人工智能例题大纲

（人工智能）人工智能基础考试大纲人工智能基础（8017）考试大纲壹、课程性质和设置目的（一）课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，于计算机专业本科开设《人工智能基础》课程是十分必要的。

《人工智能基础》是计算机专业本科的壹门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进壹步学习其他专业课程。

开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行关联的工作打下人工智能方面的基础。

（二）本课程的基本要求（课程总目标）《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的壹门学科。

通过对本课程的学习，学生应掌握人工智能的壹个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。

具体要求是：学生于较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；于理解Herbrand域概念和Horn子句的基础上，应用Robinson归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；且能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。

另外，学生仍应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。

学生仍应认识机器学习对于智能软件研制的重要性，掌握机器学习的关联概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。

（三）本课程和关联课程的联系、分工或区别和本课程关联的课程有：离散数学、算法设计、数值分析、程序设计语言等。

第一章绪论●人工智能的诞生：1965年夏季，在达特茅斯大学●人工智能的学派：符号主义，联结主义，行为主义第二章知识表示方法●知识的特性：1.相对正确性；2.不确定性；3.可表示性；4.可利用性●★用谓词公式表示知识的步骤：1.定义谓词及个体，确定每个谓词及个体的确切含义。

2.根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。

3.根据所要表达的知识的语义，用适当的联接符号将各个谓词联接起来，形成谓词公式。

●★★机器人搬弄积木块问题表示P19●★一阶谓词逻辑表示法的特点：1.自然性；2.适宜于精确性知识的表示；3.易实现；4.与谓词逻辑表示法相对应的推理方法。

●产生式系统的组成：1.规则库；2.综合数据库；3.推理机●★产生式系统的推理方式：1.正向推理：①规则库中的规则与综合数据库中的事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③执行启动规则的后件。

将该启用规则的后件送入综合数据库或对综合数据库进行必要的修改。

重复这个过程直至达到目标。

2.反向推理：①规则库中的规划后件与目标事实进行匹配，得到匹配的规则集合；②使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则；③将启用规则的前件作为子目标。

重复这个过程直至各子目标均为已知事实，则反向推理的过程成功结束。

●★★语义网络表示知识举例：P36 例2.5、2.6、2.7；P71 作业18●框架的定义及组成：一个框架由若干个“槽”组成，每个“槽”又可划分为若干个“侧面”。

一个槽用于描述所论及对象的某一方面的属性，一个侧面用于描述相应属性的一个方面。

框架名<槽名><侧面><值>●脚本表示法：美国耶鲁大学的R.C.Schank及其同事们根据概念从属理论提出了一种知识表示方法——脚本表示法。

●问题状态空间的构成：1.状态；(2).算符；3.状态空间。

●★用状态空间表示问题的步骤1.定义状态的描述形式；2.用所定义的状态描述形式把问题的所有可能的状态都表示出来，并确定出问题的初始状态集合描述和目标状态集合描述；3.定义一组算符。

人工智能复习试题和答案及解析一、单选题1. 人工智能的目的是让机器能够（D ），以实现某些脑力劳动的机械化A. 具有完全的智能B. 和人脑一样考虑问题C. 完全代替人D. 模拟、延伸和扩展人的智能2. 下列关于人工智能的叙述不正确的有（C ）。

A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。

B. 人工智能是科学技术发展的趋势。

C. 因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。

D. 人工智能有力地促进了社会的发展。

3. 自然语言理解是人工智能的重要应用领域，下面列举中的（C）不是它要实现的目标。

A. 理解别人讲的话。

B. 对自然语言表示的信息进行分析概括或编辑。

C. 欣赏音乐。

D. 机器翻译。

4. 下列不是知识表示法的是（）。

A. 计算机表示法B. 谓词表示法C. 框架表示法D. 产生式规则表示法5. 关于“与/ 或”图表示知识的叙述，错误的有（D ）。

A. 用“与/ 或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。

B. “与/ 或”图表示知识时一定同时有“与节点”和“或节点”。

C. “与/ 或”图能方便地表示陈述性知识和过程性知识。

D. 能用“与/ 或”图表示的知识不适宜用其他方法表示。

6. 一般来讲，下列语言属于人工智能语言的是（D ）A. VJB. C#C. FoxproD. LISP7. 专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（ C ）的过程。

