人工智能考试复习重点

1. 人工智能研究途径有：

（1）符号主义（Symbolicism）基于物理符号系统假设和有限合理性原理的人工智能学派。

（2）联结/连接主义（Connectionism）基于神经元及神经元之间的网络联结机制来模拟和实现人工智能。

（3）行为主义（Actionism）基于控制论和“感知——动作”型控制系统的人工智能学派

P．S：知识和推理是人工智能的核心，学习是人工智能的关键。

命题是能表达判断并具有确定真值的陈述句。

人工智能的研究内容——机器思维，机器感知，决策与行为，其目的即实现人的智能！

人工智能研究的基本内容是机器感知、机器思维、机器学习、机器行为、智能系统及智能计算机的构造技术。

2.人工智能的研究途径主要有以符号处理为核心的方法、以网络连接为主的连接机制方法及系统集成。

3.人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等。

2.人工智能研究方法：采集，预处理，推理，机器学习和反馈。

3.知识的特性：相对正确性，知识来自于人们对客观世界运动规律的正确认识，是从感性认识上升成为理性认识的高级思维劳动过程的结晶，故相应于一定的客观环境与条件下，知识无疑是正确的。然而当客观环境与条件发生改变时，知识的正确性就要接受检验，必要时就要对原来的认识加以修正或补充，以至全部更新而取而代之。

不确定性，如前所述，知识由若干信息关联的结构组成。但是，其中有的信息是精确的，有的信息却是不精确的。这样，则由该信息结构形成的知识也有了确定或不确定的特征。

可表示性与可利用性，可发展性。知识的可利用性使得计算机或智能机器能利用知识成为现实；而知识的机器可学习、可表示性使得人工智能不断得以进步与发展成为必然。

4.产生式的基本形式：产生式通常用于表示具有因果关系的知识，其基本形式是：

P→Q或者 If P Then Q [Else S]

其中，P是前件，用于指出该产生式是否可用的条件。Q是一组结论或者操作，用于指出当前提P满足时，应该得出的结论或者应该执行的操作。

5 人工智能推理：AI推理大约包括计算推理、逻辑推理和搜索三方面内

容.

（1）计算推理。主要有数值计算、智能计算和计算智能等。

智能计算: 一般来说，使用计算方法与人工经验相结合的运算属于智能计算；

计算智能: 如人工神经元网络(ANN)计算、进化计算、人工生命及其智能生物的情感、心理计算等，则是属于计算智能的范畴。

（2）逻辑推理。是使用数理逻辑、Boll逻辑、Fuzzy逻辑以及其它逻辑工具所完成的关于问题求解的推理。

分为确定性逻辑推理和非确定性逻辑推理两部分内容，我们将在本章及下一章分别进行学习。

（3）搜索。搜索是一种特殊形式的人工智能推理技术。这里主要包括两类搜索：一类是使用规则的基本搜索，另一类是运用启发信息的智能搜索。

P．S：推理方式：演绎推理，归纳推理，默认推理。

6启发式搜索包括：启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。

搜索分为盲目搜索和启发式搜索。

盲目搜索是按照预定的控制策略进行搜索，在搜索过程中获得的中间信息不用来改进控制策略。

启发式搜索是在搜索中加入了与问题有关的启发性信息，用以指导搜索朝着最有希望的方向前进，加速问题的求解过程并找到最优解。P．S：推理和搜索的区别：问题求解可用搜索方法，也可用逻辑推理，但二者侧重不同，前者重在寻求问题解答的过程，而后者强调前提（初始）问题空间与问题解答间连接的逻辑正确性，或者简单地说，搜索重于发现而推理强调证明。

7.搜索引擎的组成和各部分功能？一个搜索引擎由搜索器，索引器，检索器和用户接口等四个部分组成。

　搜索器的功能是在互联网中漫游，发现和搜集信息。它常常是一个计算机程序，日夜不停地运行。它要尽可能多、尽可能快地搜集各种类型的新信息，同时因为互联网上的信息更新很快，所以还要定期更新已经搜集过的旧信息，以避免死链接和无效链接。目前有两种搜集信息的策略。索引器的功能是理解搜索器所搜索的信息，从中抽取出索引项，用于表示文档以及生成文档库的索引表。检索器的功能是根据用户的查询在索引库中快速检出文档，进行文档与查询的相关度评价，对将要输出

