概率逻辑型生成式人工神经网络
人工智能导论复习资料
人工智能导论复习资料（课程代码：07844）知识点汇总：1.人工智能是一门综合性的交叉学科和边缘学科。
2.人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是图灵。
3.人工智能的远期目标是制造智能机器，近期目标是实现机器智能。
4.要想让机器具有智能，必须让机器具有知识。
因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫机器学习。
5.编译原理不属于人工智能的研究的一个领域。
6.AI的英文缩写是Artifical intelligence。
7.“图灵实验”是为了判断一台机器是否具备智能的实验，实验由三个封闭的房间组成，分别放置主持人、参与人和机器。
8.语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的继承性。
9.(A->B)∧A => B是假言推理10.命题是可以判断真假的陈述句11.问题归约法是指已知初始问题的描述，通过一系列变换把此问题最终变为一个子问题集合，这些子问题的解可以直接得到，从而解决了初始问题。
12.仅个体变元被量化的谓词称为一阶谓词13.MGU是最一般合一14.关系不在人工智能系统的知识包含的4个要素中15.当前归结式是空子句时，则定理得证。
16.或图通常称为状态图17.不属于人工智能的学派是机会主义18.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。
( )19.用户不是专家系统的组成部分20.产生式系统的推理不包括简单推理21.C(B|A) 表示在规则A->B中，证据A为真的作用下结论B为真的信度22.在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种方法叫做有序搜索23.人工神经网络属于反馈网络的是BP网络24.使用一组槽来描述事件的发生序列，这种知识表示法叫做剧本表示法25.产生式系统的推理不包括简单推理26.从已知事实出发，通过规则库求得结论的产生式系统的推理方式是正向推理。
遗传算法与神经网络
2.1 神经网络简介
人工神经网络（artificial neural network，缩写 ANN），简称神经网络（neural network， 缩写 NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量 的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结 构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和 输出间复杂的关系进行建模，或用来探索数据的模式。
进化次数限制； （1）计算耗费的资源限制（例如计算时间、计算占用的内存等）； （2）一个个体已经满足最优值的条件，即最优值已经找到； （3）适应度已经达到饱和，继续进化不会产生适应度更好的个体； （4）人为干预； （5）以及以上两种或更多种的组合。
3/9
遗传算法与神经网络
一个典型的遗传算法要求: 一个基因表示的求解域, 一个适应度函数来评价解决方案。
经过这一系列的过程（选择、交配和突变），产生的新一代个体不同于初始的一代，并 一代一代向增加整体适应度的方向发展，因为最好的个体总是更多的被选择去产生下一代， 而适应度低的个体逐渐被淘汰掉。这样的过程不断的重复：每个个体被评价，计算出适应度， 两个个体交配，然后突变，产生第三代。周而复始，直到终止条件满足为止。一般终止条件 有以下几种：
第1章 人工智能概述范文
● 1.1.3 脑智能和群智能●脑（主要指人脑）的宏观心理层次的智能表现称为脑智能（Brain Intelligence, BI）。
●由群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。
