人工智能课程报告
学院：计算机学院
班级：计算机1001
姓名：卫刚
学号：3100602021
指导教师：赵跃华
摘要：自上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用领域新的辉煌。
概述
自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智
能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。
人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。
学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点：学习行为一般具有明显的目的性，其结果是获取知识；学习系统中结构的变化是定向的，要么由学习算法决定，要么由环境决定；学习系统是构造智能系统的中心骨架，它是全面组织与保存系统知识的场所。因此，人工智能学习研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是，不同的时代、不同的人对这种“复杂工作”的理解是不同的。
一.人工智能学习的历史性基础和发展步伐
人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。
一般认为，人工智能的思想萌芽可以追溯到德国著名数学家和哲学家莱布尼茨(Leibnitz，1646-1716)提出的"通用语言"设想。这一设想
的要点是：建立一种通用的符号语言，用这个语言中的符号表达“思想内容”，用符号之间的形式关系表达“思想内容”之间的逻辑关系。于是，在“通用语言”中可以实现“思维的机械化”这一设想可以看成是对人工智能的最早描述。
计算机科学的创始人图灵被认为是“人工智能之父”，他着重研究了一台计算机应满足怎样的条件才能称为是“有智能的”。1950年他提出了著名的“图灵实验”：让一个人和一台计算机分别处于两个房间里，与外界的联系仅仅通过键盘和打印机。由人类裁判员向房间里的人和计算机提问，并通过人和计算机的回答来判断哪个房间里是人、哪个房间里是计算机。图灵认为，如果“中等程度”的裁判员不能正确地区分，则这样的计算机可以称为是有智能的。“图灵实验”是关于智能标准的一个明确定义。有趣的是，尽管后来有些计算机已经通过了图灵实验，但人们并不承认这些计算机是有智能的。这反映出人们对智能标准的认识更深入、对人工智能的要求更高了。
图灵和冯·诺依曼的上述工作，以及麦克考洛和匹茨对神经元网的数学模型的研究，构成了人工智能的初创阶段，这其实也是人工智能学习的开始。
人工智能早期研究给人的深刻印象是博羿，与自动定理证明的研究意义不限于数学一样，搜索的研究意义也不限于博弈。根据认知心理学的信息处理学派的观点，人类思维过程的很大一部分可以抽象为从问题的初始状态经中间状态到达终止状态的过程，因此可以转化为一个搜索问题，由机器自动地完成。例如“规划”问题。设想一台机器
人被要求完成一项复杂任务，该任务包含很多不同的子任务，其中某些子任务只有在另一些子任务完成之后才能进行。这时，机器人需要事先“设想”一个可行的行动方案，使得依照该方案采取行动可以顺利完成任务。“规划”即找出一个可行的行动案，可以通过以其子任务为状态、以其子任务间依赖关系为直接后继关系的状态空间中的搜索来实现。
人工智能的早期研究还包括自然语言理解、计算机视觉和机器人等等。通过大量研究发现，仅仅依靠自动推理的搜索等通用问题求解手段是远远不够的。Newell和Simon等人的认知心理学研究表明，各个领域的专家之所以在其专业领域内表现出非凡的能力，主要是因为专家拥有丰富的专门知识(领域知识和经验)。70年代中期，Feigenbaum提出知识工程概念，标志着人工智能进入第二个发展时期。知识工程强调知识在问题求解中的作用；相应地，研究内容也划分为三个方面：知识获取，知识表示和知识利用。知识获取研究怎样有效地获得专家知识；知识表示研究怎样将专家知识表示成在计算机内易于存储、易于使用的形式；知识利用研究怎样利用已得到恰当表示的专家知识去解决具体领域内的问题。知识工程的主要技术手段是在早期成果的基础上发展起来的，特别是知识利用，主要依靠自动推理和搜索的技术成果。在知识表示方面，除使用早期工作中出现的逻辑表示法和过程表示法之外，还发展了在联想记忆和自然语言理解研究中提出的语义网表示法，进而引入了框架表示法，概念依赖和脚本表示法以及产生式表示法等等各种不同方法。与早期研究不同，知识
工程强调实际应用。主要的应用成果是各种专家系统。专家系统的核心部件包括：
(a)表达包括专家知识和其他知识的知识库。
(b)利用知识解决问题的推理机。
大型专家系统的开发周期往往长达10余年，其主要原因在于知识获取。领域专家虽然能够很好地解决问题，却往往说不清自己是怎么解决的，使用了哪些知识。这使得负责收集专家知识的知识工程师很难有效地完成知识获取任务。这种状况极大的激发了自动
知识获取----机器学习研究的深入发展。已经得到较多研究的机器学习方法包括：归纳学习、类比学习、解释学习、强化学习和进化学习等等。机器学习的研究目标是：让机器从自己或“别人”的问题求解经验中获取相关的知识和技能，从而提高解决问题的能力。
