人工智能试卷

答： Like (x, plum-blossom)
Like (x,chrysanthemum)
Like (x, plum-blossom) Like (x,chrysanthemum)
2）他每天下午都去打篮球。
答：Play (he, basketball) time(every-afternoon)初始源自（4）A（6）B（4）C（6）
D（5）E（5）F（6）
G（6）H（7）I（5）J（7）
K（5）
L（5）M（7）
目的
5、（15分）请把下列命题用一个语义网络表示出来：
1）树和草都是植物；
2）树和草都有叶和根；
3）水草是草，且生长在水中；
4）果树是树，且会结果；
5）梨树是果树中的一种，它会结梨。
答：其语义网络表示如下：
4）常用的状态空间搜索算法有：回溯策略、宽度优先策略、深度优先策略、图搜索。
5）不精确推理的常用方法有概率方法、主观Bayes方法、可信度方法、模糊推理法。
6）专家系统的一般结构包括人机接口、推理机、知识库、动态数据库、知识获取机构和解释机构。
7）专家系统的设计原则是专门任务、专家合作、原形设计、用户参与、辅助工具、知识库与推理机分离
概念化阶段：揭示描述问题所需要的关键概念、关系和控制机制，子任务、策略和有关问题求解的约束。
形式化阶段：把概念化阶段概括出来的关键概念、子问题和信息流特征形式化地表现出来。形式化过程中的三个主要的因素是假设空间、基本的过程模型和数据的特征。
实现阶段：把形式化知识变成计算机的软体，即要实现知识库、推理机、人机接口和解释系统。
神经网络通过BP算法来学习内部表达（各节点间连线的权值及隐节点、输出节点的阀值）其实质是通过样本集的前向学习，来获得输出节点的期望值与输出值的误差，并以此为依据，从输出层开始，逆推至输入层，逐步修整神经网络的内部表达。本文采用BP(误差反传)学习算法，对网络进行离线训练，具体算法如下：
（1）初始化，对所有权值赋以小的随机值，其值在0～1之间，且使其互不相等。同时对阈值设定初值。
Y0
X0
Y1Z0
X1Z1
X2Y2Z2
XN-1
YM-1ZL-1
图1三层BP神经网络模型结构
图1是三层前馈神经网络的结构图，它有N个输入节点，M个中间节点和L个输出节点，其Sigmoid函数为
1
ｆ(u) =————(1)
1+ｅ－ｕ
多层神经网络计算实际输出为:
N-1
Yj＝ｆ（∑WijXj–θj）(j=0，1，…，M-1)（2）
5）凡是喜欢编程序的人都喜欢计算机。
答： xlike (x, programming )=> like(x, computer)
4、（15分）设有如下问题
1）在一个3X3的方框内放有8个编号的小方块；
2）紧邻空位的小方块可以移入到空位上；
3）通过平移小方块可将某一布局（如图所示）变换为另一布局。
问题：
空格在其下，则下移。
R8：如果小方块在左中，空格在其右，则右移；
空格在其下，则下移；
空格在其上，则上移。
R9：如果小方块在左下方，空格在其右，则右移；
空格在其上，则上移。
（2）设估价函数为:f(n)=d(n)+w(n)，其中d(n)为状态深度，w(n)表示以“不在位”的将牌数作为启发信息的度量，利用A搜索算法求解的过程演示如下：
（2）给定训练数据集，将输入数据规化在0～1之间，并确定期望输出信号（C0,C1,…CL-1）。
(3)根据（2）、（3）式逐层计算实际输出值Yj、Zk。
(4)调整权值,按误差反向传播方向，从输出节点开始返回到阴层按下式修正权值。
Wjk（n＋1）=Wjk(n)-ηδkYj（4）
Wij（n＋1）=Wij(n)-ηδjXi（5）
空格在其上，则上移。
R4：如果小方块在中上方，空格在其左，则左移；
空格在其右，则右移；
空格在其下，则下移。
R5：如果小方块在中间，空格在其左，则左移；
空格在其下，则下移；
空格在其上，则上移；
空格在其右，则右移。
R6：如果小方块在中下方，空格在其左，则左移；
空格在其右，则右移；
空格在其上，则上移。
R7：如果小方块在左上方，空格在其右，则右移；
5）什么是学习和机器学习？
答：在人工智能领域，学习是人类的一种智力行为，是积累经验、获取知识和改善系统性能的过程。
机器学习是一门研究机器（计算机）获取新知识的新技能，并识别现有知识的学问。
3、（15分）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，有的人即喜欢梅花又喜欢菊花。
4）简述专家系统的开发过程，如何对专家系统进行评价
答：专家系统的开发可分为问题识别阶段、概念化阶段、形式化阶段、实现阶段和测试阶段。
问题识别阶段：知识工程师和专家确定问题的重要特点，抓住问题个方面的特点。确定人员和人员的任务，描述问题的特征几相应的知识结构，明确问题的类型和范围，确定知识源、时间、计算设备以及经费等资源，然后确定问题的求解目标。