A. 思考B. 回溯C. 推理D. 递归8. 确定性知识是指（A ）知识。

A. 可以精确表示的B. 正确的C. 在大学中学到的知识D. 能够解决问题的9. 下列关于不精确推理过程的叙述错误的是（B ）。

A. 不精确推理过程是从不确定的事实出发B. 不精确推理过程最终能够推出确定的结论C. 不精确推理过程是运用不确定的知识D. 不精确推理过程最终推出不确定性的结论10. 我国学者吴文俊院士在人工智能的（A ）领域作出了贡献。

人工智能基础（8017）考试大纲一、课程性质与设置目的（一）课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。

《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。

开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。

（二）本课程的基本要求（课程总目标）《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。

通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。

具体要求是：学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。

另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。

学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。

（三）本课程与相关课程的联系、分工或区别与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。

《人工智能应用技术》复习大纲一、人工智能概述略二、谓词公式与逻辑推理定义2・1 ^(Proposition),即具有真(T)假(F)意义的陈述性语句。

定义2. 2所谓个体，是指可以独立存在的某个事物。

定义2. 3谓词：由定义的谓词名、变元，共同构成了具有陈述性表达的形式化语句，称为谓词。

一个谓词可以有n (其中n=0,1, 2,……)个变元，并称之为n元谓词。

定义2. 3谓词中包含个体或变元的数目，称为谓词的元或谓词的目。

定义2. 4谓词表达形式中所包容相叠加的含义层次数数目，称为谓词的阶。

例2-2比较下列谓词或谓词形式的命题：©LIKE (John, mary)； ©ROBOT (John)；©ROBOT (mary) ；®ADDQ (x, y, z)。

试解释具体含义，并指出它们各是几元谓词。

解：上述谓词①②③意即“机器人约翰喜欢玛丽”；②和③都只有一个个体，称为一元谓词; 相应①则称为二元谓词；④表示为表达式“x+y二z” ,其中包含有3个变元，故称为三元谓词。