80年代以来，随着计算机网络的普及，特别是Internet的出现，各种计算机技术包括人工智能技术的广泛应用推动着人机关系的重大变化。据日美等国未来学家的预测，人机关系正在迅速地从“以人为纽带”的传统模式向“以机为纽带”的新模式转变人机关系的这一转变将引起社会生产方式和生活方式的巨大变化，同时也向人工智能乃至整个信息技术提出了新的课题。这促使人工智能进入第三个发展时期。
在这个新的发展时期中，人工智能面临一系列新的应用需求。首先是需要提供强有力的技术手段，以支持分布式协同工作方式，现代生产是一种社会化大生产，来自不同专业的工作者在不同或相同的
时间、地点从事着同一任务的不同子任务。这要求计算机不仅为每一项子任务提供辅助和支持，更需要为子任务之间的协调提供辅助和支持。由于各个子任务在很大程度上可以独立地进行，子任务之间的关系必然呈现出动态变化和难以预测的特点。于是，子任务之间的协调（即对分布协同工作的支持）向人工智能乃至整个信息技术以及基础理论提出了巨大的挑战。
其次，网络化推进了信息化，使原本分散孤立的数据库形成一个互连的整体，即一个共同的信息空间。尽管现有的浏览器和搜索引擎为用户在网上查找信息提供了必要的帮助，这种帮助是远远不够的，以至于“信息过载”与“信息迷失”状况日益严重。更强大的智能型信息服务工具已成为广大用户的迫切需要。另一方面，信息空间对人类的价值不仅在于单独的信息条目（比如某厂家生产出了某一新产品的信息），还远在于一大类信息中隐藏着的普遍性知识（比如某个行业供求关系的变化趋势）。于是，数据中的知识发现也成为一项迫切的研究课题。机器人始终是现代工业的迫切需求。随着机器人技术的发展，研究重点已经转向能在动态、不可预测环境中独立工作的自主机器人，以及能与其他机器人（包括人）协作的机器人。显然，这种机器人之间的合作可以看成是物理世界中的分布式协同工作，因而包括相同的理论和技术问题。
由此可见，人工智能第三发展时期的突出特点是研究能够在动态、不可预测环境中自主、协调工作的计算机系统，这种系统被称为Agent 。目前，正围绕着Agent的理论、Agent的体系结构和Agent
语言三个方面展开研究，并已产生一系列重要的新思想、新理论、新方法和新技术。在这一研究中，人工智能呈现一种与软件工程、分布式计算以及通讯技术相互融合的趋势。Agent研究的应用不限于生产和工作，还深入到人们的学习和娱乐等各个方面。例如，Agent与虚拟现实相结合而产生的虚拟训练系统，可以使学生在不实际操纵飞机的情况下学飞行的基本技能；类似地，也可使顾客“享受”实战的“滋味”。
我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和中国自动化学会模式识别与机器智能专业委员会等学术团体，开展这方面的学术交流。此外国家还着手兴建了若干个与人工智能研究有关的国家重点实验室，这些都将促进我国人工智能的研究，为这一学科的发展作出贡献。
综观人工智能学习的发展历程，可以看出它始终遵循的基本思路。首先是强调人类智能的人工实现而不是单纯的模拟，以便尽可能地为人类的实际需要服务。其次是强调多学科的交叉结合，数学、信息科学、生物学、心理学、生理学、生态学以及非线性科学等等越来越多的新生学科被融入到人工智能学习的研究之中。
二.人工智能学习的主要技术及其发展趋势
目前人工智能学习研究的3个热点是：智能接口、数据挖掘、主体及多主体系统。
智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表
示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。
主体是具有信念、愿望、意图、能力、选择和承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。
新一代的智能技术是指80年代以来迅速发展起来的以神经网络（ANN）、进化计算、模糊逻辑、Agent为主要代表的计算只能技术，其中主要具有学习进化与自组织的能力。
神经网络也就是模拟人脑中神经元的功能，希望通过模拟人脑最基本的单位神经元功能来模拟人脑的功能。它通过一定的范例训练构成的神经网络，就象教一个小孩子一样，在训练结束后，这个神经网络就可以完成特定的功能了。它是通过范例的学习，修改了知识库和推理机的结构，达到实现人工智能的目的。
最后还有一个应用领域，就是模型识别，我想它应该在知识挖掘中应用不小，因为现在工程中的获得的数据越来越多，要想人为地从这些数据中确定某一规律都不容易，更不要说在这些数据中发现新规律了，因此有必要进行数据挖掘，它的应用对于决策支持系统将有着巨大的意义。
人可以思考，人工智能也需要思考，这就是推理；人可以学习，人工智能也就需要学习；人可以拥有知识，那么人工智能也就需要拥有知识。
人工智能是为了模拟人类大脑的活动的，人类已经可以用许多新技术新材料代替人体的许多功能，只要模拟了人的大脑，人就可以完成人工生命的研究工作，人创造自己，这不但在科学上，而且在哲学上都具有划时代的意义。
