人工智能导论 课件 PPT -《人工智能导论》课程标准
人工智能
《人工智能应用基础》课程标准
一、课程定位
“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，开设《人工智能应用基础》课程是十分必要的。《人工智能应用基础》作为一门必修课程，其中涉及的理论、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的“智能”观念；了解人工智能的基本理论、基本方法和基本技术；提高智能产品的使用能力，为今后的工作中的智能设备使用打下坚实的基础。
先修课程：《计算机应用基础》
二、课程目标
（一）知识目标
1.了解人工智能产业的发展现状与市场需求；
2.了解人工智能对现代生活的改变和影响；
3.了解人工智能定义、研究领域、发展、社会价值和应用领域、未
来与展望；
4.了解知识表示、知识图谱、机器学习、人工神经网络与深度学习、
智能识别、自然语言理解、专家系统及智能体与智能机器人的相关概念及应用。
（二）能力目标
1、培养人工智能的应用能力，开拓学生的科技视野；
2、能够熟练使用生活中常用的人工智能产品；
3、熟悉人工智能对工业、医疗、安防、社交、机器人、无人驾驶、
人工智能导论doc
西安交通大学 “人工智能导论”课程教学大纲 英文名称：Introduction to Artificial Intelligence 课程编码：COMP3022 学时：32 学分：2 适用对象：自动控制专业 先修课程：离散数学、数据结构、概率统计 使用教材及参考书： 蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。 廉师友人工智能技术导论（第二版），西安电子科技大学出版社，2002。 一、课程性质、目的和任务 通过本课程的学习，使学生了解人工智能的研究范畴、应用领域和发展方向，掌握该学科的基本概念、原理和方法，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 学习人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法、谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。讨论高级知识推理，涉及非单调推理和各种不确定推理方法。探讨人工智能的新研究领域，如神经计算、进化计算和人工生命等。 二、教学基本要求 三、教学内容及要求 第一章绪论 (2学时) 人工智能概念和发展
人工智能的主要研究和应用领域; 人工智能研究的不同学派 国内外人工智能研究情况和新进展第二章知识表示方法(6学时) 知识与知识表示的概念 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 脚本表示法 过程表示法 面向对象表示法 第三章逻辑推理(6学时) 推理的基本概念 推理的逻辑基础 自然演绎推理 归结演绎推理 基于规则的演绎推理 第四章搜索策略(6学时) 搜索的基本概念 状态空间的盲目搜索 状态空间的启发式搜索 与/或树的搜索 博弈树的搜索 第五章高级求解技术(6学时) 不确定推理的概念和基础
《人工智能导论》试卷B
人工智能试卷（B） 试题部分： 一、选择题（15小题，共15分） 1、97年５月，著名的“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） A）深蓝B）IBM C）深思D）蓝天 2、下列不在人工智能系统的知识包含的4个要素中D A)事实B)规则C)控制和元知识D)关系 3、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 ） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 4、或图通常称为D A）框架网络B)语义图C)博亦图D)状态图 5、不属于人工智能的学派是B A)符号主义B)机会主义C)行为主义D)连接主义。 6、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C A)明斯基B).扎德C)图林D)冯.诺依曼 7、要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（B ）。 A)专家系统B)机器学习C)神经网络D)模式识别 8、下列哪部分不是专家系统的组成部分（A） A.）