依此类推，可推出关于n元谓词的概念。

例2-3为了说明谓词的阶，我们来比较下列谓词形式的命题：①LIFELESS (outers tars)；外星球没有智能生命。

②INCORRECT(1辻心ss (outer-stars)说“外星球没有智能生命”是不确切的。

解：在上述谓词形式的命题中，谓词①只有一层含义，称为一阶谓词；谓词②在前一层含义基础上，乂增加了一层新意，共有二层含义。

故把谓词②称为二阶谓词。

依此类推，可推出关于n阶谓词的概念。

注意：在谓词逻辑演算中，最重要的有三大类：即:命题逻辑演算、一阶谓词逻辑演算和二阶谓词演算。

命题逻辑表示比较简单，只能表达具体固定的情况，命题是谓词逻辑特殊事例的生动描述，谓词逻辑可以灵活表现多种或变化的情况；谓词表达是命题逻辑的抽象与推广。

总的看来，命题和谓词的知识表示形式可以相互转换，而谓词比命题有更强的表达能力。

《人工智能》考试大纲第一章绪论1. 了解：人工智能研究的历史和研究领域的大致情况（不少于六个领域）。

2．理解：什么是智能、人工智能研究的目标（近期目标和长远目标）、人工智能研究的内容、人工智能研究的途径。

3. 掌握：人工智能的定义。

第二章问题求解的基本原理1．理解：盲目搜索中图搜索的一般过程；启发式搜索中的搜索策略、与或图概念与搜索方法。

2. 掌握：状态图及状态空间；广度优先图搜索技术；深度优先搜索算法；A算法；A*算法；α―β剪枝技术。

第三章知识与知识表示1. 理解：知识的概念及知识的类型；知识的表示。

2. 掌握：知识表示的谓词逻辑法、状态空间法、问题归约法、框架表示、语义网络法。

第四章问题求解(一): 演绎推理1. 理解：一阶谓词逻辑的基本概念和相关理论。

2. 掌握：推理的基本概念和推理的控制策略；归结（消解）演绎推理；置换与合一技术；归结（消解）反演及其控制策略；应用归结（消解）原理求解问题。

第五章问题求解(二): 不确定性推理1. 理解：不确定性推理的基本问题和总体框架算法；对于知识模糊性的可能性理论的推理方法。

2. 掌握：确定性理论；证据理论；主观贝叶斯（Bayes）方法。

第六章机器学习1. 了解：机器学习的定义和研究意义；机器学习系统构造原则和步骤。

2. 理解：机器学习的主要策略和机器学习系统的基本结构；机器学习的模式；机器学习的主要问题；基于事例的学习的基本原理；基于概念学习的基本原理。

3. 掌握：基于神经网络的学习中神经网络的构成，基于BP神经网络的结构和方向传播公式以及基于BP神经网络的学习算法，Hopfield神经网络的构成和学习算法，。

目录绪论 (1)搜索技术 (1)遗传算法 (8)谓词逻辑 (8)结构化知识表示 (12)绪论1、什么是人工智能？答：人工智能又称机器智能，是用计算机模拟或实现的智能；(人工智能是研究如何制造出人造的智能机器或系统，来模拟人类智能活动的能力，以延伸人们智能的科学)2、什么是符号智能与计算智能？并举例说明。

答：符号智能是模拟闹智能的人工智能，是以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。

如搜索技术、专家系统、定理证明等；计算智能是模拟群智能的人工智能，以数值数据为基础，主要通过数值计算，运用算法进行问题求解。

搜索技术1.状态图是由什么组成的？答：状态图是由节点与有向边组成；2.简述图搜索的方式和策略。

答：搜索方式：线式搜索和树式搜索；搜索策略：盲目搜索和启发式搜索；3.阐述图搜索策略中OPEN表与CLOSED表的作用。

答：OPEN表用来保存当前待考察的节点，并按照某种排列，来控制搜索的方向和顺序；CLOSED表用来记录搜索过程中已考察过的节点，保存全局搜索信息，并可根据节点返回指针得到搜索解路径。

4.简述广度优先策略与深度优先策略的不同点。

答：广度优先搜索是始终在同一级节点中考查，当同一级节点考查完毕，才考查下一级节点。

因此，是自顶向下一层一层逐渐搜索的，属于横向搜索策略，其搜索是完备的，得到的解为最优解；深度优先搜索是在搜索树的每一层始终只扩展一个子节点，不断向纵深前进，直到不能再前进时，才从当前节点返回到上一级节点，沿另一方向又继续前进。

因此，是从树根开始一枝一枝逐渐搜索的，属于纵向搜索策略，其搜索是不完备的，得到的解不一定为最优解。

5.什么是启发式搜索？并以八数码难题为例，说明其原理。

答：启发式搜索是利用问题拥有的启发信息来引导搜索，达到减少搜索范围，降低问题复杂度的目的。

对于八数码难题，可以利用不在位将牌数或者与目标距离信息来作为启发函数，可以加快搜索目标的步数。

6.简述启发函数的单调性判别。

人工智能原理及应用复习提纲第一章1.什么是人工智能？答：人工智能从学科角度说是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。

2.人工智能的产生和发展过程有哪些？答：①孕育期（1956年以前）②形成期（1956年～1970年）③知识应用期（1971年～80年代末）④综合集成期3.人工智能的研究和应用领域答：机器学习；自然语言理解；专家系统；模式识别；计算机视觉；机器人学；博弈；自动定理证明；自动程序设计；智能控制；智能决策支持系统；人工神经网络；知识发现和数据挖掘；分布式人工智能第二章1.什么是知识表示？答：知识表示：就是对知识的一种描述，即用一些约定的符号把知识编码成一组计算机可以接受的数据结构。

2.常用的知识表示方法有哪些？答：目前使用较多的有：一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法等。

3.产生式系统的基本结构答：综合数据库；规则库；控制系统4. 什么是产生式系统？答：用产生式知识表示方法构造的智能系统称为产生式系统。

第三章1.什么是推理？答：所谓推理是指按照某种策略从已知事实出发去推出结论的过程2.推理的控制策略包括哪些内容？分别解决什么问题？答：推理的控制策略又可分为推理策略和搜索策略推理策略主要解决推理方向、冲突消解等问题。

搜索策略主要解决推理线路、推理效果、推理效率等问题。

3.推理的方向有哪些？答：推理分为正向、逆向及混合推理。

4.冲突消解策略有几种？答：特殊知识优先；新鲜知识优先；差异性大的知识优先；领域特点优先；上下文关系优先；前提条件少者优先第四章1.什么是不确定性推理答：不确定性推理就是从不确定性的初始证据出发，通过运用不确定性的知识，最终推理出具有一定程度的不确定性，但又是合理或者基本合理的结论的思维过程。

