人工智能方法故障诊断
人工智能方法故障诊断。
2基于人工智能的故障诊断方法的应用现状基于人工智能的故障诊断方法不需要知道被控对象的精确模型，能很好的应对不确定性和模糊性的随机故障。目前基于人工智能的故障诊断方法主要有以下几个方向：基于模糊的方法、基于神经网络的方法、专家系统故障诊断方法、基于遗传算法、支持向量机的方法、基于数据挖掘的方法、基于图论的模型推理方法等，以下是对几种故障诊断方法的具体论述。
2.1基于模糊的故障诊断方法
在模糊诊断中，各种故障征兆和故障成因之间都存在不同程度的因果关系，但表现在故障与征兆之间并非存在一一对应的关系，故障征兆信息的随机性、模糊性加上某些信息的不确定性，造成了故障形式复杂多样性。这种模糊性和随机性往往不能用精确的数学公式来描述，然而用模糊逻辑、模糊诊断矩阵等模糊理论来分析其故障与现象之间的不确定性关系是可行的，从模糊数学的角度看，故障诊断是一个模糊推理问题。因而基于模糊的诊断方法得到了长足的发展［2-4］。
故障诊断通常是基于一定的征兆，做出可能引起这些征兆的故障判别，而模糊逻辑系统是应用模糊理论解决问题的重要形式。研究表明，通过建立模糊逻辑系统，采用模糊推理的方法能够实现故障诊断。不过，成熟地应用基于模糊逻辑系统的故障诊断方法，需要解决好如何建立模糊诊断规则库等关键问题。
常用的模糊逻辑诊断方法一般步骤是检测信号经过模糊化单元处理后，输入到模糊推理规则库中进行分析，其输出即为故障信息的模糊输出，经过解模糊单元处理后即可得出故障原因。
另外一种基于模糊理论的诊断方法是用模糊诊断矩阵来描述故障原因和故障征兆之间关系的方法。其模糊关系矩阵的数学模型为［3］:
T T
Y 二RX
丫…y「—
X :=(P X]-4，)
-r
1 1r
1 2
r 1
…1 1 m
R =r1 2
「2 2…r 2 m
=(r ij ) n xm
「1r n2…r n m _
1
式中
:丫为诊断矩
阵, 'yi
为对象具有故障丫，的
隶属度（i= 1,2,…,n). X为起因矩阵,
u
Xj为对象
具有症状X j的隶属度（j =1,2,…，m）；R为征兆矩
阵，描述了故障征兆与故障原因之间的关系。
m
乞= 1
i 4 ij（0乞乞1;1乞i空n;1乞j空m）
。
基于模糊的故障诊断方法的优点在于：可将人类的
语言化的知识嵌入系统；可模拟人类的近似推理能力，
且通用性好，只要针对不同的故障类型对推理规则进行
修改就可以应当不同的故障诊断。但与传统的故障诊断
理论和方法相比，仍有不成熟之处：基于模糊逻辑的故
障诊断方法缺少在线学习能力，不适应被控对象变化的
需要；模糊隶属函数和模糊推理规则无法保证任何情况
下都为最优；尚未建立起有效的方法来分析和设计模糊
系统，主要还是依赖专家经验和试凑。
2.2基于人工神经网络的故障诊断方法
从故障诊断的过程来讲，故障诊断实质上也是一类
模式分类问题，而人工神经网络（ANN）作为一
种自适应的模式识别技术，非常适合用于建立大型复杂
系统的智能化故障诊断系统。神经网络通过输入层、隐
含层和输出层来建立故障类型和故障原因之间复杂的映
射关系。基于神经网络的故障诊断
方法具有强大的自学习和数据处理能力，其分类方式通
过网络学习来确定系统参数和结构来完成训练过程。将
样本库的知识以网络的形式存储在神经网络的连接权中
是神经网络的独特之处。待检测故障信息经已训练好的
网络处理后可自动对被识别对象进行分类。故障诊断中
神经网络所采用的模型大多为BP网络，这主要由于对
BP模型的研究比
较成熟［5-6］。神经网络故障诊断技术被广泛应用于
电力系统及发电机组的故障诊断中，都是利用神经 网络强大的自学习功能、并行处理能力和良好的容 错能力，避免冗余实时建模的需求。
如上所述，神经网络模拟人脑，采用并行存储 和处理结构，具有很强的非线性映射能力、良好的 学习能力和适应能力、独特的联想记忆能力等优点 与基于数学模型的故障诊断方法相比，基于神经网 络的故障诊断方法无需精确的数学模型，无需相关 诊断对象的故障诊断知识，仅需提前得到网络训练 的数据，就可实现理想的效果。这也是故障诊断智 能手段的优势所在。然而，基于神经网络的故障诊 断方法也存在内在不足：学习样本容量大时，收敛 速度慢，易陷入局部极小值；问题的解决依赖于神 经网络结构的选择、训练过度或不足、较慢的收敛 速度等都可能影响故障诊断的效果；定性的或语言 化的信息无法在神经网络中直接使用或嵌入，而且 较难用训练好的神经网络的输入输出映射关系来 解释实际意义的故障诊断［7-8］。
2.3基于模糊神经网络的故障诊断方法
模糊和神经网络的有效结合成为了智能化故 障诊断的主要方法之一。
20世纪80年代末开始出
现了两者相融合的趋势。该方法将神经网络的自学 习优点与模糊数学的模糊推理方法有效结合，解决 了故障诊断中模糊规则难以确定的问题；禾U 用模糊 理论模拟人的控制能力和神经网络的自学习功能， 确定了模糊规则和模糊隶属度，建立故障诊断的模 型。
在故障诊断领域中，模糊神经网络一般有两种 构造方法：一种是直接根据模糊规则或模糊分类算 法构造相应功能的网络模型，将较成熟的模糊系统 转化为相应功能的模糊神经网络系统，以利用神经 网络的自适应自学习能力提高诊断精度。另一种是 将模糊分类方法与神经网络模型相结合组成复合 诊断模型，有2种复合方式：一是将模糊概念融合到 神经网络的输人层与输出层中，即将神经网络模型 直接作为诊断模型；二是根据故障诊断任务将模糊 分类方法和神经网络相结合，利用各自的优势分担 诊断中的部分功能，以构造通用的模糊神经网络诊 断模型［9-10］。
模糊系统与神经网络的结合方式很多，比较通 用的一种结构如图1所示［11］。输入特征量
X 1，X2
^ X n ，首先进入模糊化层进行模糊化处理，
将原始信息转换成隶属度的形式 ，主要完成语义信
息等定性知识以及不确定性信息的定量化处理。然 后将特征的隶属度输入到神经网络诊断模型，图
1
所示的故障诊断模型实际上就是 n 维故障征兆空间
到m 维故障类型空间的非线性映射
f
：R >R m ,
f
（X ）二丫，因而可选用三层的神经网络结构完成
映射关系。输入层到隐层以及隐层到输出层的传递 函数需要满足可微条件。输出信息根据实际情况 ，
将定量信息进一步清晰化处理,得到输出结果
将模糊逻辑与神经网络相结合，既兼顾故障诊 断知识的模糊性，又可利用神经网络强大自学习能 力的特点，共同作用，使得系统故障诊断效果更佳。 当然两者
结合也有缺点：在许多情况下仍不能直接 处理模糊输入输出信息。
2.4专家系统故障诊断方法