用户B）综合数据库C）推理机D）知识库 9、产生式系统的推理不包括（D ） A）正向推理B）逆向推理C）双向推理D）简单推理 10、C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的B A)可信度B)信度C)信任增长度D)概率 11、AI的英文缩写是B A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 12、反演归结（消解）证明定理时，若当前归结式是（C）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 13、在公式中?y?xp(x,y))，存在量词是在全称量词的辖域内，我们允许所存在的x可能依赖于y值。令这种依赖关系明显地由函数所定义，它把每个y值映射到存在的那个x。这种函数叫做（B ） A. 依赖函数 B. Skolem函数 C. 决定函数 D. 多元函数 14、子句~P∨Q和P经过消解以后，得到（B ） A. P B. Q C. ~P D.P∨Q
《人工智能导论》课程研究报告总结
《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
《人工智能导论》课程研究总结
《人工智能导论》课程研究总结题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日
本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。 IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。
人工智能导论试卷一答案 (上海交大)
一、选择题答案1、b 2、A 3、A 二、填空题答案 1、在修正的A算法中，fm的含义是到当前为止，扩展的节点中，f的最大值 2、对任意节点n，设m是n的子节点，当h满足条件h(n)-h(m) ≤ C(n, m), h(t) = 0时，称h是单调的。 三、问答题答案 第1题 答：当问题有解时，A*算法总是找到问题的最优解结束。如果h函数定义的不合理，则当扩展一个节点时，不一定就找到了从初始节点到该节点的最优路径，对于这样的节点，就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时，则一定会被多次扩展。解决的方法一是对h函数的定义给出限制，使得h满足单调性。对于满足单调性条件的h，则一定不会出现重复扩展节点问题。二是对A*算法加以改进，使用修正的A*算法进行搜索，则可以减少重复扩展节点问题。 第2题 答：回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索，而回溯搜索则不是图搜索。在回溯搜索中，只保留了从初始节点到当前节点的搜索路径。而深度优先搜索，则保留了所有的已经搜索过的路径。 第3题 答：化子句集如下：
归结树如下： 修改证明树：
得到问题的解答：R(h(f(g(c, a)))) 第4题 第5题 答：搜索图如图所示，其中括号内标出的是节点的f值，圆圈内的数字是扩展的次序。F(16) 得到的解路径为：S-B-F-J-T 第6题 答：如下的知识可以帮助求解该问题： （1）序列中，偶数在偶数位置，奇数在奇数位置； （2）第五个数为5。 综合数据库：
用一个1到9的序列表示：N = {x}，其中x为1到9的数字之一。规则集： r1: IF len(N)=4 THEN {x}∪{5} r2: IF len(N)为偶数and n=In(1, 3, 7, 9) THEN {x}∪{n} r3: IF len(N)为奇数and n=In(2, 4, 6, 8) THEN {x}∪{n} 其中len(N)为求序列的长度，In(a, b, c, d)为取a、b、c、d之一。初始状态：{} 结束条件：得到的序列N前i个数组成的整数能被i整除。
《人工智能导论》教学大纲.
《人工智能导论》教学大纲 大纲说明 课程代码：3235042 总学时：32学时（讲课32学时） 总学分：2学分 课程类别：限制性选修 适用专业：计算机科学与技术，以及有关专业 预修要求：C程序设计语言，数据结构 课程的性质、目的、任务： 人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。本课程是计算机科学与技术，以及有关专业重要的专业方向与特色模块课程之一。通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 课程教学的基本要求： 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。