人工智能作业二答案
国开作业《人工智能》形成性考核(二)参考(含答案)933
国开作业《人工智能》形成性考核（二）参考（含答案）933本次考核为形成性考核，试卷分为两部分。
第一部分：选择题1. 训练一个神经网络时，下列哪种方法可以有效降低过拟合？（D）A. 增加训练集的大小B. 减小网络的深度C. 减小网络的宽度D. 加入正则化项2. 下列关于熵的说法，哪个是正确的？（B）A. 熵越小，数据的不确定性越小B. 熵越大，数据的不确定性越大C. 熵和不确定性没有关系D. 熵只能为整数3. 下列哪项不是强化研究的三要素之一？（C）A. 奖励B. 状态C. 目标D. 行动4. 下列哪种神经网络常用于自然语言处理任务？（A）A. 循环神经网络B. 卷积神经网络C. 深度信念网络D. 受限玻尔兹曼机5. Ernie模型是哪家公司开发的？（B）A. 谷歌B. 百度C. 腾讯D. 阿里巴巴第二部分：简答题1. 请简要介绍一下卷积神经网络（CNN）的原理，并说明CNN可以用来解决哪类问题？卷积神经网络是由一系列卷积层和池化层组成的神经网络，其中卷积层负责提取图像中的特征，池化层负责缩小数据尺寸以减小运算量，并增强模型的泛化能力。
CNN可以用来解决计算机视觉领域的问题，如物体分类、物体检测、图像分割等。
2. 常见的循环神经网络(RNN）有哪些结构？简述它们的原理。
常见的循环神经网络结构有RNN、LSTM和GRU。
RNN会对序列中的每个元素进行循环处理，将上一个元素的输出作为当前元素的输入。
LSTM通过门控机制来长期记忆信息并削减梯度消失的影响；GRU是LSTM的变种，将门控机制分为更新门和重置门，从而降低了计算量，提高了计算速度。
3. 请利用线性回归算法，通过自己搜集的数据，建立一个房价预测模型。
略。
4. 请简要介绍Transformer模型的原理，并说明Transformer相比基于循环神经网络的模型有哪些优势？Transformer是由若干个注意力机制堆叠而成的模型，它将输入序列分别进行自注意力和交叉注意力计算，得到对应的注意力矩阵，实现了序列之间的信息传递。
东师人工智能17春在线作业2【标准答案】
人工智能17春在线作业2
试卷总分:100 得分:100
一、单选题 (共 10 道试题,共 30 分)
1. ()通过对大量人工神经元的广泛并行互联，构造人工神经网络系统去模拟生物神经系统的智能机理。
A. 神经网络
B. 模糊计算
C. 进化计算
D. 伪随机数生成
满分：3 分
正确答案:A
2. 问题的知识化指()。
A. 辨别所研究问题的实质
B. 概括知识表示所需要的关键概念及其关系
C. 确定用来组织知识的数据结构形式
D. 编制规则、把形式化了的知识变换为由编程语言表示的可供计算机执行的语句和程序
满分：3 分
正确答案:A
3. 问题归约法的组成部分包括一个初始问题描述、()、一套本原问题描述。
A. 中间状态描述
B. 一套把问题变换为子问题的操作符
C. 目标状态描述
D. 问题变量描述
满分：3 分
正确答案:B
4. 数据库中的()是从大量数据中辨识出有效的、新颖的、潜在有用的、并可被理解的模式的高级处理过程。
A. 检索
B. 排序
C. 知识发现
D. 查找
满分：3 分
正确答案:C
5. 机械式学习实质上是用()来换取处理时间。
A. 存储空间
B. 稳定性。
人工智能作业(二)答案
《人工智能》作业（二）答案客观题部分：一、选择题（每题2分，共10题）参考答案：1C，2D，3B，4A，5B主观题部分：一、简答题（10分）参考答案：答：[1] 把初始结构S0 放入OPEN 表[2] 如果OPEN 表为空，则问题无解，退出[3] 把OPEN 表的第一个节点（N ）取出放入CLOSED 表[4] 考察节点N 是否为目标节点，是则求得了解，退出[5] 若节点N 不可扩展，则转第2 步[6] 扩展节点N ，将其子节点放入OPEN 表，并为每一个子节点都配置指向父节点的指针，然后转至第 2 步二、论述题（20分）参考答案：解：1）首先把问题形式化。
设正面表示为1，反面表示为0，可引入一个三元组Q=(q0，q1，q2)来描述这三枚钱币的状态。
2）每个qj的取值为[0，1]，因此共有23=8种不同的状态。