的结果进行排序，并实现某种用户相关性反馈机制。用户接口的作用是输入用户查询、显示查询结果、提供用户相关性反馈机制。主要的目的是方便用户使用搜索引擎，高效率、多方式地从搜索引擎中得到有效、及时的信息。

8.机器学习的方法分类：

为了系统地了解机器学习，有必要对其进行分类。一般可用以下四种方式来对机器学习系统进行分类：

1. 按有无指导来分，有监督的学习，无监督的学习和强化学习。

2. 按学习方法来分：机械式学习，指导式学习，范例式学习，类比学习，解释学习。

3. 按推理策略来分：有演绎学习，归纳学习，类比学习，解释学习。

4. 综合考虑学习系统的知识表示、基本学习策略和历史渊源等因素分类

当前人工智能研究的主要障碍和发展方向之一就是机器学习。

BP算法学是有监督的学习。

9. 设论域U=V={a, b, c}，论域W={x, y}。R1是U×V上的模糊关系，R2是V×W上的模糊关系。求R1与R2的合成。

解：R1与R2的合成是：

10.人工神经网络的特点？

1.大规模并行计算

2.非线性处理

3.鲁棒性

4.自组织及自适应性

5.学习能力

6.分布式存储,存储与计算相结合

7.联想能力

(1)可以充分逼近任意复杂的非线性关系；

(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性和容错性；

(3)采用并行分布处理方法，使得快速进行大量运算成为可能；

(4)可学习和自适应不知道或不确定的系统；

(5)能够同时处理定量、定性知识。

问答：

1知识系统与一般计算机系统的主要区别有哪些？常见的知识系统有哪些？请简述之。

答：（1）知识系统是一类具有专门知识和经验的计算机系统，并通过对人类知识和问题求解过程的建模，采用知识表示和知识推理技术来模拟通常由人类解决的复杂问题。知识系统和一般计算机系统的主要区别是基于知识的系统以知识库和推理为核心。知识系统把知识与系统其它部分分离开，并且知识系统强调知识而不是方法。

（2）常见的知识系统有：专家系统，智能决策支持系统，计算机辅助诊断系统和自动问答系统等。

2．什么是不确定性推理，引起知识不确定性原因有哪些，请简述之。答：不确定性推理(Uncertainty Reasoning)，指推理中所使用的前提条件、判断是不确定的或者是模糊的情况，因而推理所得出的结论与判断也是不精确的、不确定或模糊的。（或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。

）引起知识不确定性的原因：随机性、模糊性、不完全性、经验性。3、鲁滨逊归结原理的基本思想。

答：首先把欲证明的问题的结论否定，并加入子句集，得到一个扩充的子句集S′，然后设法检验子句集S′是否含有空子句，若含有空子句，则表明S′是不满足的；若不含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直到导出空子句或不能归结为止。

4.搜索的基本演变过程及各种演变的依据是什么？请简述之。

搜索的演变过程：深/广度→有界深度优先→代价树广/深 → →A→A* （10分）

（盲目搜索）（启发式搜索）

广度优先搜索也称为宽度优先搜索，它是一种先生成的节点先扩展的策略。这种搜索策略的搜索过程是：从初始节点开始逐层向下扩展，在第n层节点还没有全部搜索完之前，不进入第n＋l层节点的搜索。Open表中的节点总是按进入的先后排序，先进入Open表的节点排在前面，后进入 Open表的节点排在后面。

深度优先搜索是一种后生成的节点先扩展的策略。这种搜索策略的搜索过程是：从初始节点开始，在其子节点中选择一个最新生成的节点进行考察，如果该子节点不是目标节点且可以扩展，则扩展该子节点，然后再在此子节点的子节点中选择一个最新生成的节点进行考察，

依此向下搜索，直到某个子节点既不是目标节点，又不能继续扩展时，才选择其兄弟节点进行考察。在深度优先搜索中，Open表是一种栈结构，最先进入的节点排在最后面，最后进入的节点排在最前面。

为了弥补上述两种策略的缺点，一种较好的折衷办法是在深度优先策略中引入深度限制，即采用有界深度优先搜索。有界深度优先搜索过程总体上按深度优先策略进行，但对搜索深度需要给出一个深度限制dm，当搜索深度达到了dm，但还没有找到目标时，就停止该分支的搜索，换到另外一个分支进行搜索。