学习是指系统适应环境而产生的适应性变化，它使得系统在完成类似任务时更加有效。80年代以来，ANN的学习机制再次得到人们的重视，基于连接机制的亚符号学习又一次成为的当今学习机制研究的热点，提出了竞争学习，进化学习、加强学习等各种新的学习机制。机械式学习。它的另一个名称死记式学习能够直接体现它的特点，这
是一种最简单的，最原始的学习方法，也是机器的强项，人的弱项。指导式学习。这种学习方式是由外部环境向系统提供一般性的指示或建议，系统把它们具体地转化为细节知识并送入知识库中，在学习过程中要对反复对知识进行评价，使其不断完善。
归纳学习。我们看到，机器所善长的不是归纳，而是演绎，它适用于从特殊到一般，而不太适应从一般到特殊，从特殊到一般的归纳是人类所特有的，是智慧的标志。具体的归纳学习方法有许多，但它们的本质就是让计算机学会从一般中得出规律。
类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理，也就是把新事物和记忆中的老事物进行比较，如果发现它们之间有些属性是相同的，那么可以（假定地）推断出它们的另外一些属性也是相同的。
基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习，而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，并最终生成这个目标概念的一般描述，这个一般描述是一个可形式化表示的一般性知识。
增强式学习（Reinforcement Learning）是一种基于行为方法的半监督学习。一般的学习方法分两类，一类是上文提到的基于模型的，在这种方法，智能体需要环境确切的模型，具有较高的智能，但不适合于不确定的动态环境；另一种是基于行为的方法，在这种方法中，不需要环境的确切模型，采用分层结构，高层行为可以调整和抑制低层的行为能力，但每层中都具有其自主的确定权，如[3]中的Holonic
智能制造系统。增强式具有这些优点，故常用于机器人足球赛[4]、狩猎问题、甚至战争指挥中[5]，但是这些都只是理论上的研究，因为机器人足球赛的本身目的也是为了测试人工智能的可用性，且更不可能去让战争去由电脑而不是人去指挥了。
使用强化学习的Agent最早是出现与遗传算法中，使用“Ethogenetics （行为遗传）”的思想，突破了人们长期以来关于一个编码串对应于组合优化问题所有策略变量的一个组合方式的传统、静态的认识，而将一个编码串看成某个智能主体(Agent)主动进行的一系列决策行为的结果。
人工智能学习可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼机与作为智能外围的人工神经网络的结合。研究表明：情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。
通过以上的学习方法就是为了得到知识，通过一种方便的方法得到知识。前面已经说过了，因为机器的思考方式和人类的思考方式大有不同之处，因此让机器通过自己学习生成自己便于理解和使用的知识，也不失为机器学习的目标之一。
人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。
由于计算机芯片的微型化已接近极限。人们越来越寄希望于全新的计算机技术能够带动人工智能的发展。目前至少有三种技术有可能引发全新的革命，它们是光子计算机、量子计算机和生物计算机。
结束语
许多科学家断言，机器的智慧会迅速超过阿尔伯特·爱因斯坦和斯蒂芬·霍金的智慧之和。著名物理学家斯蒂芬·霍金认为，就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样，智能机器将创造出性能更好的计算机。最迟到本世纪中叶而且很可能还要快得多，计算机的智能也许就会超出人类的智能。
本文对学习中的一些方法进行基本的叙述并阐述了其发展的趋势，但是在一般的学习中，使用基于行为的方法仍旧是最受人关注的；文中介绍了几种强化学习方法的变形，并对他们的运用进行了一定的叙述。在一定程度上，他们实现仿真的可行行。但是这些仿真大多都是验证性的，真正的人工智能在实际生产中的运用仍旧是一个需要研究的课题。最后，我们来总结一下，人工智能学习的各个研究领域。参照人在各种活动中的功能，我们可以得到人工智能的领域也不过就是代替人的活动而已。哪个领域有人进行的智力活动，哪个领域就是人工智能学习研究的领域。人工智能学习就是为了应用机器的长处来帮助人类进行智力活动。人工智能学习研究的目的就是要模拟人类神经系统的功能。
但随着技术及技术的发展，人工智能学习的方法还会有所变化也更加会引起我们的关注。
参考文献
[1]《人工智能简史》孙兴清华大学出版社，1990年
[2]蔡自兴徐光佑《人工智能及其应用》清华大学出版社2002年1月
3] HYPERLINK "https://www.doczj.com/doc/ba8867201.html,/forum-47-1.html" 机器学习(Machine Learning HYPERLINK
"https://www.doczj.com/doc/ba8867201.html,/index.php"