专家系统作为人工智能中最活跃的一个分支 为故障诊断注入了新的活力。专家系统应用于故障 诊断技术是指人们根据长期的实践经验和大量的 故障信息知识，设计出的一种智能化的计算机程序 系统，模拟人类专家解决问题的思维方式进行智能 诊断。专家系统可以解决一类难以用数学模型来精 确描述的系统故障诊断问题。传统的专家系统的核 心主要包括以下几部分：全局数据库、知识库、推 理机、解释部分、人机接口几个模块。全局数据库 用以存放当前故障信息，即专家系统当前要处理的 对象信息；知识库用以存放故障诊断用的专门知 识，在知识表达方面，大多数诊断型专家系统都是 以产生式规则或框架式进行知识表达；推理机是根 据当前的输入信息结合知识库规则进行推理以达 到诊断目的；推理机中的推理方式是故障分类是否 合理的关键。现阶段，专家系统在诊断推理方面， 着重于对推理逻辑和推理模型的研究。模糊逻辑作 为一种降低系统复杂性的方法近期在专家系统的 推理逻辑中得到了广泛的应用。最
沾晰化处酬
y 2,…ym
图1 一种模糊神经网络结构示意图
ff
经网络输入层
神经网络输出
JJ
近有学者提出了基于模型的知识库的理论，如神经网络模型、定性物理模型等，这无疑给人工智能领域注入了新的活力。解释部分和人机接口是用户从计算机系统得出诊断结论的过程。
专家系统不受时间、空间和环境影响，从整个诊断过程来看理论较成熟，且随着计算机技术的飞速提高，其诊断速度和准确性也在不断提高。但由于建立完善的故障诊断专家系统在很大程度上依赖于故障原因和故障征兆之间的逻辑关系，所以推理机制的选择是专家系统设计中的关键问题［12-14］。
2.5基于遗传算法的故障诊断方法
遗传算法是一种基于自然选择和自然遗传学机理的迭代自适应概率性方法。通过繁殖、交叉、变异等操作逐代进化，最终搜索获得问题的满意解。它的推算过程是通过并行计算来不断接近最优解以达到全局最优。遗传算法应用于故障诊断从目前来看，一种是直接应用于故障诊断之中，主要用于提取特征向量，为诊断的后续处理准备；另外，研究得较多就是将其与其他的诊断方法相结合应用。
GA算法通常是针对不同问题定义一个适应度函数来模拟生物界中的环境，而适应度函数值就代表该个体对环境的适应程度，适应度值越高，表明该个体适应环境的能力越强。适应值函数的构造方法对于该算法的有效性很关键。
遗传算法比传统算法有很多独特之处：它能同时搜索解空间的多个点，从而使之收敛于全局最优或近似全局最优解；遗传算法中交叉、变异和繁殖等算子不受确定性规则的控制，适应性强，其使用的算子是随机的。
另外它还具有智能性和并行性，
适合用于解决结构复杂的问题。遗传算法目前面临的问题在于：在选择适应值函数时需要根据不同的情况选择不同的方法，建立适当的适应值函数可以提高分类能力；由于遗传算法是并行全局寻优过程，因此当问题的规模扩大时，其计算量也较大。 2.6基于支持向量机的故障诊断方法
SVM是一种基于统计学习理论的机器学习算法，根据统计学习和结构最小化原则，通过对训练样本的学习，掌握样本的特征，对未知样本进行预测。从这个角度讲，支持向量机可看做是类似于人工神经网络的学习机器。近年来，将SVM用于故障诊断方法中得到了广泛应用，Vapnik等人提出了标准SVM方法［15-16］，它已在许多领域取得了成功的应用，显示出巨大的优越性。采用支持向量机进行故障诊断具有以下几个优势：①较强的泛化能力：支持向量机由有限的训练样本得到小的误差，其本质是在有限样本中最大限度地挖掘隐含在数据中的分类信息；②该算法将分类问题转化为一个凸规划问题，因此局部最优解一定是全局最优解，从理论上保证全局最优；③在非线性情况下，SVM通过核函数将原空间中的非线性问题转化为高维空间中线性问题，巧妙地解决了维数灾难问题，并且能以任意精度逼近任意函数。这种算法的不足之处是：当样本数据的个数增加时，相应的凸规划问题也越复杂，计算速度也越慢。
3基于人工智能的故障诊断方法的新进展
3.1基于粗糙集的故障诊断方法
粗糙集理论是由波兰学者Pawlak Z.在1982年
提出的一种刻画不完整性和不确定性的数学工具。这种方法可以把已有知识直接与不同模式联系在一起，能有效的分析处理不确定、不完整等各种不完备信息，并能从中发现隐含的知识，揭示知识间的潜在规律。其主要思想是在保持分类能力不变的前提下，利用已知的知识库，通过对知识的约简，导出概念的分类规则。从本质上讲，粗糙集是一种基于最小误诊率的诊断方法。粗糙集用于故障诊断领域可以处理故障诊断领域中普遍存在的故障描述信息不完备、不一致的特点，主要用于分类规则学习和输入信息的规则约简，例如将粗糙集理论用于故障诊断规则提取、故障诊断专家系统知识库的建立、以及与其他智能诊断方法结合等，在应用中，粗糙集表现出了强大的不一致信息处理能力［17-18］。
基于粗糙集的方法能很好地处理冗余信息和不一致信息。目前也存在一定的问题：应用粗糙集对海量数据信息寻找最优约简时，由于要考虑知识属性，所以计算规模的大小很大程度取决于对象属性；粗糙集理论基于在线发现的知识，缺少对先验
知识的学习能力。
3.2基于模糊聚类的故障诊断方法
模糊聚类就是根据分类对象的特性形成一个特征空间，依据对象样本的相似性程度用模糊数学的方法对事物进行分类。这样整个特征空间就被不同的特性分成不同的区域，而每个区域又有一个聚合中心，该中心是本区域特性的代表。在聚类的过程中，只要聚类半径选择得当，相似类型的对象即可归为一类，在故障诊断中不同的聚类中心可以基本代替所有故障征兆变量，经过模糊聚类之后输出即可表征所对应的故障类型。
该算法目前也面临以下问题：求聚类中心目标函数的极值时应选择适当的算法，以避免陷入局部极小而得不到最优分类；当不同的故障同时发生时需要分类样本能同时诊断出多种故障；当数据规模扩大时，需要一定的先验知识，即需要人工来确定聚类数；不同的故障征兆对分类有不同的影响，有的征兆对分类结果起主导作用，有的征兆对分类结
果影响较小，甚至还有些征兆是冗余的，这就需要在模糊聚类之前首先进行粗略处理[19-20]。
3.3基于数据挖掘的故障诊断方法
数据挖掘方法是近年来发展起来的，它可以直接从大量的历史数据库中挖掘深层次的知识和信息，提取出状态数据库中相应的故障诊断知识。利用数据挖掘方法进行故障诊断一般包含4个步骤：数据挖掘目标描述与数据准备、数据预处理、数据挖掘和目标评估。数据挖掘目标描述主要是指故障点集合、故障诊断数据源集合以及选择合适的数据挖掘算法。数据准备主要是根据数据挖掘的目标收集、整理与所诊断的故障相关的所有数据。数据预处理就是将初始的数据点根据一定的规则有选择性的剔除集合中不相关的数据点，以降低数据规模。数据挖掘过程就是在预处理之后的数据中依据一定的算法再除去冗余的数据点。数据评估就是将统计分析结果与专家经验结合进行比较评估[21-22]。
基于数据挖掘的故障诊断方法将每一个故障看成一组特征集储存在历史故障数据库中，然后经过数据预处理后建立故障诊断决策表形成知识库，针对故障类型从知识库中提取出诊断规则，得出故障原因。随着数据挖掘技术的快速发展，基于数据挖掘的诊断方法将日益完善。
4多种智能化方法结合的故障诊断方法
