人工智能期末試卷

第1頁(yè)（共1頁(yè)）XXXX2017至2018學(xué)年第1學(xué)期[MISSINGIMAGE]《人工智能技術(shù)》課程考試（A）卷計(jì)科系級(jí)專業(yè)學(xué)號(hào)姓名題號(hào)一二三四五六七八九十總分得分閱卷大題得分一、選擇題：（2分×10=20分）1．人工智能AI的英文全稱（）最早于1956年在達(dá)特茅斯會(huì)議上被提出。這是歷史上第一次人工智能研討會(huì)，也被廣泛認(rèn)為是人工智能誕生的標(biāo)志。A．AutomaticIntelligenceB．ArtificalIntelligenceC．AutomaticeInformationD．ArtificalInformation2．所謂不確定性推理是從（）的初始證據(jù)出發(fā)，通過運(yùn)用（）的知識(shí)，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(jié)論的思維過程。A．不確定性，確定性B．確定性，確定性C．確定性，不確定性D．不確定性，不確定性3．要想讓機(jī)器具有智能，必須讓機(jī)器具有知識(shí)。因此，在人工智能中有一個(gè)研究領(lǐng)域，主要研究計(jì)算機(jī)如何自動(dòng)獲取知識(shí)和技能，實(shí)現(xiàn)自我完善，這門研究分支學(xué)科叫（）。A．概率推理B．神經(jīng)網(wǎng)絡(luò)C．機(jī)器學(xué)習(xí)D．智能搜索4．下面幾種搜索算法中，不完備的搜索算法是（）。A．廣度優(yōu)先搜索B．A*搜索C．迭代深入深度優(yōu)先搜索D．貪婪搜索5．人工智能的目的是讓機(jī)器能夠（），以實(shí)現(xiàn)某些腦力勞動(dòng)的機(jī)械化。A．模擬、延伸和擴(kuò)展人的智能B．和人一樣工作C．完全代替人的大腦D．具有智能6．在一個(gè)監(jiān)督學(xué)習(xí)問題f:x→y中，輸出y的值域是連續(xù)的，例如實(shí)數(shù)集R，那么這是一個(gè)（）問題。A．分類B．聚類C．回歸D．降維7．牙醫(yī)問題中關(guān)于3個(gè)變量的全聯(lián)合分布如下表所示，通過查表計(jì)算概率P（cavity∨toothache）=（）。toothache?toothachecatch?catchcatch?catchcavity.108.012.072.008?cavity.016.064.144.576A．0.12B．0.28C．0.72D．0.368．在訓(xùn)練手寫數(shù)字圖片識(shí)別模型時(shí)，首先接收到很多名志愿者提供的一系列帶標(biāo)簽的圖片數(shù)據(jù)，以此為基礎(chǔ)程序?qū)W習(xí)如何更好地進(jìn)行識(shí)別，那么在該設(shè)定中指標(biāo)measureP是（）。A．對(duì)輸入圖片進(jìn)行識(shí)別B．分析志愿者提供的帶標(biāo)簽數(shù)據(jù)C．識(shí)別準(zhǔn)確率D．圖片數(shù)據(jù)的標(biāo)簽9．一個(gè)智能體在學(xué)習(xí)時(shí)收集到一系列的傳感輸入xi，但是其對(duì)應(yīng)的輸出yi并沒有給出。智能體依然想要構(gòu)造一個(gè)關(guān)于輸入X的模型用于推理、決策以及預(yù)測(cè)等，此時(shí)學(xué)習(xí)的種類為（）。A．監(jiān)督學(xué)習(xí)B．無監(jiān)督學(xué)習(xí)C．半監(jiān)督學(xué)習(xí)D．深度學(xué)習(xí)10．以下局部搜索算法中屬于貪婪算法的是（）。A．爬山法搜索B．模擬退火搜索C．局部剪枝搜索D．遺傳算法大題得分二．填空題（1分×20=20分）1．學(xué)術(shù)界有四種對(duì)人工智能的定義，分別是類人行為、

、

和

，其中

是本課程學(xué)習(xí)的主要內(nèi)容，其定義可概括為

。2．在二人博弈問題中，最常用的一種分析技術(shù)是

，這種方法的思想是先生成一顆博弈樹，然后再計(jì)算其倒推f值。但它的效率較低，因此人們?cè)诖嘶A(chǔ)上又提出了

。3．智能體的任務(wù)環(huán)境屬性為可觀察性、確定性、片段性、靜態(tài)性、離散性以及智能體數(shù)。那么計(jì)時(shí)棋賽對(duì)應(yīng)的任務(wù)環(huán)境屬性為完全可觀察的、

