智能信息处理导论简答题
智能导论期末重点复习
Author:lm学校：西安邮电大学智能科学技术导论重点复习汇总一，填空题形式：总分30分，共30个填空，分A,B卷，每空1分。
第四章：1，学习原理和学习方法都是在学习过程中不可或缺的两个重要因素。
2，系统学习能力主要包括基本学习能力，自学能力，实践操作能力，表达能力。
3，系统学习能力是大学生能力结构的核心，其中自学能力是关键。
4，创新能力是能力结构的核心要素和最高层次，是人才的本质特征。
5，从事创新不但需要有创新能力，而且需要有创新精神。
6，科学创新能力的锻炼从身心潜质，事业激情，思维活动，科学素养方面进行。
7，科学素养是创新能力的基础。
8，大学生的创新学习，主要形式是科研或创作。
第五章：1，以信息作为主要研究对象，这是信息科学区别于其他科学的最根本特点之一。
2，信息科学的研究目标是扩展人类的信息功能，后者的有机整体便是智力智能。
3，信息，能量，物质是构成世界的三大基本要素。
4，自动化科学所研究的就是物质世界的信息运动规律以及信息处理方法和控制原理。
5，自动化科学的理论基础是控制理论，控制理论的发展大致经过了经典控制，现代控制以及大系统控制和智能控制三个阶段。
6，计算机科学是研究计算机及其周围各种现象与规模的科学，主要包括理论计算机科学，计算机系统结构，软件和人工智能等。
7，软件的研究领域主要程序设计，基础软件，软件工程这三个方面。
第六章：1，好的智能制造系统，要有三个子系统：a，虚拟制造系统，实现模拟制造过程。
b，全息制造系统，系统的元素是“自治，自主”的模块，协作完成给定的任务。
c，全球同步系统，使产品的不同部分能够在世界上不同的生产研究基地进行制造，保证产品质量，降低生产成本。
2，智能运输系统ITS，就是集信息处理，通讯，控制及高科技的电子技术等最新的科研成果，应用于交通运输网络中。
3，发展ITS系统的主要技术中，其核心部分就是GPS技术。
4，从智能革命论的观点来看，信息化必然发展为智能化，主要体现在三个方面：智能革命，智能生产力，智能社会。
整理人工智能简答题
一．简答题1.在什么情况下需要采用不确定推理或非单调推理答：一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。
例如，当一个人打开电灯的开关而发现灯泡未亮时，就会根据以往的经验而觉得“停电了”。
但当他打开另外一只灯的开关发现灯亮时，就否定了先前“停电了”的结论，想到也许是开关或者灯具出问题了。
这个改变原先推导结论的过程其实就是一个非单调推理。
即，随着信息与知识的增加，并没有在肯定原来的结论基础上，增加了更多并立的知识与结论，而是否定了原先结论并有了新的看法。
以下情况需要采用不确定推理：所需知识不完备,不精确所需知识描述模糊,多种原因导致同一结论,问题的背景知识不足,解题方案不唯一。
不确定性推理，是指其推理过程中，由于各种偶然性误差、干扰以及证据的不确定性等因素，导致所获得的结果或结论本身具有未置可否的不确定性。
一般来说，出现不精确推理的原因和特征可能有：①证据不足或称为证据的不确定性；②规则的不确定性；③研究方法的不确定性。
由于以上“三性”的存在，决定了推理的最后结果具有不确定但却近乎合理的特性，人们把这种性质的推理及其理论和方法总称为不确定推理2．产生式系统有哪几种推理方式各自特点为何答：（1）正向推理（正向链接推理）：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。
（2）逆向推理（后向链接推理）：从表示目标的谓词或命题出发，使用一组产生式规则证明事实谓词或命题成立，即首先提出一批假设目标，然后逐一验证这些假设。
（其基本原理是从表示目标的谓词或命题出发，使用一组规则证明事实谓词或命题成立，即提出一批假设（目标），然后逐一验证这些假设。
（3）双向推理：又称为正反向混合推理，它综合了正向推理和逆向推理的长处，克服了两者的短处。
双向推理的推理策略是同时从目标向事实推理和从事实向目标推理，并在推理过程中的某个步骤，实现事实与目标的匹配。
人工智能简答题
1．在什么情况下需要采用不确定推理或非单调推理？
2．规则演绎系统和产生式系统有哪几种推理方式？各自特点为何？
3．算法A*直到一个目标节点被选择扩展才会终止。
