太原理工大学人工智能复习资料
人工智能复习资料
人工智能复习资料一、引言人工智能（Artificial Intelligence，简称AI）是一门研究如何使计算机能够像人一样思考和行动的科学与工程领域。
它涵盖了多个子领域，包括机器学习、自然语言处理、计算机视觉等。
本文将围绕人工智能的基本概念、发展历程、应用领域以及未来发展趋势等方面进行复习。
二、人工智能的基本概念1. 人工智能的定义和特点人工智能是指使计算机具备智能的能力，能够模拟和实现人类的思维和行为。
其特点包括自主学习、推理、问题解决、语言理解和感知等。
2. 人工智能的分类人工智能可以分为弱人工智能和强人工智能。
弱人工智能是指在特定领域内具备智能的计算机系统，而强人工智能则是指能够在各个领域都表现出与人类相当的智能水平的计算机系统。
三、人工智能的发展历程1. 人工智能的起源人工智能的起源可以追溯到20世纪50年代。
当时，人们开始研究如何使计算机能够模拟人类的思维和行为，提出了“人工智能”这一概念。
2. 人工智能的发展阶段人工智能的发展可以分为符号主义阶段、连接主义阶段和混合主义阶段。
符号主义阶段主要研究基于逻辑和规则的推理和知识表示；连接主义阶段则侧重于神经网络和模式识别；混合主义阶段则将符号主义和连接主义相结合。
四、人工智能的应用领域1. 机器学习机器学习是人工智能的重要分支，它通过让计算机从数据中学习和改进，实现自主学习和决策能力。
机器学习在语音识别、图像识别、推荐系统等领域有广泛应用。
2. 自然语言处理自然语言处理是指让计算机能够理解和处理人类语言的能力。
它在机器翻译、语音识别、智能客服等方面有着重要应用。
3. 计算机视觉计算机视觉是指让计算机能够理解和分析图像和视频的能力。
它在人脸识别、目标检测、智能监控等领域有广泛应用。
4. 智能机器人智能机器人是指具备感知、决策和执行能力的机器人系统。
它在工业生产、医疗护理、军事作战等领域有着广泛应用。
五、人工智能的未来发展趋势1. 深度学习深度学习是机器学习的一种方法，通过构建多层神经网络实现对大规模数据的学习和分析。
太原理工大学人工智能试题+答案
人工智能试卷A一•填空题（15分）1.人工智能系统是一个知识处理系统，而 __________ , ___________ , _____________ 则成为人工智能系统的三个基本问题.2.新一代专家系统有分布式专家系统和协同式专家系统等•在新一代专家系统中，不但采用__________—的方法，而且采用________ 的技术和基于模型的原理.3.人工神经网络的结构基本上分为两类，即递归网络和前馈网络•递归网络的典型代表有Elmman网络,_______ 网络•前馈网络的典型代表有多层感知机， _________ 等.4.进化计算包括____________ ，进化策略，_____________ ，遗传编程。
5.简单遗传算法的遗传操作主要有三种： _________ , ___________________ , ___________ •6.产生式系统的控制策略随搜索方式的不同可分为 ______________ , _________________ , _______问答题.（20分）1 •广度优先搜索和深度优先搜索各有什么特点（8分）2 • 一般程序和专家系统有什么区别（12分）三.解答题：（45 分）1•某问题由下列公式描述：〔2）（V橫耳刃［~旳"0：匕耳gx y»］（4）（V K）［P国/^吐川片斑心））］〔习（▼韵（耳力［Q（h热沪ax爲舸））］试用消解原理证明（」x）R（x）（15分）2•用谓词演算公式表示下列英文句子（多用而不是省用不同谓词和项，例如不要用单一的谓词字母来表示每个句子）.（10分）For every set x , there is a set y ,such that the card in ality of y is greater tha n the card in ality of x .3.用语义网络表示下列知识:（10 分）（a）树和草都是植物.(b)树和草都是有根有叶的.(c)水草是草，且长在水中.(d)果树是树，且会结果.(e)樱桃树是一种果树，它结樱桃.4.八数码难题•设问题的初始状态S o和目标状态S g如下图所示，且估价函数为：f(n)=d(n)+w(n),其中，d(n)表示节点n在搜索树中的深度；w(n)表示节点n中“不在位”的数码个数•请计算初始状态£的估价函数值f(S°).并画出该八数码问题的有序搜索图，标明各节点的f值，及各节点的扩展次序，并给出求得的解路径。