2.C-F模型（大题）在C-F模型中，知识是用产生式规则表示的，其一般形式为：IF E THEN H (CF(H,E))例4.2 设有如下一组知识：r1: IF E1 THEN H (0.9)r2: IF E2 THEN H (0.6)r3: IF E3 THEN H (-0.5)r4: IF E4 AND (E5 OR E6 ) THEN E1 (0.8)已知：CF(E2)=0.8, CF(E3)=0.6, CF(E4)=0.5, CF(E5)=0.6, CF(E6)=0.8 求：CF(H)=?解：由r4得到：CF(E1)=0.8xmax{0,CF(E4 AND (E5 OR E6 ))}= 0.8xmax{0,min{CF(E4),CF(E5 OR E6 )}}= 0.8xmax{0,min{CF(E4),max{CF(E5),CF(E6)}}}= 0.8xmax{0,min{CF(E4),max{0.6,0.8}}}= 0.8xmax{0,min{0.5,0.8}}= 0.8xmax{0,0.5}= 0.4由r1得到：CF1(H) = CF(H,E1) x max{0, CF(E1)}=0.9x max{0,0.4}=0.36由r2得到：CF2(H) = CF(H,E2) x max{0, CF(E2)}=0.6x max{0,0.8}=0.48由r3得到：CF3(H) = CF(H,E3) x max{0, CF(E3)}= -0.5x max{0,0.6}= -0.3根据结论非精确性的合成算法得到：CF1,2(H)＝CF1(H) + CF2(H) － CF1(H) x CF2(H)＝0.36＋0.48－0.36x0.48＝0.84－0.17=0.67= 0.53CF(H)=0.53第五章1.什么是搜索？答：根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索。

人工智能原理及其应用授课对象：计算机科学技术与应用课程类型：限选学时数：36学时学分数： 3先修课程：C++，JAVA，数据结构，计算方法基本要求：人工智能实验应在一种为高效率开发专家系统而设计的高级程序系统或高级程序设计语言环境中进行。

在目前开来，专家系统开发工具和环境可分为5种主要类型：程序设计语言、知识工程语言、辅助型工具、支持工具及开发环境。

在这里主要是要求学生能相关术语描述、表示一些问题；用程序设计语言如：C、C++、JAVA编程来实现一些基本的算法、推理、搜索等过程。

一、实验项目总表二、实验项目内容及要求：实验1：用谓词表示农夫、狼、山羊、白菜问题实验内容：设农夫、狼、山羊、白菜都在河的左岸，现在要把它们运送到河的右岸去，农夫有条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。

狼要吃山羊，山羊要吃白菜，除非农夫在那里。

试规划出一个确保全部都能过河的计划。

实验目的：通过此实验让学生加深对谓词逻辑和谓词知识表示的理解。

实验要求：写出所用谓词的定义，并给出每个谓词的功能及变量的个体域，然后编程来实现。

实验2：一个用于动物识别的产生式系统实验内容：设计该系统，让其实现可以识别老虎、金钱豹、斑马、长颈鹿、企鹅、信天翁这6种动物。

实验目的：通过此实验让学生进一步加深对产生式系统的认识和理解。

实验要求：其规则库中应包含至少15条规则，假设推理开始时综合数据库中存放有以下事实：动物有暗斑，有长脖子，有长腿，有奶，有蹄实验3：写出一个“教师框架”实验内容：给出一个用来描述计算机系教师有关情况的具体框架。

实验目的：通过此实验让学生熟悉框架的基本结构。

实验要求：至少写出12个槽，同时写出侧面附加说明信息。

实验4：“激动人心的生活”问题实验内容：假设：所有不贫穷并且聪明的人都是快乐的。

那些看书的人是聪明的。

李明能看书且不贫穷。

快乐的人过着激动人心的生活。

求证：李明过着激动人心的生活。

实验目的：通过此实验让学生进一步加深对谓词逻辑归结的理解。

人工智能基础(8017)考试大纲一、课程性质与设置目的(一)课程性质和特点“人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。

