1.人工智能概念：人造智能，其英文表示是“Artifical Intelligence”，简称AI。
“人工智能”一词目前是指用计算机模拟或实验的智能，因此人工智能又称机器智能。2.框架的概念：
顾名思义，框架（frame）就是一种结构，一种模式，其一般形式是：
<框架名>
<曹名1><槽值1>|<侧面名11><侧面值111，侧面值112，···>
<侧面名12><侧面值121，侧面值122，···>
·
<曹名2><槽值2>|<侧面名21><侧面值211，侧面值212，···>
<侧面名22><侧面值221，侧面值222，···>
·
<曹名k><槽值k>|<侧面名k1><侧面值k11，侧面值k12，···>
<侧面名k2><侧面值k21，侧面值k22，···>
·
即一个框架一般有若干个槽，一个槽有一个槽值或者有若干个侧面
3.人工智能实际上是一门综合性的交叉学科和边缘学科。
4.数据挖掘（也称数据开采、数据采掘等）和数据库中的知识发现的本质含义是一样的，只是前者主要流行于统计、数据分析、数据库和信息系统等领域，
后者则主要流行于人工智能和机器学习等领域。
5.PROLOG语言只有三种语句，分别称为事实、规则和问题。
6. PROLOG中称无值的变量为自由变量，有值的变量为约束变量。
7.一个完整的Turbo PROLOG程序一般包括常量段、领域段、数据字段、谓词段、目标段和
子句段等六个部分。（加粗字体为常用部分）
8.在状态图中寻找目标或路径的基本方法就是搜索。
9.搜索方式：树式搜索和线式搜索。
10.树式搜索:形象的讲就是以“画树”的方式进行搜索。即从树根（初始节点）出发，一笔。
一笔地描出一棵树来。准确地讲，树式搜索就是在搜索过程中记录所经过的所
有节点和边。所以，树式搜索所记录的轨迹始终是一棵“树”。
11.有界深度优先搜索：给出了搜索树深度限制，当从初始节点出发沿某一分枝扩展到一限
定深度时，就不能再继续向下扩展，而只能改变方向继续搜索。
12.启发式搜索：利用启发性信息进行制导的搜索。启发性信息就是有利于尽快找到问题之
解的信息.
13.遗传算法（GA）：人们从生物界按自然选择和有性繁殖、遗传变异的自然进化现象中得到
启发，而设计出来的一种优化搜索算法。
14.遗传算法的三种运算：选择-复制、交叉和变异。
15.原子公式是谓词公式。
16.P97 辖域、约束变元和自由变元能分清就可以。
17.设A为如下形式的谓词公式：B1∧B2∧···∧Bn其中Bi（i=1,2，····，n）形如
L1∨L2∨···∨Lm，Li（j=1,2，···，m）为原子公式或其否定，则A称为合取范式。18.设A为如下形式的命题公式：B1∨B2∨···∨Bn其中Bi（i=1,2，····，n）形如
L1∧L2∧···∧Lm，Li（j=1,2，···，m）为原子公式或其否定，则A称为析取范式。
（要求会分辨合取范式和析取范式）
19.设L为一个文字，则称L与﹁L为互补文字。
20.设C1，C2是命题逻辑中的两个子句，C1中有文字L1，C2中有文字L2，且L1与L2互补，
从C1，C2中分别删除L1,L2,再将删除部分析取起来，记构成的新子句为C12，则称C12为C1，C2的归结式（或消解式），C1，C2称为其归结式的亲本子句，L1,L2称为消解基。
21.归结策略——支持集策略
目标公式否定的子句集即为支持集
22.一个产生式规则就是一条知识。
用产生式不仅可以进行推理，而且还可以实现操作。
23.产生式系统的组成：产生式规则库、推理机和动态数据库。
产生式系统的运行过程也是一个搜索的过程。
24.控制策略包括正向推理、反向推理和冲突消解策略
25.产生式系统的推理方式、搜索策略和冲突消解策略等，一般统称为推理控制策略，或简称控制策略
26.基于框架的推理方法是继承。
继承就是子框架可以拥有其父框架的槽及其槽值。实现继承的操作有匹配、探索和填槽。
27.语义网络（semantic network ）是由节点和边（也称有向弧）组成的一种有向图。
28.不确定性的类型（至少答四个）
不肯定、不可靠、不准确、不确切、不精确、不严格、不严密、不完全、不一致
29.我们只讨论不确定性产生式规则的表示。对于这种不确定性，一般采用概率或信度来刻
划。一个命题的信度是指该命题为真的可信程度。
30.程度元组
(<对象>，<属性>，(<语言属性值>，<程度>)) ------程度表示法
31.命题的真值，除了“真”、“假”、外还可以有“不能判定”。
32.传统的逻辑系统都是单调逻辑。
33.基本概率分配函数
（1）m(?)=0;
（2） ∑Ω?=A A m 1)(
34.信任区间刻划了对A 所持信任程度的上下限。如：
（1）[1，1]表示A 为真（Bel(A)=Pl(A)=1）
（2）[0，0]表示A 为假（Bel(A)=Pl(A)=0）
（3）[0，1]表示对A 完全不知。因为Bel(A)=0，说明对A 不信任；
而Bel(A ’)=1-Pl(A)=0,说明对A ’也不信任
（4）[1/2，1/2]表示A 是否为真是完全不确定的。
35.似真函数pl 性质
（1）Pl(A)=
∑Φ≠B A B m )(。
（2）Pl(A)+Pl(A ’)≥1。
（3）Pl(A)≥Bel(A)。
36.定义3 设A 、B 是X 的模糊子集，A 、B 的交集B A 、并集B A 和补集A ’，分别由下面的隶属函数确定：
))(),(min()(x x x B A B A μμμ=
))(),(max()(x x x B A B A μμμ=
)(1)('x x A A μμ-=
37.诊断推理就是由结果到原因的推理，即已知网络中的后代节点而计算祖先节点的条件概率。这种推理是一种自上而下的推理。
38.能够表征或刻画被识对象类属特征的信息模型称为对象的模式。
39.最常用的模式表示形式有向量和字符串。
40.自然语言理解包括语音理解和文字理解。语句应该是理解的最小单位。
41.专家系统拥有的知识是专家知识，而且主要是经验性知识。
42.知识库和推理机是两个最基本的模块。
43.元知识是关于调度和管理知识的知识。
44.快速原型与增量式开发是设计实现方法之一。
45.知识库是专家系统的核心。
46.黑板模型是结构模型
黑板模型是一种典型而流行的专家系统结构模式。
47.贝叶斯网络是一种以随机变量为节点，以条件概率为节点间关系强度的有向无环图。拓扑结构为一个不含回路的有向图，图中的节点表示随机变量，有向边描述了相关节点或变量之间的某种依赖关系，而且每个节点附一个条件概率表，以刻画相关节点对该节点的影响，条件概率可视为节点之间的关系强度。
48.基于学习策略的分类
采用数学方法