要求学生掌握这些研究论题的基础知识。 人工智能还提供一套工具以解决那些用其它方法难以解决，甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。要求学生掌握利用其中的重要工具解决给定问题的基本方法。大纲的使用说明： 通过适当调节教学内容和学时安排，减少有关章节学时和增加专家系统这一章的学时，本大纲亦可作为《人工智能与专家系统》的课程教学大纲。 大纲正文 第一章绪论学时：2学时（讲课2学时）了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。 本章讲授要点：在介绍人工智能概念的基础上，使学生了解本课程所涉知识的重要意义，以及人工智能的应用现状和应用前景。
《人工智能导论》试卷
一、填空： 1.人工智能的研究途径有（1）、（2）和行为模拟。 2.任意列举人工智能的四个应用性领域（3）、（4）、（5）、（6）。 3.人工智能的基本技术包括（7）、（8）、（9）归纳技术、联想技术。 4.谓词逻辑是一种表达能力很强的形式语言，其真值的特点和命题逻辑的区别是 （10）。 5.谓词逻辑中，重言式（tautlogy）的值是（11）。 6.设P是谓词公式，对于P的任何论域，存在P为真的情况，则称P为（12）。 7.在著名的医疗专家系统MYCIN中规定，若证据A的可信度CF（A）=0，则意味 着13 ，CF（A）=-1，则意味着（14），CF（A）=1，则意味着（15）。 8.谓词公式G是不可满足的，当且仅当对所有的解释（16）。 9.谓词公式与其子句集的关系是（17）。 10.利用归结原理证明定理时，若得到的归结式为（18），则结论成立。 11.若C1=┐P∨Q，C2=P∨┐Q，则C1和C2的归结式R（C1，C2）= （19）。 12.若C1=P(x) ∨Q(x)，C2=┐P(a) ∨R(y)，则C1和C2的归结式R（C1，C2）= （20）。 13.有谓词公式G，置换δ，则G·ε= （21），δ·ε= （22）。 14.有子句集S=｛P(x),P(y)｝，其MGU= （23）。 15.在归结原理中，几种常见的归结策略并且具有完备性的是（24），（25），（26）。 16.状态图启发式搜索算法的特点是（27）。 17.广度优先搜索算法中，OPEN表的数据结构实际是一个（28），深度优先搜索算 法中，OPEN表的数据结构实际是一个（29）。 18.产生式系统有三部分组成（30），（31）和推理机。其中推理可分为（32）和 （33）。 19.专家系统的结构包含人机界面、（34），（35），（36），（37）和解 释模块。
2020公需科目《人工智能导论》答案
冯?诺依曼计算机的五个组成部分不包括（） A、运算器 B、控制器 C、处理器 D、存储器 答案：C 2、(单选，10分) 以下对强人工智能的描述不准确的是（） A、机器具有类人或者超越人的智慧 B、人脑与AI界限模糊 C、计算机可表现出不低于人类智能水平的外部智能行为 D、计算机与人类特征连结 答案：C 3、(单选，10分) 当前主流人工智能研究的三个重要特征不包括：（） A、关注智能体的外部行为，而不是产生该行为的内部过程 B、关注如何模拟人类纯粹智能活动，而不是脑力活动 C、将人工智能问题视为计算问题，通过数学建模进行求解 D、最终目标是得到能够适应人类生存环境的智能体 答案：C 4、(单选，10分) 以下哪个方法不属于检测人工智能的手段（） A、威诺格拉德模式挑战 B、机器的标准化测试 C、物理图灵测试 D、中国餐馆测试 答案：D 5、(单选，10分) 2016年3月15日，AlphaGo首次战胜的人类围棋世界冠军是：（） A、李世石 B、柯洁 C、古力 D、樊麾 答案：A
以下哪个部件不是AlphaGo的组成部分（） A、策略网络 B、评估网络 C、蒙特卡罗树搜算法 D、纳什均衡博弈算法 答案：D 7、(单选，10分) AlphaGo的评估网络的设计思想源于（） A、机器学习 B、增强学习 C、深度学习 D、无监督学习 答案：B 8、(单选，10分) AlphaGo的策略网络所采用的学习算法模型是（） A、深度卷积神经网络 B、循环神经网络 C、递归神经网络 D、深度博弈网络 答案：A 9、(单选，10分) 以AlphaGo为代表的智能博弈机器人是典型的强人工智能。 A、正确 B、错误 答案：B 10、(单选，10分) 图灵测试与人工智能研究的最终目标都是得到可以通过图灵测试的计算机。 A、正确 B、错误 答案：B
三子棋c代码
