《人工智能导论》期末复习知识点
人工智能导论复习资料
人工智能导论复习资料（课程代码：07844）知识点汇总：1.人工智能是一门综合性的交叉学科和边缘学科。
2.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，请问这个科学家是图灵。
3.人工智能的远期目标是制造智能机器，近期目标是实现机器智能。
4.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机器学习。
5.编译原理不属于人工智能的研究的一个领域。
6.AI的英文缩写是Artifical intelligence。
7.“图灵实验”是为了判断一台机器是否具备智能的实验，实验由三个封闭的房间组成，分别放置主持人、参与人和机器。
8.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继承性。
9.(A->B)∧A => B是假言推理10.命题是可以判断真假的陈述句11.问题归约法是指已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合，这些子问题的解可以直接得到，从而解决了初始问题。
12.仅个体变元被量化的谓词称为一阶谓词13.MGU是最一般合一14.关系不在人工智能系统的知识包含的4个要素中15.当前归结式是空子句时，则定理得证。
16.或图通常称为状态图17.不属于人工智能的学派是机会主义18.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合理的结论的思维过程。
( )19.用户不是专家系统的组成部分20.产生式系统的推理不包括简单推理21.C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的信度22.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，这种方法叫做有序搜索23.人工神经网络属于反馈网络的是BP网络24.使用一组槽来描述事件的发生序列，这种知识表示法叫做剧本表示法25.产生式系统的推理不包括简单推理26.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正向推理。
《人工智能导论》期末复习知识点
《人工智能导论》期末复习知识点选择题知识点1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。
人工智能Artificial Intelligence,AI人工神经网络Artificial Neural Network，ANN机器学习Machine Learning，ML深度学习Deep Learning,DL2.什么是强人工智能？强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。
可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。
有和生物一样的各种本能，比如生存和安全需求。
在某种意义上可以看作一种新的文明。
3.回溯算法的基本思想是什么？能进则进。
从一条路往前走，能进则进，不能进则退回来，换一条路再试。
4.面向对象、产生式系统、搜索树的定义？面向对象(Object Oriented)是软件开发方法，一种编程范式。
面向对象的概念和应用已超越了程序设计和软件开发，扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。
面向对象是一种对现实世界理解和抽象的方法，是计算机编程技术发展到一定阶段后的产物。
面向对象是相对于面向过程来讲的，面向对象方法，把相关的数据和方法组织为一个整体来看待，从更高的层次来进行系统建模，更贴近事物的自然运行模式。
把一组产生式放在一起，让它们相互配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决的系统就叫作产生式系统。
对于需要分析方法，诸如深度优先搜索和广度优先搜索（穷尽的方法）以及启发式搜索（例如最佳优先搜索和A*算法），这样的问题使用搜索树表示最合适。
5.机器学习的基本定义是什么？机器学习是一门研究及其获取新知识和新技能，并识别现有知识的学问。
【2024版】人工智能导论复习
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 4.22．主观 Bayes 方法：例 4.8 ，例 4.93．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部分构成？2．知识获取的主要任务是什么？3．有哪几类专家系统开发工具？各有什么特点？第九章：1．解答 B-P 学习算法的流程图，并说明其优缺点。
《人工智能导论》期末复习知识点
《人工智能导论》期末复习知识点
人工智能导论知识点总结
一、定义：
人工智能（Artificial Intelligence，AI）是指研究如何实现机器的智能，即使用计算机来模拟或提高人类的智能表现和能力。
基于此，人工智能的主要任务是解决一些超出传统计算能力的问题，其中包括学习、推理和解决一些挑战。
二、技术：
人工智能技术可分为三个主要技术领域：
1、机器学习：机器学习是一种研究机器如何学习，并从这些学习中学习及其反馈环境的解决实际问题的学科。
包括规则学习、支持向量机以及深度学习。
2、自然语言处理：自然语言处理是指人工智能技术在处理人类自然语言的理解和翻译方面的应用研究。