这种机器学习方法主要有统计机器学习。而统计机器学习又有广义和狭义之分。
广义统计机器学习指以样本数据为依据，以概率统计理论为基础，以数值运算为方法的一类机器学习。统计学习又可分为以概率表达式函数为目标和以代数表达式函数为目的两大类。
狭义统计机器学习则是指从20世纪90年代开始以Vapnik的统计学习理论（Statistical Learning Theory,SLT）为标志和基础的机器学习。
49.专家系统：应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思
维，能达到专家的水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统。
50.人工智能的研究目标和策略：
（1）研究目标：就是制造智能机器和智能系统，就是要使计算机具有自主发现规律、解决问题和发明创造的能力，从而大大扩展和延伸人的智能，实现人类社会的全面智能化。（2）研究策略：是先部分地或某种程度地实现机器的智能，并运用智能技术解决各种实际问题特别是工程问题，从而使现有的计算机更灵活、更好用和更有用，成为人类的智能化信息处理工具，从而逐步扩展和不断延伸人的智能，逐步实现智能化。
51.人工智能的研究途径和方法——心理模拟，符号推演
（1）“心理模拟，符号推演”就是从人脑的宏观心理层面入手，以智能行为的心理模型为依据，将问题或知识表示成某种逻辑网络，采用符号推演的方法，模拟人脑的逻辑思维过程，实现人工智能。
（2）基于心理模拟和符号推演的人工智能研究，被称为心理学派、逻辑学派、符号主义。（3）符号推演法是人工智能研究中最早使用的方法之一。
52.人工智能可分为符号智能和计算智能，二者的相似之处是：
（1）二者都涉及表示和运算
（2）二者都是通过搜索进行问题求解的。
符号智能的表示是知识表示，运算是基于知识表示的推理或符号操作；计算智能的表示一般是对象表示，运算是基于对象表示的操作或计算。符号智能采用搜索方法进行的问
题求解，一般是在问题空间搜索；计算智能也采用搜索方法进行问题求解，一般是在解空间搜索。
归纳起来，“表示”、“运算”和“搜索”则是人工智能的三个最基本、最核心的技术。
53.PROLOG的合一操作可使两个能匹配的谓词合一起来，即为参加匹配的自由变量和常量，或者两个自由变量建立一种对应关系，使得常量作为对应变量的约束值，使得两个对应的自由变量始终保持一致，即若其中一个被某值约束，则另一个也被同一值约束；反之，若其中一个的值被解除，则另一个的值也被解除。
合一操作是PROLOG的一个特有机制。
54. PROLOG程序的执行过程是一个（归结）演绎推理过程。其特点是：推理方式为反向推理，控制策略是深度优先，且有回溯机制。其具体实现方法是匹配子句的顺序是自上而下；子目标选择顺序是从左向右；（归结后）产生的新子目标总是插入被消去的目标处（即目标队列的左部）
55.图搜索技术是人工智能中的核心技术之一，这里的图是指由节点和有向边组成的网络。
按连接同一节点的各边间的逻辑关系划分，图又可分为或图（也称直接图）和与或图两大类。从而，图搜索也就分为或图搜索和与或图搜索两大类。或图通常称为状态图。
人工智能技术中，把描述问题的有向图称为状态图或状态空间。
56.产生式系统的推理可分为正向推理和反向推理两种基本形式。
正向推理就是从初始事实数据出发，正向使用规则进行推理（即用规则前提与动态数据库中的事实匹配，或用动态数据库中的数据测试规则的前提条件，然后产生结论或
执行动作），朝目标方向前进；
反向推理就是从目标出发，反向使用规则进行推理（即用规则结论与目标匹配，又产生新的目标，然后对新目标再作同样的处理），朝初始事实或数据方向前进。
57.专家系统的特点
（1）从处理的问题性质看，专家系统善于解决那些不确定性的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。
（2）从处理问题的方法看，专家系统则是靠知识和推理来解决问题，所以，专家系统是基于知识的智能问题求解系统。
（3）从系统的结构来看，专家系统则强调知识与推理的分离，因而系统具有很好的灵活性和可扩展性。
58.专家系统的类型
按输出结构分类，专家系统课分为分析型和设计型。
（了解）
分析型就是其工作性质属于逻辑推理，其输出结果一般是个“结论”；
设计型就是其工作性质属于某种操作，其输出结果一般是一个“方案”。
按规模分类，可分为大型协同式专家系统和微专家系统。
（了解）
大型协同式专家系统就是由多科学、多领域的多个专家互相配合、同力协作的大型专家系统。这种专家系统也就是由多个子（分）专家系统构成的一个综合集成系统。他所解决的是大型的、复杂的综合性问题，如工程、社会、经济、生态、军事等方面的问题。
微专家系统则是可固化在一个芯片上的超小型专家系统，它一般用于仪器、仪表、设备或装置上，以完成控制、监测等功能。
59.不确定性定义
狭义的讲，不确定性应该是指描述随机事件或随机现象所表现出的不确定性，这种不确
定性一般用概率来刻画。
对广义的不确定性进行进一步划分，可分为（狭义）不确定性、不确切性（亦称模糊性）、不完全性、不一致性和时变性等几种类型。
60．所谓“黑板”，就是一个分层的全局工作区（或称全局数据库）。它用来存储初始数据、中间结果和最终结果。整个黑板被分为若干层，每一层用于描述领域问题的某一类信息。高层信息可以看作是下层信息的抽象（或整体），反之，下层信息可看作是上层信息的实例（或部分）。
61.Agent基本特性：
（1）自主性，亦称自治性，即能够再没有人或别的Agent的干预下，主动地自发地控制自身的行为和内部状态，并且还有自己的目标或意图。
（2）反应性，既能够感知环境，并通过行为改变环境。
（3）适应性，即能根据目标、环境等的要求制约做出行动计划，并根据环境的变化，改变自己的目标和计划。
（4）社会性，即一个Agent一般不能在环境中单独存在，而要与其他Agent在同一环境中协同工作。而协作就要协商，要协商就要进行信息交流，信息交流的方式是相互通信。
P71 例3.15 P75 例3.17 P110—P112 例5.21 例5.22 例5.23 例5.24 P138 例题7.1
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。