人工智能复习资料整理(修正版-如发现计算错误请指出)
三、以加代替取大
x= (0.21∧0.5) + (0.12∧0.3) + (0.13∧0.2) =0.21 + 0.12 + 0.13 = 0.46
y = (0.37∧0.5) + (0.57∧0.3) + (0.73∧0.2) =0.37 + 0.3 + 0.2 = 0.87
二、以乘代替取小
x= (0.21*0.5) V (0.12*0.3) V (0.13*0.2) =0.105 V 0.036 V 0.026 = 0.105
y = (0.37*0.5) V (0.57*0.3) V (0.73*0.2) =0.185 V 0.171 V 0.146 = 0.185
z = (0.45*0.5) V (0.31*0.3) V (0.48*0.2) =0.225 V 0.093 V 0.096 = 0.225
一、填空题(40分)
1.人工智能的主要学派：
(1)符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要是为物理符号系统假设和有限合理性原理。
(2)连接主义：又称仿生学派或生理学派，其原理主要是为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义：又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
2.采用宽度优先或深度优先搜索结果（CLOSE表和OPEN表）
以下搜索顺序必须理解：
宽度优先：A，B，C，D，E，F，G，H，I，J，K，L，M，N，O，P，Q，R，S，T，U
深度优先：A，B，E，K，S，L，T，F，M，C，G，N，H，O，P，U，D，I，Q，J，R
人工智能复习资料整理(修正版-如发现计算错误请指出)
一、填空题(40分)1.人工智能的主要学派：(1)符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要是为物理符号系统假设和有限合理性原理。
(2)连接主义：又称仿生学派或生理学派，其原理主要是为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义：又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
2.人工智能三个基本问题：知识获取、知识推理、知识利用。
3.常用的知识表示方法包括：状态空间法、问题归纳法、谓词演算法、语义网络法、框架表示法、本体表示法、过程表示法和神经网络表示法。
4.机器学习分为：监督学习、无监督学习、强化学习。
5.遗传算法基本操作分为：选择、交叉和变异。
6.产生式系统的构成分为：规则库、综合数据库和推理机。
7.问题状态空间包含的三种说明集合分别为：初始状态集(S)、操作符集合(F)、以及目标状态集合(G)。
8.可信度方法中，不精确推理规则的一般形式为：IF E THEN H (CF(H,E))，其中(CF(H,E))是该规则的可信度，称为可信度因子或规则强度。
(1)当证据E的可信度CF(E)的取值范围与CF(H,E)相同，即-1 ≤ CF(E)≤ 1；(2)当证据以某种程度为真时，CF(E) > 0(3)当证据肯定为真时，CF(E) = 1(4)当证据以某种程度为假时，CF(E) < 0(5)当证据肯定为假时，CF(E) = -1(6)当证据一无所知时，CF(E) = 09.用产生式方法表示张和李是同学关系：（classmate，Zhang，Li）10.模糊集合表示，例如有一组数据：85,90,82,70,98，模糊集合表示为：11.自然语言理解过程的层次有：语音分析、句词分析、语义分析。
12.人工生命研究实例有：人工脑、计算机病毒、计算机进程、细胞自动机、人工核苷酸。
13.计算智能涉及神经计算、模糊计算、进化计算、粒群计算、自然计算、免疫计算和人工生命等研究领域。
人工智能期末复习材料
、选择填空。
1.智能：1956年智能作为个专业术语出现。
智能有以下点：AI(ArtificialIntelligence)1.智能具有感知能；2.智能具有记忆和思维能：记忆和思维是脑最重要的功能，记忆和思维需要同时具备，它们是由智能的根本原因；思维分为好种:逻辑思维，形象思维，以及顿悟思维；3.智能具有学习能，适应能及为能。
