下载文档原格式
xx学校ﻩﻩ201２—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.19４６B.1９60 C．1916ﻩﻩD.１95６2. 人工智能应用研究的两个最重要最广泛领域为：ＢA．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ﻩﻩD: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ﻩﻩＢ: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，Ｓg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 ﻩB：s0－s4-s１-s2－ｓ3-s6－ｓ9－sgC：s0-s4-ｓ1-s２－s３－s５-s6-s８－s９-ｓg ﻩD: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(Heu ｒiｓtic）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（ＡrtificiａｌＩnteｌlｉｇeｎcｅ) ,英文缩写为AI。
1.什么是人类智能？它有哪些特征或特点？定义：人类所具有的智力和行为能力。
特点：主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。
2.人工智能是何时、何地、怎样诞生的？解：人工智能于1956年夏季在美国Dartmouth大学诞生。
此时此地举办的关于用机器模拟人类智能问题的研讨会，第一次使用“人工智能”这一术语，标志着人工智能学科的诞生。
3.什么是人工智能？它的研究目标是？定义：用机器模拟人类智能。
研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。
4.人工智能的发展经历了哪几个阶段？解：第一阶段：孕育期（1956年以前）；第二阶段：人工智能基础技术的研究和形成（1956~1970年）；第三阶段：发展和实用化阶段（1971~1980年）；第四阶段：知识工程和专家系统（1980年至今）。
5.人工智能研究的基本内容有哪些？解：知识的获取、表示和使用。
6.人工智能有哪些主要研究领域？解：问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。
7.人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。
特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。
8.人工智能的近期发展趋势有哪些？解：专家系统、机器人学、人工神经网络和智能检索。
9.什么是以符号处理为核心的方法？它有什么特征？解：通过符号处理来模拟人类求解问题的心理过程。
特征：基于数学逻辑对知识进行表示和推理。
11.什么是以网络连接为主的连接机制方法？它有什么特征？解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。
特征：研究神经网络。
1.什么是人类智能它有哪些特色或特色定义：人类所拥有的智力和行为能力。
特色：主要表现为感知能力、记忆与思想能力、概括与演绎能力、学习能力以及行为能力。
2.人工智能是何时、何地、如何出生的解：人工智能于 1956 年夏季在美国 Dartmouth 大学出生。
此时此地举办的对于用机器模拟人类智能问题的商讨会，第一次使用“人工智能”这一术语，标记着人工智能学科的出生。
3.什么是人工智能它的研究目标是定义：用机器模拟人类智能。
研究目标：用计算机模拟人脑思想活动，解决复杂问题；从适用的看法来看，以知识为对象，研究知识的获得、知识的表示方法和知识的使用。
4.人工智能的发展经历了哪几个阶段年）；第解：第一阶段：孕育期（1956 年从前）；第二阶段：人工智能基础技术的研究和形成（1956~1970三阶段：发展和适用化阶段（1971~1980 年）；第四阶段：知识工程和专家系统（1980 年到现在）。
5.人工智能研究的基本内容有哪些解：知识的获得、表示和使用。
6.人工智能有哪些主要研究领域解：问题求解、专家系统、机器学习、模式辨别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。
7.人工智能有哪几个主要学派各自的特色是什么主要学派：符号主义和联络主义。