实验一：知识表示方法 一、实验目的 状态空间表示法是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验通过牧师与野人渡河的问题，强化学生对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。 二、问题描述 有n个牧师和n个野人准备渡河，但只有一条能容纳c个人的小船，为了防止野人侵犯牧师，要求无论在何处，牧师的人数不得少于野人的人数(除非牧师人数为0)，且假定野人与牧师都会划船，试设计一个算法，确定他们能否渡过河去，若能，则给出小船来回次数最少的最佳方案。 三、基本要求 输入：牧师人数(即野人人数)：n；小船一次最多载人量：c。 输出：若问题无解，则显示Failed，否则，显示Successed输出一组最佳方案。用三元组(X1, X2, X3)表示渡河过程中的状态。并用箭头连接相邻状态以表示迁移过程：初始状态->中间状态->目标状态。 例：当输入n=2，c=2时，输出：221->110->211->010->021->000 其中：X1表示起始岸上的牧师人数；X2表示起始岸上的野人人数；X3表示小船现在位置(1表示起始岸，0表示目的岸)。 要求：写出算法的设计思想和源程序，并以图形用户界面实现人机交互，进行输入和输出结果，如： Please input n: 2 Please input c: 2 Successed or Failed?: Successed Optimal Procedure: 221->110->211->010->021->000
四、实验结果 四、实验心得 本次实验运用了状态空间表示法，这是人工智能领域最基本的知识表示方法之一，也是进一步学习状态空间搜索策略的基础，本实验强化我对知识表示的了解和应用，为人工智能后续环节的课程奠定基础。
小论知识与知识表示方法 摘要： 知识是人们在生产生活中经常使用的词汇，知识表示的过程是用一些约定的符号把知识编码成计算机可以接受的数据形式。知识的表示方法例如一阶谓词逻辑表示法，产生式表示法，语义网络表示法，框架表示法和过程规则表示法等等。目前，产生式表示法已经成了人工智能中应用最多的一种知识表示模式，尤其是在专家系统方面，产生式的基本形式P→Q 或者 IF P THEN QP是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P 满足时，应该推出的结论或应该执行的动作。 关键字：知识；知识表示；产生式表示法 引言： 知识和知识表示方法是人们生活中必不可少的一部分，知识表示能力是指知识表示方法能否正确、有效地将推理所需要的各种知识表示出来，这是对知识表示方法的最为重要的要求。因为产生式表示方
法的自然性，有效性，一致性获得了所有人的肯定，成为构造专家系统的第一选择的知识表示方法。 正文： 1、知识 1.1知识的定义 知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 1.2知识的特性 1）真假性及其相对性 2）不确定性 3）矛盾性或相容性 4）可表示性与可利用性 1.3知识的分类 1）叙述型知识，有关系统状态、环境、条件和问题的概念、定义和事实的知识。 2）过程型知识，有关系统变化、问题求解过程的操作、演算和运动的知识。 3）控制型知识，有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 2、知识表示方法——产生式表示方法 “产生式”由美国数学家波斯特（E.POST）在1943年首先提出，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每
一．简答题 1.在什么情况下需要采用不确定推理或非单调推理？ 答：一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。 例如，当一个人打开电灯的开关而发现灯泡未亮时，就会根据以往的经验而觉得“停电了”。但当他打开另外一只灯的开关发现灯亮时，就否定了先前“停电了”的结论，想到也许是开关或者灯具出问题了。这个改变原先推导结论的过程其实就是一个非单调推理。即，随着信息与知识的增加，并没有在肯定原来的结论基础上，增加了更多并立的知识与结论， 而是否定了原先结论并有了新的看法。以下情况需要采用不确定推理：所需知识不完备,不精确所需知识描述模糊,多种原因导致同一结论,问题的背景知识不足,解题方案不唯一。不确定性推理，是指其推理过程中，由于各种偶然性误差、干扰以及证据的不确定性等因素，导致所获得的结果或结论本身具有未置可否的不确定性。 一般来说，出现不精确推理的原因和特征可能有： ①证据不足或称为证据的不确定性；②规则的不确定性；③研究方法的不确定性。 由于以上“三性”的存在，决定了推理的最后结果具有不确定但却近乎合理的特性，人们把这种性质的推理及其理论和方法总称为不确定推理 2．产生式系统有哪几种推理方式？各自特点为何？ 答：（1）正向推理（正向链接推理）：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。 （2）逆向推理（后向链接推理）：从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。（其基本原理是从表示目标的谓词或命题出发，使用一组规则证明事实谓词或命题成立，即提出一批假设（目标），然后逐一验证这些假设。 （3）双向推理：又称为正反向混合推理，它综合了正向推理和逆向推理的长处，克服了两者的短处。双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。 3．算法A*直到一个目标节点被选择扩展才会终止。然而，到达目标节点的一条路经可能在那个节点被选择扩展前早就找到了。一旦目标节点被发现，为什么不终止搜索呢？用一个例子说明你的答案。 4．结合你的研究方向，论述哪些人工智能技术可以得到应用？解决什么问题？ 答：人工智能目前总结出了对实现人工智能系统来说具有普遍意义的核心课题：知识的模型化和表示方法，启发式搜索理论，各种推理方法，人工智能系统结构和语言。主要研究和应用领域：机器学习，知识表示和推理，智能搜索，模糊逻辑，人工神经网络，遗传算法，自然语言理解，博弈论，知识发现和数据挖掘等。 5．在选择知识表示的方法时，应该考虑哪些因素？ 答：表示能力：能够将问题求解所需的知识正确有效地表达出来，可理解性：所表达的知