●脑智能和群智能是属于不同层次的智能：●脑智能是一种个体智能（Individual Intelligence, II）；群智能是一种社会智能（Social Intelligence, SI），或者说系统智能（System Intelligence, SI）。
1.1.4 符号智能和计算智能1. 符号智能符号智能就是符号人工智能，它是模拟脑智能的人工智能，也就是所说的传统人工智能或经典人工智能。
符号智能以符号形式的知识和信息为基础，主要通过逻辑推理，运用知识进行问题求解。
符号智能的主要内容包括知识获取（knowledge acquisition）、知识表示（knowledge representation）、知识组织与管理和知识运用等技术（这些构成了所谓的知识工程（Knowledge Engineering, KE））以及基于知识的智能系统等。
幻灯片52. 计算智能计算智能就是计算人工智能，它是模拟群智能的人工智能。
计算智能以数值数据为基础，主要通过数值计算，运用算法进行问题求解。
计算智能的主要内容包括：神经计算（Neural Computation， NC）、进化计算（亦称演化计算，Evolutionary Computation，EC，包括遗传算法（Genetic Algorithm，GA）、进化规划（Evolutionary Planning，EP）、进化策略（Evolutionary Strategies，ES）等）、免疫计算（immune computation）、粒群计算（Particle Swarm Algorithm，PSA）、蚁群算法（Ant Colony Algorithm，ACA）、自然计算（Natural Computation，NC）以及人工生命（Artificial Life，AL）等。
【计算机应用】_推理规则_期刊发文热词逐年推荐_20140727
推荐指数 4 3 3 3 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98
本体描述语言 本体建模 最小二乘支持向量机 普适计算 故障诊断 攻击模型 推理机制 推理机 推理 授权模型 态势感知 归纳逻辑编程 归纳逻辑程序设计 建模 学习 妇科疾病诊断 基于语义的访问控制 可读证明 发酵过程 反向传播 双枝模糊集 区间值模糊推理 化学反应规则 动态数据交换 关系数据库 催化裂化 信任度 优化控制 人工神经网络 云模型 事例推理 业务生成标记语言 不确定性推理 下一代网络 上下文 三i算法 webgis visual prolog pid自整定 petri网 matlab jena fuzzy推理 dl安全规则 al-log
推荐指数 5 3 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
人工智能基础(习题卷1)
人工智能基础(习题卷1)第1部分：单项选择题，共53题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]声明1：可以通过将所有权重初始化为0来训练网络。
声明2：可以通过将偏差初始化为0来很好地训练网络以上哪些陈述是真实的？A、1对2错A)1错2对B)1和2都对C)1和2都错答案:B解析:2.[单选题]下列哪个函数可以组合估计器？A)RepeatedKFoldB)KFoldC)LeaveOneOutD)make_pipeline答案:D解析:3.[单选题]输入图像已被转换为大小为28×28的矩阵和大小为7×7的步幅为1的核心/滤波器。
卷积矩阵的大小是多少？A)22X22B)21X21C)28X28D)7X7答案:A解析:4.[单选题]人工神经网络的相关研究最早可以追溯到上世纪40年代，由心理学家麦卡洛克和数学逻辑学家皮茨提出的( )。
A)M-P神经元模型B)B-P神经元模型C)M-N神经元模型D)N-P神经元模型答案:A解析:5.[单选题]要在某一台机器上为某种语言构造一个编译程序，必须掌握哪些内容（）A)汇编语言、高级语言、编译方法B)程序设计方法、测试方法、编译方法C)源语言、目标语言、编译方法D)高级语言、程序设计方法、机器语言答案:C解析:C)奇异点阈值D)点云分辨率答案:A解析:7.[单选题]Hadoop生态系统中，HBase是一种（）。
