人工智能考试复习资料解读讲课稿.docx

人工智能考试复习资料解读讲课稿.docx

《人工智能考试复习资料解读讲课稿.docx》由会员分享，可在线阅读，更多相关《人工智能考试复习资料解读讲课稿.docx（20页珍藏版）》请在冰豆网上搜索。

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。

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）知识应用；（5）机器感知；（6）机器思维；（7）机器学习；（8）机器行为（9）智能系统构建

9、人工智能研究的主要方法：

（1）、功能模拟法

（2）、结构模拟法（3）、行为模拟法（4）、集成模拟法

10、人工智能研究和应用领域：

（1）计算智能

（2）专家系统（3）机器学习（4）机器视觉（5）神经网络

第二章知识表示方法

1、人工智能课程三大内容：

知识表示；知识推理；知识应用。

2、知识表示方法：

（9种）

重点掌握这4种：

状态空间法，谓词演算法，产生表示法，语义网络法（重点），

问题归约法、框架表示、面向对象表示、剧本表示和过程表示。

3、状态空间法

状态空间法三要点：

1状态：

表示问题求解法中每一步问题状况的数据结构；

2算符：

把问题从一种状态变换为另一种状态的手段；

3状态空间方法：

基于解答空间的问题表示和求解方法，它是以状态与算符为基础来表示和求解问题的。

（看p29的图2.2）

4、问题归约法（与或图表示）

有圆弧的表示“与”，无圆弧的表示“或”

或节点：

只要解决某个问题就可以解决其父辈问题的节点集合，如图中（M\N\H）.

与节点：

只有解决所有子问题，才能解决其父辈问题的节点八集合，如图中（B,C）和（D,E,F）各个节点之间用一段小圆弧连接标记。

5、谓词逻辑法

（1）连词

A、合取：

就是用连词（∧）把几个公式连接起来而构成的公式。

相当于“与”

B、析取：

就是用连词（∨）把几个公式连接起来而构成的公式。

相当与“或”

C、蕴涵：

（→）表示“如果….那么”的语句。

D、非：

表示否定，用符号（~，）表示。

（2）量词

A、全称量词：

若一个原子公式P（x），对于所有可能变量x都具有T值，则用（

）表示。

B、存在量词：

若一个原子公式P（x），至少有一个变元x，可使P（x）为T值，则用

（

）P（x）表示。

6、置换与合一

（1）置换

例2.2表达式P[x,f（y）,B]的4个置换为

s1={z/x,w/y}（出现x和y的地方，分别z和w替换，下同）

s2={A/y}

s3={q（z）/x,A/y}

s4={c/x,A/y}

用Es来表示一个表达式E用置换s所得到的表达式的置换。

于是，可得到P[x,f（y）,B]的4个置换的例，如下：

P[x,f（y）,B]s1＝P[z,f（w）,B]

P[x,f（y）,B]s2=P[x,f（A）,B]

P[x,f（y）,B]s3=P[q（z）,f（A）,B]

P[x,f（y）,B]s4=P[c,f（A）,B]

（2）合一

例2.3表达式集{P[x,f（y）,B]，P[x,f（B）,B]}的合一者为s={A/x,B/y}

因为P[x,f（y）,B]s=P[x,f（B）,B]s=P[A,f（B）,B]

即s使表达式成为单一形式P[A,f（B）,B]

7、二元语义网络的表示

（1）语义网络的组成：

词法部分；结构部分；过程部分；语义部分。

例，所有的燕子（SWALLOW）都是鸟（BIRD）。

建立两个节点SWALLOW和BIRD，分别表示燕子和鸟。

两个节点以“是一个”（ISA）链相连，如图一，如果再希望表示小燕（XIAOYAN）是一只燕子，那么，只需要在语义网络上增加一个节点（XIAOYAN）和一根ISA链。

