人工智能期末总结

时间:2019-05-13 16:27:39下载本文作者:会员上传
简介:写写帮文库小编为你整理了多篇相关的《人工智能期末总结》,但愿对你工作学习有帮助,当然你在写写帮文库还可以找到更多《人工智能期末总结》。

第一篇:人工智能期末总结

1.人工智能是何时、何地、怎样诞生的? 1956 年夏季,美国的一些从事数学、心理学、计算机科学、信息论和神经学研究的年轻学 者,汇聚在 Dartmouth 大学,举办了一次长达两个月的学术讨论会,认真而热烈的讨论了用 机器模拟人类智能的问题。在这次会议上,第一次使用了“人工智能”这一术语,以代表有 关机器智能的这一研究方向。这是人类历史上第一次人工智能研讨会,标志着人工智能的诞 生,具有十分重要的意义。

2.什么是人工智能?人工智能的意义和目标是什么? 人工智能就是人造智能,指用计算机模拟或实现的智能,同时人工智能作为学科,是研 究如何使机器(计算机)具有智能的科学和技术,特别是自然智能如何在计算机上实现或再 现的科学或技术。研究人工智能是电脑发展的必然趋势,是当前信息化社会的迫切要求,同 时智能化也是自动化发展的必然趋势,另外,研究人工智能,对探索人类自身智能的奥秘也 会提供有益的帮助。人工智能的目标分近期目标和远期目标,近期研究目标是实现机器智能,远期目标是制造智能机器,具体讲就是使计算机具有听、说、读、写等感知和交互能力,具 有联想、推理、理解、学习等高级思维能力。

3.人工智能的主要研究和应用领域是什么? 人工智能的主要研究和应用领域有:定理证明,专家系统,机器学习,自然语言理解,智能 检索,机器人学,自动程序设计,组合调度问题,模式识别,机器视觉等。

4.人工智能有哪些主要研究途径与方法?简单描述其特点。人工智能有三种研究途径与方法:第一种是结构模拟,方法是神经计算。模拟人脑的生 理结构和工作机理,用人工神经元组成的神经网络作为信息和知识的载体,用神经计算的方 法实现学习、联想、识别和推理,使计算机表现某种智能。第二种是功能模拟,方法是符号 推演。具体讲就是模拟人的心理模型,将问题或知识表示程某种逻辑网络,采用符号推演的 方法,宏观上模拟人脑的思维实现机器智能。第三种途径是行为模拟,方法是控制进化。

5.什么是人工智能?人工智能的基本技术是什么? 人工智能就是人造智能,指用计算机模拟或实现的智能,同时人工智能作为学科,是研 究如何使机器(计算机)具有智能的科学和技术,特别是自然智能如何在计算机上实现或再 现的科学或技术。表示、运算、搜索是三大基本技术。

6.人工智能可分为符号智能和计算智能,请简述人工智能的基本技术。答:表示、运算和搜索。符号智能的表示是知识表示,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。

7.列举人工智能的五个应用领域。答:应用领域有:难题求解、自动定理证明、自动程序设计、自动翻译、智能控制、智 能管理、智能决策、智能通信、智能仿真、智能 CAD 等。

8.遗传算法中的三种遗传操作是什么?试举例说明。答:遗传算法的三种操作:复制,交叉,变异。

9.遗传算法是一种什么样的算法?它适合解决哪一类问题? 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。

10.产生式系统的运行过程就 是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,系统运行结束。

11.产生式系统有哪几种推理方式?各自的特点为何? 产生系统有两种推理方式:正向推理和反向推理。正向推理就是从初始事实数据出发,正向使用规则进行推理(即用规则前提与动态数据库中的事实匹配,或用动态数据库中的数 据测试推则的前提条件,然后产生结论或执行动作),朝目标方向前进;反向推理就是从目 标出发,反向使用规则进行推理(即用规则结论与目标匹配,又产生新的目标,然后对新目 标再做同样的处理),朝初始事实或数据方向前进。

15.产生式系统由哪几部分组成?各部分功能是什么? 答:产生式系统由三部分组成:产生式规则库,推理机和动态数据库。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。

17.按照学习方式分,机器学习可以分为哪几类?分别具有什么特征? 答:有导师学习,无导师学习,强化学习

18.从模拟人脑的角度出发,机器学习有哪两种方法?试简单描述其特点。按照学习途径分类,机器学习可以分为符号学习和连接学习两大类。符号学习是基于符号 处理的学习方法,连接学习或神经网络学习,则是基于神经网络的机器学习方法。

19.符号学习有哪些方法?试列举出五种。符号学习的方法:记忆学习、传授学习、演绎学习、类比学习、示例学习、发现学习、解释 学习。

20.模拟人脑的机器学习又分为符号学习和连接学习,对比符号学习和连接学习的不同,并 举出典型学习方法? 答:符号学习是模拟人脑的宏观心理级学习过程,以认知心理学原理为基础,以符号数据为输入,以符号运算为方法,用推理过程在图或状态空间中搜索,学习目标为概念或规则 等。典型方法有记忆学习、示例学习、类比学习、解释学习等;连接学习或神经网络学习,是模拟人脑的微观生理级学习过程,以脑和神经科学原理为基础,以人工神经网络为函数结 构模型,以数值数据为输入,以数值运算为方法,用迭代过程在系数向量空间中搜索,学习的目标为函数。典型的连接学习有权值修正学习、拓扑结构学习。

21.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? 按照拓扑结构分,神经网络可分为四大类: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。

22.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。

23.为什么使用归结原理进行定理证明时要使用归结策略? 答: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。

24.简述线性归结策略和单元归结策略。答: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。单元归结策略: 在归结过程中,每次参加归结的两个亲本子句中必须至少有一个是单元子句。