https://www.doczj.com/doc/ba8867201.html,/index.php
[4] HYPERLINK "https://www.doczj.com/doc/ba8867201.html,/ai/index.htm" 人工智能与前沿科学学习与研究HYPERLINK
"https://www.doczj.com/doc/ba8867201.html,/logs/18373.html"
https://www.doczj.com/doc/ba8867201.html,/logs/18373.html
[5] 机器学习理论为什么实现不了强人工智能
https://www.doczj.com/doc/ba8867201.html,/ruiaijun/blog/item/9c21c6f2f048b316b07ec5a5.html
计算机科学与技术学院 《人工智能》课程设计报告设计题目：动物识别系统 设计人员：学号： 学号： 学号： 学号： 学号： 学号： 指导教师： 2015年7月
目录 目录 (1) 摘要 (2) Abstract (2) 一、专家系统基本知识 (3) 1.1专家系统实际应用 (3) 1.2专家系统的开发 (3) 二、设计基本思路 (4) 2.1知识库 (4) ....................................................................................................... 错误!未定义书签。 2.1.2 知识库建立 (4) 2.1.3 知识库获取 (5) 2.2 数据库 (6) ....................................................................................................... 错误!未定义书签。 ....................................................................................................... 错误!未定义书签。 三、推理机构 (7) 3.1推理机介绍 (7) 3.1.1 推理机作用原理 (7) ....................................................................................................... 错误!未定义书签。 3.2 正向推理 (7) 3.2.1 正向推理基本思想 (7) 3.2.2 正向推理示意图 (8) 3.2.3 正向推理机所要具有功能 (8) 3.3反向推理 (8) ....................................................................................................... 错误!未定义书签。 3.3.2 反向推理示意图 (8) ....................................................................................................... 错误!未定义书签。 四、实例系统实现 (9)
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。
人工智能实验报告大 全
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034 目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5)
课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题
四、源代码 #include
《人工智能导论》课程研究报告题目：BP神经网络的非线性函数拟合 班级：自动化1303班 姓名：汪洋、房亮、彭正昌、蔡博、刘航、范金祥 学号： 2016年1月1日
目录 第一章人工智能相关介绍 1.1人工神经网络与matlab (3) 1.2人工神经网络的研究背景和意义 (3) 1.3神经网络的发展与研究现状 (4) 1.4神经网络的应用 (5) 第二章神经网络结构及BP神经网络 (5) 2.1神经元与网络结构 (5) 2.2 BP神经网络及其原理 (9) 2.3 BP神经网络的主要功能 (11) 第三章基于matlab的BP神经网络的非线性函数拟合 3.1运用背景 (5) 3.2模型建立 (9) 3.3MatLab实现 (11) 参考文献 (15) 附录 (17)