特色：符号主义以为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，进而思想就是符号计算；联络主义以为人类智能的基本单元是神经元，认识过程是由神经元组成的网络的信息传达，这类传达是并行散布进行的。
8.人工智能的近期发展趋向有哪些解：专家系统、机器人学、人工神经网络和智能检索。
9.什么是以符号办理为中心的方法它有什么特色解：经过符号办理来模拟人类求解问题的心理过程。
特色：鉴于数学逻辑对知识进行表示和推理。
11.什么是以网络连结为主的连结体制方法它有什么特色解：用硬件模拟人类神经网络，实现人类智能在机器上的模拟。
特色：研究神经网络。
选择
1.ABCD P4
2.ABCD P6
3.ABCD P233
4.AC P9
5.C P13
6.ABCD P7
7.ABCD P97
8.BCD P151
9.ABD P207 （书上是神经网络模型分类）
10.ABCD P209
填空题
1.自主性、反应性、适应性、社会性
2.先验智能、反应性智能、优化智能、组织与协调智能
3.统计方法、机器学习方法、粗糙集及模糊集、智能计算方法、可视化
4.探索与求解、学习与发现、知识与推理、发现与创造、感知与交流、记忆与
联想、系统与建造、应用与工程
5.产生式规则库、推理机、动态数据库
6.数据准备
简单题
1.P92
2.P101
3.P101
4.P159
5.原始样例数据经过特征选取/基元选取便得到样例模式。
有了样例模式，接下来就是通
过机器学习而产生相关的分类知识。
有了分类知识，对于新的待识模式，就可以进行识别了。
P217
简答题
P131
计算题
1.如下
2.如下。
AI考试题库及答案解析一、单项选择题1. 人工智能的英文缩写是什么？A. AIB. IAC. SID. AII答案：A2. 人工智能技术最早起源于哪个国家？A. 美国B. 英国C. 德国D. 日本答案：A3. 下列哪项技术不属于人工智能领域？A. 机器学习B. 数据挖掘C. 云计算D. 语音识别答案：C二、多项选择题1. 人工智能可以应用在以下哪些领域？A. 医疗健康B. 金融服务C. 教育D. 娱乐答案：ABCD2. 以下哪些属于人工智能的基本组成部分？A. 知识表示B. 自然语言处理C. 机器学习D. 数据存储答案：ABC三、判断题1. 人工智能的发展完全依赖于大数据。
答案：错误。
人工智能的发展不仅依赖于大数据，还包括算法、计算能力等多种因素。
2. 人工智能可以完全替代人类的工作。
答案：错误。
人工智能可以辅助人类工作，提高效率，但不能完全替代人类工作。
四、简答题1. 请简述人工智能的发展历程。
答：人工智能的发展历程可以分为几个阶段：初始阶段，20世纪50年代至60年代，人工智能的概念被提出；发展阶段，70年代至80年代，专家系统和机器学习技术开始出现；成熟阶段，90年代至今，深度学习技术的发展使得人工智能技术取得重大突破。
2. 人工智能技术在医疗健康领域的应用有哪些？答：人工智能技术在医疗健康领域的应用包括：辅助诊断、个性化治疗、药物研发、患者监护等。
五、论述题1. 论述人工智能技术对社会经济发展的影响。
答：人工智能技术对社会经济发展的影响是多方面的。
首先，它可以提高生产效率，降低成本；其次，它能够创造新的就业机会，促进产业结构的升级；再次，人工智能技术可以改善公共服务，提高人们的生活质量；最后，它还能推动科技创新，加速新产业的发展。
人工智能试题答案及解析一、单项选择题（每题2分，共20分）1. 人工智能的英文缩写是（）。
A. AIB. MLC. DLD. RL答案：A解析：人工智能的英文缩写是AI，即Artificial Intelligence。
2. 下列哪个选项是人工智能的典型应用之一？（）A. 语音识别B. 量子计算C. 云计算D. 区块链答案：A解析：语音识别是人工智能的典型应用之一，它涉及到将语音信号转换为文本信息的技术。
3. 机器学习的主要目标是（）。
A. 预测未来B. 自动驾驶C. 数据分析D. 使计算机能够利用数据进行学习答案：D解析：机器学习的主要目标是使计算机能够利用数据进行学习，从而提高其性能和智能。
4. 深度学习是机器学习的一个子集，它主要依赖于（）。
A. 决策树B. 支持向量机C. 神经网络D. 随机森林答案：C解析：深度学习是机器学习的一个子集，它主要依赖于神经网络，尤其是深度神经网络。
5. 下列哪个算法不是监督学习算法？（）A. 线性回归B. 逻辑回归C. 聚类D. 支持向量机答案：C解析：聚类是一种无监督学习算法，它不依赖于标签数据，而是将数据点分组到多个簇中。
6. 在人工智能中，过拟合是指（）。
A. 模型在训练数据上表现太好B. 模型在训练数据上表现太差C. 模型在新数据上表现太好D. 模型在新数据上表现太差答案：A解析：过拟合是指模型在训练数据上表现太好，但在新数据上表现差，即模型对训练数据过度敏感。