、

、

、

、多智能體的。[MISSINGIMAGE]4．P（a）是一個(gè)先驗(yàn)概率，那么P（a|b）是后驗(yàn)概率也叫

。如果兩個(gè)變量A和B是完全獨(dú)立的，那么P(A,B)=

。如果A和B在給定C的情況下是條件獨(dú)立的，那么P(B|A,C)=

。利用以上性質(zhì)建立的概率推理模型叫作

。5．使用遺傳算法進(jìn)行局部搜索時(shí)，首先初始化種群，計(jì)算個(gè)體的適應(yīng)度函數(shù)，然后通過，

，

操作生成新種群，直到找出最優(yōu)個(gè)體。6．普通神經(jīng)網(wǎng)絡(luò)由三層神經(jīng)元組成，分別是

、隱含層和輸出層，為了使模型精度更高，我們?cè)黾恿穗[含層的層數(shù)使模型變?yōu)?/p>

。大題得分三．簡(jiǎn)答題（共20分）小題得分1．什么是智能體。（4分）小題得分2．形式化定義“真空吸塵器”問題。（4分）[MISSINGIMAGE]狀態(tài)？：行動(dòng)？：目標(biāo)測(cè)試？：路徑消耗？：小題得分3．列舉出至少五個(gè)機(jī)器學(xué)習(xí)的算法名稱。（5分）小題得分4．在欠擬合和過擬合兩種情況下描述機(jī)器學(xué)習(xí)模型的訓(xùn)練誤差和測(cè)試誤差大小。作出隨著模型復(fù)雜度的增加，兩種誤差變化的趨勢(shì)圖。（7分）大題得分四．綜合計(jì)算題（共40分）小題得分1．跟蹤貪婪搜索和A*搜索算法使用直線距離啟發(fā)式hSLD求解從Lugoj到Bucharest問題的過程。按順序列出貪婪算法探索的節(jié)點(diǎn)和其f值，A*算法探索的節(jié)點(diǎn)和其g,h,f值。求解過程中不考慮避免重復(fù)狀態(tài)。（8分）[MISSINGIMAGE]貪婪搜索：擴(kuò)展節(jié)點(diǎn)nLf(n)244擴(kuò)展節(jié)點(diǎn)nf(n)A*搜索：擴(kuò)展節(jié)點(diǎn)nLghf0244244擴(kuò)展節(jié)點(diǎn)nghf擴(kuò)展節(jié)點(diǎn)nghf小題得分[MISSINGIMAGE][MISSINGIMAGE]2．在澳大利亞地圖染色問題中分別使用前向檢驗(yàn)和弧相容兩種方法進(jìn)行約束傳播。完善如下表所示的傳播過程。（7分）前向檢驗(yàn)：WANTQNSWVSAT初始紅綠藍(lán)紅綠藍(lán)紅綠藍(lán)紅綠藍(lán)紅綠藍(lán)紅綠藍(lán)紅綠藍(lán)WA=紅紅Q=綠紅綠V=藍(lán)紅綠藍(lán)弧相容（當(dāng)前WA=紅，Q=綠）：WANTQNSWVSAT當(dāng)前紅藍(lán)綠紅藍(lán)紅綠藍(lán)藍(lán)紅綠藍(lán)SA→NSWNSW→SAV→NSWSA→NT3．如圖所示博弈樹，最下方數(shù)字是終止節(jié)點(diǎn)的效用值。請(qǐng)對(duì)該博弈樹做如下工作：（1）計(jì)算各節(jié)點(diǎn)準(zhǔn)確的極小極大值（標(biāo)記在節(jié)點(diǎn)旁）；（2）利用α-β剪枝技術(shù)剪去不必要的分枝（直接在對(duì)應(yīng)分枝上畫X）。（8分）小題得分[MISSINGIMAGE]4．使用蟻群算法求解4個(gè)城市A、B、C、D的TSP問題。城市間距離矩陣為D，初始化各路徑信息素τij=0.3,參數(shù)設(shè)置α=1,β=2。第一輪迭代時(shí)一只螞蟻從C點(diǎn)出發(fā)。（10分）小題得分（1）求其第一次選擇A、B、D的概率各是多少。（2）若輪盤隨機(jī)數(shù)固定為p=0.3，求該螞蟻找