人工智能导论知到章节测试答案智慧树2023年最新东北石油大学
第一章测试
1. 人工智能的目的是让机器能够 ，以实现某些人类脑力劳动的机械化( )。
参考答案:
模拟、延伸和扩展人的智能
2. 盲人看不到一切物体，他们可以通过辨别人的声音识别人，这是智能的（ ）方面。
参考答案:
感知能力
3. 人工智能是一门综合性的交叉学科，涉及哪些学科( )。
参考答案:
神经心理学;计算机科学;控制论
;脑科学
4. 人工智能的主流学派包括( )。
参考答案:
行为主义;符号主义;连接主义
5. 图灵测试是判断机器是否具有人工智能的方法，是人工智能最标准的定义。( )
参考答案:
错
第二章测试
1. “王宏是一名学生”可以用谓词表示为STUDENT(Wang Hong），其中，Wang Hong是（ ）。
参考答案:
个体词
2. 产生式系统的核心是（ ）。
参考答案:
推理机
3. 知识的不确定性来源于（ ）。
参考答案:
不完全性引起的不确定性
;模糊性引起的不确定性
;随机性引起的不确定性
;经验引起的不确定性
4. 产生式表示法可以表示不确定性知识。（ ）
参考答案:
对
5. 框架表示法不便于表示过程性知识。（ ）
参考答案:
对
第三章测试
1. 从初始证据出发，按某种策略不断运用知识库中的已知知识，逐步推出结论的过程称为推理。（ ）
参考答案:
对
2. 任何文字的析取式称为子句。（ ）
参考答案:
对
3. 谓词公式不可满足的充要条件是其子句集不可满足。（ ）
参考答案:
对
4. 对于一阶谓词逻辑，若子句集是不可满足的，则必存在一个从该子句集到空子句的归结演绎。（ ）
参考答案:
对
5. 对于一阶谓词逻辑，如果没有归结出空子句，则说明原谓词公式是不可满足的。（ ）
参考答案:
错
第四章测试
1. 如果问题存在最优解，则下面几种搜索算法中，（ ）必然可以得到该最优解。
参考答案:
可编辑修改精选全文完整版
《人工智能导论》期末复习
一、题型：
填空题、简答题、计算题、论述题
二、复习重点：
第一章：
1．什么是人工智能？人工智能的三种观点分别是什么？
2．实现人工智能的技术路线是哪四种？
3．人工智能要研究的三个主要问题是什么？
4．人工智能有哪些主要研究领域？
第二章：
1．什么是知识？何谓知识表示？
2．用谓词逻辑表示法表示猴子摘香蕉问题。
3．产生式系统推理机的推理形式有哪三种？
4．产生式系统一般由哪三个基本部分组成？
5．用语义网络表示： “苹果树枝繁叶茂，上结了很多苹果，有大的，
也有小的，有红的，也有绿的” 。
6．用与 / 或树方法表示三阶 Hanoi 塔问题。
第三章：
1．推理的含义是什么？
2．应用归结原理求解下列问题：任何兄弟都有同一个父亲， John 和
Peter 是兄弟，且 John 的父亲是 David ，问 Peter 的父亲是谁？第四章：
1．可信度方法：例 4.1 ，例 4.2
2．主观 Bayes 方法：例 4.8 ，例 4.9
3．证据理论中描述证据和结论的不确定性采用哪两个函数度量？
第五章：
1．什么叫搜索？搜索的两层含义是什么？
2．用全局最佳优先搜索方法求解以下八数码问题。
3．用代价树的深度优先搜索求解下面的推销员旅行问题。
第六章：
1．什么是机器学习？机器学习研究的目标是什么？研究机器学习的
意义何在？
2．机器学习有哪些主要学习策略？
3．机器学习系统的基本模型包含哪四个基本环节？
4．实例学习的含义是什么？它包含哪两个空间模型？对规则空间进
行搜索的方法有几种？
第七章：
1．什么是自然语言理解？自然语言理解过程有哪些层次？各层次的
功能如何？
2．对汉语语料库加工的方法是什么？汉语自动分词的方法有哪些？
其难点何在？
第八章：
1．什么是专家系统？它有哪些基本特点？一般专家系统由哪些基本
问题：指事件或事物的已知或当前状态与目标状态之间的有差异。问题求解：指在一定的控制策略下，通过一系列的操作或运算来改变问题的状态，使之与目标状态接近或一直。
