人工智能考试复习资料.docx

人工智能考试复习资料.docx

《人工智能考试复习资料.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.docx（11页珍藏版）》请在冰豆网上搜索。

人工智能考试复习资料

人工智能考试复习资料

人工智能

第一章

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：

（考4个）

（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

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：

（选择题）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p31的图2.3）

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、谓词归约法

（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2.3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2.4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、产生式的基本形式

（1）产生式规则是一种因果关系或推理关系，通常形式如下：

IFPTHENQ（如果P则Q）或者P→Q

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”。

（2）产生式推理

如果已有产生式规则P→Q

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。

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。

8、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。

参考P502.6

第三章

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

3、新的智能搜索算法：

遗传算法、模拟退火算法和免疫算法

4、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）。

5、模拟退火算法的来源：

模拟退火算法来源于固体退火原理，将固体加热至充分高的温度，再让其徐徐冷却，加温时，固体内部粒子随温度的升高而变为无序状态，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。

6、模拟退火算法分解为三个部分：

解空间、目标函数、初始解

第四章

1、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

2、（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。

3、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

4、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

5、定性推理：

是从物理系统（包括自然系统和人造系统）的结构描述出发，以定性方法研究系统的结构、行为、功能以及它们之间的因果关系等，目的是预测系统的行为并给出合理的解释。

6、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

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：

（简答题，4个以上）

（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。

3、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。

第六章

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