人工智能期末复习
人工智能期末考试复习
1、人工智能的概念及其发展历史上先后出现的主流学派2、传统搜索算法的优点和不足，会用宽度优先和深度优先求解问题答：宽度优先搜索算法（又称广度优先搜索）是最简便的图的搜索算法之一，属于一种盲目搜寻法，目的是系统地展开并检查图中的所有节点，以找寻结果。
换句话说，它并不考虑结果的可能位址，彻底地搜索整张图，直到找到结果为止。
在状态图搜索中，从初始节点出发，同层优先搜索，逐层进行搜索。
深度优先搜索是在搜索树的每一层始终先只扩展一个子节点，不断地向纵深前进直到不能再前进（到达叶节点或受到深度限制）时，才从当前节点返回到上一级节点，沿另一方向又继续前进。
这种方法的搜索树是从根节点开始一枝一枝逐渐形成的。
宽度优先搜索将新扩展的节点放在open表的尾部，而深度优先搜索将新扩展的节点放在open表的前面。
3、高级搜索算法的优点和不足4、A*算法的概念、步骤以及应用5、适值函数的作用和意义，会分析问题的适值函数（估价函数，如八数码问题的估价函数）6、谓词逻辑的概念、原理、优点和不足；能够用其描述知识和过程7、产生式系统概念、组成；能够用其进行逻辑推导。
8、语义网络概念、原理，会用（比较详细）语义网描述知识9、机器学习、聚类分类概念，了解其所采用四个策略。
10、SA原理，其计算过程中的三函数两准则，能够用SA求解实际问题11、GA原理，交叉、变异、选择操作，能够用GA求解实际问题12、人工神经网络的历史和要素13、递归网络结构和原理14、BP网络，能描述网络结构，解释其原理15、Hopfield网络，能描述网络结构，解释其工作机理16、博弈树原理，会利用α-β剪枝搜索（掌握生成节点倒推值的方法、判定剪枝）答：博弈策略假设我们对所讨论的博弈问题构造了一棵完整的博弈树，我们希望能从中找出棋手应采用的策略。
这种策略应当确保棋手会赢，或者起码能够得到和局的结果首先我们把该博弈树的每一个节点标上w（对应于赢）、d（对应于和局）或者l（对应于输）。
人工智能期末复习
人工智能期末复习一、名词解释1、人工智能（学科）：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，是一门综合性的交叉学科和边缘学科。
2、语义网络：语义网络是一种用实体及其语义关系来表达知识的有向图。
3、机器学习：机器学习就是让机器（计算机）来模拟和实现人类的学习功能。
4、正向推理产生式系统：正向推理也称数据驱动方式，它是从初始状态出发，朝着目标状态前进，正向使用规则的一种推理方法。
所谓正向使用规则，是指以问题的初始状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的前提时，该规则才被使用。
正向推理产生式系统简单明了，且能求出所有解，但是执行效率较低，具有一定的盲目性。
5、遗传算法：遗传算法是在模拟自然界生物遗传进化过程中形成的一种自适应优化的概率搜索算法。
6、人工智能（能力）：是智能机器执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。
7、机器学习系统：机器学习系统是指能够在一定程度上实现机器学习的系统。
8、逆向推理产生式系统：逆向推理也称目标驱动方式，它是从目标状态出发，朝着初始状态前进，反向使用规则的一种推理方法。
所谓逆向使用规则，是指以问题的目标状态作为初始综合数据库，仅当综合数据库中的事实满足某条规则的后件时，该规则才被使用。
逆向推理产生式系统不寻找无用数据，不使用与问题无关的规则。
9、演绎推理：演绎推理是从已知的一般性知识出发，去推出蕴含在这些已知知识中的适合于某种个别情况的结论。
是一种由一般到个别的推理方法，其核心是三段论，如假言推理、拒取式和假言三段论。
10、启发式搜索：状态空间的启发式搜索是一种能够利用搜索过程所得到的问题自身的一些特性信息来引导搜索过程尽快达到目标的搜索方法。
二、填空题1、目前人工智能的主要学派有下列三家：符号主义、联结主义和行为主义。
2、常用的知识表示方法有一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法和过程表示法。
【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。
人工智能导论复习资料
人工智能导论复习资料一、什么是人工智能人工智能，简单来说，就是让机器像人一样思考和行动。
它不是一种单一的技术，而是一个涵盖了多种学科和技术的领域，包括计算机科学、数学、统计学、心理学、语言学等等。
想象一下，你有一个智能助手，它能理解你的需求，回答你的问题，甚至帮你完成一些复杂的任务，比如规划旅行、管理财务。
这就是人工智能在日常生活中的一种应用。
人工智能的目标是创建能够执行需要人类智能才能完成的任务的计算机系统。
这些任务包括学习、推理、解决问题、理解语言、识别图像和声音等等。
