人工智能考试复习重点.doc

1. 人工智能研究途径有：

（1） 符号主义（Symbolicism）基于物理符号系统假设和有限合理性原理的人工智能学派。

（2） 联结/连接主义（Connectionism）基于神经元及神经元之间的网络联结机制来模拟和实

现人工智能。

（3） 行为主义（Actionism）基于控制论和“感知——动作”型控制系统的人工智能学派

P. S：知识和推理是人工智能的核心，学习是人工智能的关键。

命题是能表达判断并具有确定真值的陈述句。

人工智能的研究内容——机器思维，机器感知，决策与行为，其目的即实现人的智能！

人工智能研究的基本内容是机器感知、机器思维、机器学习、机器行为、智能系统及智能计 算机的构造技术。

2. 人工智能的研究途径主要有以符号处理为核心的方法、以网络连接为主的连接机制方法及 系统集成。

3. 人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定理证

明、自动程序设计、机器人学、的.弈、智能决策支持系统、人工神经网络等。

2. 人工智能研究方法：采集，预处理，推理，机器学习和反馈。

3. 知识的特性：相对正确性,知识来自于人们对客观世界运动规律的正确认识，是从感 性认识上升成为理性认识的高级思维劳动过程的结品，故相应于一定的客观环境与条件 下，知识无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就要接受检 验，必要时就要对原来的认识加以修正或补充，以至全部更新而取而代之。

不确定性,如前所述，知识由若干信息关联的结构组成。但是，其中有的信息是精确 的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定或不确定的 特征。

可表示性与可利用性,可发展性。知识的可利用性使得计算机或智能机器能利用知识 成为现实；而知识的机器可学习、E表示性使得人工智能不断得以进步与发展成为必然。

4. 产生式的基本形式：产生式通常用于表示具有因果关系的知识，其基本形式是： P—Q 或者

IfP Then QlElse SJ

其中，P是前件，用于指出该产生式是否可用的条件。Q是一组结论或者操作，用 于指出当前提P满足时，应该得出的结论或者应该执行的操作。

5人工智能推理：AI推理大约包括计算推理、逻辑推理和搜索三方面内容.

（1） 计算推理。主要有数值计算、智能计算和计算智能等。

智能计算:一般来说，使用计算方法与人工经验相结合的运算属于智能计算；

计算智能:如人工神经元网络（ANN）计算、进化计算、人工生命及其智能生物的情感、 心理计算等，则是属于计算智能的范畴。

（2） 逻辑推理。是使用数理逻辑、Boll逻辑、Fuzzy逻辑以及其它逻辑工具所完成的关 于问题求解的推理。

分为确定性逻辑推理和非确定性逻辑推理两部分内容，我们将在本章及卜.一章分别进行 学习。

（3） 搜索。搜索是一种特殊形式的人工智能推理技术。这里主要包括两类搜索：一类 是使用规则的基木搜索，另一类是运用启发信息的智能搜索。

P. S：推理方式：演绎推理，归纳推理，默认推理。

6启发式搜索包括：启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导 搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。

-广度优先搜索

深度优先搜索

「盲目搜索 一 有界深度优先搜索

代价树的广度优先搜索

状态空间 — L代价树的深度优先搜索

搜索策略

「局部择优搜索

L启发式搜索 全屋择优搜索

"0.8 0.2 0.5'

一0.1 0.9'

R[= 0.2 0.4 0.9 R2 = 0.7 0.8

1 0 0.7

_ 0 1

(0.8 A 0.9) v (0.2 A 0.8) v (0.5 A

1)

(0.2 A 0.9) v (0.4 A ().8) v (0.9 A

0.2

0.4

0.10.8

0.9

0.

搜索分为盲目搜索和启发式搜索。

盲目搜索是按照预定的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控 制策略。

启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的 方向前进，加速问题的求解过程并找到最优解。

p. S：推理和搜索的区别：问题求解可用搜索方法，也可用逻辑推理，但二者侧重不同, 前者重在寻求问题解答的过程，而后者强调前提(初始)问题空间与问题解答间连接的 逻辑正确性，或者简单地说，搜索重于发现而推理强调证明。

7. 搜索引擎的组成和各部分功能？

一个搜索引擎由搜索器，索引器，检索器和用户接口 等四个部分组成。

搜索器的功能是在互联网中漫游，发现和搜集信息。它常常是一个计算机程序，廿夜不停 地运行。它要尽可能多、尽可能快地搜集各种类型的新信息，同时因为互联网上的信息更新 很快，所以还要定期更新已经搜集过的旧信息，以避免死链接和无效链接。目前有两种搜集

信息的策略。索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项，用于表示文档 以及生成文档库的索引表。检索器的功能是根据用户的杏询在索引库中快速检出文档，进行 文档与查询的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制。 用户接口的作用是输入用户查洵、显示查询结果、提供用户相关性反馈机制。主要的目的是 方便用户使用搜索引擎，高效率、多方式地从搜索引擎中得到有效、及时的信息。