2.图灵1950年发表“计算机与智能”的论，章以“机器能思维吗？”开始，论述并提出了著名的“图灵测试”，以测试个计算机系统是否具有智能。
3.智能界主要由符号主义，为主义和连结主义等研究学派。
4.智能主要的研究领域（挑选5或6个认真看）1.专家系统2.模式识别3.机器学4.动定理证明5.博弈6.智能检索7.动程序设计 8.组合调度问题 9.软计算 10.分布式智能 11.数据挖掘5.智能研究的3个主要内容：知识的获取、知识的表和知识的运。
6.知识的描述：知识的某领域中所涉及的各有关的种符号表。
7.知识的特点：（1）相对正确性（2）不确定性（3）可表性（4）可利性8.知识的分类（1）事实性知识（2）过程性知识（3）为性知识（4）实例性知识（5）类性知识（6）元知识9.确定性和不确定性规则知识的产式表：确定性：P Q或者 if P then Q不确定性：P Q（可信度）或者 if P then Q（可信度）10.确定性和不确定性事实性知识的产式表：确定性事实性知识般使三元组（对象，属性，值）或（关系，对象1，对象2）不确定性事实性知识般使四元组（对象，属性，值，不确定度量值）或（关系，对象1，对象2，不确定度量值）11.产式系统通常由规则库、数据库、推理机这3个基本部分组成。
它们之间的关系可以表为12.规则库是专家系统的核。
数据库，称事实库。
13.产式系统推理机的推理式：正向推理，反向推理，双向推理和混合式推理。
个较常的槽名：（要会判断属于哪种槽）P46（1）ISA槽（2）AKO槽（3）Instance槽（4）Part-of槽15.语义络的基本语义联系（学会如何表各种关系，重点是类属关系）1.类属关系2.包含关系3.属性关系4.时间关系5.位置关系6.相近关系7.因果关系8.组成关系16类属关系：（1）AKO（A-Kind-of）表个事物是另个事物的种类型。
人工智能复习参考(带答案).doc
复习参考题一、填空I•构成产生式系统的基本元素有综合数据库、规则库、控制系统,控制策略按执行规则的方式分类，分为止向、逆向、双向三类。
2•归结过程中控制策略的作用是给出控制策略，以使仅对选择合适的子句间方可做归结，避免多余的、不必要的归结式出现或者说，少做些归结仍能导出空子句。
常见的控制策略有线性归结策略、支持集策略、单元归结、输入归结。
3.公式G和公式的子句集并不等值，但它们在不可满足的意义下是一致的。
4.与或图的启发式搜索算法(A0*算法)的两个过程分别是图生成过程即扩展节点和计算耗散值的过程。
5.人工智能的研究途径主要有两种不同的观点，一种观点称为符号主义,认为人类智能基木单元是符号。
另一种观点称为连接主义(仿牛主义)，认为职能的基本单元是神经元。
6.集合｛P(a, x, f (g(y))? P(z, f (z) ,f(u)))的mgu (最一般合一置换)为｛z/a, f(x)/x, u/g(y)｝o7•语义网络是对知识的有向图表示方法，一个最简单的语义网络是一个形如节点1、弧、节点2的三元组，语义网络可以描述事物间多种复杂的语义关系、常用ISA、AKO弧表示节点间具有类屈的分类关系。
语义网络下的推理是通过继承和匹配实现的。
8.当前人工智能研究的热点之一就是机器学习。
常见的机器学习方法可分为连接学习、归纳学习、分析学习和遗传算法与分类器系统等。
一个机器学习系统应有环境、知识库、学习环节和执行环节四个基本部分组成。
9•常用的知识表示法有逻辑表示法、产牛式规则表示法、语义网络表示法、框架理论表示法、过程表示法等。
10.有两个A*算法A1和A2,若A1比A2有较多的启发信息，贝9hl(n)>h2(n)oII.关于A算法与A*算法,若规定h(n)M0,并J1定义启发函数:P|c(n)=g*(n)+h*(n) 表示初始状态S。
经点n到Fl标状态Sg最优路径的费用。
其屮g*(n)为So到n的最小费用，h*(n)为到Sg的实际最小费用。
人工智能考试复习资料
人工智能第一章1、智能（intelligence ）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。
2、人工智能（学科）人工智能研究者们认为：人工智能（学科）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。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