《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。

开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。

(二)本课程的基本要求(课程总目标)《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。

通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。

具体要求是：学生在较坚实打好的人工智能数学基础(数理逻辑、概率论、模糊理论、数值分析)上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Hom 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解 (GPS) 的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法(宽度优先、深度优先、有代价的搜索、 A 算法、 A* 算法、博弈数的极大一极小法、α—β剪枝技术)完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D—S 证据理论等，利用数值分析中常用方法进行正确计算。

另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。

学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。

(三)本课程与相关课程的联系、分工或区别—1—与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。

人工智能概论教学大纲(理论实验)（一）引言概述：人工智能（Artificial Intelligence，简称AI）是计算机科学和工程的一个分支，涉及到使机器能够完成人类认为需要智能的任务。

本教学大纲旨在介绍人工智能的基础概念、算法和应用，帮助学生了解人工智能的理论和实验基础，培养其相关技能和能力。

一、人工智能的概述1. 人工智能的定义和目标(a) 人工智能的定义和发展历程(b) 人工智能的主要目标和应用领域(c) 人工智能的局限性和挑战2. 人工智能的基本原理(a) 人工智能的基本思维模型和问题解决方法(b) 人工智能的算法和技术基础(c) 人工智能的数据和模型训练3. 人工智能的伦理和社会影响(a) 人工智能的伦理和道德问题(b) 人工智能对社会和经济的影响(c) 人工智能的未来发展趋势和挑战二、人工智能的核心技术1. 机器学习(a) 机器学习的基本概念和方法(b) 监督学习、无监督学习和强化学习(c) 机器学习的算法和模型2. 深度学习(a) 深度学习的原理和神经网络模型(b) 卷积神经网络和循环神经网络(c) 深度学习在计算机视觉和自然语言处理中的应用3. 自然语言处理(a) 自然语言处理的基本任务和技术(b) 语言模型和句法分析(c) 文本分类、情感分析和机器翻译4. 计算机视觉(a) 图像处理和特征提取(b) 目标检测和图像分割(c) 计算机视觉在智能驾驶和人脸识别中的应用5. 推荐系统(a) 推荐系统的原理和算法(b) 用户行为分析和个性化推荐(c) 推荐系统在电子商务和社交媒体中的应用三、人工智能的实验基础1. 编程语言和工具(a) Python语言和相关库(b) 机器学习和深度学习框架(c) 数据处理和可视化工具2. 数据集和特征工程(a) 常用的公开数据集和数据源(b) 数据预处理和特征选择(c) 数据集划分和交叉验证方法3. 算法实现和模型训练(a) 机器学习算法的实现和调优(b) 深度学习模型的搭建和训练(c) 实验结果评估和比较分析四、人工智能的应用案例1. 智能语音助手(a) 语音识别和语音合成技术(b) 人机对话系统和智能问答(c) 智能音箱和智能家居应用2. 自动驾驶技术(a) 传感器和感知技术(b) 路径规划和决策控制(c) 自动驾驶的挑战和安全问题3. 金融风控和欺诈检测(a) 信用评分和风险预测(b) 交易欺诈和异常检测(c) 金融科技的发展和应用前景4. 医疗诊断和辅助决策(a) 医学影像分析和疾病诊断(b) 基因数据分析和个性化治疗(c) 人工智能在医疗领域的挑战和限制5. 智能物联网和城市管理(a) 物联网技术和智能传感器(b) 智能交通和智能能源管理(c) 城市智能化的可行性和影响评估总结：本教学大纲介绍了人工智能的概述、核心技术、实验基础和应用案例。

神经网络学习假设w1(0)=0.2, w2(0)=0.4, θ(0)=0.3, η=0.4，请用单层感知器完成逻辑或运算的学习过程。

解：根据“或”运算的逻辑关系，可将问题转换为：输入向量：X1=[0, 0, 1, 1]X2=[0, 1, 0, 1]输出向量：Y=[0, 1, 1, 1]由题意可知，初始连接权值、阈值，以及增益因子的取值分别为：w1(0)=0.2, w2(0)=0.4, θ(0)=0.3，η=0.4即其输入向量X(0)和连接权值向量W(0)可分别表示为：X(0)=(-1, x1 (0), x2 (0))W(0)=(θ(0), w1(0), w2 (0))根据单层感知起学习算法，其学习过程如下：设感知器的两个输入为x1(0)=0和x2(0)=0，其期望输出为d(0)=0，实际输出为：y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0))=f(0.2*0+0.4*0-0.3)=f(-0.3)=0实际输出与期望输出相同，不需要调节权值。