三子棋问题 一目的 运用所学课程的知识来研究、解决一些具有一定综合性问题的专业课题。通过课程设计提高学生综合运用所学知识来解决实际问题及进行科学实验或技术设计的初步能力。 二需求分析 1、该程序主要为设计简单的三子棋游戏； 2、三子棋问题即在3 * 3的二维数组上下棋，只要有棋子在行、列或对角线连成一线即取得胜利。 3、可实现玩家与电脑对弈。 三概要设计 1、主函数模块 int main() { do{ 开始新的对弈； }while(玩家选择停止游戏); return 0; } 2、调用函数模块 ①int chess(); /*函数功能：开始对弈 函数参数：无 函数返回值：return 0*/ { 初始化棋局； 选择玩家或电脑先行； do{ //开始下棋 输出当前棋局； if(该玩家走棋) { do{
玩家输出走棋位置； 检查走棋位置的合法性； }while(玩家输入合法的位置); } else if(电脑走棋) { 调用函数使电脑走棋 } 判断是否有一方胜出； }while(有一方胜出或平局); printf("最终棋局：\n"); 输出最终棋局； if(平局) 输出平局; } ②int check(char *chess,char sign); /*函数功能：使用了指针，判断位置可行则走棋，不可行则返回值为1 函数参数：使用指针传递棋局，以及欲走棋的位置 函数返回值：0代表可以走棋，1代表不可走棋 */ { 判断走棋位置是否合法； 不合法则返回1； 否则返回0； } ③int judge(char *chess); /*函数功能：判断是否有胜出 函数参数：当前棋局 函数返回值：0代表未有胜出，1代表玩家胜出，2代表电脑胜出*/ { for(行检查) { if(某行三子连线) { if(连线棋子为‘O’) 玩家胜出； else 电脑胜出； } } for(列检查)//思想同上 if(对角三字连线检查)//思想同上
人工智能导论在线作业
人工智能导论在线作业集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]
答：决策树是一种数据挖掘分类算法、是直观运用概率分析的一种图解法、是一个预测模型。 基本方法： 决策树一般由方块结点、圆形结点、方案枝、概率枝等组成，方块结点称为决策结点，由结点引出若干条细支，每条细支代表一个方案，称为方案枝；圆形结点称为状态结点，由状态结点引出若干条细支，表示不同的自然状态，称为概率枝。每条概率枝代表一种自然状态。在每条细枝上标明客观状态的内容和其出现概率。在概率枝的最末稍标明该方案在该自然状态下所达到的结果(收益值或损失值)。这样树形图由左向右，由简到繁展开，组成一个树状网络图。 步骤： a.绘制决策树图。从左到右的顺序画决策树，此过程本身就是对决策问题的再分析过程。 b.按从右到左的顺序计算各方案的期望值，并将结果写在相应方案节点上方。期望值的计算是从右到左沿着决策树的反方向进行计算的。 c.对比各方案的期望值的大小，进行剪枝优选。在舍去备选方案枝上，用“=”记号隔断。 2、什么是知识它有哪些特性列举至少六种知识表示方法 答：经过国内外学者的共同努力，目前已经有许多知识表示方法得到了深入的研究，目前使用较多的知识表示方法主要有：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、表示法、基于本体的知识表示法等。本文将介绍这些知识表示方法的特征和优缺点，进行一些分析和比较。 （1）词逻辑表示法。谓词逻辑表示法是指各种基于（ormalogic）知识表示方式，用逻辑公式描述对象、性质、状况和关系，例如“在轨道上”可以描述成：（npaceshiporbit）它是领域中使用最早和最广泛的知识表示方法之一。其根本目的在于把数学中的逻辑论证符号化，能够采用数学演绎的方式，证明一个新语句是从哪些已知正确的语句推导出来的，那么也就能够断定这个新语句也是正确的。 在这种方法中，识库可以看成一组逻辑公式的集合，识库的修改是增加或删除逻辑公式。使用逻辑法表示知识，将以描述的知识通过引入谓词、函数来加以形式描述，得有关的逻辑公式，而以机器内部代码表示。在逻辑法表示下可采用归结法或其它方法进行准确的推理。
《人工智能导论》课程研究总结