25.什么是启发函数、什么是启发式搜索? 答:启发式搜索就是利用启发信息进行制导的搜索。在启发式搜索中,常用启发函数来表示 启发性信息,启发函数就是用来估计搜索树节点 x 与目标节点 Sg 接近程度的一种函数,通 常用 h(x)来表示。启发函数的定义一般可以参考:一个节点到目标节点的某种距离或差 异的亮度;一个节点处在最佳路径上的概率。

26.对比图搜索,谈谈遗传算法的主要特点是什么? 答: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。

27.什么是盲目搜索,什么是启发式搜索?两者有何不同 答:盲目式搜索是指在搜索过程中,按规定的控制策略进行搜索,而没有任何中间信息来改 变这些控制策略。启发式搜索是根据问题本身的特性或搜索过程中产生的一些信息来不断地 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。

28.何谓专家系统?它有哪些基本特征? 专家系统是应用与某一专门领域,拥有该领域内相当数量的专家级知识,能模拟专家的思维,能达到专家水平,能象专家一样解决困难和复杂的实际问题的计算机(软件)系统。基本特征有四:一应用于某专门领域;二拥有专家级知识;三能模拟专家的思维;四能达到 专家级水平。

29.专家系统包括那些基本部分?每一部分的主要功能是什么? 专家系统包括如图所示的七部分,知识库用来存储知识推理机是用来实现推理的程序;动态数 据库是存放初始证据事实、推理结果和控制信息的场所;人机界面指的是最终用户与专家系 统的交互界面; 解释模块负责向用户解释专家系统的行为和结果; 知识库管理系统用来管理 知识库。加上自学习模块功能是在系统运行过程中能够不断的自动化完善丰富知识库中的知识。

30.什么是专家系统?包含哪几部分? 专家系统是应用与某一专门领域,拥有该领域内相当数量的专家级知识,能模拟专家的思维,能达到专家水平,能象专家一样解决困难和复杂的实际问题的计算机(软件)系统,专家系统包括七部分,知识库;动态数据库;人机界面;解释模块;知识库管理系统;自学习模 块功能;推理机。

32.什么是专家系统?专家系统与常规计算机程序有何区别? 答:专家系统是应用与某一专门领域,拥有该领域内相当数量的专家级知识,能模拟专 家的思维,能达到专家水平,能像专家一样解决困难和复杂的实际问题的计算机(软件)系 统,与常规程序的区别有五点:、(1)常规程序=数据结构+算法,专家系统=知识+推理;、(2)常规程序将知识组织为两级:数据级和程序级,专家系统将知识组织为三级:数据级、知识 库级和控制级;、常规程序处理的数据多是精确的,对数据检索是基于模式的布尔匹配(3)专家系统处理的数据和知识多是不精确的、模糊的,知识的匹配模式多是不精确的,需要为 其设定阈值;、常规程序基本是面向数值计算和数据处理的。专家系统本质上是面向符(4)号处理的;、常规程序一般不具有解释功能,而专家系统一般具有解释功能。

第二篇:南阳理工人工智能期末总结

1、谈谈你对于人工智能的认识。

人工智能就是人造智能,目前指用计算机模拟或实现的智能,因此人工智能又称机器智能。人工智能在我看来,应该是像人一样思考的系统、像人一样行动的系统、理性地思考的系统、理性地行动的系统,是像人一样具有感知的系统,是可以独立思考、独立判断的系统

2、人工智能有哪些研究途径和方法?它们的关系如何?

心理模拟,符号推演;生理模拟,神经计算;行为模拟,控制进化;群体模拟,仿生计算;博采广鉴,自然计算;原理分析,数学建模;它们各有所长,也都有一定的局限性,因此这些研究途径和方法并不能互相取代,而是并存和互补的关系。

3、人工智能有哪些研究内容?

搜索与求解、学习与发现、知识与推理、发明与创造、感知与交流、记忆与联想、系统与建造、应用与工程等八个方面。

6.人工智能的现状和发展呈现如下特点:多种途径齐头并进,多种方法写作互补;新思想、新技术不断涌现,新领域、新方向不断开括;理论研究更加深入,应用研究更加广泛;研究队伍日益壮大,社会影响越来越大;以上特点展现了人工智能学科的繁荣景象和光明前景。它表明,虽然在通向其最终目标的道路上,还有不少困难、问题和挑战,但前进和发展毕竟是大势所趋。9.综述图搜索的方式和策略。

答:图搜索方式可分为树式搜索和线式搜索。图搜索策略可分为盲目搜索和启发式搜索。13.有一农夫带一只狼、一只羊和一筐菜欲从河的左岸乘船到右岸,但受下列条件限制: (1)船太小,农夫每次只能带一样东西过河。(2)如果没有农夫看管, 则狼要吃羊,羊要吃菜。请设计一个过河方案, 使得农夫、狼、羊、菜都能不受损失地过河。画出相应的状态空间图。提示:(1)用四元组(农夫、狼、羊、菜)表示状态,其中每个元素都可为0或1, 用0表示在左岸, 用1表示在右岸。(2)把每次过河的一种安排作为一个算符,每次过河都必须有农夫, 因为只有他可以划船。

解:初始S=(0,0,0,0),目标G=(1,1,1,1)

定义操作符L(i)表示农夫带东西到右岸:

定义操作符R(i)表示农夫带东西到左岸: i=0 农夫自己到右岸;

i=0 农夫自己到左岸; i=1 农夫带狼到右岸;

i=1 农夫带狼到左岸; i=2 农夫带羊到右岸;

i=2 农夫带羊到左岸; i=3 农夫带菜到右岸;

i=3 农夫带菜到左岸; 约束状态如下:

(1,0,0,X)狼、羊在左岸;

(1,X,0,0)羊、菜在左岸;

(0,1,1,X)狼、羊在右岸;

(0,X,1,1)羊、菜在右岸;

15.广度优先搜索与深度优先搜索各有什么特点?