A)分布式文件系统B)数据仓库C)实时分布式数据库D)分布式计算系统答案:C解析:HBase是一个面向列的实时分布式数据库。
8.[单选题]人工神经元网络与深度学习的关系是A)人工神经元网络是深度学习的前身B)深度学习是人工神经元网络的一个分支C)深度学习是人工神经元网络的一个发展D)深度学习与人工神经元网络无关答案:C解析:深度学习是实现机器学习的一种技术,现在所说的深度学习大部分都是指神经网络9.[单选题]在编制自动化需求时，实践证明采用（）时最有效的方式A)流程图B)视频说明C)电子表格D)流程图加视频说明答案:D解析:10.[单选题]关于用4V来表示大数据的主要特征，描述错误的是A)大数据的时间分布往往不均匀，近几年生成数据的占比最高B)“如何从海量数据中洞见（洞察）出有价值的数据”是数据科学的重要课题之一C)数据类型的多样性往往导致数据的异构性，进而加大数据处理的复杂性，对数据处理能力提出了更高要求D)数据价值与数据量之间存在线性关系答案:D解析:11.[单选题]常用的的灰度内插法不包括()。
人工智能课后习题答案
可采用批量梯度下降、随机梯度下降、小批量梯度下降等优化算法，以及动量 法、AdaGrad、RMSProp、Adam等自适应学习率优化方法。
课后习题解答与讨论
• 习题一解答：详细阐述感知器模型的原理及算法实现过程，包括模型结构、激 活函数选择、损失函数定义、权重和偏置项更新方法等。
• 习题二解答：分析多层前馈神经网络的结构特点，讨论隐藏层数量、神经元个 数等超参数对网络性能的影响，并给出一种合适的超参数选择方法。
发展历程
人工智能的发展大致经历了符号主义、连接主义和深度学习三个阶段。符号主义认为人工智能源于对人类思 维的研究，尤其是对语言和逻辑的研究；连接主义主张通过训练大量神经元之间的连接关系来模拟人脑的思 维；深度学习则通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
机器学习原理及分类
深度学习框架与应用领域
深度学习框架
深度学习框架是一种用于构建、训练和部署深度学习模型的开发工具。目前流行的深度学习框架包括 TensorFlow、PyTorch、Keras等。
应用领域
深度学习已广泛应用于图像识别、语音识别、自然语言处理、推荐系统等多个领域，并取得了显著的 成果。
课后习题解答与讨论
习题四解答
讨论人工智能的伦理问题，如数据隐私、算法偏见等，并 提出可能的解决方案。
02 感知器与神经网络
感知器模型及算法实现
感知器模型
感知器是一种简单的二分类线性模型 ，由输入层、权重和偏置项、激活函 数（通常为阶跃函数）以及输出层组 成。
感知器算法实现
通过训练数据集，采用梯度下降法更 新权重和偏置项，使得感知器对训练 样本的分类误差最小化。
时序差分方法
人工智能概论(新)
一、多选(共计25分,每题2.5分,每题答案完全一样得满分,少选、多选、错选均不得分。
)错误:【A;B;C】错误:【A;D】错误:【A;B;C;D】错误:【B;C】错误:【A;B;C;D】错误:【A;B】7、遗传算法借鉴了生物进化中的什么规律？（）。
错误:【A;B;C;D】错误:【A;D】错误:【A;D】10、遗传算法中常用的编码方式有（）。
A. 二进制编码B. Gray编码错误:【A;B;C】二、判断(共计25分,每题2.5分)错误:【B】12、在极大极小分析法中，对于或节点，选其子节点中一个最小的得分作为父节点的得分。
错误:【B】13、智能是知识与智力的总和，其中知识是一切智能行为的基础，而智力是获取知识并应错误:【A】14、从初始证据出发，按某种策略不断运用知识库中的已知知识，逐步推出结论的过程称错误:【A】错误:【A】错误:【A】17、与/或树中与节点的子节点中只要有一个是可解节点，就可以判断该与节点是可解的。