人工智能相关介绍 1.1人工神经网络与matlab 人工神经网络（Artificial Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。 神经网络具有非线性自适应的信息处理能力，克服了传统人工智能方法对于直觉的缺陷，因而在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。神经网络与其他传统方法相组合，将推动人工智能和信息处理技术不断发展。近年来，神经网络在模拟人类认知的道路上更加深入发展，并与模糊系统、遗传算法、进化机制等组合，形成计算智能，成为人工智能的一个重要方向。 MATLAB是一种科学与工程计算的高级语言，广泛地运用于包括信号与图像处理，控制系统设计，系统仿真等诸多领域。为了解决神经网络问题中的研究工作量和编程计算工作量问题，目前工程领域中较为流行的软件MATLAB，提供了现成的神经网络工具箱（Neural Network Toolbox，简称NNbox），为解决这个矛盾提供了便利条件。神经网络工具箱提供了很多经典的学习算法，使用它能够快速实现对实际问题的建模求解。在解决实际问题中，应用MATLAB 语言构造典型神经网络的激活传递函数，编写各种网络设计与训练的子程序，网络的设计者可以根据需要调用工具箱中有关神经网络的设计训练程序，使自己能够从烦琐的编程中解脱出来，减轻工程人员的负担，从而提高工作效率。 1.2 人工神经网络的研究背景和意义 人工神经网络是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。 人工神经网络就是模拟人思维的一种方式，是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 近年来通过对人工神经网络的研究，可以看出神经网络的研究目的和意义有以下三点：（1）通过揭示物理平面与认知平面之间的映射，了解它们相互联系和相互作用的机理，从而揭示思维的本质，探索智能的本源。（2）争取构造出尽可能与人脑具有相似功能的计算机，即神经网络计算机。（3）研究仿照脑神
人工智能课程设计报告-罗马尼亚度假 问题 1
2
3 2020年5月29日 课 程 :人工智能课程设计报告 班 级: 姓 名: 学 号: 指导教师:赵曼 11月
人工智能课程设计报告 课程背景 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。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,能够设想,未来人工智能带来的科技产品,将会是人类智慧的”容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识,心理学和哲学。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,人工智能研究的一个主要目标是使机器能够胜任一些一般需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种”复杂工作”的理解是不同的。 人工智能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三大尖端技术(基因工程、纳米科学、人工智能)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 - 1 - 2020年5月29日
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
实验四有限状态机实验 实验报告 一、实验目的 通过蚂蚁世界实验掌握游戏中追有限状态机算法 二、实验仪器 Windows7系统 Microsoft Visual Studio2015 三、实验原理及过程 1）制作菜单 设置参数：点击会弹出对话框，设置一些参数，红、黑蚂蚁的家会在地图上标记出来 运行：设置好参数后点击运行，毒药、食物、水会在地图上随机显示 下一步：2只红蚂蚁和2只黑蚂蚁会随机出现在地图上，窗口右方还会出现红、黑蚂蚁当前数量的统计 不断按下一步，有限状态机就会不断运行，使蚁群产生变化 2）添加加速键 资源视图中 下方
选择ID和键值 3）新建头文件def.h 在AntView.cpp中加入#include"def.h" 与本实验有关的数据大都是在这里定义的 int flag=0; #define kForage 1 #define kGoHome 2 #define kThirsty 3 #define kDead 4 #define kMaxEntities 200 class ai_Entity{ public: int type; int state; int row; int col; ai_Entity(); ~ai_Entity() {} void New (int theType,int theState,int theRow,int theCol); void Forage(); void GoHome(); void Thirsty(); void Dead(); }; ai_Entity entityList[kMaxEntities]; #define kRedAnt 1 #define kBlackAnt 2
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。