目前，多模式组合故障诊断方法当前故障诊断的主流方向。主要的故障诊断技术，如专家系统诊断技术、遗传算法诊断技术、神经网络诊断技术、模糊诊断技术、数据挖掘技术等都有自身的优势，也有其自身不可克服的弱点。随着科学技术的飞速发展，设备规模的扩大和故障类型的多样性提高，任何单一的故障诊断技术已难以适应现代复杂系统故障诊断的需要。要解决这些问题，必须在诊断方法上有所突破。一条行之有效的发展道路是：对现有较成熟的故障诊断技术通过一定的方式组合成一种新型诊断技术，以提高快速诊断、快速排故能力，满足当前对故障诊断方法上的新要求。文[21-24]分别提出了模糊聚类与数据挖掘相结合、粗糙集理论和数据挖掘相结合、粗糙集和支持向量机相结合的故障诊断方法，它们的有效结合将各种智能化方法的优势溶于一个诊断系统中，提高了诊断的快速性和准确性。
《人工智能原理及其应用》(王万森)第3版课后习题答案
第1章人工智能概述课后题答案 1.1什么是智能?智能包含哪几种能力？ 解：智能主要是指人类的自然智能。一般认为，智能是是一种认识客观事物和运用知识解决问题的综合能力。 智能包含感知能力，记忆与思维能力，学习和自适应能力，行为能力 1.2人类有哪几种思维方式?各有什么特点？ 解：人类思维方式有形象思维、抽象思维和灵感思维 形象思维也称直感思维，是一种基于形象概念，根据感性形象认识材料，对客观对象进行处理的一种思维方式。 抽象思维也称逻辑思维，是一种基于抽象概念，根据逻辑规则对信息或知识进行处理的理性思维形式。 灵感思维也称顿悟思维，是一种显意识与潜意识相互作用的思维方式。 1.3什么是人工智能?它的研究目标是什么？ 解：从能力的角度讲，人工智能是指用人工的方法在机器（计算机）上实现智能；从学科的角度看，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。 研究目标： 对智能行为有效解释的理论分析； 解释人类智能； 构造具有智能的人工产品； 1.4什么是图灵实验？图灵实验说明了什么？ 解：图灵实验可描述如下，该实验的参加者由一位测试主持人和两个被测试对象组成。其中，两个被测试对象中一个是人，另一个是机器。测试规则为：测试主持人和每个被测试对象分别位于彼此不能看见的房间中，相互之间只能通过计算机终端进行会话。测试开始后，由测试主持人向被测试对象提出各种具有智能性的问题，但不能询问测试者的物理特征。被测试对象在回答问题时,都应尽量使测试者相信自己是“人”，而另一位是”机器”。在这个前提下，要求测试主持人区分这两个被测试对象中哪个是人，哪个是机器。如果无论如何更换测试主持人和被测试对象的人，测试主持人总能分辨出人和机器的概率都小于50%，则认为该机器具有了智能。 1.5人工智能的发展经历了哪几个阶段？ 解：孕育期，形成期，知识应用期，从学派分立走向综合，智能科学技术学科的兴起
人工智能原理及其应用(第二版)习题答案
本页面为作品封面，下载文档后可自由编辑删除！ 精 品 文 档
知识表示方法部分参考答案 2.8设有如下语句，请用相应的谓词公式分别把他们表示出来： (1)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。 解：定义谓词 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x )(P(x)∧(L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花))) (2) 有人每天下午都去打篮球。 解：定义谓词 P(x)：x是人 B(x)：x打篮球 A(y)：y是下午 将知识用谓词表示为： (?x )(?y) (A(y)∧B(x)∧P(x)) (3)新型计算机速度又快，存储容量又大。 解：定义谓词 NC(x)：x是新型计算机 F(x)：x速度快 B(x)：x容量大 将知识用谓词表示为： (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解：定义谓词 P(x)：x是人 L(x, y)：x喜欢y 将知识用谓词表示为： (?x) (P(x)∧L(x,pragramming)→L(x, computer))
2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。 图机器人摞积木问题 解：(1) 先定义描述状态的谓词 CLEAR(x)：积木x上面是空的。 ON(x, y)：积木x在积木y的上面。 ONTABLE(x)：积木x在桌子上。 HOLDING(x)：机械手抓住x。 HANDEMPTY：机械手是空的。 其中，x和y的个体域都是{A, B, C}。 问题的初始状态是： ONTABLE(A) ONTABLE(B) ON(C, A) CLEAR(B) CLEAR(C) HANDEMPTY 问题的目标状态是： ONTABLE(C) ON(B, C) ON(A, B) CLEAR(A) HANDEMPTY (2) 再定义描述操作的谓词 在本问题中，机械手的操作需要定义以下4个谓词： Pickup(x)：从桌面上拣起一块积木x。 Putdown(x)：将手中的积木放到桌面上。 Stack(x, y)：在积木x上面再摞上一块积木y。 Upstack(x, y)：从积木x上面拣起一块积木y。 其中，每一个操作都可分为条件和动作两部分，具体描述如下： Pickup(x)
人工智能原理与应用_(张仰森_著)_高等教育出版社_课后答案
2.7解：根据谓词知识表示的步骤求解问题如下： 解法一： (1)本问题涉及的常量定义为： 猴子：Monkey，箱子：Box，香蕉：Banana，位置：a，b，c (2)定义谓词如下： SITE(x，y)：表示x在y处； HANG(x，y)：表示x悬挂在y处； ON(x，y)：表示x站在y上； HOLDS(y，w)：表示y手里拿着w。 (3)根据问题的描述将问题的初始状态和目标状态分别用谓词公式表示如下： 问题的初始状态表示： SITE(Monkey，a)∧HANG(Banana，b)∧SITE(Box，c)∧~ON(Monkey，Box)∧~HOLDS(Monkey，Banana) 问题的目标状态表示： SITE(Monkey，b)∧~HANG(Banana，b)∧SITE(Box，b) ∧ON(Monkey，Box)∧HOLDS(Monkey，Banana) 解法二： (1)本问题涉及的常量定义为： 猴子：Monkey，箱子：Box，香蕉：Banana，位置：a，b，c (2)定义谓词如下： SITE(x，y)：表示x在y处； ONBOX(x)：表示x站在箱子顶上； HOLDS(x)：表示x摘到了香蕉。 (3)根据问题的描述将问题的初始状态和目标状态分别用谓词公式表示如下： 问题的初始状态表示： SITE(Monkey，a)∧SITE(Box，c)∧~ONBOX(Monkey)∧~HOLDS(Monkey) 问题的目标状态表示： SITE(Box，b)∧SITE(Monkey，b)∧ONBOX(Monkey)∧HOLDS(Monkey) 从上述两种解法可以看出，只要谓词定义不同，问题的初始状态和目标状态就不同。