它将注重语言应用的学习、理解、表达和使用，以及语言识别、概念识别和分析。
3、计算机视觉：计算机视觉是指使用计算机的视觉系统来处理可视化的图像、图片、视频信息，以及关于图像的相关内容的研究。
它是一种智能系统，包括图像处理、识别和分析等功能。
三、应用：
人工智能在各行各业都有广泛的应用，有助于改善工作效率，提高工作质量，提升企业竞争力，节省成本。
1、机器人：工业机器人、服务机器人等用于工厂生产线和服务行业，可以大大提高工作效率。
人工智能导论知识点总结
人工智能导论知识点总结
1、人工智能（AI）：是研究计算机思维活动及其表示一类问题的理论，它旨在制作模拟人类智能的计算机程序。
2、学习：是指计算机从所给数据中推导出模式并应用该模式解决未知问题的能力。
3、机器学习：是计算机从经验学习规律流程及行为模式的一种技术，是人工智能中很重要的一类技术。
4、神经网络：是人工智能研究的重要方向，目的是模仿神经系统的思想、情感关系和记忆，对大脑进行推理。
5、机器人：是指具有人工智能技术与控制技术的机械装置或者软件系统，其功能是模拟或超越人类的肢体机能，从而具有实现复杂控制任务和职责的能力。
6、自然语言处理：是指用计算机来处理人类的自然语言，研究如何处理及应用自然语言的各种理论体系，并实现自然语言的语言技术。
7、智能搜索：是一类将机器学习和节点搜索结合的智能技术，可以根据输入条件，有效地搜索到所需要的解决方案，并在搜索过程中调整输入条件，以不断优化搜索结果。
人工智能导论王万良第五版重点总结
人工智能是指用来实现人类智能的一种技术。
人工智能可以通过模拟人类的思维过程来进行推理、学习、规划和感知等任务。
王万良在他的第五版《人工智能导论》中详细介绍了人工智能的基本概念、发展历程、应用领域以及相关的技术和算法。
本文将对该书进行重点总结，旨在帮助读者更好地理解人工智能的核心内容。
一、人工智能的基本概念1. 人工智能的定义在第五版《人工智能导论》中，王万良对人工智能的定义进行了详细解释。
人工智能是一种模拟人类智力的技术，它可以让机器像人一样思考、学习和判断。
人工智能的发展涉及到机器学习、神经网络、自然语言处理等多个领域的知识。
2. 人工智能的发展历程王万良在书中也介绍了人工智能的发展历程，从最初的简单逻辑推理到深度学习和强化学习的应用，人工智能的发展经历了多个阶段。
在不同的阶段，人工智能应用的范围和技术手段有所不同，但其核心目标始终是模拟人类智能。
二、人工智能的应用领域1. 人工智能在医疗健康领域的应用王万良在《人工智能导论》中对人工智能在医疗健康领域的应用进行了重点介绍。
人工智能可以通过分析医疗数据、辅助诊断和制定治疗方案等方式来提高医疗水平和效率。
2. 人工智能在金融领域的应用王万良也介绍了人工智能在金融领域的应用。
人工智能可以通过大数据分析、风险评估、智能投顾等方面来提升金融机构的运营效率和服务质量。
三、人工智能的技术和算法1. 机器学习在《人工智能导论》中，王万良详细介绍了机器学习的基本原理和常用算法。
机器学习是人工智能的核心技术之一，它可以让机器从数据中学习，从而实现自主决策和智能行为。
2. 深度学习深度学习是机器学习的一个分支，它以多层神经网络为基础，可以处理复杂的非线性关系，被广泛应用于图像识别、语音识别等领域。
3. 自然语言处理自然语言处理是人工智能的一个重要方向，它致力于让机器能够理解和处理人类语言。
王万良在书中介绍了自然语言处理的基本原理和常用技术，如词向量表示、句法分析、语义理解等。
人工智能期末复习概要
当MB(H,E)>0时，则为P(H/E)> P(H),那么有 MD(H,E)=0
如果P(H/E)= P(H),则MD(H,E)= MD(H,E)=0表 示，E与H无关
第四章 不确定性推理
不确定性的传递问题
– 单条知识
第四章 不确定性推理
可信度方法 组合证据不确定性表示
– 当多个证据以合取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最小值；
– 当多个证据以析取得方式构成一个组合证 据的时候，组合证据的可信度为这些单一 证据的可信度最大值；
第四章 不确定性推理
– MB(H,E)：信任增长度 – MD(H,E)：不信任增长度 – MB(H,E)与MD(H,E)是互斥的 – 解释
学习目标
– 了解不确定性推理的含义、思路和讨论的 主要问题。
– 掌握可信度方法、主观Bayes方法和证据 理论不确定性推理方法
第四章 不确定性推理
计算问题
– 不确定性的传递问题 – 证据不确定性的合成问题 – 结论不确定性的合成问题
第四章 不确定性推理
可信度方法 知识不确定性的表示
– 在基于可信度的不确定性推理模型中，知 识是以产生式规则来表示的，而只是的不 确定性则是以可信度CF(H,E)来表示的， 其一般的形式为：
第一章 绪论
课程研究的主要内容
– 知识表示 – 推理方式
确定性推理（主要归结原理） 不确定性推理
– 搜索技术研究
普通图搜索 超图搜索（与或图搜索）
第一章 绪论
需要解决的问题：
– 万能的人工智能的知识体系结构从根本上 就不可能有，最根本的原因是缺乏知识。 人是根据知识行事的，而不是根据抽象原 则上进行推理。
人工智能导论期末复习习题集