武汉轻工大学数计学院《人工智能》课设报告 名称:人工智能算法的应用 班级:信计1201 姓名:张相军 学号:1205130122 指导教师:曾山 学年学期:2015 ~ 2016 学年第一学期 2015 年12 月11 日
目录 1知识简介 (3) 2发展概况 (4) 3研究与应用 (5) 4遗传算法的研究 (6) 5实验结果 (7) 6课设总结 (8) 7附录文件 (9)
1知识简介 人工智能概述 人工智能（Artificial Intelligence，简称AI），是相对自然人的天然智能而言，即用人工的方法和技术，模仿、延伸和扩展人的智能，实现某些“机器思维”。 作为计算机学科的一个重要分支，是由McCarthy 于1956 年在Dartmouth 学会上正式提出，在当前被人们称为世界三大尖端技术之一。美国斯坦福大学著名的人工智能研究中心尼尔逊（Nilson）教授这样定义人工智能“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学科”，另一名著名的美国大学MIT的Winston 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的智能的工作”。除此之外，还有很多关于人工智能的定义，今尚未统一，但这些说法均反映了人工智能学科的基本思想和基本容,由此可以将人工智能概括为研究人类智能活动的规律，构造具有一定智能行为的人工系统。2发展概况 人工智能( Artificial Intelligence)自1956 年正式问世以来的五十年间已经取得了长足的进展, 由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来越多的科技工作者投入人工智能的研究中去。尤其是八十年代以来出现了世界范围的开发新技术的高潮, 许多发达国家的高科技计划的重要内容是计算机技术, 而尤以人工智能为其基本重要组成部分。人工智能成为国际公认的当代高技术的核心部分之一。 人工智能的发展历史 自古以来,人类就力图根据自己的认识水平和当时的技术条件,企图用机器来代替人的部分脑力劳动,以提高征服自然的能力。公元850 年,古希腊就有制造机
人工智能课程设计报告 课班姓学程:人工智能课程设计报告级 : 名: 号: 指导教师:赵曼 2015年11月
人工智能课程设计报告 人工智能课程设计报告 课程背景 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。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。 人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 人工智能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三大尖端技术（基因工程、纳米科学、人工智能）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。
南京航空航天大学 课程报告 《人工智能及其航天应用》题目 学生姓名 学号 学院 专业 班级 教师 二〇一三年十二月
人工智能 摘要：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。 关键词：发展历史及现状；应用；影响； 0 引言 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。 1 人工智能的发展历史与现状 关于“人工智能”的起源，我们要追溯到公元前三百多年的历史伟人——古希腊伟大的哲学家、思想家 Aristotle（亚里士多德）（公元前 384-322），他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。亚里士多德虽没有明确提出“人工智能”的概念，但概念却在此悄悄的萌芽。随后穿越到英国数学家 Turing(图灵)（1912-1954）,1936 年提出了一种理想计算机的数学模型（图灵机），1950 年提出了图灵试验，发表了"计算机与智能"的论文。当今世界上计算机科
人工智能课内实验报告 （8次） 学院：自动化学院 班级：智能1501 姓名：刘少鹏（34） 学号： 06153034
目录 课内实验1：猴子摘香蕉问题的VC编程实现 (1) 课内实验2：编程实现简单动物识别系统的知识表示 (5) 课内实验3：盲目搜索求解8数码问题 (18) 课内实验4：回溯算法求解四皇后问题 (33) 课内实验5：编程实现一字棋游戏 (37) 课内实验6：字句集消解实验 (46) 课内实验7：简单动物识别系统的产生式推理 (66) 课内实验8：编程实现D-S证据推理算法 (78)
人工智能课内实验报告实验1：猴子摘香蕉问题的VC编程实现 学院：自动化学院 班级：智能1501 姓名：刘少鹏（33） 学号： 06153034 日期： 2017-3-8 10:15-12:00
