态空间包含三种说明的集合：初始状态集合S、操作符集合以及目标状态集合“我听音乐或者绘画”的谓词表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子变换成子句形式：(x)｛P(x)→P(x)｝ (ANY x) { P(x)P(x) } (ANY x) {~P(x)

人工智能考试必备整理

1、利用启发式搜索算法A 解决以下8数码(如下图所示)：设评价函数 表的内容。 10、将以下语句： (1)会朗读者是识字的，(2)海豚都不识字， (3) 有些海豚是很机灵的， (4) 有些很机灵的东西不会朗读。 形式化表示为合适公式。 答：令谓词R 、L 、D 、I 分别指示朗读、识字、海豚和机灵，则这些语句可 形式化表示如下：(1(x[R(xL(x](2(x[D(xL(x](3(x[D(xl(x](4(x[l(xR(x]13 、将题 10 中的 前三个语句作为已知事实(公理)，最后一语句作为目标(待证定理)，应用归结 反演方法，证明 目标成立。 答：将前三个语句和最后一语句的取反化简，并标准化为合取范式的子句 集:(1R(xL(x(2D(yL(y(3D(A(4l(A (5l(zR(z 2、有三个积木块(A 、B 、C )放在桌子上，且可以叠放 f(n=d(n+p(n ，画出搜索图，并给出各搜索循环结束时 OPEN 和

在一起，要求在任意初始状态，按自上而下 A 、 B 、C 的顺序叠放这三个积木块。搬动积木块应遵从以下约束：( 1)每次只能搬一块，( 2)只有顶空的积木块才能搬动。 请为机器人搬动积木块设计一个产生式系统，包括综合数据库、规则库和冲突解法(不必设计控制系统)；若初始状态和目标状态分别为：答案：1)综合数据 库 用谓词公式On(x,y 描述积木块的放置状态，x {A,B,C},y{A,B,C,Table} ；谓词公式Top-Clear(x 描述积木块x 顶空，x {A,B,C} 。问题状态就由这些谓词公式描述。2)规则库 为每个积木块的搬动设计规则，共有 5 个可能的搬动操作：Put-On(C,Table，Put-0 n(B,C,Put-0 n(B,Table,Put-0 n(A,B,Put-0 n(A,Table。规则依次排列如下(并采用First 冲突解法)： if Top-Clear(C0n(C,TablePut-0n(C,Table,revise；if Top-Clear(BTop- Clear(C0n(C,TablePut-0n(B,C,revise；if Top-Clear(B0n(B,C0n(C,Table Put-0n(B,Table，revise ； if Top-Clear(ATop-Clear(B0n(B,CPut-0n(A,B,revise ；if Top- Clear(A0n(A,B0n(B,CPut-0n(A,Table ，revise 。 其中Put-0n 操作符号指示Put-0n 操作并在计算机屏幕上显示该操作，函数revise 修改问题状态的描述到反映实际状态。作为解答的操作序列为： Put-0n(A,Table,Put-0n(C,Table,Put-0n(B,C,Put-0n(A,B。 3、表示包含下面句子含义的语义网络： ⑴典型的哺乳动物有毛发。⑵狗是哺乳动物，且吃肉。⑶Fido是John

人工智能考试复习资料解读讲课稿

人工智能 第一章 绪论 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 人类 计算机 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。

2019年人工智能考试多项选择题答案

2019 年人工智能公需科考试多项选择题答案 二、多选择题 1.（）是指能够自己找出问题、思考问题、解决问题的人工智能。（ 2.0 分） A.超人工智能 B.强人工智能 C.弱人工智能 D.人工智能 我的答案： B √答对 2.根据国际评判健康的标准，（）的韩国中年人心血管呈理想状态。（ 2.0 分） A.0.1% B.0.2% C.0.4% D.0.67% 我的答案： D √答对 3.中国人工智能产业初步呈现集聚态势,人工智能企业主要集聚在经济发达的一 二线城市及沿海地区，排名第一的城市是（）。（ 2.0 分） A.上海 B.北京 C.深圳 D.杭州

我的答案： B √答对 4.癌症的治疗分为手术、放疗、化疗。据WTO 统计，有（）的肿瘤患者需要接受放疗。（ 2.0 分） A.18% B.22% C.45% D.70% 我的答案： D √答对 5.（）是利用计算机将一种自然语言（源语言）转换为另一种自然语言（目标语言）的过程。（ 2.0 分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 我的答案： B √答对 6.我们应该正确认识统计学中概率与个体之间的关系，概率是（）比较，从小到老的数据才是每个人的。（ 2.0 分） A.横向 B.纵向

D.立体 我的答案： B ×答错 7.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智 能的各个领域。（ 2.0 分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 我的答案： B √答对 9.（）是一种基于树结构进行决策的算法。（ 2.0 分） A.轨迹跟踪 B.决策树 C.数据挖掘 D.K 近邻算法 我的答案： B √答对 10.癌症的治疗分为手术、放疗、化疗。据 WTO 统计，在 45% 的肿瘤治愈率中，比重最高的治疗方式是（）。（ 2.0 分） A.手术 B.放疗 C.化疗