这8种状态列举如下：Q0=(0,0,0)；Q1=(0,0,1)；Q2=(0,1,0)；Q3=(0,1,1)；Q4=(1,0,0)；Q5=(1,0,1)；Q6=(1,1,0)；Q7=(1,1,1)。
于是问题就变为如下图所示：3）找出所有能改变状态的操作。
这里反动一枚钱币就成为一种操作，则共有3种操作，即F={a，b，c}。
其中，a表示将钱币q0翻转一次，b表示将钱币q1翻转一次，c表示将钱币q2翻转一次。
如图所示是此问题的全部状态空间图。
其中结点表示状态，有向边表示操作，双向箭头表示两个状态在同一操作下是可逆的，这样可以为三次操作提供方便。
从图中可以看出，从Qs=Q5出发，不可能通过三次操作到达Q0=Qg1，这说明从Q5到Q0之间没有所要求的解；而从Q5出发到达Qg2=Q7有7种操作序列，因而有7个解，它们是aab，aba，baa，bbb，bcc，cbc和ccb。
《人工智能应用技术基础》卷2及答案[3页]
![《人工智能应用技术基础》卷2及答案[3页]](https://img.taocdn.com/s3/m/9796943e0640be1e650e52ea551810a6f524c885.png)
《人工智能应用技术基础》卷2及答案[3页]【人工智能应用技术基础】卷2及答案一、概述随着科技的不断进步和发展，人工智能（Artificial Intelligence, AI）成为了革命性的技术，广泛应用于各个领域。
本文将重点讨论《人工智能应用技术基础》卷2及答案，通过分析该卷的内容，深入了解人工智能的应用技术基础。
二、卷2内容概述《人工智能应用技术基础》卷2是人工智能应用技术的深入学习教材，包含了多个章节和对应的习题答案。
该卷主要内容如下：1. 机器学习基础机器学习是人工智能领域的重要支撑技术之一。
本章节主要介绍机器学习的基本概念、算法以及应用。
学生将学会如何使用Python等编程语言进行机器学习的实践，并掌握机器学习模型的调参和评估。
2. 深度学习原理与应用深度学习是机器学习的一个分支，它以神经网络为基础，通过多层次的非线性转换来提取数据的高级特征。
本章节将详细介绍神经网络的结构和工作原理，并对深度学习在图像识别、语音识别等方面的应用进行深入讨论。
3. 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。
本章节将重点介绍自然语言处理的基本任务，如文本分类、情感分析等，并详细讲解主流的自然语言处理方法和技术。
4. 机器视觉机器视觉是指让计算机通过图像或视频数据来模拟人类的视觉感知能力。
本章节将从图像特征提取、目标检测、图像分割等方面介绍机器视觉的基本原理和方法，并对其在人脸识别、行为识别等领域的应用进行讨论。
5. 强化学习强化学习是一种通过试错和反馈机制来优化决策的学习方法。
本章节将详细解释强化学习的基本概念和算法，并介绍它在游戏智能、机器人控制等方面的应用。
三、答案相关重点除了卷2的内容概述外，答案部分也是学生关注的重点。
以下是一些常见问题及参考答案：1. 如何提高机器学习模型的准确率？答：可以尝试调整模型超参数、增加更多的训练数据、进行特征工程等方法来提高模型的准确率。
2. 神经网络的训练过程是怎样的？答：神经网络通过前向传播和反向传播两个过程来进行训练。
大工21春《人工智能》在线作业2-学习资料(答案)
大工20秋《人工智能》在线作业2试卷总分:100 得分:100一、单选题 (共 10 道试题,共 50 分)1.定义谓词Prog（x）x是需要编程序的课。
Like（x,y）x喜欢y。
谓词公式Prog（x）→Like（wang，x）表示的事实为（）。
【A】.只要是需要编程序的课，小王都喜欢【B】.小王喜欢编程序的课【C】.小王喜欢C语言【D】.C语言是编程序的课【正确答案】：A2.已知R1:IF E1 THEN (200,1)H 。
R2:IF E2 THEN (30,1)H 。
证据E1和E2必然发生，并且P(H)=0.03,则O(H)=（）。
【A】.0.0309【B】.0.3【C】.30【D】.200【正确答案】：A3.已知R1:IF E1 THEN (200,1)H 。
R2:IF E2 THEN (30,1)H 。
证据E1和E2必然发生，并且P(H)=0.03,则O(H/E1)=（）。
【A】.6.18【B】.200【C】.0.03【D】.9096【正确答案】：A4.已知R1:IF E1 THEN (200,1)H 。