错误:【B】18、当传入的神经冲动使细胞膜电位下降低于阈值时，细胞进入兴奋状态，产生神经冲动错误:【B】错误:【A】20、命题逻辑可以把所描述的事物的结构及其逻辑特征反映出来，也能把不同事物间的共错误:【B】三、单选(共计50分,每题2.5分)21、已知CF1(H)=-0.5，CF2(H)=-0.3,请问结论H不确定性的合成CF1,,2(H)=?（）。
A. -0.5B. -0.8错误:【C】错误:【D】错误:【A】错误:【A】错误:【B】26、在遗传算法中，将所有妨碍适应度值高的个体产生，从而影响遗传算法正常工作的问错误:【D】27、如果八数码问题的启发式函数定义为当前格局与目标格局位置不符的数码数目，请问以下当前状态的启发式函数值（）A. 3B. 4错误:【C】错误:【A】29、遗传算法、模拟退火算法、免疫算法、粒子群优化算法、蚁群算法、人工蜂群算法以错误:【D】30、李明的父亲是教师，用谓词逻辑可以表示为Teacher（father（Liming））这里father （Liming）是（）。
机器学习的常见模型
机器学习的常见模型机器学习任务中常见的⽅法有：决策树学习，关联规则学习，⼈⼯神经⽹络，深度学习，归纳逻辑设计，⽀持向量机，聚类，贝叶斯⽹络，强化学习，表⽰学习，相似度和度量学习，稀疏字典学习，遗传算法等。
⼀、决策树学习决策树学习就是根据数据的属性采⽤树状结构建⽴的⼀种决策模型，可以⽤此模型解决分类和回归问题。
常见的算法包括CART，ID3，C4.5等。
可以根据数据集来构建⼀颗决策树，他的重要任务就是根据数据中所蕴含的知识信息并提取出⼀系列的规则，这些规则就是树结构的创建过程。
决策树算法主要是指决策树进⾏创建中进⾏树分裂（划分数据集）的时候选取最优特征的算法，他的主要⽬的就是要选取⼀个特征能够将分开的数据集尽量的规整，也就是尽可能的纯。
最⼤的原则就是：将⽆序的数据变得更加有序。
常⽤的三个⽅法：信息增益增益⽐率基尼不纯度1、信息增益这⾥涉及到了信息论的⼀些概念：某个时间的信息量，信息熵，信息增益等。
a、某事件的信息量：这个事件发⽣的概率的负对数b、信息熵就是平均⽽⾔，⼀个事件发⽣得到的信息量⼤⼩，也就是信息量的期望值c、信息增益将⼀组数据集进⾏划分后，数据的信息熵会发⽣变化，我们可以通过使⽤信息熵的计算公式分别计算被划分的⼦数据集的信息熵并计算他们的平均值（期望值）来作为分割后的数据集的信息熵。
新的信息熵相⽐未划分数据的信息熵的减⼩值就是信息增益了。
假设我们将数据集D划分成k份D1，D2，...，Dk，则划分后的信息熵为：信息增益就是就两个信息熵的差值2、增益⽐率增益⽐率是信息增益⽅法的⼀种扩展，是为了克服信息增益带来的弱泛化的缺陷。
因为按照信息增益的选择，总是会倾向于选择分⽀多的属性，这样会使得每个⼦集的信息熵最⼩。
例如给每个数据添加独⼀⽆⼆的ID值特征，则按照这个ID值进⾏分类是获得信息增益最⼤的，这样每个⾃⼰中的信息熵都是0，但是这样的分类没有任何意义，没有任何泛化能⼒，类似于过拟合。
因此可以引⼊⼀个分裂信息找到⼀个更合适的衡量数据划分的标准，即增益⽐率。
sigmod 函数
SIGMOD 函数1. 介绍SIGMOD 函数是指一种常用的数学函数，用于计算数值的Sigmoid（S型）曲线。
SIGMOD 是 Sigmoid（S型）函数的一个常用缩写。
SIGMOD 函数在数据科学、机器学习等领域中广泛应用，尤其在逻辑回归和人工神经网络中常被使用。
SIGMOD 函数的定义如下：f(x)=11+e−x其中，e是自然对数的底数。
2. 特点SIGMOD 函数具有以下几个特点：1.S型曲线：SIGMOD 函数的图像呈现出典型的S形曲线，该曲线在x=0附近快速增长，并在两侧趋于饱和。
2.取值范围：SIGMOD 函数的取值范围介于0和1之间。
当x趋于负无穷时，f(x)趋近于0；当x趋于正无穷时，f(x)趋近于1。
3.连续可导：SIGMOD 函数是连续可导的，这对于梯度下降等优化算法很重要。
4.非线性：SIGMOD 函数是一种非线性函数，它可以将输入映射到非线性空间中。
5.可压缩：SIGMOD 函数具有可压缩的性质，即通过调整参数可以在一定范围内控制函数的斜率。
3. 应用SIGMOD 函数在各个领域都有广泛的应用。