然而，到达目标节点的一条路经可能在那个节点被选择扩展前早就找到了。
一旦目标节点被发现，为什么不终止搜索呢？用一个例子说明你的答案。
4．结合你的研究方向，论述哪些人工智能技术可以得到应用？解决什么问题？
5．在选择知识表示的方法时，应该考虑哪些因素？
6．什么是语义网络知识表示?给出这种表示方法的优缺点。
7．什么是产生式知识表示?给出这种表示方法的优缺点。
8．写出利用归结原理求解问题答案的步骤。
9．什么是不确定性推理？不确定推理中需要解决的基本问题有哪些？
10．同传统的计算机程序相比，人工智能程序有哪些特点？
11．谓词逻辑表示法为什么是应用最广泛的表示方法之一？
12．什么是过程性知识表示？给出它的优缺点。
13．简述人工智能的研究目标。
14．简述人工智能的新进展。
15．试述机器学习系统的基本结构，并说明各部分的作用。
16．什么是专家系统？专家系统的基本结构？。
17．什么是Agent?什么是多Agent系统？
18．什么是本体？设计本体的准则是什么？
19．什么是自然语言理解？自然语言理解的准则是什么？
20．简述自然语言理解的层次划分及对应的技术。
21.什么是遗传算法？如何用神经网络求解优化问题？
22．什么是神经网络？试举例说明二种神经网络模型的结构？。
智能信息处理
智能信息处理教学目标：1、认识智能信息处理工具及作用；2、了解信息智能处理的方式及基本应用；3、了解智能信息处理工具的工作原理；4、了解智能信息处理的实际应用价值。
教学重点：信息智能处理的方式及基本应用。
教学难点：智能信息处理工具的工作原理。
教学过程：一、导入：播放视频：世界围棋大赛“人机大战”1、从视频中，你看到了什么？2、机器战胜人类，你觉得对我们又何威胁？3、在生活中，我们还有哪些事物属于人工智能？好！下面我们就一起来一下智能信息的处理这一小节的内容。
二、新授：1、认识只能信息处理工具及作用：（通过观看几组图片来分析不同的智能信息处理工具及作用）2、智能处理工具与一般处理工具的异同点：相同点：都是通过计算机程序来实现的。
不同点：一般处理工具:处理的问题有固定算法，处理过程是重复计算的过程，最终得到一个确定的结果。
如求方程组的解，加密解密程序。
智能处理工具:处理的问题是不确定、非结构的、没有固定算法的，处理过程是推理控制的过程，最终结果不太确定。
如手写汉字的识别率还不足100%，但已具有实用价值。
3、信息智能处理的方式：人工智能（ArtificialIntelligence简称AI）：是以探索和模拟人类智能活动为基本目标而设计出类似人的某些智能的自动机器的科学。
人工智能研究的两个领域：模式识别和自然语言理解。
人工智能模式识别自然语言自动程序智能代理机器证明专家系统人工神经……4、信息智能处理的方式及基本应用：模式识别：是表征事物或现象的各种形式的信息（图片、文字、符号、声音）等进行自动识别的技术。
模式识别的研究范畴有：文字识别、指纹识别、声音语言识别、声音信号和地震信号分析、照片图片分析、化学模式识别等（P86左边小字）。
指纹识别：利用指纹来鉴定人的身份，可以克服证件、签字、照片、密码、钥匙、印鉴等容易假冒、丢失、遗忘等缺点。
如：浙江省公安厅使用北大自动指纹识别系统，建立了100多万人的指纹库，检索一个现场只需4分钟。
智能信息处理技术考试复习重点
人工智能有能力做三件事：知识存储 解决问题 获取新知识人工智能的三个关键部分：表示 学习 推理神经网络至今经历了兴起、萧条和兴盛三个时期。
神经网络动力学过程有 过程--计算过程 和 过程--学习过程前馈神经网络的发展经历了：兴起 萧条 和 兴盛 三个时期前馈神经网络模型有：感知器、BP网络、RBF网络遗传算法的三个算子：选择算子、交叉算子、变异算子遗传算法主要由三种运算组成：选择运算 交叉变异 变异运算编码方法可以分为三大类：二进制编码方法、浮点数编码方法、符号编码方法。
Hopfield神经网络模型一般由单层全互连的神经元u i(i=1,…，n)组成。
自组织映射神经网络模型SOM）它是一种无监督学习神经网络计算智能包括神经网络、模糊信息处理 和 遗传算法 。