3、人工智能（能力）人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。
4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。
5、人工智能的主要学派：符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。
代表人物有纽厄尔、肖、西蒙和尼尔逊等。
连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。
行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。
6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图人类 计算机认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。
研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。
7、人工智能研究目标为：1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。
2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。
一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。
两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目标的信心。
人工智能期末复习
人工智能原理期末考试复习1. 什么是人工智能?发展经历了几个阶段?人工智能指的是能够感知或推断信息，并将其作为知识而拥有，以应用于环境或语境中适合的行为;机器的智能称为人工智能，通常在运用程序、间或适当硬件的计算机系统中得以实现.2. 人工智能研究的内容有哪些?机器学习、知识表示方法、搜索求解策略、进化算法及其应用、确定性及不确定性推理方法、群体智能算法及其应用。
3. 人工智能有哪些研究领域?安全防范、医疗诊断、语音识别、工业制造、计算机游戏、机器翻译。
4. 什么是知识?有哪些特性?有几种分类方法?知识是人们在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。
相对正确性、不确定性、可表示性与可利用性。
分类方法：(1)按知识的作用范围分为∶常识性知识和领域性知识﹔(2)按知识的作用及表示分为∶事实性知识、规则性知识、控制性知识和元知识;(3 )按知识的确定性分为：确定知识和不确定知识;(4) 按人类思维及认识方法分为：逻辑性知识和形象性知识。
5. 什么是知识表示、命题、谓词，一阶谓词逻辑、产生式、框架、语义网络?知识表示就是将人类知识形式化或者模型化；命题是一个非真即假的陈述句；谓词的一般形式： ),...,,(21n x x x P )；n x x x ,...,,21是个体，某个独立存在的事物或者某个抽象的概念， P 是谓词名，用来刻画个体的性质、状态或个体间的关系。
一阶谓词逻辑表示：谓词不但可表示一些简单的事实，而且可以表示带有变量的“知识”，有时称为“事实的函数”。
进而可用谓词演算中的逻辑联接词“与()”、“或(v)"、“非(┐)”和“蕴含(→)”等来组合已有知识，从而表示出更复杂的知识。
产生式通常用于表示事实、规则以及它们的不确定性度量，适合于表示事实性知识和规则性知识。
框架是一种描述所论对象（一个事物、事件或概念）属性的数据结构。
语义网络：从图论的观点看，它其实就是“一个带标识的有向图”，由结点和弧（也称“边”)所组成。
- 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、（选择题）P85 单点交叉：单点交叉操作的信息量比较小，交叉点位置的选择可能带来较大的偏差。
单点交叉不利于长距模式的保留与重组多点交叉2、（填空题）产生式系统组成：全局数据库、产生式规则集、控制策略组成。
产生式系统知识表示：包括事实的表示和规则的表示事实的表示：孤立事实的表示——三元组（对象，属性，值）或（关系，对象1，对象2）有关联事实的表示——树型结构、网状结构规则的表示：单个规则的表示：单个规则包括前项和后项两部分组成（前项由逻辑连接词组成各种不同的前提条件；后项表示前提条件为真时，应采取的行为或者所得的结论。