人工智能在电子信息上的应用————专家系统 引言： 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 专家系统是人工智能应用研究的一个重要领域。它实现了人工智能从理论研究走向实际应用，从一般思维方法探讨转入专门知识运用的重大突破。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。 摘要: 专家系统是人工智能应用研究的主要领域。专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。它运用于医疗、军事、地质勘探、教学、化工等领域，产生了巨大的经济效益和社会效益。现在，专家系统已成为人工智能领域中最活跃、最受重视的领域。 关键词：人工智能，专家系统 正文： 1、什么是专家系统 专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。 目前，对什么是专家系统还没有一个严格公认的形式化定义。作为一种一般的解释，可以认为专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。 2、专家系统的基本结构 专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。 在其中，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。 人工智能中的知识表示形式有产生式、框架、语意网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IF…THEN…的形式出现，就像编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。产生式专家系统的知识库中包含了大量的规则，换言之，这里的知识库就是一个规则集。 3、专家系统的特性（与人类专家相比） 专家系统作为一个计算机程序系统具有如下几个特性： （1）不受时间限制：人类专家的工作时间有限，但专家系统是恒久，一旦开发完成，可随时使用，并可二十四小时持续运作。
第三章约束推理 约束的定义：一个约束通常是指一个包含若干变量的关系表达式，用以表示这些变量所必须满足的条件。 贪心算法：贪心法把构造可行解的工作分阶段来完成。在各个阶段，选择那些在某些意义下是局部最优的方案，期望各阶段的局部最优的选择带来整体最优。 回溯算法：有些问题需要彻底的搜索才能解决问题，然而，彻底的搜索要以大量的运算时间为代价，对于这种情况可以通过回溯法来去掉一 些分支，从而大大减少搜索的次数 第四章定性推理 定性推理的定义是从物理系统、生命系统的结构描述出发,导出行为描述, 以便预测系统的行为并给出原因解释。定性推理采用系统部件间的局部结构规则来解释系统行为, 即部件状态的变化行为只与直接相邻的部件有关 第六章贝叶斯网络 贝叶斯网络的定义： 贝叶斯网络是表示变量间概率依赖关系的有向无环图，这里每个节点表示领域变量，每条边表示变量间的概率依赖关系，同时对每个节点都对应着一个条件概率分布表(CPT) ，指明了该变量与父节点之间概率依赖的数量关系。 条件概率：条件概率:我们把事件B已经出现的条件下，事件A发生的概率记做为P(A|B)。并称之为在B出现的条件下A出现的条件概率，而称P(A)为无条件概率。 贝叶斯概率：先验概率、后验概率、联合概率、全概率公式、贝叶斯公式 先验概率： 先验概率是指根据历史的资料或主观判断所确定的各事件发生的概率，该类概率没能经过实验证实，属于检验前的概率，所以称之为先验概率 后验概率： 后验概率一般是指利用贝叶斯公式，结合调查等方式获取了新的附加信息，对先验概率进行修正后得到的更符合实际的概率 联合概率： 联合概率也叫乘法公式，是指两个任意事件的乘积的概率，或称之为交事件的概率。 贝叶斯问题的求解步骤 定义随机变量、确定先验分布密度、利用贝叶斯定理计算后验分布密度、利用计算得到的厚颜分布密度对所求问题作出推断 贝叶斯网络的构建 为了建立贝叶斯网络，第一步，必须确定为建立模型有关的变量及其解释。为此，需要：(1)确定模型的目标，即确定问题相关的解释；(2)确定与问题有关的许多可能的观测值，并确定其中值得建立模型的子集；(3)将这些观测值组织成互不相容的而且穷尽所有状态的变量。这样做的结果不是唯一的。第二步，建立一个表示条件独立断言的有向无环图第三步指派局部概率分布 p（xi|Pai）。在离散的情形，需要为每一个变量 Xi 的各个父节 点的状态指派一个分布。 第七章归纳学习 归纳学习是符号学习中研究得最为广泛的一种方法。给定关于某个概念的一系列已知的 正例和反例，其任务是从中归纳出一个一般的概念描述。 归纳学习能够获得新的概念，创立新的规则，发现新的理论。它的一般的操作是泛化和特化泛化用来扩展一假设的语义信息，以使其能够包含更多的正例，
2016秋《自然辩证法概论》课程期末论文 班级__ 学号__ 姓名__ 开课学院马克思主义学院任课教师_ 成绩________
人工智能对人类未来社会的影响 摘要：近年来，由于“深度学习”神经网络的提出，突破瓶颈的人工智能迅速发展，各大科技公司也纷纷布局。人工智能逐渐融入人们生活，并极大的促进了社会发展，同时其飞速的发展也引发了人们对于人工智能未来与人类关系的忧虑。 关键词：人工智能人类未来 一、人工智能的发展 今年全球最热门的词汇，“人工智能”无疑是其中之一。前不久谷歌AlphaGo与李世石的围棋人机大战,是继1997年IBM计算机“深蓝”战胜人类国际象棋冠军之后，人工智能领域的又一重大里程碑。提到人工智能，因为受科幻小说或电影的影响，大多数人会想到屠杀人类的机器人大军，但就其本质而言，人工智能是对人的意识、思维的信息过程的模拟，现代人工智能主要依靠数据和算法。1956年夏季，以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会，共同研究和探讨用机器模拟智能的一系列有关问题，并首次提出了“人工智能”这一术语，它标志着“人工智能”这门新兴学科的正式诞生。随后，人工智能与众多学科产生融合并飞速进展，但在90年代暴力破解需要的呈指数增长的计算量使人工智能发展陷入僵局。直到2006年“深度学习”神经网络的提出，才取得了突破性进展。深度学习算法体现出来的高性能，掀起了新一代人工智能技术的革新浪潮。“近年来，谷歌、微软、IBM、 百度等拥有大数据的高科技公司相继投入大量资源进行深度学习技术研发，在语音、图像、自然语言、在线广告等领域取得显着进展。”[1] 二、人工智能对现代人类社会的影响 人工智能在我们的生活中早已是随处可见，例如，大多数智能手机上都有的语音助手，使用搜索引擎时跳出的快捷项等。人工智能也对社会生产产生众多影响，例如，富士康每年计划打造1万台机器人同时裁掉6万员工，报社使用人工智能进行简单的新闻编辑，甚至有机构在研发已在研发能写药物处方的算法。“技术的社会价值可以表现为积极的正面价值，推动社会发展增进人类幸福，但也可以表现为消极的负面价值，给社会带来诸多风险。”