《人工智能导论》课程研究总结 题目：BP神经网络的非线性函数拟合 班级： 姓名： 学号： 年月日 本次作业我负责程序的编写，过程如下 Matlab软件中包含Matlab神经网络工具箱。它是以人工神经网络理论为基础，用Matlab语言构造出了该理论所涉及的公式运算、矩阵操作和方程求解等大部分子程序以用于神经网络的设计和训练。用户只需根据自己的需要调用相关的子程序，即可以完成包括网络结构设计、权值初始化、网络训练及结果输出等在内的一系列工作，免除编写复杂庞大程序的困扰。目前，Matlab神经网络工具包包括的网络有感知器、线性网络、BP神经网络、径向基网络、自组织网络和回归网络等。BP神经网络主要用到newff、sim和train3个神经网络函数，各函数解释如下。 1、newff：BP神经网络参数设置函数 函数功能：构建一个BP神经网络。 函数形式：net = newff（P，T，S，TF，BTF，BLF，PF，IPF，OPF，DDF） P：输入数据矩阵。 T：输出数据矩阵。 S：隐含层结点数。 TF：结点传递函数，包括硬限幅传递函数hardlim，对称硬限幅传递函数hardlims，线性传递函数pureline，正切S型传递函数tansig，对数S型传递函数logsig。 BTF：训练函数，包括梯度下降BP算法训练函数traingd，动量反传的梯度下降BP算法训练函数traingdm，动态自适应学习率的梯度下降BP算法训练函数traingda，动量反传和动态自适应学习率的梯度下降BP算法训练函数traingdx，Levenberg_Marquardt的BP算法训练函数trainlm。 BLF：网络学习函数，包括BP学习规格learngd，带动量项的BP学习规则learngdm。 PF：性能分析函数，包括均值绝对误差性能分析函数mae，均方差性能分析函数mse。IPF：输入处理函数。 OPF：输出处理函数。 DDF：验证数据划分函数。 一般在使用过程中设置前面6个参数，后面4个参数采用系统默认参数。 2、train：BP神经网络训练函数 函数功能：用训练数据训练BP神经网络。 函数形式：[net，tr] = train（NET，X，T，Pi，Ai） NET：待训练网络。 X：输入数据。 T：输出数据。 Pi：初始化输入层条件。 Ai：初始化输出层条件。 net：训练好的网络。 tr：训练过程记录。
福州大学《人工智能导论》试卷
福州大学2014～2015学年第2学期考试A卷 课程名称人工智能导论考试日期2015-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。 4. 产生式系统由3个部分组成：一个总数据库、、。 5. ANN中文意义是。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是，则定理得证。 8. 子句和P经过消解以后，得到。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。 10. 语义网络下的推理是通过和实现的。 11. 被成为人工智能之父，曾提出一个机器智能的测试模型。 12. 谓词公式(?x)(?y)(?z)(P(x,y)∨Q(y,z)W(z))消去存在量词后，可以化为 。
13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个 变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A） 8. 在遗传算法中，变量x的定义域为 [-2，5]，要求其精度为10-6，现用二进制进行编码，
《人工智能导论》试卷A(答案)
2006～2007学年第2学期考试A 卷 参考答案 一、1. 符号主义，连接主义，行为主义 3.状态，操作符 4.一套规则，一个控制策略 5.人工神经元网络 6.将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差信号减至最小 7.空子句 8.Q 9. L→W 或L1∨L2→W，L 为单文字 10.继承，匹配 11.图灵 12. 13. 14. 零均方差的高斯随机 二、CBCDCCADAB 三、1. （1）自然语言理解 （2）人工神经元网络 数据库智能检索 智能控制 专家咨询系统 智能调度和指挥 定理机器证明 智能决策支持系统 博弈 知识发现和数据发掘 机器人学 分布式人工智能 自动程序设计 组合调度问题 感知问题 2.
3.构成：略 特征：（1）能较好的模拟人的形象思维。 （2）具有大规模并行协同处理能力。 （3）具有较强的学习能力。 （4）具有较强的容错能力和联想能力。 （5）是一个大规模自组织、自适应的非线性动力系统。 4.遗传算法是一种随机搜索算法。该算法将优化问题看作是自然界生物的进化过程。模拟大自然生物进化的遗传规律来达到寻优的目的。 5.设A(x):想出国留学 P(x):欲穷千里目 Q(x):更上一层楼 （1）?x（~A（x）） （2）（?x）（Q（x） P（x）） 四、1. 得到的解路径为：S-B-F-J-T 2.启发式搜索图：
状态空间图：
3.