计算智能核心内容：神经网络、进化计算和模糊系统模糊数学是研究和处理模糊性现象的数学方法. 经典数学是以精确性为特征的.关系的特性：自反性、对称性和传递性典型的学习规则：hebbian学习规则和Delta学习规则遗传算法 主要用于函数最优化计算，它是模拟生物在自然环境中的遗传和进化过程的一种自适应全局寻优的随机搜索算法。
遗传编码: 把问题的可行解从其物理解空间转换到遗传算法所能处理的搜索空间(编码空间)的转换方法称为编码描述神经网络模型的六个要素：传播规则 活跃规则 输出规则 互连模式 学习规则 环境神经网络 :是由大量的、同时也是很简单的处理单元（神经元）广泛地互相连接而形成的复杂网络系统。
反映了人脑功能的许多特性，是对人脑功能进行某种简化、抽象和模拟。
BP反向传输算法的基本过程：初始化阶段前馈阶段 权值调整阶段 学习精度计算 学习结束判断智能：智慧和能力。
个体有目的的行为、合理的思维以及有效适应环境的能力。
神经计算的特点大规模并行性、集团运算和容错能力。
信息的分布式表示。
学习和自组织能力。
多层神经网络系统具有强大的解算能力和处理实际问题的能力。
(完整word版)智能信息处理复习提纲(2015)湖南大学(word文档良心出品)
智能信息处理复习提纲一、什么是智能理论？人工智能的主要学派有哪些？人工智能的主要应用领域有哪些？计算智能的生物学基础是什么、主要方法有哪些智能理论的定义：“智能”一词可以用作名词，也可以用作形容词。
如果用作名词，它是指人类所能进行的脑力劳动，包括感觉、认知、记忆、学习、联想、计算、推理、判断、决策、概括……如果用作形容词，它的意义是：人一样的、聪明的、灵活的、柔性的、自学习的、自组织的、自适应的、自治的……智能理论研究的两个方面：一方面是对智能的产生、形成和工作的机制的直接研究，称为自然智能理论；另一方面是研究如何用人工的方法模拟、延伸和扩展智能。
，主要是生理学和心理学研究者所从事的工作，称为人工智能理论。
人工智能的主要学派:(1)符号主义(心理学派):认为可以用一个符号系统在计算机上形式化地描述和模拟人的思维活动过程。
（采用功能模拟方法）(2)联结主义(生理学派):利用人工神经网络模仿人类智能,认为人的智能的基本单元是神经元,由许多人工神经元联结起来的人工神经网络可以具有自学习和自适应能力,能更好地模仿人类智能。
（采用结构模拟）(3)行为主义(控制论学派):认为智能取决于感知和表现为行为,智能行为只能在现实世界中与周围环境交互作用而表现出来。
（采用行为模拟）人工智能的主要应用领域：(1)定理证明(2)专家系统(3)机器学习(4)自然语言理解(5)智能检索(6)机器人学(7)自动程序设计(8)组合调度问题(9)模式识别(10)机器视觉人工智能的目：就是让计算机这台机器能够象人一样思考。
计算智能的生物学基础是什么、主要方法有哪些：计算智能是以生物进化的观点认识和模拟智能。
基于结构演化的人工智能主要方法：人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等二、智能信息技术涉及哪几个领域、各解决哪些问题？试将人类的认知过程与计算机认知过程进行比较。
智能信息技术涉及的领域：信息技术就是感测技术、通信技术、计算机技术和控制技术。
智能信息处理导论试卷
一、选择题
1.下列哪项技术不属于智能信息处理领域？
A.机器学习（正确答案：不属于错误选项，实际属于智能信息处理领域，但此处为设
问方式，实际应选择不属于的项，若严格出题应避免此表述，改为明确不属于的选项或重新设问）
B.数据挖掘
C.自然语言处理
D.传统数据库管理（正确答案）
2.机器学习中的“过拟合”现象是指：
A.模型在训练数据上表现很好，但在新数据上表现差（正确答案）
B.模型在训练数据和新数据上表现都很好
C.模型在训练数据上表现差，但在新数据上表现好
D.模型无法学习任何有用的信息
3.下列哪项是深度学习中的一个常用模型？
A.支持向量机
B.决策树
C.卷积神经网络（正确答案）
D.线性回归
4.自然语言处理（NLP）的主要任务不包括：
A.文本分类
B.语音识别
C.图像生成（正确答案）
D.机器翻译
5.下列哪项不是强化学习中的基本要素？
A.代理（Agent）
B.环境（Environment）
C.奖励（Reward）
D.数据集（Dataset）（正确答案）
6.在智能信息处理中，数据预处理的重要性主要体现在：
