國家開放的大學《人工智能專題》形考任務二答案

判斷題現實世界中的規(guī)劃問題需要先調度，后規(guī)劃?！羻l(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象?！恋鹊闹R?！粱ò甑拈L度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類器進行訓練?！翣顟B(tài)空間圖是對一個問題的表示，通過問題表示，人們可以探索和分析通往解的可能貝葉斯定理是為了解決頻率概率問題提出來的?！林^詞邏輯是應用于計算機的邏輯形式，其邏輯規(guī)則、符號系統(tǒng)與命題邏輯是一樣的?！罰（A∣B）代表事件A發(fā)生的條件下事件B發(fā)生的概率?！寥斯ぶ悄芾眠z傳算法在求解優(yōu)化問題時，會把問題的解用“0”和“1”表示。0,1填空題人們想讓智能機器分辨哪個動物是熊貓，就會輸入一些數據告訴機器。如圖上所示的代代的不斷進化，最終收斂到“最適應環(huán)境”的個體，從而求得問題的最優(yōu)解或滿意解。（多選）在A*算法中，當我們找尋當前節(jié)點的相鄰子節(jié)點時，需要考慮(如果比它原有計算的F值更小。如果更小則更新其F值，并將其父節(jié)點設置為當前節(jié)點。如果沒有更小，則保持它原有的父節(jié)點和F值。如果該子節(jié)點已經在Close列表中，則我們可以直接丟棄它。如果該子節(jié)點不在任何列表中，則將其加入到Open列表，并計算F值，設置其父節(jié))算法模型看起來像一棵倒立的樹，數據沿著樹根輸入，再從葉子節(jié)點輸出，中間的分（多選）貝葉斯認為概率是（對事物發(fā)生可能性的一種合理置信度；基于不確定性因（A*算法）的原理是：每一個節(jié)點綁定一個啟發(fā)值，然后經導機器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點，規(guī)避一些無用或效率較低的節(jié)點，從而快速找到當我們在物品種類很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時，其實可以借助一些特別的處理方法來解決，這些方法中的一種被稱為“遺傳算法”，它是通過模擬達爾文的進化論來解決問題的，因此也被歸類為“進化算法”。（約翰?霍蘭德）教授首先（多選）假設有一個能自己打掃衛(wèi)生的真空吸塵器，它的世界只有兩塊地毯那么大。它可以感知自己處于哪塊地毯，這塊地毯是干凈的還是臟的。它可以選擇向左移動（R）、向右移動（L）、吸塵（S），或者什么也不做。下面是吸塵器清掃地毯這個問題的狀態(tài)空貝葉斯網絡是一個（有向無環(huán)圖）。以下哪一項不是機器智能的來源（數據結構）下面的動物識別系統(tǒng)中，我們可以在方框中點擊所知動物的某些特征，計算機可以據此來識別該動物。這一系統(tǒng)所使用的知識表示方法是（產生式系統(tǒng)）（多選）機器通過“學習”也能掌握這種分門別類的技能，如識別人臉，或者區(qū)分兩種花。像這樣能夠完成分類任務的人工智能系統(tǒng)，被稱為分類器。機器分類的流程可以被（亞瑟·塞繆爾）設計出了一個會自主學習的跳棋程序，駁倒了“機器無法超越人類，像人類一樣寫代碼和學習”的理論，創(chuàng)造出了“機器學習”這一術語。（多選）人工智能中問題求解的目的包括：（讓機器自動找出某問題的正確解決策略。（多選）手機上的智能語音助手，之所以能解中找到它們。它可以憑借其邏輯能力推理并解答問題當神經網絡接收到工作任務時，就是用（輸入層）來接收這些任務所對應的數據集，如圖像每個像素點的特征數值——色彩、亮度等。（）的每個神經元都是任務的特征，即特征數值。深度學習模型區(qū)別于早期的人工神經網絡的是（增加模型訓練的層次）機器學習過程中，近似