实验1：猴子摘香蕉问题的VC编程实现 一、实验目的 （1）熟悉谓词逻辑表示法； （2）掌握人工智能谓词逻辑中的经典例子——猴子摘香蕉问题的编程实现。 二、编程环境 VC语言 三、问题描述 房子里有一只猴子（即机器人），位于a处。在c处上方的天花板上有一串香蕉，猴子想吃，但摘不到。房间的b处还有一个箱子，如果猴子站到箱子上，就可以摸着天花板。如图1所示，对于上述问题，可以通过谓词逻辑表示法来描述知识。要求通过VC语言编程实现猴子摘香蕉问题的求解过程。 图1 猴子摘香蕉问题 四、源代码 #include
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，模型中的每条规则称为产生式。 2.1产生式规则
重庆理工大学 专业选修课课程考查报告 《AI的发展与未来》 课程名称：《人工智能及应用》 专业：软件工程 学号： 学生姓名： 提交时间：2017年5月5日
进入人工智能 人工智能的话题，在近年尤其火热，很多人是因为在2016年看到AlphaGo打败了世界围棋冠军李世石。这使得大家对人工智能非常感兴趣，同时也有很多人思考人工智能是否应该继续无节制地发展下去？人们会担忧将来人工智能发展到一定的高度可能会取代人类。包括霍金、比尔·盖茨这样伟大的人物也怀疑人工智能。 我们谁都无法下结论说到底该不该发展人工智能，所以我们先来了解一下什么是人工智能，否则我们只会在对人工智能的恐惧中无法获得理性认知。 人工智能似乎没有明确的定义。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[1]，这是美国麻省理工学院的温斯顿教授认为的人工智能。人工智能大概来说可能是有几个部分，首先是感知，感知是包括视觉、语音、语言；然后是决策，做一些预测，做一些判断；那当然如果你要做一套完整的系统，就像机器人或是自动驾驶，它会需要一个反馈[2]。 人工智能的发展 通过了解人工智能发展的主要里程碑，可能会更加直观的了解人工智能。在感知方面，比如我国的科大讯飞。该企业使命是让机器能听会说，能理解会思考；用人工智能建设美好世界[3]。正如他们的企业使命，讯飞语音识别软件现在已经能听懂人们所说的，而且正确率相当高，如果要打很多字完全可以不动手，直接念一遍就都以文字的形式输出来。以前电视里播的现场直播都是没有字幕的，现在已经可以在直播的时候也可以看到实时字幕。可见语音识别给我们带来了巨大的便利。还如微软的小冰，你可以在微信关注她，并且同她聊天，还可以和她语音聊天，她甚至可以为你唱歌。现在小冰会的东西越来越多，也越来越智能。 决策方面，从早期MicrosoftOffice里的工具到Google广告的推荐，然后到金融行业的很多智能决策公司的出现，进步迅速。现在的gamil，有时候收到email，Google会跳出来问要不要发回复，有时候它连回复都帮你写好了，而且写的很精确。这也是人工智能的体现。可能以后我们讲话都不用，助理能帮我们搞定。最后是反馈，比如无人驾驶汽车，它通过车载传感系统感知道路环境，并根据感知所获得的道路、车辆位置和信息，控制车辆的转向和速度，自动规划行车路线并控制车辆到达预定目标的。从而使车辆能够安全、可靠地在道路上行驶。 深度学习及其应用领域 提到人工智能就不得不提深度学习，它是一种神经网络，它的特点是使用了多层网络，能够学习抽象概念，同时融入自我学习，而且收敛相对快速。收敛快速可能是一种技巧，不见得是一个理论，但是有一批人通过它解决了很多重要的问题。简单的来说，如果我们有很多笑脸，然后我们把笑脸的像素输入到一个神经网络里面去，最后你那儿希望让机器能识别这是姚明，那是马云，但是因为你这个深度学习的网络很深，要一次性学会这么多也会比较困难，所以就需要用到一个比较快速收敛的技巧——自我学习。通过自我学习，机器会逐步从大量的样本中逐层抽象出相关的概念，然后做出理解，最终做出判断和决策。深度学习或者是任何的机器学习，它是不是超越人类的能力表现，如果超越的话，可能很多应用就会产生。比如在机场，如果机器识别人脸的准确度超过人，那么那些边防的人就可能不需要那么多。这并不是说机器不会犯错，而是说既然人不能比机器做的更好，那不妨就用机器取代。
结课报告 课程名称：人工智能 学院：信息工程与自动化学院 专业：物联网工程 年级：2013级 学号：201310107125 学生姓名：王子龙 指导教师：吴霖 日期：2014年12月28日 教务处制
智能家居 摘要 智能家居是在互联网影响之下物联化的体现。智能家居通过物联网技术将家中的各种设备（如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等）连接到一起，提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比，智能家居不仅具有传统的居住功能，兼备建筑、网络通信、信息家电、设备自动化，提供全方位的信息交互功能，甚至为各种能源费用节约资金。 智能家居的概念起源很早，但一直未有具体的建筑案例出现，直到1984年美国联合科技公司（United Technologies Building System）将建筑设备信息化、整合化概念应用于美国康涅狄格州（Connecticut)哈特佛市（Hartford）的CityPlaceBuilding时，才出现了首栋的“智能型建筑”，从此揭开了全世界争相建造智能家居派的序幕。 