第二章知识表示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：(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P(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：(3 x )(P(x)f L(x,梅花)V L(x,菊花)V L(x,梅花)A 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：(3x )(V y) (A(y)-B(x) A 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：(V x) (NC(x)f F(x)A 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：-(V x) (S(x)f L(x, pragramming)A 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：(V x) (P(x) A L(x,pragramming)f 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。
ON(x, y)：积木x在积木y的上面。
ONTABLE(x)：积木x在桌子上。
- 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)。
《人工智能导论》期末复习知识点
选择题知识点
1.人工智能、人工神经网络、机器学习等人工智能中常用词的英文及其英文缩写。
人工智能Artificial Intelligence,AI
人工神经网络Artificial Neural Network，ANN
机器学习Machine Learning，ML
深度学习Deep Learning,DL
2.什么是强人工智能？
强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器将被认为是有知觉的，有自我意识的。
可以独立思考问题并制定解决问题的最优方案，有自己的价值观和世界观体系。
有和生物一样的各种本能，比如生存和安全需求。
在某种意义上可以看作一种新的文明。
3.回溯算法的基本思想是什么？
能进则进。
从一条路往前走，能进则进，不能进则退回来，换一条路再试。
4.面向对象、产生式系统、搜索树的定义？
面向对象(Object Oriented)是软件开发方法，一种编程范式。
面向对象的概念和应用已超越了程序设计和软件开发，扩展到如数据库系统、交互式界面、应用结构、应用平台、分布式系统、网络管理结构、CAD技术、人工智能等领域。
面向对象是一种对现实世界理解和抽象的方法，是计算机编程技术发展到一定阶段后的产物。
面向对象是相对于面向过程来讲的，面向对象方法，把相关的数据和方法组织为一个整体来看待，从更高的层次来进行系统建模，更贴近事物的自然运行模式。
把一组产生式放在一起，让它们相互配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决的系统就叫作产生式系统。
对于需要分析方法，诸如深度优先搜索和广度优先搜索（穷尽的方法）以及启发式搜索（例如最佳优先搜索和A*算法），这样的问题使用搜索树表示最合适。
5.机器学习的基本定义是什么？
机器学习是一门研究及其获取新知识和新技能，并识别现有知识的学问。
6.智慧地球的概念，智慧地球提出的背景是怎样的？
借助新一代信息技术（如传感技术、物联网技术、移动通信技术、大数据分析、3D打印等）的强力支持，让地球上所有东西实现被感知化、互联化和智能化。
背景为金融危机影响全球。
7.相关关系是怎么回事？
相关关系是客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。
相关分析中的自变量和因变量没有严格的区别，可以互换。
8.盲目搜索是什么意思？
盲目搜索方法又叫非启发式搜索，是一种无信息搜索，一般只适用于求解比较简单的问题，盲目搜索通常是按预定的搜索策略进行搜索，而不会考虑到问题本身的特性。
常用的盲目搜索有宽度优先搜索和深度优先搜索两种。
填空题知识点。
1.Wiener 在智能活动领域的理论贡献？
创立控制论，开创了一个全新的学科“控制科学”（Control Science），也开创了人工智能中的行为主义学派。
2.常见的盲目搜素算法有哪些？
常用的盲目搜索有宽度优先搜索和深度优先搜索两种。
3.最佳优先搜索算法？
最佳优先搜索（Best First Search），是一种启发式搜索算法（Heuristic Algorithm）,我们也可以将它看做广度优先搜索算法的一种改进；最佳优先搜索算法在广度优先搜索的基础上，用启发估价函数对将要被遍历到的点进行估价，然后选择代价小的进行遍历，直到找到目标节点或者遍历完所有点，算法结束。
4.大类来分，主要有哪三类机器学习算法？
监督学习、无监督学习、强化学习
5.监督学习的主要类型？
分类和回归，详见书上127页
6.人工智能之父是指？图灵测试的含义？
图灵。
它的意义在于推动了计算机科学和人工智能的发展。
7.大数据时代，相关性和因果性的异同？
异：因果关系很难被轻易证明，但证明相关关系实验耗资少，费时也少。
同：相关关系为研究因果关系奠定了基础。
8.产生式系统的形式规则集怎样表示的？
IF[条件]THEN[动作]
9.机器学习算法都是基于什么理论的？
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
3.简答题知识点
1.大数据时代的思维转变？
1.样本=总体
2.接受数据的混杂性
3.数据的相关关系
2.人工智能领域的主要应用有哪些？
深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘
3.知识表示法有哪些?