7. 下列哪个选项是强化学习的特点？（）A. 需要大量标记数据B. 通过与环境的交互进行学习C. 通过反向传播算法进行学习D. 通过梯度下降算法进行学习答案：B解析：强化学习的特点是通过与环境的交互进行学习，以获得最大的累积奖励。
8. 在自然语言处理中，词嵌入的目的是（）。
A. 将文本转换为数值表示B. 将图像转换为数值表示C. 将音频转换为数值表示D. 将视频转换为数值表示答案：A解析：词嵌入的目的是将文本转换为数值表示，以便机器学习模型可以处理。
人工智能试题及答案【篇一：人工智能经典试题及答案】ass=txt>2.8 设有如下语句，请用相应的谓词公式分别把他们表示出来：s(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。
解：定义谓词dp(x)：x是人l(x,y)：x喜欢y其中，y的个体域是{梅花，菊花}。
将知识用谓词表示为：(?x )(p(x)→l(x, 梅花)∨l(x, 菊花)∨l(x, 梅花)∧l(x, 菊花))(2) 有人每天下午都去打篮球。
解：定义谓词p(x)：x是人b(x)：x打篮球a(y)：y是下午将知识用谓词表示为：a(?x )(?y) (a(y)→b(x)∧p(x))(3) 新型计算机速度又快，存储容量又大。
解：定义谓词nc(x)：x是新型计算机f(x)：x速度快b(x)：x容量大将知识用谓词表示为：(?x) (nc(x)→f(x)∧b(x))(4) 不是每个计算机系的学生都喜欢在计算机上编程序。
解：定义谓词s(x)：x是计算机系学生l(x, pragramming)：x喜欢编程序u(x,computer)：x使用计算机将知识用谓词表示为：? (?x) (s(x)→l(x, pragramming)∧u(x,computer))(5) 凡是喜欢编程序的人都喜欢计算机。
解：定义谓词p(x)：x是人l(x, y)：x喜欢y将知识用谓词表示为：(?x) (p(x)∧l(x,pragramming)→l(x, computer))2.9 用谓词表示法求解机器人摞积木问题。
设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。
机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。
积木世界的布局如下图所示。
图机器人摞积木问题解：(1) 先定义描述状态的谓词clear(x)：积木x上面是空的。
(x, y)：积木x在积木y的上面。
第10章人工智能系统习题（答案）一．选择题1. D2. B3. CD4. C5. ABC二．简答题1. 什么是人工智能？答：人工智能AI(Artificial Intelligence)，又称为机器智能MI(Machine Intelligence)，是研究、设计和应用智能机器或智能系统，用来模拟人类智能活动的能力，以延伸人类智能的科学。
它是一门综合了计算机科学、生理学、控制论、信息论、神经生理学、语言学、哲学的交叉学科。
2. 人工智能的主要研究和应用领域是什么？答：目前，人工智能已进入人们的工作和生活中，它的主要应用领域包括:专家系统、决策支持系统、自然语言处理、组合调度和指挥、智能机器人、逻辑推理和定理证明、模式识别、自动程序设计等领域。
3. 知识表示的方法有哪些？答：知识表示是对知识的一种描述，在人工智能中主要是指适用于计算机的一种数据结构。
在人工智能中，常用的知识表示方法有：一阶谓词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、过程表示法、脚本表示法、面向对象表示法、Petri网表示法等等。
4. 经典的推理技术有哪些？答：推理是人类求解问题的主要思维方法，其任务是利用知识，因而与知识的表示方法有密切关系。
经典的推理主要有确定性推理，包括归约推理、消解演绎推理和规则演绎推理等推理方法。
它们建立在经典逻辑基础上，运用确定性知识进行精确推理，也是一种单调性推理。
5. 人工神经网络有哪些模型，试举出五个例子。
答：有感知器神经网络、BP网络、Hopfield神经网络、BAM神经网络、Kohonen网络等。
三. 讨论题1. 举例说明一两个你感兴趣的人工智能研究领域。
答案略。
2. 智能计算的含义是什么？它涉及哪些研究分支？答案略。
练习题一、选择题。
（每题2分）1.用归结原理证明定理时，若当前的归结式是_____,则定理得证。
2.在谓词逻辑知识表达法中，用不同于某变量的项(常量，变量，函数)来代替它，称为______。