所以，对于同样的知识，不同的人的表示结果可能不同。 2.8解：本问题的关键就是制定一组操作，将初始状态转换为目标状态。为了用谓词公式表示操作，可将操作分为条件(为完成相应操作所必须具备的条件)和动作两部分。条件易于用谓词公式表示，而动作则可通过执行该动作前后的状态变化表示出来，即由于动作的执行，当前状态中删去了某些谓词公式而又增加一些谓词公式从而得到了新的状态，通过这种不同状态中谓词公式的增、减来描述动作。 定义四个操作的谓词如下，操作的条件和动作可用谓词公式的增、删表示： (1)goto 计算机科学与技术概论结业作业 人工智能技术简介及发展趋势 院系：信息科学与技术学院计算机科学与技术系 姓名：尹颜朋 学号：2011508009 前言 人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。他认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 第一章人工智能的产生 人工智能, 英文单词 artilect,来源于雨果·德·加里斯的著作 第2章知识表示方法部分参考答案 2.8设有如下语句，请用相应的谓词公式分别把他们表示出来： (1)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。 解：定义谓词 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 有人每天下午都去打篮球。 解：定义谓词 P(x)：x是人 B(x)：x打篮球 A(y)：y是下午 将知识用谓词表示为： (?x )(?y) (A(y)→B(x)∧P(x)) (3)新型计算机速度又快，存储容量又大。 解：定义谓词 NC(x)：x是新型计算机 F(x)：x速度快 B(x)：x容量大 将知识用谓词表示为： (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解：定义谓词 P(x)：x是人 L(x, y)：x喜欢y 将知识用谓词表示为： ( x) (P(x)∧L(x,pragramming)→L(x, computer)) 2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。 图机器人摞积木问题 解：(1) 先定义描述状态的谓词 CLEAR(x)：积木x上面是空的。 ON(x, y)：积木x在积木y的上面。 ONTABLE(x)：积木x在桌子上。 HOLDING(x)：机械手抓住x。 HANDEMPTY：机械手是空的。 其中，x和y的个体域都是{A, B, C}。 问题的初始状态是： ONTABLE(A) ONTABLE(B) ON(C, A) CLEAR(B) CLEAR(C) HANDEMPTY 问题的目标状态是： ONTABLE(C) ON(B, C) ON(A, B) CLEAR(A) HANDEMPTY (2) 再定义描述操作的谓词 在本问题中，机械手的操作需要定义以下4个谓词： Pickup(x)：从桌面上拣起一块积木x。 Putdown(x)：将手中的积木放到桌面上。 Stack(x, y)：在积木x上面再摞上一块积木y。 《人工智能理论与应用》课程简介 课程编号：A0940111 课程名称：人工智能理论与应用 学分/学时：3/48 先修课程：《数据结构》、《离散数学》和《高级程序设计语言》 适用专业：计算机科学与技术 课程性质：限选 考核方式：考查 考核形式：大作业、实验评估 建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版 内容简介：（200字以内）（黑体五号） 1、人工智能研究的发展和基本原则：人工智能的研究和应用；人工智能研究的发展；人工智能研究的成果；人工智能研究的基本原则；存在的问题和发展前景 2、一般图搜索：回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程、搜索算法讨论。 3、与或图搜索问题：与或图的搜索、与或图的启发式搜索算法AO*、博弈树的搜索。 4、谓词逻辑与归结原理：命题逻辑、谓词逻辑基础、谓词逻辑归结原理、HERBRAND定理。 5、知识表示：知识、知识表示、知识观、产生式表示方法、语义网络表示、框架表示以及其他表示方法。 6、不确定性推理方法：不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法、证据理论。 7、机器学习：机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习、知识发现与数据挖掘。 8、高级搜索：基本概念、局部搜索算法、模拟退火算法、遗传算法等。 人工智能理论与应用 Artificial Intelligence Theory and Application 课程编号：A0940111 学分：3 学时：48 学时（讲课学时：32 实验学时：16） 先修课程：《数据结构》、《离散数学》和《高级程序设计语言》 适用专业：计算机科学与技术 建议教材：人工智能教程，王士同主编，电子工业出版社，2006年2月第2版 主要参考书： （1）高等学校规划教材:人工智能原理及其应用电子工业出版社王万森 2012 （2）人工智能及其应用(第4版) 蔡自兴、徐光祐清华大学出版社 2010 开课学院：计算机科学与工程学院 修订日期：2015年4月 一、课程说明（黑体五号） 人工智能是一门综合性前沿学科，是计算机学科的重要分支。通过对人工智能课程的学习，使学生掌握人工智能技术的基本原理；了解启发式搜索策略、与或图搜索问题、谓词逻辑与归结原理、知识表示、不确定性推理方法、机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的人工智能技术应用奠定基础。 二、课程目标（黑体五号）（需对应于本专业2014级培养方案中的毕业要求进行细化分解） 根据课程在知识结构中的作用，教学要求分为掌握、熟悉、了解、选学四个层次，具体要求如下。 1．掌握部分:一般图搜索（回溯策略、图搜索策略、无信息搜索过程、启发式图搜索过程）；与或图搜索问题包括与或图的启发式搜索算法AO*、博弈树的搜索；谓词逻辑与归结原理（谓词逻辑归结原理、HERBRAND定理）；知识表示（产生式表示方法、语义网络表示、框架表示）；不确定性推理方法（不确定性推理的基本问题、贝叶斯网络、主观贝叶斯方法、确定性方法）(对应毕业要求中的、、 2．熟悉部分： 不确定性推理方法之证据理论；机器学习（机器学习概论、实例学习、基于解释的学习、决策树学习、神经网络学习）。(对应毕业要求中的、 正确答案：A、B 你选对了 Quizzes for Chapter 1 1 单选(1 分)图灵测试旨在给予哪一种令人满意的操作定义得分/ 5 多选(1 分)选择下列计算机系统中属于人工智能的实例得分/总分总分 A. Web搜索引擎 A. 