在前面讨论的各种搜索策略中，实际上都作了一种假设，认为状态空间中各边的代价都相同，且都为一个单位量。从而，可用路径的长度来代替路径的代价。但是，对许多实际问题，这种假设是不现实的，它们的状态空间中的各个边的代价不可能完全相同。例如，城市交通问题，各城市之间的距离是不同的。为此，我们需要在搜索树中给每条边都标上其代价。这种边上标有代价的树称为代价树。

在图搜索算法中，如果能在搜索的每一步都利用估价函数f（n）

=g（n）＋h（n）对Open表中的节点进行排序，则该搜索算法为A算法。由于估价函数中带有问题自身的启发性信息，因此，A算法也被称为启发式搜索算法。对启发式搜索算法，又可根据搜索过程中选择扩展节点的范围，将其分为全局择优搜索算法和局部择优搜索算法。

启发式搜索算法，都没有对估价函数f(n)作任何限制。实际上，估价函数对搜索过程是十分重要的，如果选择不当，则有可能找不到问题的解，或者找到的不是问题的最优解。为此，需要对估价函数进行某些限制。A* 算法就是对估价函数加上一些限制后得到的一种启发式搜索算法。

5（1）凡是容易的课程小王（wang）都喜欢

(2) c班的课程都是容易的

（3）ds是c班的一门课程。

求证：小王喜欢ds这门课。

证明：首先定义谓词：

EASY (x): x是容易的

LIKE (x ,y)：x 喜欢 y .

C(x)： x 是C班的一门课程。

把上述事实及待求证的问题用谓词公式表示出来：

EASY (x)→LIKE (Wang ,x) 凡是容易的课程小王都喜欢。

( x) (C(x)→EASY (x)) C班的课程都是容易的。

C(ds) ds是C班的课程。

LIKE (Wang , ds ) 小王喜欢ds这门课程，这是待求证的问题。

应用推理规则进行推理：

("x) (C(x)→EASY (x))

C(y)→EASY (y) 全称固化

C (ds), C(y)→EASY (y) EASY( ds) P规则及假言推理

EASY( ds ), EASY (x)→LIKE (Wang ,x)

LIKE (Wang ,ds) T规则及假言推理

即小王喜欢ds这门课程。

6.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。

答：机器学习系统的基本结构：

知识库

执行

学习

环境

整个过程包括：信息的存储、知识的处理两部分

（1）环境向系统的学习部分提供某些信息；

（2）学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能；

（3）执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

（4）在具体的应用中，环境，知识库和执行部分决定了具体的工作内容，学习部分所需要解决的问题完全由上述三部分确定。

8、（1）人工智能研究的思想路线是什么？说明人工智能研究取得了什么成果。

答：符号主义观点认为：知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。从功能上对人脑进行模拟在自动推理、定理证明、机器博弈、自然语言处理，知识工程，专家系统等方面取得了显著的成果。

人工智能可以像人类智能一样逐步进化，分阶段发展和增强。从行为上模拟和体现智能。模拟人在控制过程中的智能活动和行为特性，如自寻优，自适应、自学习，自组织等，来研究和实现人工智能。在智能控

制、机器人领域获统得了很多成就。从结构上对人脑进行模拟适合于模拟人脑形象思维，能够快速得到近似解，便于实现人脑的低级感知功能。在图像处理、模式识别、机器学习等方面具有相当的优势。

（2）产生式的基本形式？其与条件语句的主要区别是什么？

答：(1) 产生式通常用于表示具有因果关系的知识，其基本形式是：

P→Q或者 If P Then Q [Else S]

(2) a.前件结构不同

产生式的前件可以是一个复杂的的结构

传统程序设计语言中的左部仅仅是一个布尔表达式

b.控制流程不同

产生式系统中满足前提条件的规则被激活后，不一定被立即执行，能否执行将取决于冲突消解策略

传统程序设计语言中是严格地从一个条件语句向其下一个条件语句传递。

P．S：一个产生式系统一般由3部分构成，规则集，全局数据库和控制策略。

产生式系统推理方向有：正向推理产生式系统，逆向推理产生式系统和双向推理产生式系统。