答:广度优先搜索就是始终先在同一级节点中考查,只有当同一级节点考查完之后,才考查下一级节点。或者说,是以初始节点为根节点,向下逐级扩展搜索树。所以,广度优先策略的搜索树是自顶向下一层一层逐渐生成的。深度优先搜索就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(到达叶子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树根开始一枝一枝逐渐形成的。深度优先搜索亦称为纵向搜索。由于一个有解的问题树可能含有无穷分枝,深度优先搜索如果误入无穷分枝(即深度无限),则不可能找到目标节点。所以,深度优先搜索策略是不完备的。另外,应用此策略得到的解不一定是最佳解(最短路径)。广度优先搜索与深度优先搜索都属于盲目搜索。

18.局部择优搜索与全局择优搜索的相同处与区别各是什么?

答:局部择优搜索与全局择优搜索的区别是,扩展节点N后仅对N的子节点按启发函数值大小以升序排序,再将它们依次放入OPEN表的首部。故算法从略。

19.传教士和野人问题。有三个传教士和三个野人一起来到河边准备渡河, 河边有一条空船,且传教士和野人都会划船, 但每次最多可供两人乘渡。河的任何一岸以及船上一旦出现野人人数超过传教士人数,野人就会把传教士吃掉。为安全地渡河,传教士应如何规划渡河方案?试给出该问题的状态图表示, 并用PROLOG语言编程求解之。

若传教士和野人的数目均为五人,渡船至多可乘三人,请定义一个启发函数, 并给出相应的搜索树。

解:首先选取描述问题状态的方法。在这个问题中,需要考虑两岸的修道士人数和野人数,还需要考虑船在左岸还是在右岸。从而可用一个三元组来表示状态: S=(m, c, b)其中,m表示左岸的修道士人数,c表示左岸的野人数,b表示左岸的船数。

右岸的状态可由下式确定:右岸修道士数:m'=3-m;右岸野人数:c'=3-c;右岸船数:b'=1-b 在这种表示方式下,m和c都可取0、1、2、3中之一,b可取0和1中之一。因此,共有4×4×2=32种状态。这32种状态并非全有意义,除去不合法状态和修道士被野人吃掉的状态,有意义的状态只有16种:

S0=(3, 3, 1)S1=(3, 2, 1)S2=(3, 1, 1)S3=(2, 2, 1)S4=(1, 1, 1)S5=(0, 3, 1)S6=(0, 2, 1)S7=(0, 1, 1)S8=(3, 2, 0)S9=(3, 1, 0)S10=(3, 0, 0)S11=(2, 2, 0)S12=(1, 1,0)S13=(0, 2, 0)S14=(0, 1, 0)S15=(0, 0, 0)有了这些状态,还需要考虑可进行的操作。

操作是指用船把修道士或野人从河的左岸运到右岸,或从河的右岸运到左岸。

每个操作都应当满足如下条件:

一是船至少有一个人(m或c)操作,离开岸边的m和c的减少数目应该等于到达岸边的m和c的增加数目;二是每次操作船上人数不得超过2个; 三是操作应保证不产生非法状态。因此,操作应由条件部分和动作部分: 条件:只有当其条件具备时才能使用动作:刻划了应用此操作所产生的结果。操作的表示: 用符号Pij表示从左岸到右岸的运人操作用符号Qij表示从右岸到左岸的操作 其中: i表示船上的修道士人数 j表示船上的野人数

操作集

本问题有10种操作可供选择:

F={P01, P10, P11, P02, P20,Q01, Q10, Q11, Q02, Q20} 下面以P01和Q01为例来说明这些操作的条件和动作。

操作符号 条件 动作

P01 b=1, m=0或3, c≥1 b=0, c=c-1 Q01 b=0, m=0或3,c≤2 b=1, c=c+1 20.设(1)凡事清洁的东西

就有人喜欢

(2)人们都不喜欢苍蝇 用归结原理证明苍蝇 是不清洁的

一、填空题(每空1分,共30分)

(1)在人工智能的研究发展中有多种不同的主张,其中比较典型的有3个主要学派: 符号主义 学派、连结主义学派、行为主义 学派。

(2)对于“图灵测试”,美国哲学家约翰·西尔勒提出了异议,他用一个现在称为 中文屋子 的假设,试图说明即便是一台计算机通过了图灵测试,也不能说它就真的具有了智能。

(3)在图搜索算法中往往要用到 OPEN 和 CLOSED 表两个表,其中前者用来专门记录考查过的节点,后者用来专门登记待考察的节点。

(4)遗传算法就是人们从生物界按 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,而设计出的一种 优化搜索算法。

(5)智能可以分为 脑智能 和群智能 两种。

(6)状态图搜索策略,可以分为 盲目搜索 和启发式搜索两大类,在启发式搜索中,其关键的问题是。

(7)不含任何文字的子句成为 空子句,记为“口”或NIL,它在基于谓词逻辑的计算机推理中具有重要的作用。

(8)将二进制编码的染色体01001011的从右至左第二、四位变异后的所得的新染色体为 01000001。(9)人工智能的三个最基本核心技术是表示、运算 和 搜索。(10)产生式系统的推理分为 正向推理 和 反向推理 两种方式。

(11)框架适合表达结构性的知识,概念、对象 等知识最适于用框架表示;框架的槽就是对象的属性或状态,槽值就是 属性值或状态值。

(12)狭义上讲,知识或信息中的不确定性是指描述随机事件或随机现象所表现出的不确定性——这种不确定性一般用概率来刻画。广义不确定性进一步划分可分为:(狭义)不确定性、不确切性、不完全性、不一致性、时变性等几种类型。