二、人工智能的发展历程人工智能的发展并非一蹴而就，它经历了几个重要的阶段。
在早期，科学家们就开始思考机器能否像人类一样思考。
20 世纪50 年代，人工智能的概念被正式提出，当时的研究主要集中在基于规则的系统和符号推理上。
然而，由于计算能力的限制和对智能本质理解的不足，人工智能在20 世纪 70 年代遭遇了第一次寒冬。
到了 20 世纪 80 年代，随着专家系统的出现，人工智能迎来了一次小的复兴。
专家系统是一种基于知识库和推理规则的系统，可以解决特定领域的问题。
但随着问题的复杂度增加，专家系统的局限性也逐渐显现。
近年来，由于大数据的出现、计算能力的大幅提升以及深度学习算法的突破，人工智能再次取得了巨大的进展。
图像识别、语音识别、自然语言处理等领域都取得了令人瞩目的成果。
三、人工智能的核心技术（一）机器学习机器学习是人工智能的核心领域之一。
它让计算机通过数据自动学习模式和规律。
机器学习有监督学习、无监督学习和强化学习等多种方法。
监督学习是最常见的一种，比如通过大量已标记的图片（比如猫和狗的图片）来训练计算机识别新的猫和狗的图片。
无监督学习则是让计算机在没有标记的数据中自己发现模式，例如将相似的客户分组。
强化学习是通过奖励和惩罚机制来训练智能体做出最优决策，比如让机器人学会走路。
（二）深度学习深度学习是机器学习的一个分支，它使用多层神经网络来学习数据的表示。
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。
人工智能期末考试复习提纲(工硕)
人工智能期末考试复习范围第1部分绪论1-1.什么是人工智能？试从学科和能力两方面加以说明.答：从学科方面定义: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。
它的近期目标在于研究用机器来模拟和执行人脑的某些智力功能，并开发相关理论和技术从能力方面定义：人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
1-2.在人工智能的发展过程中,有哪些思想和思潮起了重要作用？答：1）数理逻辑和关于计算本质的新思想,提供了形式推理概念与即将发明的计算机之间的联系；2）1956年第一次人工智能研讨会召开，标志着人工智能学科的诞生;3）控制论思想把神经系统的工作原理与信息理论、控制理论、逻辑以及计算联系起来，影响了许多早期人工智能工作者，并成为他们的指导思想；4）计算机的发明与发展；5）专家系统与知识工程;6）机器学习、计算智能、人工神经网络和行为主义研究,推动人工智能研究的近一步发展。
1-3.为什么能够用机器（计算机）模仿人的智能?答：物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件迁移6种功能。
反之，任何系统如果具有这6种功能，那么它就能够表现出智能(人类所具有的智能）。
物理符号系统的假设伴随有3个推论.推论一:既然人具有智能，那么他(她)就一定是各物理符号系统;推论二：既然计算机是一个物理符号系统,它就一定能够表现出智能;推论三：既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动.1-4.人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？答：研究和应用领域：问题求解(下棋程序)，逻辑推理与定理证明（四色定理证明）,自然语言理解,自动程序设计,专家系统，机器学习，神经网络，机器人学（星际探索机器人），模式识别（手写识别，汽车牌照识别，指纹识别）,机器视觉（机器装配，卫星图像处理），智能控制，智能检索，智能调度与指挥（汽车运输高度，列车编组指挥），系统与语言工具。
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。
- 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：Artificial Intelligence，简称AI，主要研究如何使用人工的方法和技术，使用各种自动化机器或智能化机器模仿、延伸和扩展人的智能，实现某些机器的智能行为。
传统划分①符号主义学派②联结主义学派③行为主义学派现代1.符号智能流派2.计算智能流派3.群体智能流派人工智能的基本技术：1知识表示技术2知识推理、计算和搜索技术3系统实现技术。
符号智能的表示是知识的表示，运算是基于知识表示的推理或符号操作，采用搜索方法进行问题求解，一般在问题空间上进行，计算智能的表示是对象表示，运算时给予对象的表示的操作或计算，采用搜索方法进行问题求解，一般是在解空间上进行。
人工智能的研究领域：定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理、组合调度问题。
应用领域：难题求解、自动定理证明、自动翻译、智能管理、智能通信、智能仿真等。