[2]人工智能在初步发展阶段会极大的造福人类，这也正是人类研发其的原因，但也有人担心现阶段人工智能带来的问题，如失业，对科技的依赖等。首先，对于失业，新闻编辑，富士康员工，药师等人员所做的重复性工作由人工智能代替可以把人类从繁重的劳动中解放出来，提高生产生活的效率和质量。被替换掉的人力资源可以进行更高级的生产，促进社会进步。当年工业化刚开始的时候也曾出现过这样的忧虑，现在看来那时的忧虑完全没有必要，现在情况依旧如此。当然让人们放弃熟悉的事物做出改变是比较困难的，却也是无法违背的。其次，对科技的过分依赖，生活中经常听到不要过度的使用手机这类“善良”的劝告，但在我看来，经常使用手机是必须的。手机是当前人与人连接最高效的方式，在信息时代线上生存是大势所趋，如有必要，时刻保持在线。现在只是处于过渡阶段，虽然人们已经通过手机连接，但线下生活依旧是主流，所以在习惯于线下生活的较年长人的眼里，花费大量时间看手机是不务正业。认识趋势，看到趋势，顺应趋势才是明智得做法。所以老师们不应徒劳的去劝说同学们上课不要看手机，而应积极地结合趋势寻找新的传授知识的
人工智能重点 绪论 ●人工智能的定义起源和发展其他概念稍微了解 1.什么是人工智能？试从能力和学科两方面加以说明。 答：学科：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。其近期的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。 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，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。知识表示方法 2.人工智能的主要研究和应用领域有哪些？ 答：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。 3、简述人工智能的发展状况 人工智能的现状和发展呈现如下特点：多种途径齐头并进，多种方法写作互补；新思想、新技术不断涌现，新领域、新方向不断开括;理论研究更加深入，应用研究更加广泛;研究队伍日益壮大，社会影响越来越大;以上特点展现了人工智能学科的繁荣景象和光明前景。它表明，虽然在通向其最终目标的道路上，还有不少困难、问题和挑战，但前进和发展毕竟是大势所趋。 4.简述知识发现过程和知识发现的方法。 答：过程：①数据选择；②数据预处理；③数据变换；④数据挖掘；⑤知识评价方法：①统计方法；②机器学习方法；③神经计算方法；④可视化方法 ● 2.1状态空间法（重点）看例题 状态空间法的三要素：状态、算符、状态空间方法（是一个表示该问题全部可能状态及其关系的图，它包含三种说明的集合，即三元状态（S，F，G）。S：所有可能的问题初始状态集合；F：操作符集合；G：目标状态集合。） 状态图示法：状态空间的图示形式称为状态空间图 各种问题都可用状态空间加以表示，并用状态空间搜索法来求解。下面简单介绍一种产生式系统描述的搜索算法 产生式系统由三部分:一个总数据库、一套规则、一个控制策略（程序） ● 2.2问题规约法（重点） 另外一种基于状态空间的问题描述与求解方法；实质：从目标出发逆向推理，建立子问题以及子问题的子问题，直到最后把初始问题归约为一个本原问题集合。 组成部分：初始问题描述、问题变换为子问题的操作符、一套本原问题描述 与或图；与或图的搜索：目的在于表明起始节点是有解的 问题规约法举例：汉诺塔问题
xx学校 2012—2013学年度第二学期期末试卷 考试课程：《人工智能》考核类型：考试A卷 考试形式：开卷出卷教师： 考试专业：考试班级： 一单项选择题（每小题2分，共10分） 1.首次提出“人工智能”是在（D ）年 A.1946 B.1960 C.1916 D.1956 2. 人工智能应用研究的两个最重要最广泛领域为：B A.专家系统、自动规划 B. 专家系统、机器学习 C. 机器学习、智能控制 D. 机器学习、自然语言理解 3. 下列不是知识表示法的是 A 。 A：计算机表示法B：“与/或”图表示法 C：状态空间表示法D：产生式规则表示法 4. 下列关于不确定性知识描述错误的是 C 。 A：不确定性知识是不可以精确表示的 B：专家知识通常属于不确定性知识 C：不确定性知识是经过处理过的知识 D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。 5. 下图是一个迷宫，S0是入口，S g是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。 A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg 二填空题（每空2分，共20分） 1.目前人工智能的主要学派有三家：符号主义、进化主义和连接主义。 2. 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F以及目标
状态集合G 。 3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为启发式(Heuristic)信息。 4、计算智能是人工智能研究的新内容，涉及神经计算、模糊计算和进化计算等。 5、不确定性推理主要有两种不确定性，即关于结论的不确定性和关于证据的不确 定性。 三名称解释（每词4分，共20分） 人工智能专家系统遗传算法机器学习数据挖掘 答：（1）人工智能 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等 （2）专家系统 专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,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.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统 （3）遗传算法 遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向 （4）机器学习 机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎 （5）数据挖掘 数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的