一、选择题(每题1分，共15分)1、AI的英文缩写是A)Automatic Intelligence B)Artifical IntelligenceC)Automatice Information D)Artifical Information2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。
A)永真式B)包孕式（subsumed）C)空子句3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是A)正向推理B)反向推理C)双向推理4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。
A)无悖性B)可扩充性C)继承性5、(A→B)∧A => B是A)附加律B)拒收律C)假言推理D)US6、命题是可以判断真假的A)祈使句B)疑问句C)感叹句D)陈述句7、仅个体变元被量化的谓词称为A)一阶谓词 B)原子公式C)二阶谓词D)全称量词8、MGU是A)最一般合一B)最一般替换C)最一般谓词D)基替换9、1997年５月，着名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（）A）深蓝B）IBM C）深思D）蓝天10、下列不在人工智能系统的知识包含的4个要素中A)事实B)规则C)控制和元知识D)关系11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,?若σ是互补文字的（最一般）合一置换，则其归结式C=（）A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’12、或图通常称为A）框架网络B)语义图C)博亦图D)状态图13、不属于人工智能的学派是A)符号主义B)机会主义C)行为主义D)连接主义。
14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是A)明斯基B).扎德C)图林D)冯.诺依曼15.要想让机器具有智能，必须让机器具有知识。
ai考试题目试题及答案一、单项选择题（每题2分，共10题）1. 人工智能的英文缩写是什么？A. AIB. BIC. CID. DI答案：A2. 以下哪个选项不是人工智能的应用领域？A. 自动驾驶汽车B. 语音识别C. 医疗诊断D. 传统手工艺答案：D3. 深度学习是人工智能中的哪种技术？A. 机器学习B. 统计学C. 神经科学D. 数据库管理答案：A4. 人工智能的发展历程中，哪个阶段被认为是“黄金时代”？A. 1950年代B. 1960年代C. 1970年代D. 1980年代答案：B5. 以下哪个算法不是监督学习算法？A. 决策树B. 支持向量机C. 聚类D. 逻辑回归答案：C6. 在人工智能领域，哪个术语指的是让机器能够从经验中学习并改进其性能？A. 机器学习B. 深度学习C. 强化学习D. 遗传算法答案：A7. 以下哪个是人工智能中用于自然语言处理的技术？A. 卷积神经网络B. 循环神经网络C. 随机森林D. 支持向量机答案：B8. 人工智能中的强化学习主要解决什么问题？A. 模式识别B. 预测分析C. 决策制定D. 数据分类答案：C9. 以下哪个选项是人工智能领域的一个主要挑战？A. 数据存储B. 数据隐私C. 能源消耗D. 以上都是答案：D10. 人工智能中的“黑箱”问题指的是什么？A. 算法的不透明性B. 数据的不完整性C. 计算的复杂性D. 系统的不稳定性答案：A二、多项选择题（每题3分，共5题）1. 人工智能可以应用于以下哪些领域？A. 金融服务B. 教育C. 娱乐D. 制造业答案：ABCD2. 以下哪些是人工智能的关键技术？A. 机器学习B. 自然语言处理C. 计算机视觉D. 语音识别答案：ABCD3. 人工智能的发展受到哪些因素的推动？A. 大数据B. 云计算C. 算法进步D. 硬件发展答案：ABCD4. 以下哪些是人工智能可能带来的社会问题？A. 就业问题B. 数据隐私C. 安全问题D. 伦理问题答案：ABCD5. 人工智能在医疗领域的应用包括哪些？A. 辅助诊断B. 药物研发C. 患者监护D. 手术辅助答案：ABCD三、判断题（每题1分，共5题）1. 人工智能可以完全替代人类进行所有工作。
人工智能期末考试卷（1）标准答案及评分标准一、填空题（每空1分，共10分）1智能具有五个特征，分别为①学习能力、自适应能力、②记忆与思维能力、表达能力和感知能力.2．机器的③感知能力是让机器自动获取知识的基本条件,而知识的自动获取一直是智能系统研究中最困难的问题之一.3．从研究的角度不同，对人工智能的研究可分两大阵营：④联接和⑤符号。
其中⑤符号的理论基础为数理逻辑.4。