如图二

ISA

图一ISA

图二

除了按分类学对物体进行分类以外，人们通常需要表示有关物体性质的知识。

假设希望表示小燕子有一个巢（NEST）这个事实，那么，可用所有权连（OWNS）连到表示是小燕子的巢的节点巢－１（NEST－１）。

巢－１是巢中的一个，即NEST节点表示物体的各类，而NEST－１表示这种物体中的一个例子。

如下图

ISA

（2）语义网络中的推理过程主要有两种：

继承和匹配。

（3）3种继承过程：

①值继承；②“如果需要”继承；③“默认”继承。

值继承：

除了ISA链以外，另外还有一种AKO（是某种）链也可被用于语义网络中的描述或特性的继承。

AKO是A-KIND-OF的缩写。

Manager

第三章确定性推理

1、盲目搜索（无信息搜索）：

图搜索策略、宽度优先搜索、深度优先搜索、等代价搜索。

2、宽度优先搜索和深度优先搜索的优缺点：

并作图（简答题）

宽度优先搜索：

这种搜索是从上到下逐层进行的，在对下一层的任一节点进行搜索之前，必须先搜索完上层的所有节点。

它是图搜索一般过程的特殊情况，实际是将OPEN表作为“先进先出”的队列进行操作。

并能够保证在搜索树种找到一条通向目标节点的最短途径；这颗搜索树提供了所有存在的路径（缺点：

如果没有路径存在，那么对有限图来说，该算法失败退出；对于无限图来说，则永远不会终止。

）

深度优先搜索：

首先扩展最新产生的（即最深的）节点，深度相等的节点可以任意排序。

其中起始节点（即根节点）的深度为0，任何其他节点的深度等于其父辈节点深度加上1。

深度优先搜索可能会使搜索过程沿着无益的路径扩展下去，造成路径太长，即使应用了深度界限来避免该问题，但所求得的解答路径并不一定就是最短路径。

启发式搜索：

（盲目搜索的不足：

效率低，耗费过多的计算空间与时间）

（1）启发式搜索策略：

用估价函数（evaluationfunction）来估算节点希望程度（promise）

（2）有序搜索；（3）A*算法

新的智能搜索算法：

遗传算法、模拟退火算法和免疫算法

3、谓词演算公式可以化成一个子句集的变换过程步骤：

（1）消去蕴涵符号

（2）减少否定符号辖域（3）对变量标准化（4）消去存在量词（5）化为前束形（6）把母式化为合取范式（7）消去全称量词（8）消去连词符号^（9）更换变量名称

4、（题4—4）基于规则的演绎系统和产生式系统，均有两种推理方式：

正向推理和逆向推理

正向推理：

从if部分向then部分推理的过程，它是从事实或状况向目标或动作进行操作的。

逆向推理：

从then部分向if部分推理的过程，它是从目标或动作向事实或状况进行操作的。

5、规则演绎系统：

（1）正向规则演绎系统

（2）逆向规则演绎系统

（3）双向规则演绎系统

6、产生式的基本形式

（4）

（1）产生式规则是一种因果关系或推理关系，通常形式如下：

（5）IFPTHENQ（如果P则Q）或者P→Q

（6）其中，P称为条件、前向或产生式的左边，Q称为操作、结果或产生式的右边。

其还可以是“如果P被满足，则可推出结论Q，或应该执行操作Q”。

（7）

（2）产生式推理

（8）如果已有产生式规则P→Q

（9）并且观察到P，或者知识库中已p，则可得得到结论Q，或执行操作Q。

（10）这种推理的一个关键之处是如何有效解决规则匹配的冲突问题。

7、产生式系统的推理方式分为（按搜索方向）：

（1）正向推理

（2）反向推理

（3）双向推理

第四章非经典推理

1、不确定性推理：

在推理过程中所使用的知识、证据等有不确定性。

第五章计算智能

1、人工神经网络

人工神经网络（ANN）或模拟神经网络是由人工神经元组成的，可把人工神经网络看成是以处理单元（PE）为节点、用加权的向弧（链）相互连接而成的有向图。

它的三层结构：

输入层、输出层、隐层。

2、模糊计算

3、遗传算法是仿真和自然选择机理，通过人工方式所构造的一类搜索法，从某种程度上来说遗传算法是对生物进化过程的数学方式仿真。

遗传算法的基本原理：

A、编码与译码：

将问题结构变换为位串形式编码表示的过程叫编码；反之，将位串形式编码表示变换为原问题结构的过程叫译码。

位串形式编码表示称为染色体或个体。

B、适应度函数：

为了体现个体的适应能力，引入了对问题中的每一个个体都能进行度量的函数，称为适应度函数。

C、遗传操作：

主要有三种（选择、交叉、变异）

选择操作也叫复制操作，根据个体的适应度函数值所度量的优劣程度决定它在下一代是被淘汰还是被遗传。

交叉操作：

它的简单方式是将被选择出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换。

变异操作：

它的简单方式是改变数码串的某个位置上的数码。

D、控制参数（交叉概率取0.6~0.95之间的值，变异概率取0.001~0.01之间的值，种群规模为30~100）。

第六章专家系统

1、专家系统：

是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，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。