4.证明： R1：所有不贫穷且聪明的人都快乐：?x（~Poor（x）∧Smart（x）→Happy （x）） R2：那些读书的人是聪明的：?x（read（x）→Smart（x）） R3：约翰能读书且不贫穷：read（John）∧ ~Poor（John） R4：快乐的人过着幸福的生活：?x（Happy（x）→Blest（x）） 结论：约翰过着幸福的生活的否定：~ Blest（John） 将上述谓词公式转化为子句集并进行归结如下： 由R1可得子句： Poor（x）∨~Smart（x）∨Happy（x） 由R2可得子句： ~read（y）∨Smart（y） 由R3可得子句： read（John） ~Poor（John） 由R4可得子句： ~ Happy（z）∨Blest（z） 由结论的否定可得子句： ~ Blest（John） 根据以上6条子句，归结如下： ~ Happy（John）⑤⑥ John/z Poor（John）∨~Smart（John）⑦① John/x ~Smart（John）⑧④ ~ read（John）⑨② John/y □⑩③ 由上可得原命题成立。
智能科学与技术专业培养方案及教学计划10级
信息科学与工程学院 智能科学与技术专业本科培养方案 一、培养目标 培养具备良好的科学素质，系统地掌握智能科学与技术的基本理论、基本知识和基本技能与方法，在智能科学与工程领域具有较强的知识获取能力、知识工程能力和创新创业能力的宽口径复合型高质量以及具有计算机、自动化、电子等交叉学科基础的人才，能在企业、事业、科研部门、教育单位和行政部门等单位从事智能系统、智能信息处理、智能行为决策等方面的科学研究、开发设计、工程应用、决策管理和教学等工作。 二、培养要求 本专业学生主要学习智能科学技术及相关信息科学技术的基础理论和专业知识。学生接受从事科学研究、工程技术开发、教学、管理及应用等方面所需要的基本训练，具备从事智能系统、智能信息处理、智能行为决策等方面研究、开发、应用及管理的综合能力。 毕业生应获得以下几个方面的知识和能力： 1、具有较扎实的自然科学基础，较好的人文社会科学基础和外语能力。 2、系统掌握本专业领域必需的科学技术基础理论知识，主要包括电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、数据库技术、网络工程等。 3、较好地掌握智能系统、智能信息处理等方面的专业知识，具有本专业领域1～2个方向的专业知识和技能，了解本专业学科的前沿和发展趋势，获得较好的工程实践训练，具有熟练的计算机应用能力。 4、具有本专业的科学研究、科技开发和组织决策管理能力，具有较强的工作适应能力。 5、能将智能技术与计算机技术、信息处理、控制技术有机结合应用于工程实践，具有创新意识和一定的创新能力。 三、主干学科 控制科学与控制工程、电气工程、计算机科学与技术 四、主要课程和特色课程 本专业主干课程主要包括：电路理论、模拟电子技术、数字电子技术、自动控制理论、微机原理与接口技术、离散数学、数据结构、脑与认知科学基础、人工智能、智能控制、机器人学导论、计算机仿真技术、Web程序设计、语音信号处理、决策支持技术、运筹学、虚拟现实与智能游戏、智能优化算法及其应用、生物特征识别等。
人工智能导论试卷 (2)
课程名称人工智能导论考试日期2007-6-14 考生姓名学号专业或类别 题号一二三四总分累分人 签名题分100 得分 考生注意事项：1、本试卷共8 页，请查看试卷中是否有缺页。 2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。 一、填空题(每空1分，共20分) 得分评卷人 1. 人工智能三大学派是符号主义，连接主义，行为主义、和。 2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式 为。 3.状态空间表示法的两个基本概念是和。状态，操作符 4. 产生式系统由3个部分组成：一个总数据库、一套规则，一个控制策略 、。 5. ANN中文意义是人工神经元网络 。 6. 反向传播（back-propagation,BP）算法过程是从输出节点开始， 将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差信号减至最小 ，所以称为“反向传播”。 7. 消解反演证明定理时，若当前归结式是空子句 ，则定理得证。 8. 子句和P经过消解以后，得到 Q 。 9．基于规则的正向演绎系统，其规则形式为，其中前项要满足的条件是。→W或L1∨L2→W，L为单文字