⑥问题规约方法是一种将复杂问题变换为比较简单的子问题,子问题再转换为更简单的子问题，最终将问题转换为对本原问题的知识表示方法。
5。
鲁宾逊提出了⑦归结原理使机器定理证明成为可能。
6．当某个算符被认为是问题求解的决定步骤时，此算符为⑧关键算符。
7。
宽度优先搜索与深度优先搜索方法的一个致命的缺点是当问题比较复杂是可能会发生⑨组合爆炸.8。
语义网络⑩方法是1968年由J。
R.Quilian在研究人类联想记忆时提出的心理学模型.1972年，Simon 首先将⑩用于自然语言理解系统.二、简答题（共30分)1．什么是A＊算法的可纳性?(4分)答：在搜索图存在从初始状态节点到目标状态节点解答路径的情况下，若一个搜索法总能找到最短（代价最小)的解答路径,则称算法具有可采纳性。
2．在一般图搜索算法中，当对某一个节点n进行扩展时，n的后继节点可分为三类,请举例说明对这三类节点的不同的处理方法。
(8分）答：把SNS中的子节点分为三类：(1）全新节点，（2）已出现于OPEN表的节点，(3)已出现于CLOSE表的节点; / 后二类子节点实际上意味着具有新老两个父节点；(3分)·加第1类子节点于OPEN表，并建立从子节点到父节点n的指；（1分)·比较第2类子节点经由新、老父节点到达初始状态节点s的路径代价，若经由新父节点的代价较小, 则移动子节点指向新父节点（2分）·对于第3类子节点作与第2类同样的处理，并把这些子节点从CLOSE表中移出，重新加入OPEN 表；(2分)3．请简述不确定性推理的含义.(4分）是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定程度的不确定性但却有是合理或基本合理的结论的推理过程。
2013年全国硕士研究生入学统一考试计算机科学与技术学科联考计算机学科专业基础综合试题一、单项选择题：第1～40小题，每小题2分，共80分。
下列每题给出的四个选项中，只有一个选项最符合试题要求。
1．已知两个长度分别为m 和n 的升序链表，若将它们合并为一个长度为m +n 的降序链表，则最坏情况下的时间复杂度是（ ）。
A ．()O n B ．()O m n ⨯ C ．(min(,))O m n D ．(max(,))O m n 2．一个栈的入栈序列为1,2,3,,n ，其出栈序列是123,,,,n p p p p 。
若23p =，则3p 可能取值的个数是（ ）。
A ．3n -B ．2n -C ．1n -D ．无法确定3．若将关键字1，2，3，4，5，6，7依次插入到初始为空的平衡二叉树T 中，则T 中平衡因子为0的分支结点的个数是（ ）。
A ．0B ．1C ．2D ．34．已知三叉树T 中6个叶结点的权分别是2，3，4，5，6，7，T 的带权（外部）路径长度最小是（ ）。
A ．27B ．46C ．54D ．565．若X 是后序线索二叉树中的叶结点，且X 存在左兄弟结点Y ，则X 的右线索指向的是（ ）。
A ．X 的父结点B ．以Y 为根的子树的最左下结点C ．X 的左兄弟结点YD ．以Y 为根的子树的最右下结点6．在任意一棵非空二叉排序树T 1中，删除某结点v 之后形成二叉排序树T 2，再将v 插入T 2形成二叉排序树T 3。
下列关于T 1与T 3的叙述中，正确的是（ ）。
I ．若v 是T 1的叶结点，则T 1与T 3不同II ． 若v 是T 1的叶结点，则T 1与T 3相同III ．若v 不是T 1的叶结点，则T 1与T 3不同IV ．若v 不是T 1的叶结点，则T 1与T 3相同A ．仅I 、IIIB ．仅I 、IVC ．仅II 、IIID ．仅II 、IV7．设图的邻接矩阵A 如下所示。
各顶点的度依次是（ ）。
人工智能试题库（附参考答案）一、单选题（共103题，每题1分，共103分）1.数据挖掘技术主要有分类、估计、()、关联分析和预报。
A、假设B、回归C、统计D、聚类正确答案：D2.深度学习可以用在下列哪些NLP任务中？A、情感分析B、问答系统C、机器翻译D、所有选项正确答案：D3.关于Python和Numpy的切片，以下说法正确的是（）A、python对列表的切片得到的是列表的副本，numpy数组切片得到的是指向相同缓冲区的视图B、numpy数组切片得到的是数组的副本，python对列表的切片得到的是指向相同缓冲区的视图C、python对列表的切片和numpy数组切片得到的都是指向相同缓冲区的视图D、python对列表的切片和numpy数组切片得到的都是原对象的副本正确答案：A4.当在内存网络中获得某个内存空间时，通常选择读取矢量形式数据而不是标量，这里需要的哪种类型的寻址来完成A、基于位置的寻址B、基于内容的寻址C、都可以D、都不行正确答案：B5.随着卷积层数的增加，下面描述正确的是：①.