2、专家系统的特点：

（1）启发性

（2）透明性（3）灵活性

3、专家系统的优点：

（1）能够高效率、准确、周到、迅速和不知疲倦地进行工作。

（2）解决实际问题时不受周围环境的影响，也不可能遗漏忘记。

（3）能够不受时间和空间的限制，保存、推广珍贵和稀缺的专家知识与经验。

（4）能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼。

（5）能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力。

4、专家系统简化结构图：

专家知识

输出或提问答案

专家系统的主要组成部分：

知识库、综合数据库、推理机、解释器、接口

知识库：

用于存储某领域专家的专门知识，包括事实、可行操作与规则等。

建立知识库，需要解决知识获取和知识表示问题。

包括两个部分内容一部分是已知的同当前问题有关的数信息，另一部分是进行推理时要用到的一般知识和领域知识。

推理机：

用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。

能够根据知识进行推理和导出结论，而不是简单地搜索现成的答案。

5、专家系统设计与建立步骤

再设计

改进

问题知识概念结构规则

形式

重新阐述

建立系统的一般步骤：

（1）设计初始知识库：

包括问题知识化、知识概念化、概念形式化、形式规则化、规则合法化

（2）原型机的开发与试验（3）知识库的改进与归纳

6、评价专家系统的内容（掌握5项）

当专家系统完成时，应对系统的以下各方面都做出正式的评价）：

（1）系统所做的决定和建议的质量；

（2）所用推理技术的正确性；（3）人机对话的质量；（4）效率；（5）成本效果（或工程经济分析）。

7、专家系统开发工具：

骨架型开发工具（又称外壳）、语言型开发工具、构造辅助工具、支撑环境。

8、新型专家系统具有以下特征：

（1）并行与分布处理；

（2）多专家系统协同工作；（3）高级语言和知识语言描述；（4）具有自学习功能；（5）引入新的推理机制；（6）具有自纠错和自完善能力；（7）先进的智能人机接口。

第七章机器学习

1、学习系统的基本结构（填图题或解答题）

环境向系统的学习的部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

2、机器学习常见的几种学习方法：

（1）机械学习；

（2）基于解释的学习；（3）基于事例的学习；（4）基于概念的学习；（5）基于类比的学习；（6）基于决策树的归纳学习；（7）强化学习。

第十章自然语言理解

1、语言的构成

语言

词汇语法

词熟语词法句法

词素构形法构形法造句法词组构造法

语音和文字是构成语言的两个基本属性

语言是以词为基本单位，词汇又受到语法的支配才可以构成有意义和可理解的句子，词汇又可分为词和熟语。

熟语就是一些词的固定组合，如汉语中的成语。

词又由词素构成，“教室”是由“教”和“师”这两个词素所构成的。

词素是构成词的最小的有意义的单位。

语法是是语言的组织规律，语法规则制约着如何把词素构成词，词构成词组和句子。

用词素构成词的规则叫构词法，一个词又有不同的词形、单数、复数、阴性、阳性等，这种构造词形的规则称为构形法。

句法分为词组构造法和造句法。

音素是指一个发音动作所构成的最小的语音单位。

2、自然语言理解过程的层次（从低到高）：

（1）语音分析（最低）

（2）词法分析（3）句法分析（4）语义分析（5）语用分析（最高）

的解释。

湘潭大学2006年上学期2003级《人工智能》课程期末考试 

一、选择题（每小题1分） 

1.智能行为包括（A）、推理、学习、通信和复杂环境下的动作行为 A.感知   

B.理解   

C.学习  

D.网络     

2.简单遗传算法的遗传操作主要有三种：

选择操作，交叉操作，（C）操作P135 A.连接  

 B.复制  