R2:IF E2 THEN (30,1)H 。
证据E1和E2必然发生，并且P(H)=0.03,则O(H/E2)=（）。
【A】.0.927【B】.0.9946【C】.3【D】.2【正确答案】：A5.已知R1:IF E1 THEN (200,1)H 。
R2:IF E2 THEN (30,1)H 。
证据E1和E2必然发生，并且P(H)=0.03,则P(H/E1E2)=（）。
【A】.0.7【B】.0.9946【C】.3【D】.0【正确答案】：B6.已知R1:IF E1 THEN (10,1) H1(0.03) 。
R2:IF E2 THEN (20,1) H2(0.05) 。
R3:IF E3 THEN (1,0.002) H3(0.3) 。
当证据E1、E2和E3都存在时，P(H1/E1)=（）。
人工智能课后习题第2章 参考答案
第2章知识表示方法参考答案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：(∃x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧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：(∃x )(∀y) (A(y)→B(x)∧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：(∀x) (NC(x)→F(x)∧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：¬(∀x) (S(x)→L(x, pragramming)∧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：(∀x) (P(x)∧L(x,pragramming)→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。
HOLDING(x)：机械手抓住x。
国家开放的大学《人工智能专题》形考任务二答案
国家开放的大学《人工智能专题》形考任务二答案国家开放的大学《人工智能专题》形考任务二答案判断题现实世界中的规划问题需要先调度，后规划。
×启发式规划的两种方法是减少更多的边或者状态抽象。
×语义网络的表示方法只能表示有关某一事物的知识，无法表示一系列动作、一个事件等的知识。
×下图表示的是前向状态空间搜索。
√人们需要把分类器学习的样本的特点进行量化，这些量化后的数据，如鸢尾花的高度、花瓣的长度、花瓣的宽度等就是鸢尾花的特征。
这些特征都是有效的，可以提供给分类器进行训练。
×状态空间图是对一个问题的表示，通过问题表示，人们可以探索和分析通往解的可能的可替代路径。
特定问题的解将对应状态空间图中的一条路径。
√贝叶斯定理是为了解决频率概率问题提出来的。
×深度学习是计算机利用其计算能力处理大量数据，获得看似人类同等智能的工具。
√分层规划中包含基本动作和高层动作。
√谓词逻辑是应用于计算机的逻辑形式，其逻辑规则、符号系统与命题逻辑是一样的。
×P（A∣B）代表事件A发生的条件下事件B发生的概率。
×人工智能利用遗传算法在求解优化问题时，会把问题的解用“0”和“1”表示。
0,1就是就是“遗传基因”，01组成的字符串，称为一个染色体或个体。
√填空题人们想让智能机器分辨哪个动物是熊猫，就会输入一些数据告诉机器。
如图上所示的“大大的脑袋，黑白两色，黑眼眶，圆耳朵”，这些属于（特征值）。
贝叶斯网络是（朱迪亚·珀尔）首先提出来的。
遗传算法具有（生存＋检测）的迭代过程的搜索算法。
也就是说，通过群体的一代代的不断进化，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。
（多选）在A* 算法中，当我们找寻当前节点的相邻子节点时，需要考虑（如果该子节点已经在Open列表中，则我们需要检查其通过当前节点计算得到的F值。
如果比它原有计算的F值更小。
如果更小则更新其F值，并将其父节点设置为当前节点。
人工智能习题作业进化计算II习题答案