人工智能的主要研究途径与方法：1功能模拟。
符号推演2结构模拟。
神经计算3行为模拟。
控制进化人工智能的研究目标及其意义：1目标：远期目标是要制造智能机器，即探索智能的基本机理，最终制造出和人有相似或相近智力和行为能力的综合智能系统；近期目标是实现机器智能，即研究如何使用现有的计算机具备更高的智能，在一定领域或在一定程度上去完成需要人的复杂脑力劳动才能完成的工作。
2意义：普遍的计算机智能低下，无法满足社会需求；研究AI是当前信息化社会的迫切需求；智能化是自动化发展的必然趋势；研究AI，对人类自身的智能的奥秘也提供有益的帮助。
人工智能的基本内容：1从人工智能的定义出发包括（感知与交流的模拟，记忆，联想，计算，思维的模拟，输出效率或行为模拟2从知识工程的角度出发包括（知识的获取，知识的处理以及知识的运用）人工智能诞生1956年夏，达特莫斯大学的研究会，麦卡锡提议正式采用了“AI”术语。
发展：推理期，知识期，学习期ＡＩ的现状与发展趋势：１多种途径齐头并进，多种方法协作互补２新思想、新技术不断涌现，新领域新方向不断开拓3理论研究更加深入，应用研究愈加广泛4研究队伍日益壮大，社会影响越来越大。
以上展现了AI繁荣景象和光明前景，虽有困难，问题和挑战，但前进和发展毕竟是大势所趋。
盲目搜索：无向导的搜索，也称穷举搜素。
在搜索中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。
特点：搜索效率太低，所以在实际中往往是不可行的。
启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。
启发式搜索：利用问题本身的“启发性信息”不断地改变或调整搜索的方向，使搜索朝着问题本身最希望的方向进行，加速问题的求解并找到最优解。
特点：重排OPEN表，选择最有希望的节点加以扩展。
盲目和启发搜索的的不同：对于较大或无限状态空间问题，盲目搜索效率太低，所以在实际当中往往是不可行的。
启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。
启发式搜索—全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在OPEN表中保留所有已生成而为考察的节点，对其中的每个节点x计算启发函数h（x）,从全部节点中选出最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。
局部择优：是启发性知识导航下的深度优先搜索，在OPEN表中保留所有已生成为为考察的节点，对其中新生成的每个子节点x计算启发函数h(x),从全部子节点中选出最优节点进行扩展，其选择下一个要考察的结点的范围是刚刚生成的全部子节点。
在图搜索算法中，OPEN表，CLOSED表的作用各是什么 OPEN表：专门登记已经生成但还没有考察的节点，即待考察节点。
算法执行时总是从OPEN表的首部取出节点。
CLOSED表：用来记录考察过的节点以及节点之间的关系，如每个节点指向父节点的编号（返回指针）。
广度优先搜索的特点：广度优先中OPEN表是一个队列，又称为宽度优先。
广度优先策略是完备的，即如果问题的解存在，则它一定可以找到解，并且找到的解还是最优解。
广度优先搜索策略与问题无关，具有通用性。
缺点搜索效率低深度优先搜索的特点：OPEN表为一个堆栈。
深度优先又称纵向搜索。
一般不能保证找到最优解。
当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制，即有界深度优先搜索。
最坏情况时，搜索空间等同于穷举。
广度优先搜索及深度优先搜索都是盲目搜索，其共同点是：1搜索从初始节点开始，先自上而下地进行搜索，寻找终止节点及端节点，然后再自下而上地进行可解性标记，一旦初始节点被标记为可解节点或不可解节点，搜索就不再继续进行；2搜索都是按确定路线进行的，当要选择一个节点进行扩展时，只是根据节点在与或树中所处的位置，而没有考虑要付出的代价，因而求得的解树不一定是代价最小的解树，即不一定是最优解树。
与或图表示的是问题空间，状态空间图是一个表述问题全部可能状态及相互关系的有向图。
图搜索模式的是人脑分析问题，解决问题的过程，它是基于领域知识的问题求解过程。
搜索方式为树式搜索和线性搜索。
遗传算法是一种什么样的算法？适合于解决哪一类的问题？遗传算法时人们从生物界按自然选择和有性繁殖、遗传变异的自然进化现象中得到启发，而设计出来的一种随机优化搜索算法。
遗传算法适合解决先验知识缺乏，希望寻找最优解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领域的问题。
适合解决先验知识缺乏，希望寻找最优解，搜索空间不连续的这一类问题，如机器学习、规划、聚类、控制、调度等领域的问题。