）3、10.3.3产生式系统的推理方式（选择题2）产生式系统的推理方，正向推理、逆向推理和双向推理3种，正向推理：正向推理从已知事实出发，通过规则库求得结论，称为数据驱动的方式，也称为自底向上的方式。
推理过程如下：1)规则集中规则的前件与数据库中的事实进行匹配，得到匹配的规则集合。
2)从匹配规则集合中选择一条规则作为使用规则，3)执行使用规则，将该使用规则后件的执行结果送入数据库。
重复这个过程直至达到目标。
具体地说，如果数据库中含有A，而规则库中有规则A->B,那么这条规则便是匹配规则，进而将后件B送入数据库。
这样可不断扩大数据库，直至数据库中包成功结束。
如有多条匹配规则，则需从中选一条作为使用规则，不同的选择方法直接影响着求解效率，如何选取规则称为冲突消解，它是控制策略的一部分。
逆向推理：逆向推理是从目标(作为假设)出发，逆向使用规则，找到已知事实。
逆向推理也称目标驱动方式或称自顶向下的方式，其推理过程如下。
(1)规则集中的规则后件与假设的目标事实进行匹配，得到匹配的规则集合。
(2)从匹配规则集合中选择一条规则作为使用规则。
(3)将使用规则的前件作为新的假设子目标，重复这个过程，直至各子目标均为已知事实后成功结束。
如果目标明确，使用逆向方式推理效率较高，所以常为人们所使用。
4、模拟退火算法（填空题）基本思想：在系统朝着能量减小的趋势这样一个变化过程中，偶尔允许系统跳到能量较高的状态，以避开局部极小点，最终稳定到全局最小点。
能量越小，则平衡状态概率就越大，因而系统处于能量较小的平衡状态的可能性也越大。
对于搜索问题中的爬山法，利用模拟退火法，不但可以使变化的随机选择大一些的步长，而且可以跨过局部极小点。
通常做法：最初阶段倾向于取大步，后续阶段倾向于取小步。
5.（填空题）或图搜索策略：只记录状态空间那些被搜索过的状态，它们组成一个搜索图叫G。
G由两存放节点的表组成：Open表，用于存放已经生成，且已用启发式函数做过估价或评价，但尚未产生他们的后继结点的那些结点，也称为考察结点；Closed表，用于存放已经生成，且已经考察过的节点。
还有一个辅助结构Tree，它的及节点为G的一个子集。
Tree用来存放当前已生成的搜索树，该树由G的反向边组成。
6、（填空题）遗传算法涉及5大要素：参数编码、初始群体设定、适应度函数设计、遗传操作设计和控制参数设定。
遗传算法的流程：1)选择编码策略，把参数集合X和域转换为相应编码空间S2)定义适应值函数f(X)。
3)定义遗传策略，包括选择群体大小，选择、交叉、变异方法以及确定交叉概略P c、变异概略P m等遗传参数。
4)随机初始化生成群体P(t)5)计算群体中个体适应值f(X)6)按照遗传策略，运用选择、交叉和变异操作作用于群体，形成下一代群体7)判断群体性能是否能满足某一指标，或者已完成预定迭代次数，不满足则返回步骤（6），或者修改遗传策略再返回步骤（6）。
遗传算法的操作：选择、交叉、变异选择：即从当前群体中选出个体以生成交配池的过程交叉：将两个个体的遗传物质交换产生新的个体变异：在个体中遗传物质被改变遗传编码：二进制编码、Gray编码（格雷码）、实数编码、有序编码、结构式编码（二进制编码首先要确定二进制的长度l,l取决于变量的定义域以及计算所需要的精度）7、（填空题）知识的作用来分类：陈述式知识、过程式知识陈述式知识：描述系统状态、环境和条件，以及问题的概念，定义和事实。
（描述事实性知识，描述客观事物所涉及的对象是什么，是显示的）过程式知识：表示如何做的知识，有关系统的变化、问题求解过程的操作、演算和行为的知识。
8、（填空题）语义网结构：由一些三元组（节点1，弧，节点2）的图形表示连接而成的有向图。
弧上标注表示节点1的属性或节点1和节点2之间的关系9、（填空题）归结过程的控制策略：简化策略支撑集策略——完备的策略线性输入策略—不完备的策略利用该策略选择亲本子句时每次都有一个子句来自于原始子句集10、（填空题）启发式搜索：利用启发式信息进行的搜索方法叫做启发式搜索方法。
启发式信息可以分为表示为估计函数、表示为成规则、表示为元规则。
选择有希望的节点加以扩展，那么搜索效率会大大提高。
搜索时不是任取一个分支，而是根据一些启发式信息，选择最佳的一个或几个分支往下搜索。
使用启发式信息可以避免某些领域里的组合爆炸问题。