8. 机器学习的方法分类：

为了系统地了解机器学习，有必要对其进行分类。一•般可用以下四种方式来对机器学习 系统进行分类：

1. 按有无指导来分，有监督的学习，无监督的学习和强化学习。

2. 按学习方法来分：机械式学习，指导式学习，范例式学习，类比学习，解释学 习。3.按推理策略来分：有演绎学习，归纳学习，类比学习，解释学习。

4. 综合考虑学习系统的知识表示、基本学习策略和历史渊源等因素分类 当前人工智能研究的主要障碍和发展方向之一就是机器学习。

BP算法学是有监督的学习。

10.人工神经网络的特点？

1. 大规模并行计算2.非线性处理3.鲁棒性4.自组织及自适应性5.学习能力6.分布式存储, 存储与计算相结合7.联想能力

(1) 可以充分遥近任意复杂的非线性关系；

(2) 所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错

性；

(3) 采用并行分布处理方法，使得快速进行大量运算成为可能：

(4) 可学习和自适应不知道或不确定的系统； 9.设论域U=V=(a, b,c},论域W=(x,y}o R1是UXV上的模糊关系，R2是VXW上的模 糊关系。求R1与R2的合成。

解：R1与R2的合成是：

R — R]。R,

-(0.8 AO.1) v (0.2 A 0.7) v (0.5 A 0) =(0.2 A 0.1) v (0.4

A 0.7) v (0.9 A 0) (1 A().1)V(0A().7)V(0.7 AO)

(5) 能够同时处理定拍:、定性知识。

问答：

1知识系统与-•般计算机系统的主要区别有哪些？常见的知识系统有哪些？请简述之。 答：(1)知识系统是一类具有专门知识和经验的计算机系统，并通过对人类知识和问题 求解过程的建模，采用知识表示和知识推理技术来模拟通常由人类解决的复杂问题。知 识系统和一般计算机系统的主要区别是基于知识的系统以知识库和推理为核心。知识系 统把知识与系统其它部分分离开，并且知识系统强调知识而不是方法。

(2)常见的知识系统有：专家系统，智能决策支持系统，计算机辅助诊断系统和自动 问答系统等。

2. 什么是不确定性推理，引起知识不确定性原因有哪些，请简述之。

答：不确定性推理(Uncertainty Reasoning),指推理中所使用的前提条件、判断是不确 定的或者是模糊的情况，因而推理所得出的结论与判断也是不精确的、不确定或模糊的。

(或所谓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 终推出具有一定程度的不确定性但却是合理或者近乎金理的结论的思维过程。

)引起知识不确定性的原因：随机性、模糊性、不完全性、经蚣性。

3. 鲁滨逊归结原理的基本思想。

答：首先把欲证明的问题的结论否定，并加入了句集，得到一个扩充的子句集S，，然 后设法检验了句集Sz是否含有空了句，若含有空了句，则表明S，是不满足的；若不 含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直到导出空了 句或不能归结为止。

4. 搜索的基本演变过程及各种演变的依据是什么？请简述之。

搜索的演变过程：深/广度一有界深度优先一代价树广/深一 -A-A* (10分)

(盲1=1搜索) (启发式搜索)

广度优先搜索也称为宽度优先搜索，它是-•种先生成的节点先扩展的策略。这种搜索策 略的搜索过程是：从初始节点开始逐层向下扩展，在第n层节点还没有全部搜索完之前，不 进入第n+1层节点的搜索。Open表中的节点总是按进入的先后排序，先进入Open表的节 点排在前面，后进入Open表的节点排在后面。

深度优先搜索是一种后生成的节点先扩展的策略。这种搜索策略的搜索过程是：从初 始节点开始，在其子节点中选择一个最新生成的节点进行考察，如果该子节点不是目标节点 且可以扩展，则扩展该子节点，然后再在此子节点的子节点中选择一个最新生成的节点进行 考察，依此向下搜索，直•到某个了节点既不是目标节点，又不能继续扩展时，才选择其兄弟 节点进行考察。在深度优先搜索中，Open表是一种栈结构，最先进入的节点排在最后而， 最后进入的节点排在最前面。

为了弥补上述两种策略的缺点，一种较好的折衷办法是在深度优先策略中引入深度限

制，即采用有界深度优先搜索°有界深度优先搜索过程总体上按深度优先策略进行，但对

凡是容易的课程小王(wang)都喜欢

c班的课程都是容易的 ds是c班的一门课程。

小王喜欢ds这门课。

首先定义谓词：

EASY (x): x是容易的

LIKE (x ,y)： x 喜欢 y .

C(x)： x是C班的一•门课程。

把上述事实及待求证的问题用谓词公式表示出来:

EASY (x)-LIKE (Wang ,x)

(x) (C(x)—EASY (x))

C(ds)

LIKE (Wang , ds )

应用推理规则进行推理：

(”x) (C(x)->EASY (x))

C(y)->EASY (y)

C (ds), C(y)-EASY (y) EASY( ds)

EASY( ds ), EASY (x)->LIKE (Wang ,x)

LIKE (Wang ,ds) 即小王喜欢ds这门课程。

6.标准的BP算法内在的缺陷是什么？

答：⑴易形成局部极小而得不到全局最优；

训练次数多使得学习效率低，收敛速度慢；

隐节点的选取缺乏理论指导；

训练时学习新样本有遗忘旧样本的趋势。 机器学习系统的基本结构是什么？简述之。 全称固化

P规则及假言推理

T规则及假言推理 搜索深度需要给出一个深度限制dm,当搜索深度达到了 dm,但还没有找到目标时，就停 止该分支的搜索，换到另外一个分支进行搜索。

在前面讨论的各种搜索策略中，实际上都作了-•种假设，认为状态空间中各边的代价 都相同，且都为一个单位量。从而，M用路径的长度来代替路径的代价。但是，对许多实际 问题，这种假设是不现实的，它们的状态空间中的各个边的代价不可能完全相同。例如，城 市交通问题，各城市之间的距离是不同的。为此，我们需要在搜索树中给每条边都标上其代 价。这种边上标有代价的树称为代价树。