(13)机器学习可分为 信息、发现 和知识三个要素,它们分别是机器学习的对象、方法和目标。

9(14)在模式识别中,距离分类法又可以分为 标准模式法、平均距离法、最邻近法 等。

(15)知识获取有 人工途径、半自动获取、自动获取 等三种途径。

二、选择题(每小题2分,共10分)

(1)面向对象知识表示是最结构化的知识表示方法。面向对象知识表示很类似于(C)A.表 B.语义网络 C.框架 D.产生式

(2)知识库中的知识一般包括专家知识、领域知识和(C)A.系统知识 B.理论知识 C.元知识 D.经验知识(3)计算智能是模拟(B)的人工智能。

A.脑智能 B.群智能 C.符号智能 D.连接主义

(4)集合{P[x,f(y),B],P[A,f(B),B]}的最一般的合一替换应为(B)A.{B/X} B.{B/y} C.{x/x} D.{A/x,B/y}(5)能根据学生的特点、弱点和基础知识,以最适当的教案和教学方法对学生进行教学和辅导的专家系统是(D)

A.解释专家系统 B.调试专家系统 C.监视专家系统 D.教学专家系统

20.图搜索技术是人工智能中的核心技术之一,人工智能的许多分支领域都涉及到图搜索。这里的图是指由节点和有向边组成的网络。按连接同一个节点的个边间的逻辑关系划分,图又可分为图(也称直接图)和与或图两大类。图搜索分为或图搜索和与图搜索两大类。或图通常称为状态图。21.用计算机来实现状态图的搜索, 有两种最基本的方式: 树式搜索和线式搜索。

22.对于状态图搜索策略大体可分为盲目搜索和启发式搜索两大类。按搜索范围的扩展顺序不同,搜索可分为广度优先和深度优先两种类型。对于树式搜索, 既可深度优先进行, 也可广度优先进行。对于线式搜索则总是深度优先进行。23.搜索算法

由于搜索的目的是为了寻找初始节点到目标节点的路径, 所以在搜索过程中就得随时记录搜索轨迹。为了记录搜索轨迹, 我们用一个称为CLOSED表的动态数据结构来专门记录考查过的节点。对于树式搜索来说, 还得不断地把待考查的节点组织在一起, 并做某种排列, 以便控制搜索的方向和顺序。为此, 我们采用一个称为OPEN表的动态数据结构,来专门登记当前待考查的节点。 24.与或图搜索几个概念:(算法看课本的例子,还有和代价和最大代价)

本原问题——直接可解的简单问题;(已知条件,真理,定理及推论, 等相关)终止节点——本原问题对应的节点; 端 节 点——与或图中无子节点的节点;

与 节 点——子节点是“与”关系的节点;或 节 点——子节点是“或”关系的节点。

终止节点一定是端节点,端节点不一定是终止节点。

广度优先:广度优先搜索就是始终先在同一级节点中考查, 只有当同一级节点考查完之后, 才考查下一级节点。或者说,是以初始节点为根节点, 向下逐级扩展搜索树。所以,广度优先策略的搜索树是自顶向下一层一层逐渐生成的。(其中OPEN表是一个队列,CLOSED表是一个顺序表)步1 把初始节点So放入OPEN表中。

步2 若OPEN表为空, 则搜索失败,退出。

步3 取OPEN表中前面第一个节点N放在CLOSED表中, 并冠以顺序编号n。 步4 若目标节点Sg=N,则搜索成功, 结束。 步5 若N不可扩展, 则转步2。

步6 扩展N, 将其所有子节点配上指向N的指针依次放入OPEN表尾部, 转步2。

深度优先搜索:深度优先搜索就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(到达叶子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树根开始一枝一枝逐渐形成的。(其中OPEN表是一个堆栈)(前五步与广度一样)

步6扩展N, 将其所有子节点配上指向N的返回指针依次放入OPEN表的首部, 转步2。

全局择优搜索:全局择优搜索就是利用启发函数制导的一种启发式搜索方法。该方法亦称为最好优先搜索法, 它的基本思想是:在OPEN表中保留所有已生成而未考察的节点, 并用启发函数h(x)对

它们全部进行估价,从中选出最优节点进行扩展,而不管这个节点出现在搜索树的什么地方。步1 把初始节点So放入OPEN表中,计算h(So)。 步2 若OPEN表为空,则搜索失败, 退出。

步3 移出OPEN表中第一个节点N放入CLOSED表中, 并冠以序号n。 步4 若目标节点Sg=N, 则搜索成功, 结束。 步5 若N不可扩展, 则转步2。

步6 扩展N, 计算每个子节点x的函数值h(x), 并将所有子节点配以指向N的返回指针后放入OPEN表中, 再对OPEN表中的所有子节点按其函数值大小以升序排序,转步2。

局部择优搜索:局部择优搜索与全局择优搜索的区别是, 扩展节点N后仅对N的子节点按启发函数值大小以升序排序, 再将它们依次放入OPEN表的首部。故算法从略。

(前5步一样)

步6 扩展N, 计算每个子节点x的函数值h(x), 扩展节点N后仅对N的子节点按启发函数值大小以升序排序, 再将它们依次放入OPEN表的首,转步2。

遗传算法(GA: Genetic Algorithm)就是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,而设计出的一种优化搜索算法。遗传算法中的三种遗传操作:选择—复制、交叉和变异

删除策略:在归结过程中可随时删除一下子句:①含有纯文字的字句②含有永真式的子句 ③被子句集中别的子句类包含的子句。例3.22 设已知:

(1)能阅读者是识字的;(2)海豚不识字;

(3)有些海豚是很聪明的。

试证明:有些聪明者并不能阅读。

证 首先,定义如下谓词:R(x):x能阅读。L(x):x识字。I(x):x是聪明的。D(x):x是海豚。然后把上述各语句翻译为谓词公式:

(1)x(R(x)→L(x))(2)x(D(x)→乛L(x))(3)x(D(x)∧I(x))(4)x(I(x)∧乛R(x))求题设与结论否定的子句集,得

(1)乛R(x)∨L(x)(2)乛D(y)∨乛L(y)(3)D(a)(4)I(a)(5)乛I(z)∨R(z)归结得

(6)R(a)(5),(4),{a/z}(7)L(a)(6),(1),{a/x}(8)乛D(a)(7),(2), {a/y}(9)□(8),(3) 例3.23 已知:(1)如果x和y是同班同学,则x的老师也是y的老师。(2)王先生是小李的老师。(3)小李和小张是同班同学。

问:小张的老师是谁? 解 设谓词T(x,y)表示x是y的老师,C(x,y)表示x与y是同班同学,则已知可表示成如下的谓词公式:

F1: x y z(C(x,y)∧T(z,x)→T(z,y))F2:T(Wang,Li)F3:C(Li,Zhang)为了得到问题的答案,我们先证明小张的老师是存在的,即证明公式: G: x T(x,Zhang)于是,求F1∧F2∧F3∧ G的子句集如下:(1)C(x,y)∨ T(z,x)∨T(z,y)11(2)T(Wang,Li)(3)C(Li,Zhang)(4)T(u,Zhang)归结演绎,得

(5)C(Li,y)∨T(Wang,y)由(1),(2),{Wang/z,Li/x}(6)C(Li,Zhang)由(4),(5),{Wang/u,Zhang/y}(7)□ 由(3),(6)

这说明,小张的老师确实是存在的。那么,为了找到这位老师,我们给原来的求证谓词的子句再增加一个谓词ANS(u)。于是,得到

(4)′ T(u,Zhang)∨ANS(u)

现在,我们用(4)′代替(4),重新进行归结,则得

(5)′ C(Li,y)∨T(Wang,y)由(1)(2)(6)′ C(Li,Zhang)∨ANS(Wang)由(4)′(5)′

(7)′ANS(Wang)由(3)(6)′ 例3.24 设有如下关系:(1)如果x是y的父亲,y又是z的父亲,则x是z的祖父。(2)老李是大李的父亲。(3)大李是小李的父亲。

问:上述人员中谁和谁是祖孙关系?

解 先把上述前提中的三个命题符号化为谓词公式: F1: x y z(F(x,y)∧F(y,z)→G(x,z))F2: F(Lao,Da)F3: F(Da,Xiao)并求其子句集如下:(1)乛 F(x,y)∨乛 F(y,z)∨G(x,z)(2)F(Lao,Da)(3)F(Da,Xiao) 设求证的公式为

G: x yG(x,y)(即存在x和y,x是y的祖父)把其否定化为子句形式再析取一个辅助谓词GA(x,y),得(4)乛G(u,v)∨GA(u,v)

对(1)~(4)进行归结,得

(5)乛F(Da,z)∨G(Lao,z)(1),(2),{Lao/x,Da/y}(6)G(Lao,Xiao)(3),(5),{Xiao/z}(7)GA(Lao,Xiao)(4),(6),{Lao/u,Xiao/v}

所以,上述人员中,老李是小李的祖父。子句的蕴含表示形式

原子公式及其否定称为文字 Horn子句与逻辑程序

至多含有一个正文字的子句称为Horn(有些文献中译为“霍恩”)子句。产生式系统由三部分组成: 产生式规则库、推理机和动态数据库.产生式系统的推理可分为正向推理和反向推理两种基本方式。正向推理

正向推理算法一: 

步1 将初始事实/数据置入动态数据库。

步2 用动态数据库中的事实/数据, 匹配/测试目标条件, 若目标条件满足, 则推理成功, 结束。步3 用规则库中各规则的前提匹配动态数据库中的事实/数据, 将匹配成功的规则组成待用规则 12 集。

步4 若待用规则集为空, 则运行失败, 退出。

步5 将待用规则集中各规则的结论加入动态数据库, 或者执行其动作, 转步2。反向推理

步1 将初始事实/数据置入动态数据库, 将目标条件置入目标链。 步2 若目标链为空, 则推理成功, 结束。

步3 取出目标链中第一个目标, 用动态数据库中的事实/数据同其匹配, 若匹配成功, 转步2。步4 用规则集中的各规则的结论同该目标匹配, 若匹配成功,则将第一个匹配成功且未用过的规则的前提作为新的目标, 并取代原来的父目标而加入目标链, 转步3。 步5 若该目标是初始目标, 则推理失败, 退出。

步6 将该目标的父目标移回目标链, 取代该目标及其兄弟目标, 转步3。每个学生读过《三国演义》

≯x(student(x)→ read(x, 三国演义))

 GSstudentreadbook

ISAISAISAISA Fsubjectobject Rxread1三国演义 A• 猴子摘香蕉问题。– 用四元组来(w,x,y,z)表示状态,w:表示猴子的位置; x:表示猴子是否在箱顶; y:箱子的水平位置; z:猴子是否拿到香蕉。初始位置为(a,0,b,0),目标位置为(c,1,c,1)规则集中的规则:

If(w,0,y,z)then goto(u),状态为(u,0,y,z)If(w,0,w,z)then pushbox(v),状态为(v,0,v,z)If(w,0,w,z)then climbbox,状态为(w,1,w,z)If(c,1,c,0)then grasp,状态为(c,1,c,1)