在一定层数范围内，效果越来越好②.能够抽取的特征更加复杂③.层数越多越容易发生梯度消失A、②③B、①②③C、①②D、①③正确答案：B6.模型有效的基本条件是能够（）已知的样本A、结合B、聚集C、拟合D、联合正确答案：C7.不属于深度学习模型的选项是？A、朴素贝叶斯B、深度残差网络C、卷积神经网络 CNND、循环神经网络 RNN正确答案：A8.ONE-HOT-ENCODING 可用于什么特征处理A、类别型特征B、有序性特征C、数值型特征D、字符串型特征正确答案：A9.衡量模型预测值和真实值差距的评价函数被称为（）A、损失函数B、激活函数C、无参数函数D、矩阵拼接函数正确答案：A10.生成式方法是直接基于(___)的方法?A、生成式模型B、生成式数据C、生成式场景D、生成式学习正确答案：A11.以下哪类算法属于关联分析()。
2013 年全国硕士研究生入学统一考试—计算机专业基础综合试题2013 年全国硕士研究生入学统一考试计算机科学与技术学科联考计算机学科专业基础综合试题（科目代码 408）12013 年全国硕士研究生入学统一考试—计算机专业基础综合试题一、单项选择题：第1～40小题，每小题2分，共80分。
下列每题给出的四个选项中，只有一个选项最符合试题要求。
1．求整数n(n≥0)阶乘的算法如下，其时间复杂度是int fact(int n){if (n<=1)return 1;return n*fact(n-1);}A. O(log2n)B. O(n)C. (nlog2n)D. O(n2)2．已知操作符包括‘+’、‘-’、‘*’、‘/’、‘(’和‘)’。
将中缀表达式a+b-a*((c d)/e-f)+g转换为等价的后缀表达式ab+acd+e/f-*-g+ 时，用栈来存放暂时还不能确定运算次序的操作符，若栈初始时为空，则转换过程中同时保存在栈中的操作符的最大个数是A. 5B. 7C. 8D. 113.若一棵二叉树的前序遍历序列为a, e, b, d, c，后序遍历序列为b, c, d, e, a，则根结点的孩子结点A.只有eB.有e、bC.有e、cD.无法确定4．若平衡二叉树的高度为6，且所有非叶结点的平衡因子均为1，则该平衡二叉树的结点总数为A. 10B. 20C. 32D. 335．对有n个结点、e条边且使用邻接表存储的有向图进行广度优先遍历，其算法时间复杂度是A. O(n)B. O(e)C. O(n+e)D. O(n*e)6．若用邻接矩阵存储有向图，矩阵中主对角线以下的元素均为零，则关于该图拓扑序列的结论是A.存在，且唯一C.存在，可能不唯一B.存在，且不唯一D.无法确定是否存在7．对如下有向带权图，若采用迪杰斯特拉（Dijkstra）算法求源点a到其他各顶点的最短路径，则得到的第一条最短路径的目标顶点是b，第二条最短路径的目标顶点是c，后续得到的其余各最短路径的目标顶点依次是22013 年全国硕士研究生入学统一考试—计算机专业基础综合试题A.d,e,fB.e,d,fC. f,d,eD.f,e,d8．下列关于最小生成树的说法中，正确的是I.最小生成树树的代价唯一II.权值最小的边一定会出现在所有的最小生成树中III.用普里姆（Prim）算法从不同顶点开始得到的最小生成树一定相同IV.普里姆算法和克鲁斯卡尔（Kruskal）算法得到的最小生成树总不相同A.仅IB.仅IIC.仅I、IIID.仅II、IV9．设有一棵3阶B树，如下图所示。
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）。
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“与结点”和“或结点”。
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。
课程编号：21-081200-108-07 北京理工大学 2013 - 2014学年第一学期研究生《人工智能》期末试题班级 学号 姓名 成绩1. 学习（30分+5分）下图给出了两类数据，分别如图中和所示。
另外，图中两条黑色粗实线分别代表横、纵坐标轴，其交点为原点。
第1题图现要求对上述数据进行分类。
(1) [10分] 如果采用Decision Tree 实现分类，请说明该Decision Tree 的非叶节点、叶节点和边分别是什么，并计算以下两个值：(a) 该数据集的Entropy; (b) 当根节点选择根据x 的值是否大于0来进行决策时，所对应的Information Gain 。