2006～2007学年第2学期考试A卷
13. 设E 1=P(a,v,f(g(y))),E 2 =P(z,f(a),f(u)),则E 1 和E 2 的mgu（最一般合一）为 。 14. 进化策略是在父矢量x i ，i=1,2,……p中，通过加入一个零均方差的高斯随机变量以及预先选择x的标准偏差来产生子代矢量x。 二、选择题(每小题2分，共20分) 得分评卷人 1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( ) A. 宽度搜索 B. 深度搜索 C. 有序搜索 D. 广义搜索 2. 下列人工神经网络属于反馈网络的是（） A. Hopfield网 B. BP网络 C. 多层感知器 D. LVQ网络 3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( ) A. 语义网络法 B. 过程表示法 C. 剧本表示法 D. 框架表示法 4. 产生式系统的推理不包括( ) A. 正向推理 B. 逆向推理 C. 双向推理 D. 简单推理 5. 启发式搜索是寻求问题（）解的一种方法 A. 最优 B. 一般 C. 满意 D. 最坏 6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（） A. 无悖性 B. 可扩充性 C. 继承性 D. 完整性 7. 下面表达式对中（）是能够合一的。 A. P（q（f（v）），g（u））和P（x，x） B. P（x，f（x））和P（y，y） C. P（y，y，B）和P（z，x，z） D. P（f（A），x），P（x，A）
《人工智能导论》课程教学大纲-电子科技大学
《人工智能导论》课程教学大纲 课程标号：学时：32 学分：2 先修课程：《计算机原理及应用》、《数据结构》、《计算机控制技术》、 一．课程性质与目的 本课程是自动化专业的选修课。本门课程的任务是使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，领悟到智能理论发展历程中所包含的深刻的科学逻辑和方法论。启发学生对人工智能的兴趣。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。 二．教学内容和要求 1.人工智能概述，包括人工智能的定义，人工智能的起源与发展，人工智 能的研究和应用领域。 2.概括地论述知识表示的各种主要方法，包括状态空间法、问题归约法、 谓词逻辑法、结构化表示法（语义网络法、框架）、剧本和过程等。 3.讨论常用搜索原理，如盲目搜索、启发式搜索和消解原理等。 4.讨论一些比较高级的推理求解技术，有规则演绎系统、系统组织技术、 不确定性推理和非单调推理等。 5.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经 网络、模糊逻辑、遗传算法等。 6.比较详细地讨论人工智能的主要应用，包括专家系统、机器学习、Agent、 自然语言理解和智能控制等。对于应用内容，根据学时，有选择地进行 讲授。 7.简要讲述人工智能语言，有Lisp语言和Prolog语言。（根据学时需要决 定是否讲授。） 三．教材和参考资料 教材：1.蔡自兴，徐光祐。人工智能及其应用，第三版，本科生用书。清华大学出版社，2003。 参考资料：廉师友. 人工智能技术导论, 第二版. 西安电子科技大学出版社, 2002 ； 沟口理一郎、石田亨，人工智能，科学出版社，2003
人工智能课程设计(五子棋)解读
《人工智能导论》课程报告 课题名称：五子棋 姓名: X X 学号：114304xxxx 课题负责人名（学号）： X X114304xxxx 同组成员名单（学号、角色）： x x1143041325 XXX1143041036 指导教师：张建州 评阅成绩： 评阅意见： 提交报告时间：2014年 1 月 9 日