学生框架例子 框架名:<学生> 性别:(男,女)成绩:(优,良,中,差)类型:(<小学生>,<中学生>,<大学生>,<研究生>)民族:(汉族,回族,白族,朝鲜族,等)缺省:汉族

籍贯:(河南,山东,河北,湖南等)缺省:河南 老师框架例子 框架名:<教师> 类属:<知识分子> 工作:范围:(教学,科研)缺省:教学

性别:(男,女)学历:(中师,高师)类型:(<小学教师>,<中学教师>,<大学教师>)

狭义上讲,知识或信息中的不确定性是指描述随机事件或随机现象所表现出的不确定性——这种不确定性一般用概率来刻画。

广义不确定性分类:(狭义)不确定性、不确切性(模糊性)、不完全性、不一致性、时变性等几种类型。

不确定性推理=符号推演+信度计算

机器学习就是让计算机模拟人的学习行为,或者说计算机也具有学习的能力。

人工智能中的机器学习主要是指机器对自身的行为的修正或性能的改善和机器对客观规律的发现。机器学习的三要素:信息、发现和知识。他们分别是机器学习的对象、方法和目标。基于学习策略的分类:模拟人脑的机器学习、直接采用教学方法的机器学习。

知识发现的任务:数据总结、概念描述、分类、聚类、相关性分析、偏差分析、建模。

根据连接的拓扑结构不同,神经网络可分为四大类:分层向前网络、反馈前向网络、广泛互联网络。什么是决策树

决策树(decision tree)也称判定树,它是由对象的若干属性、属性值和有关决策组成的一棵树。其中的节点为属性(一般为语言变量),分枝为相应的属性值(一般为语言值)。决策树学习的基本方法和步骤是: 

首先,选取一个属性, 按这个属性的不同取值对实例集进行分类;并以该属性作为根节点,以这个属性的诸取值作为根节点的分枝, 进行画树。

然后,考察所得的每一个子类, 看其中的实例的结论是否完全相同。如果完全相同, 则以这个相同的结论作为相应分枝路径末端的叶子节点;否则, 选取一个非父节点的属性, 按这个属性的不同取值对该子集进行分类, 并以该属性作为节点, 以这个属性的诸取值作为节点的分枝, 继续进行画树。如此继续,直到所分的子集全都满足: 实例结论完全相同, 而得到所有的叶子节点为止。这样, 一棵决策树就被生成。

模式:能够表征或刻画被识对象类属特征的信息模型称为对象的模式(pattern)。

模式类:具有某些共同特性的模式的集合称为模式类, 判定一个待识模式类属的过程称为模式识别。

最常用的模式表示形式有向量和字符串。模式设别的原理:

模式识别的全过程分为两步: 第一步是分类知识的生成过程, 其实是个纯粹的机器学习过程;第二步才是真正的模式识别过程。

依据模式的表示形式,模式识别方法可分为基于特征向量的模式识别和基于字符串的模式识别, 前者称为统计模式识别, 后者称为结构模式识别。统计模式识别和结构模式识别是两种经典而基本的模式识别方法, 统计模式识别(距离分类法、几何分类法、概率分类法)距离分类法:标准模式法,平均距离法、最临近法

要理解一个语句,需建立起一个和该简单句相对应的机内表达。而要建立机内表达,需要做以下两方面的工作:

(1)理解语句中的每一个词。

(2)以这些词为基础组成一个可以表达整个语句意义的结构。

实现机器的自然语言理解都涉及哪些工作?语法分析,语义分析、语用分析。

第三篇:人工智能总结(精华版)

1、PROLOG程序一般由一组事实、规则和问题组成。事实一般表示对象的性质或关系;规则一般表示对象间的因果关系、蕴含关系或对应关系; 问题表示用户的询问是程序运行的目标。问题是程序执行的起点,称为程序的目标。PROLOG就是一种基于Horn子句的逻辑程序。

PROLOG程序的运行是从目标出发,并不断进行匹配、合一、归结,有时还要回溯,直到目标别完全满足或不能满足时为止。

PROLOG程序的执行过程是一个(归结)演绎推理过程。其特点是:推理方式为反向推理, 控制策略是深度优先, 且有回溯机制。

3、简述用A*算法求解问题时为什么会出现重复扩展节点问题,解决的方法有哪些?

答:当问题有解时,A*算法总是找到问题的最优解结束。如果h函数定义的不合理,则当扩展一个节点时,不一定就找到了从初始节点到该节点的最优路径,对于这样的节点,就有可能被多次扩展。特别是如果这样的节点处于问题的最优解路径上时,则一定会被多次扩展。解决的方法一是对h函数的定义给出限制,使得h满足单调性。对于满足单调性条件的h,则一定不会出现重复扩展节点问题。二是对A*算法加以改进,使用修正的A*算法进行搜索,这样,随着经验的丰富,系统的性能自然就会不断改善和提高。

24、机器学习的三个要素:信息,发展和知识。对应于机器学习的对象、方法和目标。

25、基于学习策略的分类:符号学习和神经网络学习。

26、决策树:也称判断树,它由对象的若干属性、属性值和有关决策组成的一棵树。其中的节点为属性,分支为属性值,从同一节点出发的各个分支之间是逻辑或关系,根节点为对象的一个属性;从根节点出发到每一个叶子节点的所有节点和边,按顺序串联成一条分支路径,位于同一分支路径上的各个属性-值对之间是逻辑与关系,叶子节点是这个与关系的对应结果,即决策。