叙述式表示法、过程式表示法
4.线性回归与逻辑回归的比较。
参考一：在线性回归模型中，输出一般是连续的，对于每一个输入的x，都有一个对应的输出y。
因此模型的定义域和值域都可以是无穷。
但是对于逻辑回归，输入可以是连续的[-∞, +∞]，但输出一般是离散的，通常只有两个值{0, 1}。
参考二：逻辑回归的模型是一个非线性模型，sigmoid函数，又称逻辑回归函数。
但是它本质上又是一个线性回归模型，因为除去sigmoid映射函数关系，其他的步骤，算法都是线性回归的。
可以说，逻辑回归，都是以线性回归为理论支持的。
只不过，线性模型，无法做到sigmoid的非线性形式，sigmoid可以轻松处理0/1分类问题。
5.人工智能时代的重要工作岗位。
数据科学家、机器学习工程师、数据标签专业人员、AI硬件专家、数据保护专家
6.为什么在大数据时代更关注相关关系？
相关关系实验耗资少、费时也少。
为我们提供新的视角，而且提供的视角都很清晰。
7.语义网络如何理解？
语义网络是知识表示中最重要的通用形式之一，是一种表达能力强而且灵活的知识表示方法。
它通过概念及其语义关系来表达知识的一种网络图。
8.神经元与神经网络的关系？神经元的工作原理。
关系：神经网络从这种自然典范中汲取灵感，设计人工神经网络。
原理：神经元由一个细胞体和突两部分组成。
突分两类，轴突和树突。
树突和轴突共同作用，实现神经元之间的信息传递。
轴突的末端与树突进行进行信号传递的界面成为突触，通过突触向其他神经元发送信息。
学习发生在突触附近，而且突触把经过一个神经元轴突的脉冲转化为下一个神经元的兴奋信号或抑制信号。
对某些突触的刺激促使神经元触发，只有神经元所有输入的总效应达到阈值电平，它才开始工作。
综合应用题的知识点
1.常用的机器学习算法有哪些？各自的特点和适用领域是怎样的？
回归算法：是最快速的机器算法之一，分类，预测离散值。
KNN算法：最基础和简单的算法之一，用于分类，比较数据点的距离，并将每个点分配给它最接近的组。
决策树算法：将一组“弱”学习器集合在一起，形成一种强算法。
主要用来分类，也有做回归，但更多的是作为弱分类器，用在model
贝叶斯算法：通过找到样本所属于的联合分步，然后通过贝叶斯公式，计算样本的后验概率。
用于文本分析、分类
聚类算法：发现元素之间的共性并对它们进行相应的分组。
神经网络算法：通过找到某种非线性模型拟合数据，主要用在图像处理等2.专家系统的概念、结构、各模块的作用怎样？。
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
人机交互界面、知识库、推理机、解释器、综合数据库、知识获取
人机界面：系统和用户进行交流的界面
知识库：存放专家提供的知识
推理机：对当前问题的条件或已知消息，仿佛匹配知识库中的规则，获取新理论，以得到问题求解结果
解释器：能根据用户的提问，对结论、求解过程做出说明
综合数据库：专门用于存储推理过程中所需要的原始数据、中间结果和最终结论。