2016年3月谷歌的阿尔法狗（AlphaGo）大战世界围棋冠军李世石，引发了全球范围内对于人工智能的讨论。探讨人工智能，就要回答什么是智能的问题，综合各类定义，智能是一种知识与思维的合成，是人类认识世界和改造世界过程中的一种分析问题与解决问题的综合能力。对于人工智能，美国麻省理工学院的温斯顿教授提出“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。 各国政府高度重视人工智能相关产业的发展。自人工智能诞生至今，各国都纷纷加大对人工智能的科研投入，其中美国政府主要通过投资的方式引导人工智能产业的发展，2013年美国政府将22亿美元的国家预算投入到了先进制造业，投入方向之一便是“国家机器人计划”。 在技术方向上，美国主攻军用机器人技术，欧洲主攻服务和医疗机器人技术，日本主攻仿人和娱乐机器人。 现阶段的技术突破的重点一是云机器人技术，二是人脑仿生计算技术。美国、日本、巴西等国家均将云机器人作为机器人技术的未来研究方向之一。伴随着宽带网络设施的普及，云计算、大数据等技术的不断发展，未来机器人技术成本的进一步降低和机器人量产化目标实现，机器人通过网络获得数据或者进行处理将成为可能。目前国外相关研究的方向包括：建立开放系统机器人架构（包括通用的硬件与软件平台）、网络互联机器人系统平台、机器人网络平台的算法和图像处理系统开发、云机器人相关网络基础设施的研究等。 高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点进行投资，加快产业化进程。 谷歌在2013年完成了8 家机器人相关企业的收购，在机器学习方面也大肆搜罗企业和人才，收购了DeepMind和计算机视觉领军企业Andrew Zisserman，又聘请DARPA原负责人 Regina Dugan负责颠覆性创新项目的研究，苹果2014 年在自动化上的资本支出预算高达110 亿美元。苹果手机中采用的Siri智能助理脱胎于美国先进研究项目局（DARPA）投资 1.5亿美元，历时5年的CALO （ Cognitive Assistant that Learns and Organizes）项目，是美国首个得到大规模产业化应用的人工智能项目。韩国和日本的各家公司也纷纷把机器人技术移植到制造业新领域并尝试进入服务业。
研究生课程论文 人工智能前沿 论文题目:人工智能技术在求机器人工作 空间的应用 课程老师:罗亚波 学院班级:汽研1602班 学生姓名:张小涵 学号:15 2016年10月
人工智能技术在求机器人工作空间的应用 摘要 人工智能的发展迅速,现在已经渗透到机器人的全方位分析与机器人的工作空间的计算中,其对机器人的应用起着越来越重要的作用。元素限制法由三个限制元素构成,分别为杆长限制、转角限制、连杆的干涉。在初步确定限制元素后即可得到边界条件,即可得到工作空间。圆弧相交法由运动学反解过程、工作空间的几何描述以及工作空间的计算过程组成。两者各有其优缺点,都就是可取的求工作空间的方法。 关键词:人工智能元素限制圆弧相交工作空间 Abstract With the rapid development of artificial intelligence, it has been applied to the analysis of the robot and the working space of the robot、It plays a more and more important role in the application of the robot、The element restriction method is composed of three elements, which are the length of the rod, the restriction of the angle and the interference of the connecting rod、 Boundary conditions can be obtained after the preliminary determination of the limiting element、 The arc intersection method is composed of the process of the inverse kinematics of the kinematics, the geometric description of the working space and the calculation process of the working space、 Both have their own advantages and disadvantages, are desirable for the working space of the method、Key words: artificial intelligence element limit arc intersection working space
大学计算机基础知识点总结 第一章计算机及信息技术概述（了解） 1、计算机发展历史上的重要人物和思想 1、法国物理学家帕斯卡(1623-1662)：在1642年发明了第一台机械式加法机。该机由齿轮组成，靠发条驱动，用专用的铁笔来拨动转轮以输入数字。 2、德国数学家莱布尼茨：在1673年发明了机械式乘除法器。基本原理继承于帕斯卡的加法机，也是由一系列齿轮组成，但它能够连续重复地做加减法，从而实现了乘除运算。 3、英国数学家巴贝奇：1822年，在历经10年努力终于发明了“差分机”。它有3个齿轮式寄存器，可以保存3个5位数字，计算精度可以达到6位小数。巴贝奇是现代计算机设计思想的奠基人。 英国科学家阿兰 图灵(理论计算机的奠基人) 图灵机：这个在当时看来是纸上谈兵的简单机器，隐含了现代计算机中“存储程序”的基本思想。半个世纪以来，数学家们提出的各种各样的计算模型都被证明是和图灵机等价的。 美籍匈牙利数学家冯 诺依曼(计算机鼻祖) 计算机应由运算器、控制器、存储器、 输入设备和输出设备五大部件组成； 应采用二进制简化机器的电路设计； 采用“存储程序”技术,以便计算机能保存和自动依次执行指令。 七十多年来，现代计算机基本结构仍然是“冯·诺依曼计算机”。 2、电子计算机的发展历程 1、1946年2月由宾夕法尼亚大学研制成功的ENIAC是世界上第一台电子数字计算机。“诞生了一个电子的大脑”致命缺陷：没有存储程序。 2、电子技术的发展促进了电子计算机的更新换代：电子管、晶体管、集成电路、大规模及超大规模集成电路 3、计算机的类型 按计算机用途分类：通用计算机和专用计算机 按计算机规模分类：巨型机、大型机、小型机、微型机、工作站、服务器、嵌入式计算机 按计算机处理的数据分类：数字计算机、模拟计算机、数字模拟混合计算机 1.1.4 计算机的特点及应用领域 计算机是一种能按照事先存储的程序，自动、高速地进行大量数值计算和各种信息处理的现代化智能电子设备。（含义） 1、运算速度快 2、计算精度高 3、存储容量大 4、具有逻辑判断能力 5、按照程序自动运行 应用领域：科学计算、数据处理、过程与实时控制、人工智能、计算机辅助设计与制造、远程通讯与网络应用、多媒体与虚拟现实 1.1.5 计算机发展趋势：巨型化、微型化、网络化、智能化