A.提高算法的执行速度
B.降低算法的错误率（正确答案）
C.使数据变得更加复杂
D.减少数据的存储需求
7.下列哪项技术常用于推荐系统中，以根据用户的历史行为预测其未来偏好？
A.聚类分析
B.协同过滤（正确答案）
C.文本摘要
D.情感分析
8.在智能信息处理领域，知识图谱主要用于：
A.存储和表示大量实体及其之间的关系（正确答案）
B.实现高效的文本分类
C.生成自然语言文本
D.进行图像识别。
付启卉_智能信息处理复习提纲(2018)
智能信息处理复习提纲一、什么是智能理论？自然智能和人工智能有何差异？人工智能的主要学派有哪些？人工智能的主要应用领域有哪些？智能信息技术涉及哪几个领域、各解决哪些问题？什么是智能理论?“智能”一词可以用作名词，也可以用作形容词。
如果用作名词，它是指人类所能进行的脑力劳动，包括感觉、认知、记忆、学习、联想、计算、推理、判断、决策、概括……如果用作形容词，它的意义是：人一样的、聪明的、灵活的、柔性的、自学习的、自组织的、自适应的、自治的……智能理论的研究也分为两个方面，一方面是对智能的产生、形成和工作的机制的直接研究；另一方面是研究如何用人工的方法模拟、延伸和扩展智能。
前者称为自然智能理论，主要是生理学和心理学研究者所从事的工作；而后者称为人工智能理论，主要是理工学研究者所从事的工作。
在前者的领域中，“智能”多取名词的用法，因为研究的是“脑力劳动”本身的机制；在后者的领域中，“智能”多取形容词的用法，因为人们主要考察人工智能的功能与自然智能的功能相比，像不像、高不高、强不强？人工智能的主要学派:(1)符号主义(心理学派):认为可以用一个符号系统在计算机上形式化地描述和模拟人的思维活动过程.（采用功能模拟方法）.(2)联结主义(生理学派):利用人工神经网络模仿人类智能,认为人的智能的基本单元是神经元,由许多人工神经元联结起来的人工神经网络可以具有自学习和自适应能力,能更好地模仿人类智能.（采用结构模拟）.(3)行为主义(控制论学派):认为智能取决于感知和表现为行为,智能行为只能在现实世界中与周围环境交互作用而表现出来.（采用行为模拟）.人工智能的主要应用领域:人工智能的研究更多的是结合具体应用领域来进行(1)定理证明(2)专家系统(3)机器学习(4)自然语言理解(5)智能检索(6)机器人学(7)自动程序设计(8)组合调度问题(9)模式识别(10)机器视觉什么是智能信息技术?感测、通信、计算机和控制这4个领域中的智能化技术 智能通信技术：智能网技术、智能化网络管理技术 、网络信息智能搜索技术 智能计算机技术：文字识别 、语言识别、图像识别、语音合成、自然语言理解、机器翻译智能控制技术：模糊控制技术、神经网络控制技术、专家控制技术、学习控制技术、分层递阶控制技术人工智能的目：就是让计算机这台机器能够象人一样思考。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1、简述可拓思想及其拓展工具
可拓思想是利用物元理论、事元理论和可拓集合理论，结合各应用理论和方法去处理该领域中的矛盾问题，以化不可行为可行，不可知为可知，化不属于为属于、化对立为共存。
可拓拓展工具定性工具物元和事元是可拓学的基本概念，可拓变换是解决矛盾问题的基本工具，可拓分析方法是寻求可拓变换的依据。
利用它们可以从定性的角度分析事物开拓的可能性。
定量工具可拓集合是描述事物具有某种性质的程度和量变与质变的定量化工具。
2、什么是云计算？云计算为什么备受关注？为什么要实现云计算？
云计算的基本原理是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务中，企业数据中心的运行将更与互联网相似。
这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统
云计算是一种革命性的举措，打个比方，这就好比是从古老的单台发电机模式转向了电厂集中供电的模式。
它意味着计算能力也可以作为一种商品进行流通。
它最大的不同在于它是通过互联网进行传输的。
在未来只需一台笔记本或者手机，就可以通过网络服务来满足人们一切甚至包括超级计算这样的任务。
最终用户才是云计算的真正拥有者。
云计算的思想：把力量联合起来，给其中的每一个成员使用。
3、简述粗集理论.