规模排序------按规则的条件部分的规模排列优先级，优先使用被满足的条件较多的规则；
就近排序------把最近使用的规则放在最优先的位置，如果某一规则经常被使用，则人们倾向于更多地使用这条规则；
上下文限制------把产生式规则按它们所描述的上下文分组，也就是按上下文对规则分组。在某种上下文条件下，只能从与其相对应的那组规则中选择可应用的规则。
8）机器学习系统的一般结构包括知识库、学习元、执行元、监督环节、选例环节、环境。
9）神经网络的学习方法有监督学习、非监督学习、再激励学习。
2.问答（20分）
1）什么是知识？它有那些特性？
答：知识是人们对自然现象的认识和从中总结出来的规律、经验。人类的知识具有相对正确性、不确定性、可表示性和可利用性。
测试阶段：通过运行实例评价原型系统以及用于实现它的表达式，从而发现知识库和推理机的缺陷。
对专家系统的评价主要有两个方面，即其正确性和有用性。对于其正确性主要由知识工程师和领域专家进行评价，目的是评价专家系统的设计、测试和运行结果的正确性；对于其有用性主要由用户进行评价，其中包括一般用户和专业用户，重点是评价专家系统的运行性能。
AKO AKO
Part-of part-of
ISAISA
location
ISA
product
6、结合研究方向，探讨人工智能的应用。（15分）
答：本人结合自己研究方向，就基于人工智能的变压器温升预测应用。进行如下探讨：
变压器的温升直接关系到变压器的使用寿命和运行的安全性。准确计算和预测变压器内部的温升一直是变压器设计与制造中的一个重要问题。有多种因素影响变压器的温升，个别因素甚至还难以确定。如果将人工神经网络BP模型用于变压器内部绕组的稳态温度分布的预测，从而为变压器的温度预测找到了一种新方法。
1）请用产生式规则表示移动小方块的操作。
2）请以“不在位的将牌数之和”为启发，演示A算法搜索过程。
答：(1)用产生式规则表示移动小方块的操作如下：
R1：如果小方块在右上方，空格在其左，则左移；
空格在其下，则下移。
R2：如果小方块在右中，空格在其左，则左移；
空格在其下，则下移；
空格在其上，则上移。
R3：如果小方块在右下方，空格在其左，则左移；
3）什么是不精确推理？不精确推理中需要解决的基本问题有那些？
答：不精确推理是建立在非逻辑基础上的一种推理，是基于不确定性知识的推理，是从不确定性的初始事件（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却是合理或者近乎合理的结论的思维过程。
不精确推理中需要解决推理方向、推理方法和控制策略问题，同时还要解决不确定性的表示、不确定性的匹配和不确定性的更新算法等问题。
2）在产生式系统中，规则冲突解决策略有那些？
答：在产生式系统中，规则冲突解决策略有：
专一性排序------如果某一条规则条件部分规定的情况，比另一规则条件部分规定的情况更有真对性，则这条规则有较高的优先级；
规则排序------如果规则编排的顺序就表示了启用的优先级，则称之为规则排序；
数据排序------把规则条件部分的所有条件按优先级次序编排起来，运行时首先使用在条件部分包含较高优先级数据的规则；
3）新型计算机又快，存储容量又大。
答：Speed (new-computer, fast) storage ( new-computer, large)
4）不是每个计算机系的学生都喜欢在计算机上编程序。
答： xcomp-department (x) => Like (x, programming) on(computer)
只含一个中间层的BP如图1所示。该学习算法的过程，由神经网络正向计算和误差反向传播组成。在网络正向传播过程中，输入信息从输入层经隐含层逐层处理，并传向输出层。在正向传播的过程中，每一乘神经元又影响其下一层神经元的状态。如果正向传播不能得出期望输出，则转入反向传播，将误差信息沿原来的连接通路返回，通过修改各层神经元的权值和阀值，使得误差信号最小。
成绩
02级博士研究生课程考试试卷
姓名学号成绩
1．填空（20分）
1）从知识的观点，智能表现在知识的获取能力、知识的处理能力、知识的运用能力。
2）谓词逻辑表达法的优点有严格性、通用性、自然性、模块性。
3）知识表达的主要方法有状态空间表示法、与/或图表示法、产生式系统、逻辑表达法(框架表示、语义网络、脚本表示)。
i=0
M-1
Zk＝ｆ（∑wijYi–θk）(k=0，1，…，L-1)（3）
j=0
式（2）（3）中，wij表示输入层第i个节点到中间层第j个节点权系数，wjk表示中间层第j个节点到输出层第k个节点的权系数，Xi表示输入层第i个节点的输入值，Yj表示中间层第j个节点的输出，Zk是输出层中第K个节点的输出，θj表示中间层第j个节点内部阀值，θk表示输出层第k个节点的节点的内部阀值。