什么是人工智能计算机 )查看。 什么是人工智能计算机 著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。” 而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。” 这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能(Artificial Intelligence，简称AI)是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一(空间技术、能源技术、人工智能)。也被认为是二十一世纪(基因工程、纳米科学、人工智能)三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成
为一个独立的分支，无论在理论和实践上都已自成一个系统。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。 人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。 从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。 人工智能的三道坎 首先是大数据。从某种意义上来说，人工智能在近一两年的走红，与大数据的发展和被重视程度不无关系。随着以智能手机为代表的科技产品开始深入到人们生活的方方面面，用户在线上的行为越来越多，由此形成了大量的用户数据。而人工智能正好可以利用这些数据，建立数学模型和完成用户画像，让程序来做一些过去只有人能够做的事情。 大数据这个门槛，导致了人工智能只能是巨头的游戏，跟创业
内蒙古科技大学2014/2015 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2012-3,4 任课教师：陈淋艳 班级：12级计算机3班 学号：1276807336 姓名：王志鹏
目录 前言 (3) 一、专家系统简介 (4) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (12) 七、专家系统的总结 (13) 八、学习心得 (14) 参考文献 (15)
前言 人工智能是经过40多年发展起来的一门综合性学科，它旨在研究如何利用计算机等现代工具设计模拟人类智能行为的系统。在众多的人工智能应用领域中，专家系统是30多年来发展起来的一种最具代表性的智能应用系统，它旨在研究如何设计基于知识的计算机程序系统来模拟人类专家求解专门问题的能力。专家系统是人工智能中最活跃的一个分支，是人工智能发展最重要的推动力。 由于人类对自身的思维规律和智能行为仍在探索中，因此，人工智能与专家系统仍然是一门开放的年轻学科。近几年来，人工智能与专家系统的研究越来越深入，新的思想、新的理论以及新的方法与技术不断涌现，新的研究成果不断充实着这一研究领域，尤其是模糊逻辑与神经网络及其结合的研究已成为当前人工智能或智能模拟的重要研究方向，学术论文数以千计，应用成果迭出。
一、专家系统简介 摘要:自从1965年世界上第一个专家系统DENDRAL问世以来，专家系统的技术和应用，在短短的30年间获得了长足的进步和发展。特别是20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统如雨后春笋般地在世界各地不断涌现。构建专家系统用到的思维方式可能是各种认知工具中最难的,因为它需要形式推理与逻辑推理,建构专家系统需要智力上的参与和挑战。本文首先介绍了专家系统的概念和理论及发展概况，并着重分析他们的应用和发展前景。
?人工智能的不同研究流派：符号主 义/逻辑主义学派--符号智能；连接主 义--计算智能；行为主义-低级智能。 人工智能的主要研究领域 （一）自动推理（二）专家系统（三）机器 学习（四）自然语言理解（五）机器人学和 智能控制（六）模式识别（七）基于模型的 诊断 产生式系统是人工智能系统中常用的一种 程序结构，是一种知识表示系统。 三部分组成：综合数据库:存放问题的状 态描述的数据结构,动态变化的。产生式规 则集、控制系统。 / 产生式规则集/ 控制系统 产生式规则形式： IF<前提条件> THEN<操作> 八数码难题的产生式系统表示 综合数据库：以状态为节点的有向图。 状态描述：3×3矩阵 产生式规则： IF<空格不在最左边>Then<左移空格>； 依次 控制系统： 选择规则:按左、上、右、下的顺序 移动空格。 终止条件：匹配成功。 产生式系统的基本过程: Procedure PROCUCTION 1.DATA←初始状态描述 2.until DATA 满足终止条件，do： 3.begin 4.在规则集合中，选出一条可用于 DATA的规则R（步骤4是不确定的， 只要求选出一条可用的规则R，至于这 条规则如何选取，却没有具体说明。） 5. DATA←把R应用于DATA所得的结果 6.End 产生式系统的特点：1.模块性强，2.产生式 规则相互独立，3.规则的形式与逻辑推理相近，易懂。 产生式系统的控制策略：1.不可撤回的控制 策略：优点是空间复杂度小、速度快；缺点 是多数情况找不到解 2.试探性控制策略： 回溯方式：占用空间小，多数情况下能找到解；缺点是如果深度限制太低就找不到解； 和图搜索方式：优点总能找到解，缺点时间 空间复杂度高。 产生式系统工作方式：正向、反向和双向产 生式系统 可交换产生式系统：1.可应用性，每一条对 D可应用的规则，对于对D应用一条可应用 的规则后，所产生的状态描述仍是可应用的。 2.可满足性，如果D满足目标条件，则对D 应用任何一条可应用的规则所产生的状态描 述也满足目标条件。3.无次序性，对D应用 一个由可应用于D的规则所构成的规则序列 所产生的状态描述不因序列的次序不同而改变。