C.变异  

D.结合 

3.提出了著名的三段论的科学家是（D） A.达尔文 

B.图灵  

C.罗素  

D.亚里士多德 

4.下列（C）不是多艾真体系统的模型P257 A.BDI模型 

B.协商模型 

C.联合规划模型 

D.自协调模型 

5.按教材所述，艾真体主要通信语言有（A）种 

A.2 

 B.3 

 C.4   

D.5 

6.首次提出“人工智能”是在（D）年P3 A.1946 

B.1960  

C.1916  

D.1956 

7.问题求解技术主要是两个方面：

（A）和求解的方法P24 A.问题的表示  

B.推理的方法   

C.学习的方法   

D.启发的方式 

8.对于人的思维的模拟可以从两条道路进行：

一是（D），二是功能模拟 A.思维模拟    B.行为模拟    C.认知模拟     D.结构模拟 9.下列（B）不是专家系统的特点P149 A.启发性    

 B.主动性  

  C.透明性     D.灵活性 

10.（C）是人类拓展认识能力的重要方法，是一种从个别到一般，从部分到整体的推理行为 A.推理    

 B.假设   

 C.归纳   

 D.类比 

11.通常有二种不确定性，分别为（C）和关于结论的不确定性。

 A.关于目标的不确定性    B.关于推理的不确定性 C.关于证据的不确定性     

D.关于智能体的不确定性 

12.知识发现的处理过程不包括下列过程（D）P203 A.数据挖掘 

  B.数据选择   C.知识评价    D.数据存储 

13.（A）就是通过类比，即通过对相似事物加以比较所进行的一种学习 A．类比学习   B.归纳学习  C.机构学习  

 D.基于解释的学习 

14.下列（B）不是建立专家系统的一般步骤P155 A．设计初始知识库     B.排序与查询 C.原型机的开发       

D.知识库的改进与归纳 

二、判断题（每小题1分） 

1.一般应用程序与专家系统有区别。

（√） 

2.首次提出“人工智能”的会议是在英国召开的。

（×） 

3.语义网络、框架和剧本等知识表示方法，均是对知识和事实的一种静止的表示方法。

（√） 

4.尽管机器（计算机）可以有智能，但不能够用机器（计算机）模仿人的智能。

（×） 5.如果搜索是经接近起始节点的程序来依次扩展节点，这种搜索叫深度搜索。

（×） 6.遗传算法保证所求得的是最佳答案。

（×） 

7.问题状态描述中的算符是问题从一种状态变化为另一种状态的手段。

（√） 8.专家系统的结构选择不需要根据系统的应用环境和所执行任务的特点就可以确定。

（×） 

9.示例学习又称为实例学习，它是通过环境中若干与某个概念有关的例子，经归纳得出的一般性概念的一种学习方法。

（√） 

10.黑板法由一组称为知识资源（KS）的独立模块和一块黑板组成求解系统。

知识资源含有系统中专门领域的知识，而黑板则是一切KS可以访问的公用数据结构。

（√） 

11.专家系统启发性是专家系统能够解释本身的推理过程和回答用户提出的问题。

（×） 

12.原子公式由若干谓词符号和分子组成的谓词演算。

（×） 

13.机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。

（√） 

14.协作性不是分分布式人工智能的特点。

（×） 15.知识发现方法中没有机器学习方法。

（×） 

三、填空题（每空1分） 

1.按节点间协作量的多少，多agent的协作分为三类：

全协作系统、无协作系统和半协作系统。

2.目前人工智能的主要学派有三家：

符号主义、连接主义和行为主义。

3.设用遗传算法求解某问题时，产生了四个个体A、B、C和D，适应度值分别为34、88、60和45，采用赌轮选择机制，则个体A的适应度值所占份额为34/227。

4.盲目搜索包括：

宽度优先搜索，深度优先搜索和等代价搜索。