①利用抽象代数来研究粗糙集代数空间这种特殊的代数结构。
②利用拓扑学描述粗糙空间。
③还有就是研究粗糙集理论和其他软计算方法或者人工智能的方法相接合，例如和模糊理论、神经网络、支持向量机、遗传算法等。
④针对经典粗糙集理论框架的局限性，拓宽粗糙集理论的框架，将建立在等价关系的经典粗糙集理论拓展到相似关系甚至一般关系上的粗糙集理论
4、比较协同进化遗传算法与普通遗传算法。
遗传算法虽然实现简单，操作方便，但是存在很多的缺陷：①很容易导致“早熟”，陷入局部最优；②随着问题规模的增大，其计算复杂度明显增加，收敛性显著降低，搜索问题空间能力也下降；③依靠简单的交叉、变异操作，很容易产生不可行解；④交叉产生的子代可能一个适应度很高，另一个很低，低的个体虽然含有较好的基因，但是会被淘汰。
两种算法的比较结果很明显就可以看出两种算法的优劣：CGA、要明显优于GA，计算是时间短，收敛速度快，而且收敛精度也比较高。
在求解分类神经网络训练问题计算工作量大大减少，同样达到90%的分类精度，CGA的遗传代数只有GA的1/3.在求解Manipulator Path Planning问题CGA占用CPU的时间只有GA的1/9
5、比较免疫算法与遗传算法。
(1)免疫算法与遗传算法起源于抗原与抗体之间的内部竞争，其相互作用的环境既包括外部也包括内部的环境；而遗传算法起源于个体与自私基因之间的外部竞争。
(2)免疫算假设免疫元素互相作用，即每一个免疫细胞等个体可以相互作用，而遗传算法不考虑个体之间的作用。
(3)免疫算法中，基因可以由个体自己选择，而在遗传算法中基因有环境选择。
(4)免疫算法中，基因组合是为了获得多样性，一般不用交叉算子，因为免疫算法中基因是在同一代个体进行进化，这种情况下设交叉概率为0；而遗传算法后代个体基因通常是由父代交叉的结果，交叉用于混合基因(5)免疫算法选择个变异阶段明显不同，而遗传算法中它们是交替进行的。
6、请描述遗传算法特点。
(1)遗传算法从问题解的串集开始搜索，而不是从单个解开始。
这是遗传算法与传统优化算法的极大区别。
传统优化算法是从单个初始值迭代求最优解的；容易误入局部最优解。
遗传
算法从串集开始搜索，覆盖面大，利于全局择优。
(2)遗传算法求解时使用特定问题的信息极少，容易形成通用算法程序。
由于遗传算法使用适应度这一信息进行搜索，并不需要问题导数等与问题直接相关的信息。
遗传算法只需适应度和串码等通用问题，故几乎可处理任何问题。
(3)遗传算法有极强的容错能力。
遗传算法的初始串集本身就带有大量与最优解甚远的信息；通过选择、交叉、变异操作能迅速排除与最优解相差极大的串；这是一个强烈的滤波过程；并且是一个并行滤波机制。
故有遗传算法有很高的容错能力(4)遗传算法中的选择、交叉、和变异都是随机操作，而不是确定的精确规则这说明遗传算法是采用随机方法进行最优解搜索，选择体现了向最优解迫近，交叉体现了最优解的产生，变异体现了全局最优解的覆盖。
(5)遗传算法具有隐含的并行性。
7、比较遗传算法与蚁群算法
遗传算法具有全局搜索能力，但对于系统中的反馈信息却没有利用，往往导致无谓的沉余迭代，求解效率低。
蚁群算法是通过信息素的积累和更新而收敛于最优路径，具有分布、并行、全局收敛能力。
但初期信息素匮乏，导致算法速度慢。
8、蚁群算法的系统学特征
系统性系统科学的基本特点时强调整体性，不同学科由于研究范围和重点的不同，往往给出不同的系统定义。
常用的贝塔朗菲定义为：系统是相互联系、相互作用的诸元素的综合体。
分布式计算，生命系统是一个分布式系统，它使得生命具有强适应能力。
它依赖于个体的行为但不单独依赖于个体的行为。
自组织性，蚁群算法的另一重要特征是自组织性，这也是包括遗传算法、人工神经网络在内的仿生型算法的共有特征，正是这种特征的存在，才使得算法具有足够的鲁棒性。
正反馈性，反馈是信息学中的重要概念，代表了信息输出对输入的反作用。
系统学认为，反馈就是将系统现有行为及现有行为结果作为影响未来行为的原因。
反馈分为两种，一种是正反馈，一种是负反馈。
以现有的行为结果去加强未来的行为，是正反馈，以现有的行为去削弱未来的行为时负反馈。