再取下一组输入：x1(0)=0和x2(0)=1，其期望输出为d(0)=1，实际输出为：y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0))=f(0.2*0+0.4*1-0.3)=f(0.1)=1实际输出与期望输出相同，不需要调节权值。

再取下一组输入：x1(0)=1和x2(0)=0，其期望输出为d(0)=1，实际输出为：y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0))=f(0.2*1+0.4*0-0.3)=f(-0.1)=0实际输出与期望输出不同，需要调节权值，其调整如下：θ(1)=θ(0)+η(d(0)- y(0))*(-1)=0.3+0.4*(1-0)*(-1)= -0.1w1(1)=w1(0)+η(d(0)- y(0))x1(0)=0.2+0.4*(1-0)*1=0.6w2(1)=w2(0)+η(d(0)- y(0))x2(0)=0.4+0.4*(1-0)*0=0.4再取下一组输入：x1(1)=1和x2(1)=1，其期望输出为d(1)=1，实际输出为：y(1)=f(w1(1) x1(1)+ w2(1) x2(1)-θ(1))=f(0.6*1+0.4*1+0.1)=f(1.1)=1实际输出与期望输出相同，不需要调节权值。

《人工智能应用技术》复习大纲一、人工智能概述略二、谓词公式与逻辑推理定义2.1 命题(Proposition)，即具有真(T)假(F)意义的陈述性语句。

定义2.2 所谓个体，是指可以独立存在的某个事物。

定义2.3 谓词：由定义的谓词名、变元，共同构成了具有陈述性表达的形式化语句，称为谓词。

一个谓词可以有n（其中n=0,1,2, ……）个变元，并称之为n元谓词。

定义2.3 谓词中包含个体或变元的数目，称为谓词的元或谓词的目。

定义2.4 谓词表达形式中所包容相叠加的含义层次数数目，称为谓词的阶。

例2-2 比较下列谓词或谓词形式的命题：①LIKE(john，mary)；②ROBOT(john)；③ROBOT(mary)；④ADDQ(x，y，z)。

试解释具体含义，并指出它们各是几元谓词。

解：上述谓词①②③意即“机器人约翰喜欢玛丽”；②和③都只有一个个体，称为一元谓词；相应①则称为二元谓词；④表示为表达式“x+y=z”，其中包含有3个变元，故称为三元谓词。

依此类推，可推出关于n元谓词的概念。

例2-3 为了说明谓词的阶，我们来比较下列谓词形式的命题：①LIFELESS(outer-stars)；外星球没有智能生命。

②INCORRECT(lifeless(outer-stars))；说“外星球没有智能生命”是不确切的。

解：在上述谓词形式的命题中，谓词①只有一层含义，称为一阶谓词；谓词②在前一层含义基础上，又增加了一层新意，共有二层含义。

故把谓词②称为二阶谓词。

依此类推，可推出关于n阶谓词的概念。

注意：在谓词逻辑演算中，最重要的有三大类：即：命题逻辑演算、一阶谓词逻辑演算和二阶谓词演算。

命题逻辑表示比较简单，只能表达具体固定的情况，命题是谓词逻辑特殊事例的生动描述，谓词逻辑可以灵活表现多种或变化的情况；谓词表达是命题逻辑的抽象与推广。

总的看来，命题和谓词的知识表示形式可以相互转换，而谓词比命题有更强的表达能力。

《人工智能》教学大纲人工智能教学大纲一、引言人工智能（Artificial Intelligence, AI）是现代科技发展的热点领域，其在各个行业中的应用不断深入。

AI教育的重要性与日俱增，为了适应时代的发展潮流，我们设计了本教学大纲，旨在引导学生系统地学习人工智能的基本概念、原理和应用，培养学生的AI思维和技术能力。

二、课程目标本课程旨在使学生掌握以下知识和技能：1. 理解人工智能的基本概念和发展历程；2. 掌握人工智能的核心算法和模型，如机器学习、深度学习等；3. 理解人工智能在各个领域的应用，并能够灵活运用相关技术解决实际问题；4. 培养学生的创新思维和团队合作能力，在人工智能领域具备综合素质。