11、（判断题）知识&元知识智能系统中的知识：关于对象和物体的知识、事件、行为、元知识元知识：关于知识的知识，即怎样知道什么是知识以及如何运用知识。
如果将知识组成知识库，那么元知识是最高层的知识，它关于怎么获取、使用、解释、校验知识的知识。
12、（判断题）A算法：f(n) = g(n)+h(n)f(n):从初始状态经点n到目标状态的代价估计g(n):从初始状态到n点搜索费用的估计h(n):从n到目标状态接近程度的估计若h(n)>0,且f*(n) = g*(n) + h*(n)f*(n) : 从初始状态经点n到目标状态最优路径的搜索费用g*(n): 从初始状态到n实际最小费用h*(n): 从n到目标状态实际最小费用的估计!!当h(n)<= h*(n),就称这种A算法为A*算法。
13、归结原理：将普通形式逻辑中充分条件的假定联锁推理形式符号化，并向一阶谓词逻辑推广的一种推理方法。
14、（判断题）与或图搜索限制：仅对不含回路的图进行操作，其原因是：含回路的图没有必要搜索，因为循环路径表示循环推理，它不可能对问题进行规约。
15、（判断题）规则的选择方式：专用于通用性排序：选择更专门化的规则排序：最适用或使用频率最高的规则优先使用数据排序、规模排序、就近排序16、（判断题）模糊子集——一个集合没有清晰的内涵和外延，则为一个模糊集17、（简答题）遗传算法和粒子群算法异同：从以上步骤可以看到，PSO和GA有很多共同之处。
两种算法都随机初始化种群，并都使用适应值来评价系统，而且都根据适应值来进行一定的随机搜索。
两种算法都不保证一定找到最优解。
但是，PSO没有遗传操作，如交叉(crossover)和变异(mutation)操作，而是根据自己的速度来决定搜索。
粒子还有一个重要的特点，就是有记忆。
与遗传算法比较，PSO的信息共享机制是差别很大的。
在遗传算法中，通过染色体(chromosomes)互相共享信息，所以整个种群的移动是比较均匀地向最优区域移动。
而在PSO中，只有通过g Best、，将信息给其他的粒子，这是单向的信息流动。
整个搜索更新过程是跟随当前最优解运动的过程。
与遗传算法比较，在大多数的情况下，所有的粒子可能更快地收敛于最优解。
18、（简答题）产生式表示的特点上述产生式系统具有一般性，可用来模拟大量的计算或求解过程。
产生式系统作为人工智能中的一种形式体系，具有以下特点。
(1)产生式以规则作为形式单元，格式固定，易于表示，且知识单元间相互独立，易于建立知识库。
(2)推理方式单纯，适于模拟强数据驱动特点的智能行为。
当一些新的数据输入时，系统的行为就会发生改变。
(3)知识库与推理机相分离，这种结构易于修改知识库，可增加新的规则去适应新的情况，而不会破坏系统的其他部分。
(4)易于对系统的推理路径作出解释。
19、（简答题）语义网的一般描述语义网络具有以下特点。
(1)语义网络能把实体的结构、属性与实体间的因果关系显式地和简明地表达出来，与实体相关的事实、特征和关系可以通过相应的节点弧线推导出来。
这样可以联想方式实现对系统的解释。
(2)由于与概念相关的属性和联系被组织在一个相应的节点中，因而语义网络使概念易于访问和学习。
(3)语义网络表现问题更加直观，更易于理解，适合于知识工程师与领域专家沟通。
语义网络中的继承方式也符合人类的思维习惯。
(4)语义网络结构的语义解释依赖于该结构的推理过程而没有固定结构的约定，因而得到的推理不能保证像谓词逻辑法那样有效。
(5)语义网络节点间的联系可能是线状、树状或网状的，至是递归状的结构，使相应的知识存储和检索需要比较复杂的过程。
20、人工神经网络定义："人工神经网络是一个并行、分布处理结构，它由处理单元及称为连接的无向信号通道互连而成。
这些处理单元(process element)具有局部内存，并可以完成局部操作。
每个处理单元有一个单一的输出连接，这个输出可以根据需要被分支多个并行连接，且这些并行连接都输出相同的信号，即相应处理单元的信号及其信号的太小不因分支的多少而变化。
处理单元的输出信号可以是任何需要的数学模型，每个处理单元中进行的操作必须是完全局部的。
也就是说，它必须仅仅依赖于经过输入连接到达处理单元的所有输入信号的当前位和存储在处理单元局部范围的值。
有4个方面的内容：并行、分布处理结构一个处理单元的输出可以被任意分支且大小不变输出信号可以是任意的数学模型处理单元的局部操作21、估价函数在启发式搜索中，用于评价节点重要性的函数叫估价函数。
估价函数的主要任务是估计特点的重要程度以确定节点的优先级程度。