解：1）非叶节点为x 与y ，叶节点为类别，边为x 与y 的取值区间；2）两类样本分别为6个和9个，因此：69151522Entropy()log l 6969(0.74)0.972151og ( 1.325)1515S =-==-⨯-⨯-⨯--⨯ 3）254478728222Entropy(0)(log lo 72584g )(log 4157715log )88x >=-⨯-⨯+-⨯-⨯ (( 1.81)(0.49))72584((415771581)(1))0948.=-⨯--⨯-+-⨯--⨯-= ()()()Gain S,Entropy S Entropy 0.9720.940.032x x =-=-=(2)[10分] 如果采用Naïve Bayesian Classifier实现分类，并将x，y的取值分别离散化为“大于0”和“小于等于0”两种情况，请给出需要学习的数值及其结果，进而判断当0x时的分类结果>y,0≤解：已知样本a = {a1,a2}，其中a1为属性x的值,a2为属性y的值。
类别集合C={黑框，白球}若给出某一测试用例m，则需计算P(黑框|m)与P(白球|m)，并据此来进行判别，但若要计算这两个概率值，则需要计算各个类条件概率，下面为具体的学习过程。
Step1. 根据给出的训练集，统计各类别以及各类别下各个特征属性的条件概率估计：0/1Step2. 由于各个属性间是独立的，则根据贝叶斯定理有如下推导：对于样本m = {x>0, y<=0} 判别其类别的过程如下：0/1因此，当x>0, y<=0 则将其判别为白球类别。
(3)[10分] 如果采用Neural Network实现分类，请画出能对上述数据进行分类的网络结构（不含权值），并说明如何根据上述数据学习得到该网络中的权值。
解：采用多层感知器。
该神经网络的输入神经元个数为2，分别表示x与y 的值，输出神经元个数为1，1表示类别为黑框，0表示白球。
隐含层神经元个数为4。
则其结构如下：0/1可利用BP 学习算法来进行学习（最小二乘法、权值计算使用梯度下降等）。
(4) （附加题）[5分] 能否使用Clustering 技术解决上述分类问题？如能，应怎样解决？解：可以采用聚类技术求解。
用k-means 算法将以上数据聚成两类，获得相应聚类中心。
分类时，根据数据到聚类中心的距离来进行判定。
可以用聚类算法。
但由于数据是凹型数据，因此，直接用k-means 算法无法得到满意，因此，可考试将此数据集映射到高维空间，使其变成凸型数据之后再对其使用类似于k-means 的算法进行聚类。
另外一种方法则是采用可以处理凹型数据的聚类算法，譬如PCCA （Perron Cluster Cluster Analysis ）方法。
2. 搜索（30分+5分）给定函数：()()()22212111,-+-=x x x x f 。
要求计算该函数的最小值，其中21,x x 的取值范围为]5 ,5[-。
(1) [10分] 如果采用Gradient Descent 方法求解，请描述其中一次迭代过程。
解：梯度下降法的基本思想为：假设我们要求函数的最小值，首先需要选取一个初始点，然后下一点的产生是沿着梯度直线方向，这里是沿着梯度的反方向（因为是求最小值）。
梯度下降法的迭代公式为：1k k k k a a s ρ+=+,其中，k s 表示的是梯度的反方向，k ρ表示的是在梯度方向上的搜索步长。
梯度可以通过对函数求导取得，步长的确定比较麻烦，太大容易发散，太小收敛速度太慢。
因此步长的选择需要沉思熟虑。
另外，算法迭代的停止条件是梯度向量的幅值接近0即可。
根据以上思想，对以下函数进行最小值求解。
22(1,2)(11)(21)f x x x x =-+-，其中1[5,5]x ∈-+以及2[5,5]x ∈-+由于此问题是存在约束条件下的最小值问题，在此条件下无法直接利用梯度下降法对其进行优化，需要将其进行转化，转化无约束条件下进行求解。
因此有两种方法解决，一是采用拉格朗日定理对其转化，另一种是加入一个惩罚项，对超出约束条件的点进行惩罚。
这里可采用加入惩罚项来解决。
因此，将上述函数转化为以下函数表示：2[5,5]1[5,001000005]1[5,5]2[50010000000,5](1,2)(1,2)(1,2)(1,2)x x x x T x x f x x g x x g x x ⎧⎫⎪⎪⎪⎪⎨⎬⎪⎪∈-+∈-⎪+∉-+∉-⎪⎩⎭+=+=其中(1,2)g x x 为处罚项。
若x1与x2均在此约束范围内惩罚项的值为0，对函数值没有影响。
下面是具体的一次迭代过程：首先，设置初始值为x1 = 0, x2 = 0.其次，计算梯度向量，对x1与x2求偏导：12,222212f f x x x x ∂∂=-=-∂∂ 然后，计算下一点的值：22211122)'(()222()'()2x x x x x x -=+-=-=+-= 由于此值均在约束条件下，所以21'(0',)xg x =此次迭代结束。