以下是 SIGMOD 函数在机器学习和数据科学中的常见应用场景：3.1 逻辑回归在逻辑回归中，SIGMOD 函数常用于将输入的线性组合转化为概率值。
逻辑回归通过将线性回归的结果输入到 SIGMOD 函数中，将连续的预测值转化为0和1之间的概率值，从而进行二分类问题的预测。
3.2 人工神经网络SIGMOD 函数在人工神经网络（Artificial Neural Network, ANN）中也扮演着重要的角色。
在神经网络中，SIGMOD 函数通常被用作激活函数，用于在神经元中引入非线性。
SIGMOD 激活函数能够将输入的加权和映射到0和1之间的非线性范围内，从而模拟人脑神经元的激活过程。
3.3 数据预处理SIGMOD 函数还常被用于数据预处理中，用于将连续的特征值映射到0和1之间的范围内。
人工智能应用技术模拟题+参考答案
人工智能应用技术模拟题+参考答案一、单选题（共28题，每题1分，共28分）1.批量梯度下降，小批量梯度下降，随机梯度下降最重要的区别在哪里?A、梯度方向B、使用样本数C、梯度大小D、学习率正确答案：B2.机械学习是最简单的机器学习方法，机械学习就是A、记忆B、计算和推理C、规划D、以上都不对48正确答案：A3.下面哪个不属于数据的属性类型A、序数B、区间C、标称D、相异正确答案：D4.在人脸检测算法中，不属于该算法难点的是A、出现人脸遮挡B、需要检测不同性别的人脸C、需要检测分辨率很小的人脸D、人脸角度变化大正确答案：B5.下面对误差反向传播(errorbackpropagation,BP)描述不正确的是A、BP算法是一种将输出层误差反向传播给隐藏层进行参数更新的方法B、BP算法将误差从后向前传递，获得各层单元所产生误差，进而依据这个误差来让各层单元修正各单元参数C、对前馈神经网络而言，BP算法可调整相邻层神经元之间的连接权重大小D、在 BP算法中，每个神经元单元可包含不可偏导的映射函数正确答案：D6.以下说法正确的是（）A、一个机器学习模型，如果有较高准确率，总是说明这个分类器是好的B、如果增加模型复杂度，那么模型的测试错误率总是会降低C、不可以使用聚类“类别id”作为一个新的特征项，用监督学习进行学习D、ABC全错正确答案：D7.AI芯片也被称为 AI加速器，是专门用于处理人工智能应用中的大量计算任务的功能模块。
A、TRUEB、FALSE正确答案：A8.可以在自然语言处理中用于语义关系提取的神经网络技术是以下哪种？A、循环神经网络B、残差神经网络7C、递归神经网络D、卷积神经网络正确答案：A9.下面哪个/些超参数的增加可能会造成随机森林数据过拟合？1树的数量 2树的深度 3学习速率A、有 1、2B、都正确C、只有 1D、只有 3正确答案：A10.HUAWEIHiAI平台中的人脸检测是属于哪个模块?A、HiAIEngineB、HiAIFramework37C、HiAIFoundationD、HiAIService正确答案：A11.数据科学家可能会同时使用多个算法（模型）进行预测，并且最后把这些算法的结果集成起来进行最后的预测（集成学习），以下对集成学习说法正确的是（）A、单个模型之间有高相关性B、单个模型之间有低相关性C、在集成学习中使用“平均权重”而不是“投票”会比较好D、单个模型都是用的一个算法正确答案：B12.下列哪项属于集成学习A、决策树模型B、kNN分类C、AdaboostD、k-means正确答案：C13.下列哪个函数不可以做激活函数？A、y=2xB、y=tanh(x)C、y=max(x,0)D、y=sin(x)正确答案：A14.随着句子的长度越来越多，神经翻译机器将句意表征为固定维度向量的过程将愈加困难，为了解决这类问题，下面哪项是我们可以采用的？A、使用递归单元代替循环单元B、使用注意力机制(attentionmechanism)C、使用字符级别翻译(characterleveltranslation)D、所有选项均不对正确答案：B15.在以下模型中，训练集不需要标注信息的是()A、k-means24B、线性回归C、决策树D、神经网络正确答案：A16.假设我们已经在 ImageNet数据集(物体识别)上训练好了一个卷积神经网络。