27、决策树学习首先要有一个实例集,基本方法和步骤:(1)选取一个属性,按这个属性的不同取值对实例集进行分类;并以该属性作为根节点,以这个属性的诸取值作为根节点的分支,进行画树;(2)考察所得的每一个子类,看其中的实例的结论是否完全相同。如果相同,则以这个相同的结论作为相应分支路径末端的叶子节点;否则,选取一个非父节点的属性,按这个属性的不同取值对孩子集进行分类,并以该属性作为节点,以这个属性的诸取值作为节点的分支,继续进行画树。如此继续,直到所分的子集全都满足:实则可以减少重复扩展节点问题。

4、简述回溯策略与深度优先策略的不同点。

答:回溯搜索策略与深度有限搜索策略最大的不同是深度有限搜索策略属于图搜索,而回溯搜索则不是图搜索。在回溯搜索中,只保留了从初始节点到当前节点的搜索路径。而深度优先搜索,则保留了所有的已经搜索过的路径。

5、不确定性类型按性质分:随机性,模糊性,不完全性,不一致性

6、在删除策略归结的过程中删除以下子句:含有纯文字的子句;含 有永真式的子句;子句集中被别的子句类含的子句。

7、图:指由节点和有向边组成的网络。按连接同一节点的各边的逻辑关系又可分为或图和与或图。

8、合一算法:求非空有限具有相同谓词名的原子公式集的最一般合一(MGU)。

9、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。

10、什么是产生式?产生式规则的语义是什么?

产生式规则基本形式:P→Q 或者 IF P THEN Q P 是产生式的前提(前件),用于指出该产生式是否可用的条件 Q 是一组结论或操作(后件),用于指出当前提 P 所指示的条件满足时,应该得出的结论或应该执行的操作

产生式规则的语义:如果前提P被满足,则可推出结论 Q 或执行 Q 所规定的操作

11、谓词公式G通过8个步骤所得的子句集合S,称为G的子句集。请写出这些步骤:1)消去蕴含式和等价式→,<-> ;2)缩小否定词的作用范围,直到其作用于原子公式: ;3)适当改名,使量词间不含同名指导变元和约束变元。;4.)消去存在量词(形成Skolem标准型);5)消去所有全称量词 ;6)化成合取范式;7).适当改名,使子句间无同名变元;8).消去合取词∧,用逗号代替,以子句为元素组成一个集合S

12、人工智能的基本技术包括搜索技术 推理技术 知识表示和知识库技术、归纳技术、联、想技术

13、产生式系统有三部分组成综合数据库,知识库和推理机。其中推理可分为正向推理和反向推理。

14、在归结原理中,几种常见的归结策略并且具有完备性的是删除策略 支持集策略 线性归结策略、输入归结策略、单元归结策略

15、归结法中,可以通过修改证明树的方法得到问题的解答

16、开发专家系统所要解决的基本问题有三个,那就是知识的获取、知识的表示和知识的运用,在语义网络表示知识时,所使用的推理方法有AKO 和ISA。

17、α-β剪枝的条件是:α剪枝:若任一极小值层节点的β值小于或等于它任一先辈极大值节点的α值,即α(先辈层)≥β(后继层),则可中止该极小值层中这个MIN节点以下的搜索过程。这个MIN节点最终的倒推值就确定为这个β值。

β剪枝:若任一极大值层节点的α值大于或等于它任一先辈极小值层节点的β值,即α(后继层)≥β(先辈层),则可以中止该极大值层中这个MAX节点以下的搜索过程。这个MAX节点的最终倒推值就确定为这个α值。

18、知识表示的方法主要有逻辑表示法(谓词表示法)框架 产生式和语义网络,类和对象,模糊集合,因果网络,脚本,过程等

19、知识的分类:(1)就形式而言:显示和隐式。显示知识是指可用语言文字符号形象声音及其他人能直接识别和处理的形式,明确的在其载体上表示出来的知识。隐式知识只可用神经网络存储和表示(2)就严密性和可靠性而言:理论知识和经验知识(3)就确定性而言:确定性知识和不确定知识(4)就确切性而言:确切描述的知识和非确切描述的知识。

20、知识表示是指面向计算机的知识描述或表达形式和方法。具体的讲就是要用某种约定的形式结构来描述知识,而且这种形式结构还要能够转换为机器的内部形式,使的计算机能方便的存储、处理和应用。------知识表示是建立专家系统级各种知识系统的重要环节,也是知识工程的一个重要方面。

21、基于谓词逻辑的推理主要是演绎方式的推理;基于框架、语义网络和对象知识表示的推理是一种称为继承的推理。

22、机器学习:主要指机器对自身行为的修正或性能的改善和机器对客观规律的发现。(让计算机模拟人的学习行为,或者说让计算机也具有学习的能力)

23、机器学习的流程:(1)对于输入的信息,系统根据目标和经验做出决策予以响应,即执行相应的动作;(2)对目标的实现或任务的完成情况进行评估;(3)将本次的输入、响应和评价作为经验予以存储记录。可以看出,第一次决策时系统中还无任何经验,但从第二此决策开始,经验便开始积累。

例结论完全相同,而得到所有的叶子节点为止。这样一棵决策树就被生成。

28、神经网络分为四大类:分层前向网络、反馈前向网络、互联前向网络、广泛互联网络。

29、网络学习一般是利用一组称为样本的数据,作为网络的输入(和输出),网络按照一定的规则自动调节神经元之间的连接强度或拓扑结构,当网络的实际输出满足期望的要求,或者趋于稳定是,则认为学习成功。

30、神经网络学习的规则是权值修正规则:相关规则和误差修正规则。

31、神经网络学习方法分类:(外部影响)有导师学习,强化学习,无导师学习;(内部变化)权值修正,拓扑变化,权值与拓扑修正;(算法性质)确定性学习,随机性学习;(输入要求)基于相似性学习,基于命令学习。