问题求解所需的知识（求解框架）：叙述性知识、描述客观事物的特点及关系。过程性知识、通常是解决问题的操作步骤和过程的知识，也称为操作性知识。控制性知识、求解问题的方法和技巧的知识，确定解决问题的策略。
知识表示:研究在计算机中如何用最合适的形式表示问题求解过程中所需要的各种知识，包括构成问题求解框架的全部知识。
常用的知识表示形式 :状态空间图，与或图，谓词逻辑，产生式，框架，语义网络
盲目搜索：无向导的搜索，也称穷举搜素。在搜索过程中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。
特点：搜索效率太低，所以在实际中往往是不可行的。
启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。
启发式搜索：利用问题本身的“启发性信息”不断地改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解并找到最优解。特点：重排OPEN表，选择最有希望的节点加以扩展。
启发式搜索—全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在OPEN表中保留所有已生成而为考察的节点，对其中的每个节点x计算启发函数h（x）,从全部节点中选出最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。
步1、把初始几点S。放入OPEN表中，计算h(S。)；
步2、若OPEN表为空，则搜索失败，退出。
步3、否则，移出OPEN表中第一节点N放入CLOSED表中，并冠以序号n;
步4、若目标结点S。=N，则搜索成功，利用CLOSED表中的返回指针找出S。到N的路径即为所求解，退出。
步5、若N不可扩展，则转步2；
步6、否则，扩展N，计算N的每个子节点x的启发函数h(x)，并将N所有子节点x配以指向N的返回指针后放入OPEN表中，依据启发函数值h(x)对节点的计算，对OPEN表中所有节点按其启发函数值的大小以升序排列，转步2.
《导论》教学教案
第一章：简介
1.1 的定义与发展历程
1.2 的应用领域
1.3 的发展趋势与挑战
1.4 伦理与法律问题
第二章：机器学习基础
2.1 监督学习
2.2 无监督学习
2.3 强化学习
2.4 神经网络简介
第三章：深度学习
3.1 深度神经网络
3.2 卷积神经网络（CNN）
3.3 循环神经网络（RNN）
3.4 对抗网络（GAN）
第四章：自然语言处理
4.1 词向量与
4.2 语法分析与句法结构
4.3 机器翻译
4.4 文本与摘要
第五章：计算机视觉 5.1 图像处理基础
5.2 目标检测与识别
5.3 图像分割与场景理解
5.4 计算机视觉应用案例分析
第六章：语音识别与合成
6.1 语音信号处理基础
6.2 特征提取与模式识别
6.3 声学模型与
6.4 语音合成技术
第七章：人机交互
7.1 交互设计原则与方法
7.3 手势识别与眼动跟踪
7.4 智能界面设计与用户体验
第八章：智能
8.1 控制系统
8.2 机器视觉与感知
8.3 导航与规划
8.4 服务的应用案例
第九章：芯片技术
9.1 处理器架构与性能
9.2 神经网络加速器
9.3 边缘计算与分布式 9.4 芯片的发展趋势
第十章：应用案例分析
10.1 医疗健康领域应用
10.2 金融科技领域应用
10.3 教育领域应用
10.4 智能交通领域应用
第十一章：智能决策与优化
11.1 概述
11.2 线性规划与整数规划
11.3 动态规划与随机决策
11.4 启发式算法与元启发式算法
第十二章：与大数据
12.1 大数据的概念与特性
12.2 数据挖掘与知识发现
12.3 在数据分析中的应用
12.4 大数据伦理与隐私保护
第十三章：安全与隐私
13.1 安全威胁与防护策略
13.2 数据隐私与匿名化技术
13.3 联邦学习与隐私保护机器学习
13.4 伦理与法规遵循
第十四章：在自然科学中的应用 14.1 物理学中的应用