化子句集的过程：1消去蕴含词和等值词2使否定词仅作用于原子公式3适当改名使量词间不含同名指导变元4消去存在量词5消去全称量词6化公式为合取范式7适当改名使子句间无同名变元8消去合取词以子句为元素组成一个集合S。
谓词逻辑归结过程：写出谓词关系公式→用反演法写出谓词表达式→ SKOLEM 标准形→子句集S →对S中可归结的子句做归结→归结式仍放入S中，反复归结过程→得到空子句，得证。
归结策略：1删除策略：在归结过程中可随时删除一下子句：含有纯文字；含有永真式；被子句集中别的子句类含的。
2支持集策略：每次归结时，两个亲本子句中至少要有一个是目标公式否定的子句或其后裔。
这里的目标公式否定的子句集即为支持集。
3线性归结策略：在归结过程中，除第一次归结可都用给定的子句集S中的子句外，其后的各次归结则至少要有一个亲本子句是上次归结的结果。
4输入归结策略：每次参与归结的两个亲本子句，必须至少有一个是初始子句集S中的子句。
5单元归结策略：每次参加归结的两个亲本子句必须至少有一个是单元子句。
6祖先过滤策略：参加归结的两个子句，要么至少有一个是初始子句集中的子句；要么一个是另外一个的祖先。
（其中完备的策略有：删除、支持集、线性祖先过滤形策略；不完备的是输入归结、单元归结策略。
）归结策略的类型：1简化型策略2限制性策略3有序性策略按照拓扑结构分，神经网络可分为哪几类？各具有什么网络特征？四大类：分层前向网络、反馈前向网络、互连前向网络、广泛互连网络。
分层前向网络的结构特征是网络由若干层神经元组成，分为输入层、中间层和输出层，各层顺序连接；信息严格按照从输入层进，经过中间层，从输出层的方向流动。
反馈前向网络是一种分层前向网络，输出曾到输入层具有反馈连接。
互连前向网络的同层神经元之间有相互连接。
广泛互连指在网络中任意两个神经元之间都是可以或可能是可达的。
何为不确定性？不确定性有哪些类型？在我们所获得的、所处理的信息和知识中，往往含有不肯定、不准确、不完全甚至不一致的成分，这就是所谓的不确定性。
按性质来分，不确定性大致分为五种类型：随机性、模糊性、不完全性、不一致性和时变性。
为什么使用归结原理进行定理证明时要使用归结策略？把归结原理在机器上实现，就要把归结原理用算法表示，对于怎么样在已知子句集中选取两个子句进行归结，最简单的方法就是采用穷举法。
穷举法能够保证对于不可满足的子句一定可以归结出空子句，但穷举法最大的缺点就是效率太低，当参加子句集中子句数目过多时，所产生的中间子句将会呈现爆炸式增长，以致机器无法容纳，而采用相应的归结策略之后就会使中间子句的数目减少，从而提高了归结效率，所以在使用归结原理进行定理证明时要使用归结策略。
产生式系统的组成和功能:产生式规则库，推理机和动态数据库。
（2分）产生式规则库也称产生式规则集，由领域规则组成，在机器中以某种动态数据结构进行组织。
推理机也称控制执行机构，它是一个程序模块，负责产生式规则的前提条件测试或匹配，规则的调度和选取，规则体的解释和执行。
动态数据库是一个动态数据结构，用来存放初始事实数据、中间结果和最后结果等。
产生式系统的工作过程(推理过程)：推理机不断运用规则库中的规则，作用于动态数据库，不断进行推理并不断检测目标条件是否满足的过程。
当推理到某一步，目标条件被满足，则推理成功，于是系统运行结束；或者再无规则可用，但目标条件仍未满足，则推理失败，当然系统也运行结束。
产生式系统的推理方式：可分为正向推理和反向推理。
正向推理是从初始事实数据触发，正向使用规则进行推理，朝目标方向前进，又称为前向推理、正向链、数据驱动的推理；反向推理是从目标出发，反向使用规则进行推理，朝初始事实或数据方向进行又称反向推理、反向链、目标驱动的推理。
对比图搜索，谈谈遗传算法的主要特点是什么？遗传算法的搜索在解空间上进行，不像图搜索在问题空间上进行；遗传算法的搜索随机地始于搜索空间的一个点集，图搜索固定地始于初始节点；遗传算法的搜索过程从空间一个点集到另一个点集，图搜索从空间的一个点到另一个点；遗传算法适应性强；擅长全局搜索，不受搜索空间的限制性假设约束。
不确定性知识的推理一般称为不确定性推理。
其与确定性推理相比，区别在于多了个信度计算过程：1不确定性推理中规则的前件要与证据事实匹配成功，必须达到一定的限度。
2不确定性推理中的一个规则的触发，不仅要求其前提能匹配成功，而且前提条件的总信度还必须达到阀值。
3不确定性推理中所推得的结论是否有效，也取决于其信度是否达到阀值。
4不确定性推理还要求一套关于信度的计算方法。
自然语言处理：用计算机来分析、处理自然语言，让计算机理解并能表达自然语言，实现人与计算机的自然语言交流。
自然语言的特点：新词不断出现，很难完全收入词典；表达非常灵活，很难完全形式化；充满歧义，很难完全消解；有各种语言创新，机器很难应付标准的BP算法内在的缺陷是什么？答：⑴易形成局部极小而得不到全局最优；⑵训练次数多使得学习效率低，收敛速度慢；⑶隐节点的选取缺乏理论指导；⑷训练时学习新样本有遗忘旧样本的趋势。
7、机器学习系统的基本结构是什么？简述之。