可分解的产生式系统：能够把产生式系统综 合数据库的状态描述分解为若干组成部分， 产生式规则可以分别用在各组成部分上，并 且整个系统的终止条件可以用在各组成部分 的终止条件表示出来的产生式系统，称为可 分解的产生式系统。基本过程： Procedure SPLIT 1.DATA ←初始状态描述 2.{Di} ← DATA的分解结果；每个Di看成 是独立的状态描述 3.until 对所有的Di ∈{Di}， Di都满足终 止条件，do: 4.begin 5. 在{Di}中选择一个不满足终止条件的D* 6. 从{Di}中删除D* 7.从规则集合中选出一个可应用于D*的规则 R 8.D ←把R应用于D*的结果 9.{di} ← D的分解结果 10.把{di}加入{Di}中 11.end 回溯算法BACKTRACK过程：Recursive Procedure BACKTRACK(DATA) 1.if TERM(DATA),return NIL; 2.if DEADEND(DATA),return FAIL; 3.RULES←APPRULES(DATA); 4.LOOP:if NULL(RULES),return FAIL; 5.R←FIRST(RULES); 6.RULES←TAIL(RULES); 7.RDATA←R（DATA）; 8.PATH←BACKTRACK(RDATA); 9．if PATH=FAIL,go PATH; 10.return CONS(R,PATH). Procedure GRAPHSEARCH 1．G←{s}， OPEN ←（s）． 2．CLOSED ←NIL． 3．LOOP：IF OPEN=NIL,THEN FAIL． 4． n ← FIRST(OPEN)，OPEN ← TAIL(OPEN),CONS(n, CLOSED) ． 5． IF TERM(n)，THEN 成功结束 （解路径可通过追溯G中从n到 s的指针获得）。 6．扩展节点n， 令M={m︱ m是n的子节点，且m不是n的祖先} ， G ←G ∪M 7．（设置指针，调整指针）对于m M, (1)若m CLOSED, m OPEN, 建立m 到n的指针，并CONS(m, OPEN). (2)(a)m OPEN, 考虑是否修改m的 指针. (b)m CLOSED,考虑是否修改m 及在G中后裔的指针。 8．重排OPEN表中的节点（按某一 任意确定的方式或者根据探索信息）。 9． GO LOOP 无信息的图搜索过程：深度优先搜索：排列OPEN表中的节点时按它们在搜索树中的深度 递减排序。深度最大的节点放在表的前面，
内蒙古科技大学2015/2016 学年第一学期《人工智能》结课报告 课程号：76807376-01 考试方式：结课报告 使用专业、年级：计算机应用2013-3，4 任课教师：陈淋艳 班级：13级计算机3班 学号：13768073** 姓名：李**
目录 前言 (3) 一、专家系统简介 (5) 二、关键字： (5) 三、专家系统概念和理论 (6) 四、专家系统的发展概况 (7) 五、专家系统的应用分析 (8) 六、专家系统的发展前景 (11) 七、专家系统的总结 (12) 八、学习心得 (12) 参考文献 (13)
人工智能是近年来引起人们很大兴趣的一个领域：它的研究目标是用机器，通常为电子仪器、电脑等，尽可能地模拟人的精神活动，并且争取在这些方面最终改善并超出人的能力;其研究领域及应用范围十分广泛、例如，自动定理证明、推理、模式识别、专家知识系统、智能机器人、学习、博彩、自然语言理解等等。 模式识别可能是人工智能这门学科中最基本也是最重要的一部分。简单来说，模式识别就是让电脑能够认识它周围的事物，使我们与电脑的交流更加自然与方便。它包括文字识别(读)、语音识别(听)、语音合成(说)、自然语言理解与电脑图形识别。 现在的电脑可以说是又耸又哑，而且还是个瞎子，如果模式识别技术能够得到充分发展并应用于电脑，那我们就能够很自然地与电脑进行交流，开也不需要记那些英文的命令就可以立接向电脑下命令。这也为智能机器人的研究提供了必要条件，它能使机器人能够像人一样与外面的世界进行交流。 在人工智能的应用当中最有趣的应该就是机器人了其实机器人的范围很广，不仅包括各种外型的智能机器人，还包括一些用于工业生产的、用于代替人类劳动的机器人、现在的机器人技术在制造只有某一种功能的机器人方面已经取得了一定的成果、但是要研制一种多功能、人性化的智能机器人，还需要不少时间。 到了那时，我们在科幻片中看到的人类与机器人的矛盾不知会不会成为现实。专家系统具有一定的商业特性、它先把某一种行业(譬如医
人工智能重点总结 第一章：发展简史（此处为简答题） 1.人工智能的萌芽（1956年以前） 1936年，图灵创立了自动机理论（后人称为图灵机），提出一个理论计算机模型，为电子计算机设计奠定了基础，促进了人工智能，特别是思维机器的研究。 麦克洛克和皮茨于1943年提出“拟脑模型”是世界上第一个神经网络模型（MP模型），开创了从结构上研究人类大脑的途径。 1948年维纳发表《控制论—关于动物与机器中的控制与通信的科学》，不但开创了近代控制论，而且为人工智能的控制学派树立了里程碑。 1、古希腊伟大的哲学家思想家亚里士多德的主要贡献是为形式逻辑奠定了基 础。形式逻辑是一切推理活动的最基本的出发点。在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。此外亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系判断问题的分类和它们之间的关系。其最著名的创造就是提出人人熟知的三段论。 2、英国的哲学家、自然科学家 Bacon（培根）（1561-1626），他的主要贡献是 系统地给出了归纳法，成为和 Aristotle 的演绎法相辅相成的思维法则。 Bacon 另一个功绩是强调了知识的作用。 Bacon 的著名警句是"知识就是力量"。 3、德国数学家、哲学家 Leibnitz（莱布尼茨）（1646-1716），他提出了关于数 理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。他曾经做出了能进行四则运算的手摇计算机 4、英国数学家、逻辑学家 Boole（布尔）（1815-1864），他初步实现了布莱尼 茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。 5、美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词 的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。