三、教学内容与进度安排1. 第一阶段：人工智能概述（2周）- 人工智能的定义与分类- 人工智能在社会与经济中的地位与作用- 人工智能的发展历程及国内外研究进展2. 第二阶段：机器学习基础（4周）- 机器学习的基本概念与算法- 监督学习、无监督学习和半监督学习- 常见机器学习算法的原理与应用- 机器学习在图像处理、自然语言处理等领域的应用案例3. 第三阶段：深度学习与神经网络（5周）- 深度学习的基本原理与核心概念- 深度神经网络的结构与训练方法- 常见深度学习网络，如卷积神经网络、循环神经网络等 - 深度学习在计算机视觉、语音识别等领域的应用案例4. 第四阶段：人工智能应用与伦理（3周）- 人工智能在医疗、金融、智能交通等领域的应用案例 - 人工智能伦理与社会影响的讨论- 人工智能发展趋势与未来展望5. 第五阶段：实践项目与实验（4周）- 结合实际问题，进行人工智能算法的实践应用- 利用开源框架进行人工智能模型的训练与调优- 团队合作，完成人工智能项目的设计与实施四、教学方法与评价方式1. 教学方法- 授课结合案例分析，通过实例让学生更好地理解与应用知识；- 布置作业与小组讨论，培养学生的独立思考和合作能力；- 项目实践与实验，提升学生的动手能力与创新思维。

人工智能教程习题及答案第一章绪论1.1 练习题1.1什么是人类智能？它有哪些特征或特点？1.2人工智能是何时、何地、怎样诞生的？1.3什么是人工智能？它的研究目标是什么？1.4人工智能有哪些主要研究领域？1.5人工智能有哪几个主要学派？各自的特点是什么？1.6什么是以符号处理为核心的方法?1.7 什么是以网络连接为主的连接机制方法?1.2 习题参考解答（略）第二章知识表示习题参考解答2.3 练习题2.1 什么是知识?它有哪些特性?有哪几种分类方法?2.2 何谓知识表示? 陈述性知识表示法与过程性知识表示法的区别是什么?2.3 在选择知识的表示方法时，应该考虑哪些主要因素?2.4 一阶谓词逻辑表示法适合于表示哪种类型的知识?它有哪些特点?2.5 请写出用一阶谓词逻辑表示法表示知识的步骤。

2.6 设有下列语句，请用相应的谓词公式把它们表示出来：（1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。

（2）他每天下午都去玩足球。

（3）太原市的夏天既干燥又炎热。

（4）所有人都有饭吃。

（5）喜欢玩篮球的人必喜欢玩排球。

（6）要想出国留学，必须通过外语考试。

2.7 房内有一只猴子、一个箱子，天花板上挂了一串香蕉，其位置关系如图2. 11所示，猴子为了拿到香蕉，它必须把箱子推到香蕉下面，然后再爬到箱子上。

请定义必要的谓词，写出问题的初始状态（即图2.16所示的状态）、目标状态（猴子拿到了香蕉，站在箱子上，箱子位于位置b）。

图2.11 猴子摘香蕉问题2.8 对习题2.7中的猴子摘香蕉问题，利用一阶谓词逻辑表述一个行动规划，使问题从初始状态变化到目标状态。

2.9 产生式的基本形式是什么？它与谓词逻辑中的蕴含式有什么共同处及不同处？2.10 何谓产生式系统？它由哪几部分组成？2.11 产生式系统中，推理机的推理方式有哪几种？在产生式推理过程中，如果发生策略冲突，如何解决？2.12 设有下列八数码难题：在一个3×3的方框内放有8个编号的小方块，紧邻空位的小方块可以移入到空位上，通过平移小方块可将某一布局变换为另一布局（如图2.12所示）。

《人工智能基础》题集一、选择题（每题2分，共20分）1.人工智能（AI）是一门涉及研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的技术科学，其核心目标是使机器能够执行通常需要人类智能才能完成的复杂任务。

以下哪项不属于人工智能的研究领域？ （）A.（机器人技术B.（自然语言处理C.（天气预报 基于物理定律的传统预测方法）D.（计算机视觉2.深度学习是机器学习的一个分支，它通过使用多层神经网络模型来自动学习数据的表示。