(2) [10分] 设计一个求解该问题的Evolutionary Algorithm 。
解：/*初始化遗传算法参数*/const int maxGeneration; //进化代数，即迭代次数const int sizeGene; //种群规模double pcross; //交叉概率选择，0和1之间double pmutation; //变异概率选择，0和1之间int *bestGene; //适应度最好的染色体double bestFitness; //记录进化中最高的适应度struct gene //每个染色体的结构{Double value[2]; //存的是x1与x2的值;int fitness; // 适应度函数值};double Fitness()/*适应度函数计算*/{double fit=22(11)(21)x x ----;}main(){//初始化种群for i=0,i< sizeGene;i++{随机产生一个初始解//此处产生种群时，需注意两点：一是产生的染色体是实数型，另一点是其值需要在约束条件范围内计算其适应度}// 进化开始t = 1 // 进化代数do{选择;交叉;变异;重新计算适应度函数F();bestGene = 此代进化中适应度最高的染色体 //记录最优解进化代数t = t + 1;}while(适应度函数F()收敛|| t< maxGeneration) // 进化结束bestGene 存储的即为最佳路径;}(3) [10分] 设计一个求解该问题的Swarm Intelligence Algorithm 。
解：在所设计的算法中，粒子群体规模设置为20，其中每个粒子的位置表示一种21,x x 的取值，用实数表示，个体适应度值为22(11)(21)x x ----。
最大迭代次数设置为100。
具体算法流程如下：Step1. 在[-5, 5]区间中随机生成20组两两一对的4个实数，作为粒子21x x 和的初始位置和飞行速度。
Step2. 计算每个粒子的适应度。
Step3. 统计截止当前时刻，粒子群体对应的最好适应度以及每个粒子对应的最好适应度。
Step4. 对于每个粒子，根据该粒子当前飞行速度、该粒子最好适应度以及群体最好适应度，改变该粒子飞行速度，并根据更新后速度调整其位置。
Step5. 重复Step2-4，直到迭代次数超过100次。
Step6. 输出所得到的解答：群体最好适应度为所求得的函数最小值，该适应度对应的粒x值。
子位置为所求得的21,x(4)（附加题）[5分] 请用一种统一的算法结构来总结以上三种算法。
解：通过对解的变化，来访问不同的解，直至获得最优解（参考新教材第6章）构造及初始化解空间，选择一种启发式信息，迭代求解直到算法收敛或满足一定的迭代次数。
所得到的解即为找到的最优解。
A 初始点的选取；B 计算在此自变量下函数的值；C 判断是否符合终止条件，若符合则终止，相应的函数值即为所求的解，若不符合，则根据某种搜索准则，选择下一次自变量的值，再次计算函数值，直至符合终止条件。
其中，搜索准则严重影响了迭代终止的时间与解的质量，也就是常提及的收敛速度及最优解的全局性与局部性。
3. 综合应用（40分）现要求设计一个智能系统，用于根据摄像头拍摄的路况进行汽车自动驾驶。
假设摄像头输入的图像为20×20大小的二值图像，其中每个点取值为1或0，当取值为1时表示该点为黑色，否则为白色。
根据此输入，该智能系统从8种控制指令中选择一种指令输出，这8种指令包括起步、直行、左转、右转、加速、减速、刹车、停车。
请给出该智能系统的设计结果，包括Perception部分、Performance部分、Evaluation部分以及Learning部分。
其中Performance部分只需说明软件部分即可，即只需设计从接受输入的图像到产生控制指令的部分，忽略后面的机械控制等硬件部分。
解：（1）Perception部分：摄像头，向系统中输入路况图像。
（2）Performance部分：即为从Perception部分接收的图像后，根据learning 部分学习得到的模型判别给出需要执行的操作。
此处采用多层感知器，其结构如下：其中，第一层为输入层，接受输入的字符图像，图像大小为20×20，因此，输入神经元有400个，每个输入神经元对应于图像中的一个像素。
第二层为隐含层，其神经元个数确定为200个。
最后一层为输出层，为1个神经元，输出为1-8的整数，对应8种指令即起步、直行、左转、右转、加速、减速、刹车、停车。
（3）Evaluation部分：根据车辆自动驾驶时的操作性能，即不必人干预的程度，查看操作是否正确。
正确与否的标准是与人面对Perception时所做的操作是否一致。