人类思考 B.超市条形码扫描器 B. 人工智能 C.声控电话菜单该题无法得分/1.00 C.机器智能 1.00/1.00 D.智能个人助理该题无法得分/1.00 正确答案：A、D 你错选为C、D D.机器动作 正确答案： C 你选对了 6 多选(1 分)选择下列哪些是人工智能的研究领域 得分/总分 2 多选(1 分)选择以下关于人工智能概念的正确表述得分/总分 A.人脸识别0.33/1.00 A. 人工智能旨在创造智能机器该题无法得分/1.00 B.专家系统0.33/1.00 B. 人工智能是研究和构建在给定环境下表现良好的 智能体程序该题无法得分/1.00 C.图像理解 C.人工智能将其定义为人类智能体的研究该题无法 D.分布式计算 得分/1.00 正确答案：A、B、C 你错选为A、B D.人工智能是为了开发一类计算机使之能够完成通7 多选(1 分)考察人工智能(AI) 的一些应用，去发现目前下列哪些 任务可以通过AI 来解决得分/总分 常由人类所能做的事该题无法得分/1.00 正确答案：A、B、D 你错选为A、B、C、D A.以竞技水平玩德州扑克游戏0.33/1.00 3 多选(1 分)如下学科哪些是人工智能的基础？得分/总分 B.打一场像样的乒乓球比赛 A. 经济学0.25/1.00 C.在Web 上购买一周的食品杂货0.33/1.00 B. 哲学0.25/1.00 D.在市场上购买一周的食品杂货 C.心理学0.25/1.00 正确答案：A、B、C 你错选为A、C D.数学0.25/1.00 8 填空(1 分)理性指的是一个系统的属性，即在_________的环境下正确答案：A、B、C、D 你选对了做正确的事。得分/总分 正确答案：已知 4 多选(1 分)下列陈述中哪些是描述强AI (通用AI )的正确答案？得 1 单选(1 分)图灵测试旨在给予哪一种令人满意的操作定义得分/ 分/总分 总分 A. 指的是一种机器，具有将智能应用于任何问题的 A.人类思考 能力0.50/1.00 B.人工智能 B. 是经过适当编程的具有正确输入和输出的计算 机，因此有与人类同样判断力的头脑0.50/1.00 C.机器智能 1.00/1.00 C.指的是一种机器，仅针对一个具体问题 D.机器动作 人工智能各学派简介目前人工智能的主要学派有下面三家： (1) 符号主义(symbolicism) ，又称为逻辑主义(logicism) 、心理学派(psychologism) 或计算机学派(computerism),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。 (2) 连接主义(connectionism) ，又称为仿生学派(bionicsism) 或生理 学派(physiologism),其主要原理为神经网络及神经网络间的连接机制与学习算法。 (3) 行为主义(actionism) ，又称为进化主义(evolutionism) 或控制论 学派(cyberneticsism),其原理为控制论及感知-动作型控制系统。 他们对人工智能发展历史具有不同的看法。 1、符号主义 认为人工智能源于数理逻辑。数理逻辑从19 世纪末起得以迅速发展,到20 世纪30 年代开始用于描述智能行为。 计算机出现后, 又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT 逻辑理论家,证明了38 条数学定理,表明了可以应用计算机研究人的思维,模拟人类智能活动。 正是这些符号主义者,早在1956 年首先采用“人工智能”这个术语。后来又发展了启发式算法-＞专家系统-＞知识工程理论与技术, 并在20世纪80年代取得 很大发展。 符号主义曾长期一枝独秀, 为人工智能的发展做出重要贡献, 尤其是专家系统的成功开发与应用, 为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。 在人工智能的其他学派出现之后, 符号主义仍然是人工智能的主流派别。这个学派的代表人物有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。 2、连接主义认为人工智能源于仿生学,特别是对人脑模型的研究。 它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途 Quizzes for Chapter 1 1单选(1 分)图灵测试旨在给予哪一种令人满意的操作定义得分/ 总分 ? A.人类思考 ? B.人工智能 ? C.机器智能1.00/1.00 ? D.机器动作 正确答案：C你选对了 2多选(1分)选择以下关于人工智能概念的正确表述得分 /总分 ? A.人工智能旨在创造智能机器 该题无法得分/1.00 ? B. 人工智能是研究和构建在给定环境下表现良好的 智能体程序该题无法得分/1.00 ? C.人工智能将其定义为人类智能体的研究该题无法 得分/1.00 ? D.人工智能是为了开发一类计算机使之能够完成通 常由人类所能做的事该题无法得分/1.00 正确答案：A、B、D你错选为A、B、C、D 3多选(1分)如下学科哪些是人工智能的基础？得分/总分 ? A.经济学0.25/1.00 ? B.哲学0.25/1.00 ? C.心理学0.25/1.00 ? D.数学0.25/1.00 正确答案：A、B、C、D你选对了 4多选(1分)下列陈述中哪些是描述强AI(通用AI)的正确答案？ 得分/总分 ? A.指的是一种机器，具有将智能应用于任何问题的 能力0.50/1.00 ? B.是经过适当编程的具有正确输入和输出的计算 机，因此有与人类同样判断力的头脑0.50/1.00 ? C.指的是一种机器，仅针对一个具体问题 ? D.其定义为无知觉的计算机智能，或专注于一个狭 窄任务的AI 正确答案：A、B你选对了 5多选(1分)选择下列计算机系统中属于人工智能的实例得分/总 分 ? A.Web搜索引擎 ? B.超市条形码扫描器 ? C.声控电话菜单该题无法得分/1.00 ? D.智能个人助理该题无法得分/1.00 正确答案：A、D你错选为C、D 6多选(1分)选择下列哪些是人工智能的研究领域 得分/总分 ? A.人脸识别0.33/1.00 ? B.专家系统0.33/1.00 ? C.图像理解 ? D.分布式计算 正确答案：A、B、C你错选为A、B 7多选(1分)考察人工智能(AI)的一些应用，去发现目前下列哪些 任务可以通过AI来解决得分/总分 ? A.以竞技水平玩德州扑克游戏0.33/1.00 ? B.打一场像样的乒乓球比赛 ? C.在Web上购买一周的食品杂货0.33/1.00 ? D.在市场上购买一周的食品杂货 正确答案：A、B、C你错选为A、C 8填空(1分)理性指的是一个系统的属性，即在_________的环境 下做正确的事。