下列关于深度学习的说法不正确的是？ （）A.（深度学习模型通常需要大量的训练数据B.（深度学习可以处理非线性问题C.（深度学习模型一旦训练完成，就不需要再进行任何调整D.（卷积神经网络 CNN）是深度学习在图像识别领域的一种常用模型3.在机器学习中，过拟合是指模型在训练数据上表现良好，但在新数据上表现不佳的现象。

为了缓解过拟合，可以采取以下哪种策略？ （）A.（增加训练数据的数量B.（减少模型的复杂度C.（使用正则化技术D.（以上都是4.强化学习是一种机器学习范式，其中智能体通过与环境交互来学习如何采取行动以最大化某种累积奖励。

在强化学习中，策略指的是？ （）A.（环境的状态表示B.（智能体从状态到动作的映射C.（奖励函数的定义D.（环境对智能体动作的即时反馈5.自然语言处理（NLP）是人工智能领域的一个重要分支，旨在使计算机能够理解、解释和生成人类语言。

下列哪项技术不属于自然语言处理的应用？（）A.（机器翻译B.（语音识别C.（图像识别 基于视觉内容的分析）D.（情感分析6.在人工智能中，专家系统是一种模拟人类专家决策过程的计算机程序系统。

专家系统的核心组成部分是？ （）A.（知识库和推理机B.（数据库和查询引擎C.（操作系统和应用软件D.（用户界面和交互设计7.人工智能中的“图灵测试”是由艾伦·图灵提出的，用于判断机器是否具有智能的一个标准。

根据图灵测试的定义，如果一台机器能够与人类进行自然语言对话，且其表现使得一定比例的评判者无法区分它是机器还是人类，那么可以认为该机器具有？ （）A.（强人工智能B.（弱人工智能C.（超人工智能D.（人工智能的初步形态8.下列哪种算法属于无监督学习算法？ （）A.（支持向量机 SVM）B.（K均值聚类C.（决策树D.（随机森林9.在深度学习中，反向传播算法是用于训练神经网络的一种关键技术。

⼈⼯智能技术导论复习⼤纲⼀、⼈⼯智能概述1、什么是⼈⼯智能？谈谈你对⼈⼯智能的认识。

“ArtificialIntelligence”，简称AI。

⽬前的“⼈⼯智能”⼀词是⼈造智能，指⽤计算机模拟或实现的智能，同时，⼈⼯智能⼜是⼀个学科名称。

研究⼈⼯智能也是当前信息化社会的迫切要求。

我们知道, ⼈类社会现在已经进⼊了信息化时代。

信息化的进⼀步发展, 就必须有智能技术的⽀持。

例如, 当前迅速发展着的互联⽹(Internet)、万维⽹(WWW)和⽹格(Grid)就强烈地需要智能技术的⽀持。

也就是说,⼈⼯智能技术在Internet、 WWW和Grid上将发挥重要作⽤。

智能化也是⾃动化发展的必然趋势。

⾃动化发展到⼀定⽔平, 再向前发展就必然是智能化。

事实上,智能化将是继机械化、⾃动化之后, ⼈类⽣产和⽣活中的⼜⼀个技术特征。

　⼈⼯智能作为⼀门学科, 其研究⽬标就是制造智能机器和智能系统, 实现智能化社会。

随着⼈⼯智能的发展⼈类社会会更加智能化，更加美好！2、⼈⼯智能有哪些应⽤领域或课题？1）、难题求解2）、⾃动规划、调度与配置3）、机器定理证明4）、⾃动程序设计5）、机器翻译6）、智能控制7）、智能管理8）、智能决策9）、智能通讯10）、智能仿真11）、智能CAD（计算机辅助设计Computer Aided Design）12）、智能制造13）、智能CAI（计算机辅助教学Computer Aided Instruction）14) 、智能⼈机接⼝15) 、模式识别16）、数据挖掘与数据库中的知识发现17）、计算机辅助创新18）、计算机⽂艺创作19）、机器博弈20）、智能机器⼈⼆、逻辑程序设计语⾔PROLOGPROLOG是⼀种逻辑型智能程序设计语⾔，以horn⼦句逻辑为基础，因此⽤它编写的程序就是逻辑程序，即在PROLOG程序中⼀般不需告诉计算机“怎么做”，只需要告诉它“做什么”。

1.试编写⼀个描述亲属关系的PROLOG程序，然后再给出⼀些事实数据，建⽴⼀个⼩型演绎数据库。