《人工智能》知识点整理

(此文档为Word格式，下载后可以任意编辑修改！）试卷装订封面

《人工智能》知识点整理 第二讲知识表示 2.0.知识表示的重要性 知识是智能的基础：获得知识、运用知识 符合计算机要求的知识模式：计算机能存储、处理的知识表示模式；数据结构（List, Table, Tree, Graph, etc.）2.1 基本概念 2.1.1 数据、信息与知识 数据(Data) ?信息的载体和表示 ?用一组符号及其组合表示信息 信息(Information) ?数据的语义 ?数据在特定场合下的具体含义 知识(Knowledge) ?信息关联后所形成的信息结构：事实& 规则 ?经加工、整理、解释、挑选、改造后的信息 2.1.2 知识的特性 ?相对正确性 ?一定条件下 ?某种环境中 ?...... ?不确定性 ?存在“中间状态” ?“真”（“假”）程度 ?随机性 ?模糊性 ?经验性 ?不完全性 ?...... ?可表示性& 可利用性 ?语言 ?文字 ?图形 ?图像 ?视频 ?音频 ?神经网络 ?概率图模型 ?...... 2.1.3 知识的分类 ?常识性知识、领域性知识（作用范围） ?事实性知识、过程性知识、控制知识（作用及表示） ?确定性知识、不确定性知识（确定性） ?逻辑性知识、形象性知识（结构及表现形式） ?零级知识、一级知识、二级知识（抽象程度） 2.1.4 常用的知识表示方法 ?一阶谓词（First Order Predicate）?产生式（Production） ?框架（Framework） ?语义网络（Semantic Network）?剧本（Script）?过程（Procedure） ?面向对象（Object-Oriented）?Petri网（Petri Network） ?信念网（Belief Network） ?本体论（Ontology）…… 2.1.5 如何选择合适的表示方法？ ?充分表示领域知识 ?有利于对知识的利用 ?便于理解和实现 ?便于对知识的组织、管理与维护 2.2 一阶谓词表示法 1. 优点 ?自然性 ?接近自然语言，容易接受?精确性

人工智能[第五章状态空间搜索策略]山东大学期末考试知识点复习

第五章状态空间搜索策略 搜索是人工智能的一个基本问题，是推理不可分割的一部分。搜索是求解问 题的一种方法，是根据问题的实际情况，按照一定的策略或规则，从知识库中寻找可利用的知识，从而构造出一条使问题获得解决的推理路线的过程。搜索包含两层含义：一层含义是要找到从初始事实到问题最终答案的一条推理路线；另一层含义是找到的这条路线是时间和空间复杂度最小的求解路线。搜索可分为盲目搜索和启发式搜索两种。 1．1 盲目搜索策略 1．状态空间图的搜索策略 为了利用搜索的方法求解问题，首先必须将被求解的问题用某种形式表示出来。一般情况下，不同的知识表示对应着不同的求解方法。状态空间表示法是一 种用“状态”和“算符”表示问题的方法。状态空间可由一个三元组表示(S ，F， S g )。 利用搜索方法求解问题的基本思想是：首先将问题的初始状态(即状态空间图中的初始节点)当作当前状态，选择一适当的算符作用于当前状态，生成一组后继状态(或称后继节点)，然后检查这组后继状态中有没有目标状态。如果有，则说明搜索成功，从初始状态到目标状态的一系列算符即是问题的解；若没有，则按照某种控制策略从已生成的状态中再选一个状态作为当前状态，重复上述过程，直到目标状态出现或不再有可供操作的状态及算符时为止。 算法5．1 状态空间图的一般搜索算法 ①建立一个只含有初始节点S 0的搜索图G，把S 放入OPEN表中。 ②建立CLOSED表，且置为空表。 ③判断OPEN表是否为空表，若为空，则问题无解，退出。 ④选择OPEN表中的第一个节点，把它从OPEN表移出，并放入CLOSED表中，

将此节点记为节点n。 ⑤考察节点n是否为目标节点，若是，则问题有解，并成功退出。问题的解 的这条路径得到。 即可从图G中沿着指针从n到S ⑥扩展节点n生成一组不是n的祖先的后继节点，并将它们记作集合M，将M中的这些节点作为n的后继节点加入图G中。 ⑦对那些未曾在G中出现过的(即未曾在OPEN表上或CLOSED表上出现过的)M中的节点，设置一个指向父节点(即节点n)的指针，并把这些节点加入OPEN 表中；对于已在G中出现过的M中的那些节点，确定是否需要修改指向父节点(n 节点)的指针；对于那些先前已在G中出现并且已在COLSED表中的M中的节点，确定是否需要修改通向它们后继节点的指针。 ⑧按某一任意方式或按某种策略重排OPEN表中节点的顺序。 ⑨转第③步。 2．宽度优先搜索策略 宽度优先搜索是一种盲目搜索策略。其基本思想是，从初始节点开始，逐层对节点进行依次扩展，并考察它是否为目标节点，在对下层节点进行扩展(或搜索)之前，必须完成对当前层的所有节点的扩展(或搜索)。在搜索过程中，未扩展节点表OPEN中的节点排序准则是：先进入的节点排在前面，后进入的节点排在后面(即将扩展得到的后继节点放于OPEN表的末端)。 宽度优先搜索的盲目性较大，搜索效率低，这是它的缺点。但宽度优先搜索策略是完备的，即只要问题有解，用宽度优先搜索总可以找到它的解。 3．深度优先搜索 深度优先搜索也是一种盲目搜索策略，其基本思想是：首先扩展最新产生的 开始，在其后继节点中选择一个节点，对其进(即最深的)节点，即从初始节点S 行考察，若它不是目标节点，则对该节点进行扩展，并再从它的后继节点中选择