北京化工大學人工智能期末復習

第一章 緒論：1.什么是人工智能？人工智能的意義和目標是什么？人工智能是智能機器所執(zhí)行的通常與人類智能有關的智能行為；用人工的方法在機器上實現(xiàn)的功能。人工智能研究的近期目標是使現(xiàn)有的計算機不僅能做一般的數(shù)值計算及非數(shù)值信息的數(shù)據(jù)處理而且能運用知識處理問題能模擬人類的部分智能行為。2.完整的物理符號系統(tǒng)的基本功能？輸入符號、輸出符號、存儲符號、復制符號建立符號結構：通過找出各符號間的關系，在符號系統(tǒng)中形成符號結構。條件性轉移：根據(jù)已有符號，繼續(xù)完成活動過程。3.人工智能有哪些主要學派？他們的認知觀分別是什么？（一兩句話描述即可）符號主義（邏輯主義、心理學派、計算機學派），物理符號系統(tǒng)假設和有限合理性原理，認為人工智能源于數(shù)理邏輯。連接主義（仿生學派、生理學派），神經(jīng)網(wǎng)絡及神經(jīng)網(wǎng)絡間的連接機制與學習算法，認為人工智能源于仿生學，特別是對人腦模型的研究。行為主義（進化主義、控制論學派），控制論及感知-動作型控制系統(tǒng)，認為人工智能源于控制論。4.人工智能的研究領域包括哪些？（機器視覺。）數(shù)據(jù)挖掘、模式識別、機器視覺、自然語言處理、智能系統(tǒng)、專家系統(tǒng)、機器學習、神經(jīng)網(wǎng)絡、機器人學、人工生命、智能CAD、組合優(yōu)化問題、自動定理證明、分布式人工智能系統(tǒng)、智能通信等5.什么是圖靈測試？讓一位測試者分別于一臺計算機和一個人進行交談，而測試者事先并不知道哪一個被測者是人，哪一個是計算機。如果交談后測試者分不出哪一個被測者是人，哪一個是計算機，則可以認為這臺被測的計算機具有智能。第二章 知識表示（語義網(wǎng)絡、謂詞邏輯。）1.知識的層次及其概念？噪聲-數(shù)據(jù)-信息-知識-元知識數(shù)據(jù)：信息的載體和表示信息：數(shù)據(jù)的語義知識：把有關信息關聯(lián)在一起形成的結構元知識：有關知識的知識，是知識庫的高層知識2.知識的屬性及引起不確定性的因素？相對正確性不確定性（引發(fā)因素：隨機性、模糊性、不完全性、經(jīng)驗）可表示性與可利用性3.知識的分類？按作用范圍：常識性知識、領域性知識按作用及表示：事實性知識、過程性知識、控制性知識結構及表現(xiàn)形式：邏輯性知識、形象性知識確定性：確定性知識、不確定性知識4.什么是知識表示？就是知識的符號化和形式化的過程，是研究用機器表示知識的可行性、有效性的一般方法，是一種數(shù)據(jù)結構與控制結構的統(tǒng)一體，既考慮知識的存儲又考慮知識的使用。5.常用的知識表示方法及其衡量標準？（6、7種、謂詞、語義網(wǎng)絡等等）衡量標準：完備性、一致性、正確性、靈活性、可擴充性、可理解性、可利用性、可維護性表示方法：1.一階謂詞表示法（應用：自動問答系統(tǒng)、機器人行動規(guī)劃系統(tǒng)、機器博弈系統(tǒng)、問題求解系統(tǒng)）2.產(chǎn)生式表示法（應用：動物識別系統(tǒng)）3.框架表示法（一種描述所論對象（一個事物、事件或概念）屬性的數(shù)據(jù)結構）。4.語義網(wǎng)絡表示法（采用網(wǎng)絡形式表示人類知識，應用：自然語言理解系統(tǒng)）5.面向對象表示法（模塊性、封裝性、繼承性、多態(tài)性、易維護性）6.狀態(tài)空間表示法（以狀態(tài)和運算符為基礎來表示和求解問題的一種方法）7.問題規(guī)約表示法（從目標出發(fā)，逆向推理，通過一系列變換把初始問題變換為子問題集合，最終歸約為一個平凡的本原問題的集合； 與/或樹求解）6.會用一階謂詞表示所給的知識。用謂詞演算公式表示下列句子(1)北京市的夏天既干燥又炎熱。(2)喜歡讀三國演義的人必讀水滸。 (3)有的人喜歡梅花，有的人喜歡菊花，有的人既喜歡梅花又喜歡菊花。7.會用語義網(wǎng)絡表示知識。Every dog has bitten a postman.Every dog has bitten every postman.”小信使“這只鴿子從春天到秋天占有一個窩。北京化工大學位于北四環(huán)和北三環(huán)之間。8.會用框架表示知識。試構造一個描述你的寢室或辦公室的框架系統(tǒng)。9.面向對象的基本特征及其表示。模塊性、封裝性、繼承性、多態(tài)性、易維護性第三章 搜索和推理1.搜索的分類？搜索方向：數(shù)據(jù)驅動、目的驅動、雙向搜索搜索策略：盲目搜索、啟發(fā)式搜索盲目搜索：回溯、寬度優(yōu)先、深度優(yōu)先、有界深度優(yōu)先2.