5.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。

6.数据库中的知识发现是从大量的数据中辨识出有效的、新颖的、潜在有用的并可被理解的高级处理过程。

7.智能机器是能够在各类环境中自主地或交互地执行各种拟人任务的机器。

8.任务规划是机器人高层规划最重要的一个方面，它包含建立模型，任务说明，程序综合。

9.“我听音乐或者绘画”的谓词表示的析取式LISTEN（I,MUSIC）VDRAW（I,PAINTING） 

10.机器学习所采用的策略大体上可分为4 种：

机械学习，示教学习，类比学习，示例学习。

11.语义网络是知识的一种图解表示，它由节点和连接弧线组成。

四、计算题（每小题8分） 

1.将下列谓词演算公式化为一个子句集 

xy

z（Above（x,y） 

Above（y,z） 

Above（x,z）） 

2.给出用宽度优先搜索应用于八数码难题时所生成的搜索树。

这个问题就是要把初始棋局转变为目标棋局的问题 

如果d（n）是搜索树节点n的深度；W（n）用来计算对应于节点n的数据库中错放的棋子个数。

估价函数f（n）=d（n）+W（n）,则起始节点棋局的d值、W和f值分别等于多少？

解：

 d=0  W=6  f=6  

3.从初始状态开始，正向地依次写出连接弧线上的F规则，要求写出每一次使用F规则时的先决条件、删除表和添加表，并且要求使用如下谓词逻辑公式：

 ON（a,b）:

积木a在积木b之上； ONTABLE（a）:

积木a在桌面上； CLEAR（a）:

积木a顶上 没有任何东西； HOLDING（a）:

机械手正抓住积木a; HANDEMPTY:

机械手为空手; 

设初始布局可由下列谓词公式的合取来表示：

 CLEAR（A）:

积木A顶部为空 CLEAR（C）:

积木C顶部为空 ON（C,B）:

积木C堆在积木B上 ONTABLE（A）:

积木A置于桌面上 ONTABLE（B）:

积木B置于桌面上 HANDEMPTY:

机械手为空手 

五、问答题（每小题13分） 

1.试述遗传算法步骤，并将遗传算法与传统优化方法作比较。

解：

遗传算法步骤：

（1）随机产生一个由确定长度的特征字符串组成的初始种群。

（2）对该字符串种群迭代地执行下面的步骤①和步骤②，直到满足停止准则为止：

① 计算种群每个 字符串的适应值 

②应用复制、交叉和变异等遗传算子产生下一代种群。

（3）把在后代中出现的最好的个体字符串指定为遗传算法的执行结果，这个结果可以表示问题的一个角。

     比较：

GA的早期应用主要围绕组合优化问题求解，如煤气管道的最优控制、旅行商（TP）问题等。

常规数字优化技术基于梯度寻优技术，计算速度快。

不足之处：

其目标数可微，常因陷入局部解而不能获得最优的全局解。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。

——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。

——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：

心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。

——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。

——高尔基

14、书到用时方恨少、事非经过不知难。

——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。

——笛卡儿

17、学习永远不晚。

——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。

——刘向

19、学而不思则惘，思而不学则殆。

——孔子

20、读书给人以快乐、给人以光彩、给人以才干。

——培根