得分/总分 正确答案：已知 1单选(1分)图灵测试旨在给予哪一种令人满意的操作定义得分/ 总分 模式识别与智能系统 摘要：人工智能(Artifical Intelligence)是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是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的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，以模拟人类智能、智能行为及其规律为研究内容的一门综合性边缘学科。由于人工智能自出现以来取得的巨大成就及其潜在的广阔应用前景，它又同空间技术、原子能技术并称为20世纪的三大科学技术成就。 关键词：人工智能；计算机科学；发展方向 ①、人工智能的定义 人工智能(Artificial Intelligence，AI)，是一门综合了计算机科学、生理学、哲学的交叉学科。“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(Dartmouth)学会上提出的。自那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”童天湘在《从“人机大战”到人机共生》中这样定义人工智能：“虽然现在的机器不能思维也没有“直觉的方程式”，但可以把人处理问题的方式编入智能程序，是不能思维的机器也有智能，使机器能做那些需要人的智能才能做的事，也就是人工智能。”诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是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的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能各学派简介 目前人工智能的主要学派有下面三家： (1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism) 或计算机学派(computerism)，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。 (2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派 (physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。 (3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派 (cyberneticsism)，其原理为控制论及感知-动作型控制系统。 他们对人工智能发展历史具有不同的看法。 1、符号主义 认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。 计算机出现后，又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表明了可以应用计算机研究人的思维，模拟人类智能活动。 正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。 符号主义曾长期一枝独秀，为人工智能的发展做出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。 在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表人物有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。 2、连接主义 认为人工智能源于仿生学，特别是对人脑模型的研究。 人工智能的原理及应用 摘要 人工智能(Artificial Intelligence，AI)一直都处于计算机技术的最前沿，经历了几起几落……长久以来，人工智能对于普通人来说是那样的可望而不可及，然而它却吸引了无数研究人员为之奉献才智，从美国的麻省理工学院(MIT)、卡内基-梅隆大学(CMU)到IBM公司，再到日本的本田公司、SONY公司以及国内的清华大学、中科院等科研院所，全世界的实验室都在进行着AI技术的实验。不久前，著名导演斯蒂文斯皮尔伯格还将这一主题搬上了银幕，科幻片《人工智能》(A.I.)对许多人的头脑又一次产生了震动，引起了一些人士了解并探索人工智能领域的兴趣。 关键词 人工智能；专家系统；模式识别 ABSTRACT AI (Artificial Intelligence, AI) has been at the forefront of computer technology, has experienced severa l ups and downs several…… a long time, the ordinary people of artificial intelligence is so elusive, but it has attracted countless It dedicated intelligence researchers, from the U.S. Massachusetts Institute of Technology (MIT), Carnegie - Mellon University (CMU) to IBM, and then to Japan's Honda, SONY, as well as domestic companies of QingHua University, China Branch Hospitals and other research institutes, laboratories around the world are carrying out the AI technology experiments. Not long ago, the fam ous director Steven Spielberg will be the subject ? onto the screen, sci-fi film "artificial intelligence" (AI) on many people's minds once again produced a shock, caused some people to understand and explore Interest in the field of artificial intelligence. Key words Artificial Intelligence(AI); Expert System ; Pattern Recognition 引言 人工智能的发展已达到很高水平，电子计算机将更接近大脑的功能了，虽然计算机解决问题的能力从技术角度看目前还有很大局限性，计算机万能论者的理论依据也是有问题的。