寬度優(yōu)先與深度優(yōu)先搜索算法過程的不同點。寬度優(yōu)先：隊列結構（FIFO）深度優(yōu)先：堆棧結構（FILO）3.理解A*算法和估價函數(shù)。估計函數(shù)：估計待搜索結點的”有希望“程度，并依次給他們排定次序。一般形式為f(n)=g(n)+h(n) 其中，g(n)是初始結點到結點n的實際代價；h(n)是結點n到目標結點的最優(yōu)路徑的估計代價。A*算法：g*(n)：初始結點到結點n的最小代價 h*(n)：結點n到目標結點的最小代價4.理解產(chǎn)生式系統(tǒng)的推理方式。知識庫+推理機5.規(guī)則推理的沖突消解方法？能根據(jù)要求進行簡單的推理。按針對性排序按已知事實新鮮性排序按匹配度排序按條件個數(shù)排序按上下文限制排序按冗余限制排序根據(jù)領域問題的特點排序6.什么是不確定推理？從不確定性的初始證據(jù)出發(fā)，通過運用不確定性的知識，最終推出具有一定程度的不確定性但卻是合理或者近乎合理的結論的思維過程。7.能求解證據(jù)和結論的不確定計算方法。C-F模型8.什么是模糊集與隸屬度函數(shù)？論域、元素、集合集合中所有元素的隸屬度全體構成集合的隸屬度函數(shù)9.模糊集的合成計算及截集。R:A XB 合成方法：最大-最小合成10.模糊綜合評判方法及其求解方法。最大隸屬度法 重心法 加權平均判決法 中位數(shù)法第四章 計算智能（神經(jīng)計算）1.神經(jīng)網(wǎng)絡模型的基本組成？神經(jīng)元（樹突、細胞體、突觸、軸突、軸突末梢）活化函數(shù)：閾值函數(shù)、雙向閾值函數(shù)、S型函數(shù)、雙曲正切函數(shù)、高斯函數(shù)神經(jīng)元之間的連接方式拓撲結構2.理解感知器模型的二值邏輯預算。多輸入、單輸出、脈沖信號M-P模型3.開發(fā)一個神經(jīng)網(wǎng)絡的基本階段（步驟）？設計輸入層和輸出層確定隱層及其結點歸一化輸入輸出集合初始化權值選擇活化函數(shù)網(wǎng)絡訓練階段工作階段4.理解Habb學習規(guī)則，感知器學習及其梯度下降法學習規(guī)則。Habb學習規(guī)則：Hebb學習規(guī)則是一個無監(jiān)督學習規(guī)則，這種學習的結果是使網(wǎng)絡能夠提取訓練集的統(tǒng)計特性，從而把輸入信息按照它們的相似性程度劃分為若干類。感知器學習：作為一種線性分類器，（單層）感知機可說是最簡單的前向神經(jīng)網(wǎng)絡形式主，要的本質缺陷是它不能處理線性不可分問題。梯度下降法：求導。一般來說，三層神經(jīng)網(wǎng)絡可以逼近任何一個非線性函數(shù)。第五章 計算智能（進化計算）1.試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。一類借鑒生物界自然選擇和自然遺傳機制的隨機搜索算法,非常適用于處理傳統(tǒng)搜索方法難以解決的復雜和非線性優(yōu)化問題。參數(shù)編碼-初始群體確定-適應度函數(shù)設計-遺傳操作設計（選擇、交叉、變異）-確定算法終止規(guī)則2.會編寫基本的遺傳算法程序。3.理解遺傳算法的三個基本操作算子及其作用。選擇：優(yōu)勝劣汰；使得種群較快地收斂，維持種群的多樣性交叉：增加物種多樣性；生物逐漸向一種特殊遺傳類型收斂，子串能夠部分或者全部繼承父串的結構特征和有效基因。變異：（打破平衡，避免局部極值） 維持群體多樣性，為選擇、交叉過程中可能丟失的某些遺傳基因進行修復和補充。第六章 專家系統(tǒng)1.專家系統(tǒng)的類型解釋、診斷、預測、設計、規(guī)劃、控制、監(jiān)督、修理、教學、調試2.專家系統(tǒng)的基本組成核心部分：知識庫+推理機人機接口、數(shù)據(jù)庫、解釋機構、知識獲取機構3.專家系統(tǒng)與一般應用程序的不同專家系統(tǒng)傳統(tǒng)程序編程思想知識+推理數(shù)據(jù)結構+算法知識單獨組成知識庫，與推理機分離關于問題求解的知識隱含于程序中處理對象符號處理數(shù)值計算和數(shù)據(jù)處理具有解釋功能不具有解釋功能通常產(chǎn)生正確的答案，有時產(chǎn)生錯誤的答案產(chǎn)生正確的答案體系結構不同第七章 機器學習1.什么是機器學習？計算機能模擬人的學習行為，自動地通過學習獲取知識和技能，不斷改善性能，實現(xiàn)自我完善。2.歸納學習和演繹學習的不同點？歸納學習：從個別到一般，從部分到整體 演繹：從一般到個別歸納推理只保證假， 演繹推理保真歸納學習可以不斷獲取新知識而演繹學習的知識是固定的