应用价值 随着物联网技术的日益发展，依照物联网技术发展的新兴产业智能家居以住宅为平台，通过物联网、云计算、无线通讯等新技术，将照明、门窗、家电、安防等家居设施集，从而构建高效的住宅设施家庭日程事务的管理系统，并为用户营造安全、健康、舒适的家居生活环境。家居与人们的生活息息相关，所以比传统家居更具优势的智能家居也为人所称道，走进千家万户也是势在必行。 难点 1、用户搞不懂智能家居的概念 2、“智能家居产品太贵了” 3、安全隐患 收获 近年来智能家居行业发展迅速，所以对于行业标准的制定非常重要，1979年，美国的斯坦福研究所提出了将家电及电气设备的控制线集成在一起的家庭总线（HOMEBUS）， 并成立了相应的研究会进行研究，1983年美国电子工业协会组织专门机构开始制定家庭电气设计标准，并于1988年编制了第一个适用于家庭住宅的电气设计标准，即：《家庭自动化系统与通讯标准》，也有称之为家庭总线系统标准(HBS，Home Bus System)。在其制定的设计规范与标准中，智能住宅的电气设计要求必须满足以下三个条件，即： 1．具有家庭总线系统； 2．通过家庭总线系统提供各种服务功能； 3．能和住宅以外的外部世界相连接。 物联传感技术是全球第一个利用物联网来控制灯饰及电子电器产品（我们通称为zigbee产品），并将其作为智能家居主流产品走向了商业化。ZigBee最初预计的应用领域主要包括消费电子、能源管理、卫生保健、家庭自动化、建筑自动化和工业自动化。这种技术低功耗、
人工智能课程报告 题目： 深 度 优 先 算 法 班级：XXXXXXXXXXX 学号：XXXXXXXXXXX 姓名：XXXXXXXXXXX
【摘要】结合生活中解决搜索问题所常用的思考方法与解题方法，从深度优先探讨了提高程序效率的适用技巧。 【关键词】1搜索顺序；2搜索对象；3搜索优化； 一、深度优先搜索的优化技巧 我们在做事情的时候，经常遇到这类问题——给出约束条件，求一种满足约束条件的方案，这类问题我们叫它“约束满足”问题。对于约束满足问题，我们通常可以从搜索的顺序和搜索的对象入手，进而提高程序的效率。 二、搜索的顺序及对象： 在解决约束满足问题的时候，问题给出的约束条件越强，对于搜索就越有利。之所以深度优先搜索的效率在很大程度上优于穷举，就是因为它在搜索过程中很好的利用了题目中的约束条件进行优化，达到提高程序效率的目的。 显然，在同样的一棵搜索树中，越在接近根接点的位置利用约束条件优化效果就越好。如何在搜索中最大化的利用题目的约束条件为我们提供剪枝的依据，是提高深度优先搜索效率的一个很重要的地方。而不同的搜索顺序和搜索对象就直接影响到我们对于题目约束条件的运用。 三、搜索特点 1.由于深度搜索过程中有保留已扩展节点，则不致于重复构造不必要的子树系统。 2.深度优先搜索并不是以最快的方式搜索到解，因为若目标节点在第i层的某处，必须等到该节点左边所有子树系统搜索完毕之后，才会访问到该节点，因此，搜索效率还取决于目标节点在解答树中的位置。
3.由于要存储所有已被扩展节点，所以需要的内存空间往往比较大。 4.深度优先搜索所求得的是仅仅是目前第一条从起点至目标节点的树枝路径，而不是所有通向目标节点的树枝节点的路径中最短的路径。 5.适用范围：适用于求解一条从初始节点至目标节点的可能路径的试题。若要存储所有解答路径，可以再建立其它空间，用来存储每个已求得的解。若要求得最优解，必须记下达到目前目标的路径和相应的路程值，并与前面已记录的值进行比较，保留其中最优解，等全部搜索完成后，把保留的最优解输出。 四、算法数据结构描述 深度优先搜索时，最关键的是结点扩展（ＯＰＥＮ）表的生成，它是一个栈，用于存放目前搜索到待扩展的结点，当结点到达深度界限或结点不能再扩展时，栈顶结点出栈，放入CLOSE表（存放已扩展节点），继续生成新的结点入栈OPEN 表，直到搜索到目标结点或OPEN栈空为止。 具体算法如下： ①把起始结点S放到非扩展结点OPEN表中(后进先出的堆栈)，如果此结点为一目标结点，则得到一个解。 ②如果OPEN为一空表，则搜索失败退出。 ③取OPEN表最前面(栈顶)的结点，并把它放入CLOSED的扩展结点表中，并冠以顺序编号ｎ。 ④如果结点ｎ的深度等于最大深度，则转向２。 ⑤否则，扩展结点ｎ，产生其全部子结点，把它们放入OPEN表的前头(入栈)，并配上指向ｎ的返回指针；如果没有后裔，则转向２。 ⑥如果后继结点中有任一个为目标结点，则求得一个解，成功退出；否则，转向２。
实验报告 1.对CLIPS和其运行及推理机制进行介绍 CLIPS是一个基于前向推理语言，用标准C语言编写。它具有高移植性、高扩展性、 强大的知识表达能力和编程方式以及低成本等特点。 CLIPS由两部分组成：知识库、推理机。它的基本语法是： (defmodule< module-n ame >[< comme nt >]) CLIPS的基本结构： （1）.知识库由事实库（初始事实+初始对象实例）和规则库组成。 事实库： 表示已知的数据或信息，用deftemplat，deffact定义初始事实表FACTLIS，由关系名、后跟 零个或多个槽以及它们的相关值组成，其格式如下： 模板： （deftemplate