计算机暂时不能代替人我相信他预见的会成为现实，目前也有了很多技术突破,这就是人类-机器的结合体，他预见这是人类进化史上的一个飞跃。在这样一个结合体形式下，肯定超出目前的人的智能和人工智能，这个结合体中，人类的大脑将植入能和机器直接沟通的芯片，这个芯片是人机的桥梁，而人类-机器结合体将发挥出人与机器的各自优势。 1.介绍什么是人工智能 由于人工智能是一个边缘学科，是哲学、数学、电子工程、计算机科学、心理学等众多学科的混血儿。它的研究队伍由未自不同领域的学者组成，各自从事着自己感兴趣的工作，他们对人工智能是什么有不同的认识。所以，要想在他们之间找出一个什么是人工智能的共同的看法还是有一定的困难的。 如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能支灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为、就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了：这样，人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 除了上述的观点以外，人工智能领域中的心理学家、语言学家倾向于将重点放在用电脑去再现人脑思维的内部状态上．也就是要使电脑程产真正理解它所他的事情，就好保人脑一样去“思考问题”。 y 值。 装 订 线 内 不 得 答 题 自 觉 遵 守 考 试 规 则，诚 信 考 试，绝 不 作 弊 二、人工智能有哪些主要研究和应用领域？其中有哪些是新的研究热点（10分） 三、将下列命题写出其语义网络（10分） 1.每个学生都喜欢老师上的一门课. 2．人工智能课程的学生中有男有女，有数学系的学生也有外系的学生。 四、假设已知下列事实： 张某被盗，公安局派了五个侦察员去调查。研究案情时，侦察员Ａ说： ”；侦察员Ｄ说：“钱与孙至少有一人作案”；侦察“孙与李中至少有一个作案”；侦察员Ｄ说“赵与孙至少一个与案无“钱与李中至少有一人与此案无关”。如果这五个侦察员的（15分） 装 订 线 内 不 得 答 题 自 觉 遵 守 考 试 规 则，诚 信 考 试，绝 不 作 弊 五、.写出图中树的结点两个访问序列，要求分别满足以下两个搜索策略：(10分) 1．深度优先搜索 2.广度优先搜索 六、将下列谓词公式化成子句集 ()()()()()()a f y x R z x Q z P z y x ,,,~→∧???。（10分） 七、已知有如下不确定推理规则： r1：C 11∨C 12 ? H 1 0.7； r2：H 1 ? H 0.5； r3：C 21∧C 22 ? H －0.6； r4：(C 31∧C 32)∨C 33 ? H 0.8； 11) = 0.8， CF(C 12) = 0.9，CF(C 21) = 0.3，CF(C 22) = 0.6， ) = 0.9，CF(C 32) = 0.5，CF(C 33) =0.7； 求CF(H)。（10分） 装 订 线 内 不 得 答 题 自 觉 遵 守 考 试 规 则，诚 信 考 试，绝 不 作 弊 人脸识别人工智能系统的原理与发展 一、引言 人脸识别系统以人脸识别技术为核心，是一项新兴的生物识别技术，是当今国际科技领域攻关的高精尖技术。它广泛采用区域特征分析算法，融合了计算机图像处理技术与生物统计学原理于一体，利用计算机图像处理技术从视频中提取人像特征点，利用生物统计学的原理进行分析建立数学模型，具有广阔的发展前景。2012年4月，铁路部门宣布车站安检区域将安装用于身份识别的高科技安检系统人脸识别系统；可以对人脸明暗侦测，自动调整动态曝光补偿，人脸追踪侦测，自动调整影像放大； 二、概述 人脸识别系统概述 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形、个人习惯(例如敲击键盘的力度和频率、签字)等，相应的识别技术就有人脸识别、指纹识别、掌纹识别、虹膜识别、视网膜识别、语音识别(用语音识别可以进行身份识别，也可以进行语音内容的识别，只有前者属于生物特征识别技术)、体形识别、键盘敲击识别、签字识别等。 人脸识别系统功能模块 人脸捕获与跟踪功能：人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 人脸识别比对：人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。 人脸的建模与检索：可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板(人脸特征文件)保存到数据库中。在进行人脸搜索时(搜索式)，将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。 《人工智能原理及应用》课程 期末考核补考题目与设计要求 专业：级物联网班时间：第学期任课老师：陈建峡 一、目的 《人工智能原理及应用》课程设计是针对学习完《人工智能原理及应用》课程后进行的一次对学生综合知识应用能力可动手实践能力的考查。其成绩将作为本课程的期末考核成绩。通过课程设计，使学生能够得到较系统的技能训练，从而巩固和加深对人工智能的基础理论知识的理解，培养学生综合运用所学理论解决实际问题的能力，使学生成为具有扎实的计算机理论基础和较强的独立动手能力的应用型人才。 二、要求 、课程设计项目完成后，应提交如下设计成果：源程序（打包成如下文档名：课题名称本人姓名）；数据库文件；用户指南即如何运行系统以及你在本系统中的具体工作的文件；字数不少于英文单词（不含源码）的课程设计报告（格式按照任课老师提供的英文格式排版，撰写内容均为英语表达，格式模板可在课程群上下载）。 、课程设计报告分以下几部分： [1]封面（包括题目，完成人姓名，班级，指导教师，完成时间）（分） [2]背景介绍（分） [3]相关工作调研（分） [4]测试数据集合（分） [5]数据预处理与特征提取（分） [6]设计所用机器学习算法（分） [7]实验结果与分析（分） [8]结论与展望（分） [9]致谢（分） [10]参考文献：不少于篇文献(分） 三、设计验收及评分标准 .验收时间： 补考日期后一周内上交课程设计报告并答辩。 .验收内容： 系统完成及运行情况；系统演示、答辩情况和课程设计报告三部分，最后成绩以三部分综合评定。各部分所占比例为：系统完成及运行情况（）、系统演示和答辩情况（）、课程设计报告（）。 四、人员分组 （）人题。 （）选题时在课代表处选题并登记。选题不能重复，已被其它组选定的题目不能再选。五、待选题目（程序设计中的文字内容均为英语表达，若用中文表示扣分） 1. 