第六章 进化计算课后习题及答案一、选择题：1. 设用遗传算法求解某问题时，产生了四个个体A、B、C和D，适应度值分别为34、98、60和45，采用赌轮选择机制，则个体A的适应度值所占份额为？（ D ）A 34B 34／98C 100D 34／2372. 如用遗传算法求解某问题时，有两个八位长的个体10111010和01011001, 进行交叉操作，交叉位置在从右往左第5位，产生的两个新个体分别为: （ A ）A 01011010和10111001B 01011001和10111010C 101和11001D 01110101和101001013. 用模拟退火算法求解TSP时，采用“逆转中间或者逆转两端” 变换方法。
设当前解为（4，5，8，1，2，10，6，9，3，7）随机产生的两相异数k和m分别为2和6，变换后的新解为： （ B ）A（4，10，2，1，8，5，7，3，9，6）B（4，10，2，1，8，5，6，9，3，7）C（4，5，8，1，2，10，6，9，3，7）D（8，5，4，1，2，10，6，9，3，7）4. 在极小极大分析法中，为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。
此时估算出来的得分称为_____。
（ C ）A父节点的得分 B 倒推值 C 静态估值 D 估价信息5. 遗传算法的选择操作将使适应度_____的个体有较大的存在机会。
（ B ）A 较低B 较高C 低劣D 为正数6. 如用遗传算法求解某问题时，有两个八位长的个体10101010和01011011, 进行交叉操作，交叉位置在从右往左第5位，产生的两个新个体分别为: （ AD ） A 01011010 B 01011001 C 11001 D 101010117. 模拟退火算法的T必须满足条件： （ ACD ）A. 开始T是很大正数B. T非负C. 逐渐减小D. 趋近08. 进化算法包括进化程序设计、______等等。
- 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)。
作业二
1. 博弈树问题. （25分）
以下是一个博弈树轮到max 选手行棋，叶子结点下的数字代表着当前状态的分值(相对于max 选手)。
a)如果max 选择走结点3且两个玩家正确游戏，那么该博弈树输出的分值是什么？（15分）
b)分析使用剪枝时(从左到右遍历)该树被裁剪的部分。
（10分）
【answer 】:
(a): 走最右侧分支，输出3；
(b): 结点13，8，19，20被裁剪
2. 考虑棋盘上的四皇后问题，最左边的一列为第一列,最上面的一行为第一行, Qi 表示皇后在第i 行所在的列数。
假定皇后摆放的顺序为Q1,Q2,Q3,Q4, 且在每一行上按照从第一列到第四列的顺序摆放皇后，请运用回溯搜索算法结合前向检测来解决四皇后问题。
（15分）
如果皇后摆放的顺序依旧为Q1,Q2,Q3,Q4,但不要求在每一行上从第一列到第四列摆放皇后，能够找出一种摆放策略来避免回溯失败？（10分）
-αβ
【answer】:
在放第一个棋子后(有两种可能位置(1,1),(1,2))，可以通过考察放置后的矛盾位置对数
来决定初始位置：
如果放置在(1,1)位置，如第一个图所示，那么剩余可放置位置(图中空白位置，如(2,3),(2,4),(3,2),(3,4),(4,2),(4,3))之间的互斥对数有8对。
如果放置在(1,2)位置，如第五个图所示，那么剩余可放置位置(图中空白位置，如(2,4),(3,1),(3,3),(4,1),(4,3),(4,4))之间的互斥对数有5对。
说明第二种放置方法导致的空位置之间的互斥对数少，那么可行性更大，因此选择初始位置放在(1,2)处。
3.请用真值表的方法证明下列语句是有效的，可满足的，还是不可满足的？（25分）
【answer】:
a) 可满足的
b) 有效的
4. 假设知识库KB 包含如下的规则：
运用模型检测的方法证明KB |= (﹁ worried ⇒scared). (25分)
【answer 】:应用下列任何一种方法都得分
模型检验的方法：
归结的方法：
poor
rich scared
rich worried
poor ⇒⌝⇒
⇒scared
worried poo rich scared rich worried poor KB ⌝∧⌝=⌝∨∧∨⌝∧∨⌝=α()()(｛｝。