五子棋 计算机科学与技术专业 学生XXX 指导老师张建州 [摘要]人类之所以不断在进步，是因为我们人类一直不断的在思考，五子棋游戏程序的开发符合人类进步也是促进人类进步的一大动力之一。五子棋游戏程序让人们方便快捷的可以下五子棋，让人们在何时都能通过下棋来提高逻辑思维能力，同时也培养儿童的兴趣以及爱好，让孩子更加聪明。 同时，五子棋游戏程序的开发也使得五子棋这个游戏得到了广泛的推广，让世界各地的人们知道五子棋，玩上五子棋，这已经不是局限。五子棋游戏程序使得越来越多的人喜欢上了五子棋，热爱下五子棋，它是具有很好的带动性的。 关键词：五子棋进步思考
目录 《人工智能导论》课程报告 0 1 引言 (3) 1.1五子棋简介 (3) 1.2 五子棋游戏的发展与现状 (3) 2 研究问题描述 (4) 2.1 问题定义 (4) 2.2 可行性研究 (4) 2.3 需求分析 (5) 2.4 总体设计 (5) 2.5 详细设计 (6) 2.6编码和单元测试 (6) 3 人工智能技术 (6) 4 算法设计 (7) 4.1α-β剪枝算法 (7) 4.2极大极小树 (7) 4.3深度优先搜索（DFS） (8) 4.4静态估值函数 (9) 5 软件设计和实现 (9) 5.1 数据结构定义 (9) 5.2 程序流程图 (17) 6 性能测试 (18) 6.1 程序执行结果 (18) 7 总结 (21) 参考文献 (21)
人工智能导论论文
终结者会出现吗？ -----对于人工智能技术发展趋势的思考 摘要：1、时间过去30年了，当回想起这部电影，我们不禁想问几个问题：“终结者”会出现吗？在现在的技术水平下能制造出如此复杂高度发达的机器人吗？未来是否会有制造出“终结者”的可能性？这些问题，都来源于对于当今世界人工智能技术发展的趋势的思考。 2、在当今人工智能发展的领域中跟研制出“终结者”机器人有着最密切的关系的领 域应该有模式识别、机器翻译、自然语言处理、计算机视觉、智能信息检索技术、 专家系统以及最重要的机器学习等领域。 关键词：人工智能自动化自主意识机器学习 当1984年一部名为《终结者》的科幻电影在全球电影院上映的时候，人类第一次对“人工智能”这个词有了一次极为深刻的印象——电影讲述了在2029年原本用于防御人类安全的拥有高级人工智能的智能防御系统“天网”产生了自主意识，试图统治人类，人类几乎被消灭殆尽。剩下的人类在领袖约翰康纳的领导下与电脑英勇作战，并扭转了局面。“天网”为了改变这一切，制造了时光逆转装置，派遣“终结者”人型机械人T-800回到1984年,去杀死约翰的母亲莎拉康纳，以阻止约翰的诞生。其中“终结者T-800”机器人在电影中被塑造成一个有肌肉、血液等人类特性、冷血、为达目的不择手段的机械战士，更重要的是，这个机器人拥有与人类相似的智能特征，能使用工具，能了解人类语言，有学习功能也有了解人性的功能。这个大胆的关于“终结者”的想法使当时的人们为之震惊——如果这种终结者真的出现了，人类要如何应对？ 时间过去30年了，当回想起这部电影，我们不禁想问几个问题：“终结者”会出现吗？在现在的技术水平下能制造出如此复杂高度发达的机器人吗？未来是否会有制造出“终结者”的可能性？这些问题，都来源于对于当今世界人工智能技术发展的趋势的思考。 机器学习是现在人工智能领域的主流研究方法，也是人工智能的核心，是使计算机具有智能的根本途径。学术意义上的人工智能的原始目标是要模拟智能的“人”，即让计算机模拟或实现人类特有的智能行为，包括语言，高级情感，学习行为等。成功的标准即所谓的“图灵测试”：如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则电脑通过测试。这个直观的目标后来被发现可行性太低，就算是专家系统那样用规则加上知识库（或加上推理机）构造的专用功能，也只能解决预置规则范畴内的问题。就算是专家能够总结出所有经验（很多情况专家自己讲不明白自己是怎
人工智能结课报告
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、