2. 3. 4. 5. 人工智能原理与应用 Principles and Application of Artificial Intelligence 课程简介 本课程主要讲述人工智能的基本概念、基本方法，会用搜索算法、推理方法和机器学习求解简单问题，如证明定理、机器推理、建造简单的专家系统，自然语言分析和理解。 要求 了解人工智能的提出，几种智能观，人工智能重要的研究领域，以及人工智能求解问题的方法与传统的数学方法的不同； 掌握启发式搜索概念，会用搜索方法求解简单问题 掌握归结推理方法，会用归结法证明定理，求解问题。 掌握一种不确定推理方法，会建造带有不确定推理的专家系统。 了解其它的推理方法； 掌握知识的表示方法，会用来表达某一具体的场景； 掌握机器学习概念和学习模型，会用实例学习方法进行学习， 了解数据挖掘的过程，会用关联规则挖掘算法做数据挖掘； 掌握自然语言理解的过程，会用基本的切分和语法分析方法做自然语句分析； 理解神经网络实现智能的另一种观点。掌握BP神经网的工作原理，会用来求解（如识别）问题； 了解遗传算法（GA）概念及如何使用遗传算法 参考资料： 《人工智能原理与应用》，张仰森，高等教育出版社 《人工智能》，蔡自兴 《人工智能原理》，石纯一黄昌宁王家钦编著，清华大学出版社《人工智能》（上下册），陆汝铃编著，科学出版社，1996 《人工智能与知识工程》，田盛丰、黄厚宽，中国铁道出版社，1999 《高级人工智能》，史忠植，科学出版社，1998 《人工智能基础》，高济、朱森良、何钦铭，高等教育出版社，2002 第一章人工智能概述 1.1 人工智能的起源与发展 ?计算机所能处理对象的改变：纯粹数值计算→非数值计算（自然语言理解、图象语音识别、专家系统、机器博弈系统等等符号知识处理） ?试探性搜索、启发式搜索、不确定性推理方法更符合人类思维过程。也就是说在解决这类问题时，没有算法解或即使有算法解但在当今计算技术不能实现。对这类问题可行的解决方法是搜索、试探，加上经验的启发式知识。这是一种来自专门领域的经验知识，限于特定场合，经常会取得成功但又不能保证必然成功，常能求得有关问题的满意解答。 医生一定能根据病人的症状诊断出是何种疾病吗？我们能用传统的算法设计一个程序进行疾病诊断吗？能用传统的算法设计一个程序能理解自然语言所组成的文档的含义吗？ 以上原因促使人工智能学科的诞生。 主要经历了以下几个阶段： ?孕育期（1956年以前）——从理论、技术和物质上奠定基础 ?成长期（1956－1972）——逻辑推理机程序、跳棋程序、通用问题求解（GPS：General Problem Solver）、人工智能程序设计语言 LISP/PROLOG ?发展期（1972－）——知识工程、专家系统（MYCIN，探矿系统）?学习期 1.2 什么是人工智能 1.什么是人类智能？有何特点？计算机到底能不能有人类智能？ 英国数学家Turing于1950提出的著名的Turing实验。 识别、推理、联想、自学习...（人脑的智能很复杂！） 计算机到底能不能有人类智能，至今没有完整的论证（人工智能是一门正在探索和发展的学科，至今还没有完全形成完整的理论体系。目前人工智能与人脑的智能还相差很远） 人工智能原理及其应用王 万森第版课后习题答案 LELE was finally revised on the morning of December 16, 2020 第1章人工智能概述课后题答案 什么是智能智能包含哪几种能力 解：智能主要是指人类的自然智能。一般认为，智能是是一种认识客观事物和运用知识解决问题的综合能力。 智能包含感知能力，记忆与思维能力，学习和自适应能力，行为能力 人类有哪几种思维方式各有什么特点 解：人类思维方式有形象思维、抽象思维和灵感思维 形象思维也称直感思维，是一种基于形象概念，根据感性形象认识材料，对客观对象进行处理的一种思维方式。 抽象思维也称逻辑思维，是一种基于抽象概念，根据逻辑规则对信息或知识进行处理的理性思维形式。 灵感思维也称顿悟思维，是一种显意识与潜意识相互作用的思维方式。 什么是人工智能它的研究目标是什么 解：从能力的角度讲，人工智能是指用人工的方法在机器（计算机）上实现智能；从学科的角度看，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。 研究目标： 对智能行为有效解释的理论分析； 解释人类智能； 构造具有智能的人工产品； 什么是图灵实验图灵实验说明了什么 解：图灵实验可描述如下，该实验的参加者由一位测试主持人和两个被测试对象组成。其中，两个被测试对象中一个是人，另一个是机器。测试规则为：测试主持人和每个被测试对象分别位于彼此不能看见的房间中，相互之间只能通过计算机终端进行会话。测试开始后，由测试主持人向被测试对象提出各种具有智能性的问题，但不能询问测试者的物理特征。被测试对象在回答问题时,都应尽量使测试者相信自己是“人”，而另一位是”机器”。在这个前提下，要求测试主持人区分这两个被测试对象中哪个是人，哪个是机器。如果无论如何更换测试主持人和被测试对象的人，测试主持人总能分辨出人和机器的概率都小于50%，则认为该机器具有了智能。 人工智能的发展经历了哪几个阶段？ 解：孕育期，形成期，知识应用期，从学派分立走向综合，智能科学技术学科的兴起 人工智能研究的基本内容有哪些？ 解： 与脑科学与认知科学的交叉研究 智能模拟的方法和技术研究 人工智能有哪几个主要学派各自的特点是什么 解：人工智能简介及发展趋势
人工智能原理及其应用(第2版)》王万森编著电子工业出版社课后习题答案37
人工智能-课程简介+课程大纲模板
人工智能原理MOOC习题集及答案北京大学王文敏课件
人工智能各学派简介
人工智能原理MOOC习题集及答案 北京大学
浅谈人工智能原理及应用
人工智能各学派简介
人工智能的原理及应用
人工智能原理及应用2008年试题
人脸识别人工智能系统的原理与发展
《人工智能原理及应用》课程
人工智能原理与应用 教案
人工智能原理及其应用王万森第版课后习题答案
- 人工智能的原理及应用
- 人工智能原理及其应用(王万森)第3版 课后习题答案
- 人工智能原理及其应用(王万森)第3版 课后习题答案
- 人工智能原理与方法PPT演示
- 人脸识别人工智能系统的原理与发展
- 人工智能原理与应用_(张仰森_著)_高等教育出版社_课后答案
- 人工智能原理及其应用考题总结
- 人工智能原理及其应用考题总结
- 人工智能原理与实践 (PPT 42张)
- 人工智能原理及其应用
- 人工智能原理与应用 (张仰森 著) 高等教育出版社 课后答案
- 人工智能原理与应用 教案
- 第一讲 人工智能与计算智能概述
- 人工智能原理与方法
- 人工智能原理及其应用
- 人工智能原理与应用 PPT课件
- 浅谈人工智能的基本原理和方法
- 人工智能原理与方法
- 人工智能原理与方法 ppt课件
- 人工智能原理与方法98