32、专家系统:应用于某一专门领域,拥有该领域相当数量的专家级知识,能模拟专家的思维,能达到专家级水平,像专家一样解决困难、复杂的实际问题的计算机(软件)系统。

33、专家系统的基本要素:专家拥有丰富的专业知识和实践经验或者说拥有丰富的理论知识和经验知识,特别是经验知识。

34、专家系统与一般的软件系统开发无异,其开发过程同样要遵循软件工程的步骤和原则,即也要进行系统分析、系统设计等几个阶段的工作。

但由于它是专家系统,而不是一般的软件系统,所以,又有其独特的地方,主要包括以下几个步骤:

系统总体分析与设计;知识获取;知识表示与知识描述语言设计;知识库设计、知识库管理系统设计;推理机与解释模块设计;总控与界面设计;编程与调试;测试与评价;运行与维护。可以看出它有如下特点:知识获取和知识表示设计是一切工作的起点;知识表示与知识描述语言确定后,其他设计可同时进行;

35、对涉及人工智能的一些问题的认识:首先人工智能把人脑更有效的扩大和延伸是人类智能扩大的延伸,人工智能的应用十分广泛:机器翻译、智能控制、模式识别、机器博弈等,运用智能技术解决很多的实际问题从而使现有的计算机更有效更灵活成为人类智能化信息处理的工具。人工智能用计算机模拟人的思维活动包含理解能力、学习能力、推理能力,主要是脑功能的结构模拟和功能模拟。然而人类不能赋予机器同等的情感,无法确保责任问题,此外生物物种灭绝新型细菌的出现,人类的未来难以预料

37、能解节点定义如下: ①(终节点)是能解节点; ②若非终节点有(“或”)子节点时,当且仅当其子节点至少有一能解,该非终节点才能解; ③若非终节点有(“与”)子节点时,当且仅当其子节点均能解,该非终节点才能解。

18、局部图的耗散值定义如下: ①若n是局部图的一个叶节点,则k(n,N)=(h(n)),其中(h(n))表示节点n到目标节点集的最佳解图耗散值的估计; ②若n由一个外向连接符指向后继节点{n1,…,ni},并设该连接符的耗散值为Cn,则k(n,N)=(Cn+ k(n1,N)+ … + k(ni,N))。

19、耗散值最小的解图称为(最佳)解图

20、AO*算法是一种用于对(与或图)进行搜索的启发式搜索算法,该算法对目前找到的局部图进行评价,选择(耗散值最小)的局部图进行优先搜索,直到找到一个解图为止。当启发函数h满足(单调)条件时,在问题有解的情况下,AO*算法一定能找到最佳解图结束。

21、所谓“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。主持人向参与人和机器提问,通过提问的结果来判断谁是人,谁是机器。如果主持人无法判断谁是人,谁是机器,则这台机器具备智能,即所谓的“智能机器”。

22/深度优先方法的特点是什么?属于图搜索;是一个通用的搜索方法;如果深度限制不合适,有可能找不到问题的解;不能保证找到最优解。

23/什么是置换?置换是可交换的吗?通常用有序对的集合s={t1/v1,t2/v2,„,tn/vn}来表示任一置换,置换集的元素ti/vi的含义是表达式中的变量vi处处以项ti来替换,用s对表达式E作置换后的例简记为Es。一般来说,置换是不可交换的,即两个置换合成的结果与置换使用的次序有关。

第四篇:青岛科技大学2016-2017-1人工智能期末考试题

一、谓词逻辑证明

1、设有前提:

(1)凡是大学生都学过计算机;

(2)小王是大学生。

试问:小王学过计算机吗? 解:令S(x):x是大学生 M(x):x学过计算机; a:小王

上面命题用谓词公式表示为:

(1)x(S(x)M(x))(2)S(a)

我们进行形式推理:

[前提]

(2)S(a)M(a)

[(1)US](3)S(a)

[前提](4)M(a)

[(2)(3)I3] M(a),即小王学过计算机。

2、用谓词公式表示下述命题。已知前提:

(1)自然数都是大于零的整数。(2)所有整数不是偶数就是奇数。(3)偶数除以2是整数。

结论:所有自然数不是奇数就是一半为整数的数。

化F1  F2  F3  ¬G的子句集。

F1: x(N(x)GZ(x) I(x))

F2: x(I(x)(E(x)O(x)))

F3:  x(E(x) I(s(x)))

G: x(N(x)(I(s(x))O(x)))解:F1  F2  F3  ¬G的子句集为(1)¬N(x) GZ(x)(2)¬N(y) I(y)(3)¬I(z) E(z)O(z)(4)¬E(u) I(s(u))(5)N(a)(6)¬O(a)(7)¬I(s(a)

3、设已知:

(1)能阅读者是识字的;

(2)海豚不识字;

(3)有些海豚是很聪明的。

试证明:有些聪明者并不能阅读。证

首先定义如下谓词:

R(x):x能阅读。

L(x):x能识字。

I(x):x是聪明的。

D(x):x是海豚。

将上述各语句翻译成谓词公式:

(1)(x)(R(x)L(x))

(2)(x)(D(x)¬L(x))

已知条件

(3)(x)(D(x) I(x))

(4)(x)(I(x) ¬ R(x))

需证结论

用归结反演法来证明,求题设与结论否定的子句集,得:

(1)¬ R(x) L(x)

(2)¬ D(y) ¬L(y)

(改名)

(3)D(a)

(4)I(a)

(5)¬ I(z) R(z)归结得:

(6)R(a)

[(5),(4),{a/z}]

(7)L(a)

[(6),(1),{a/x}]

(8)¬D(a)

[(7),(2),{a/y}]

(9)Nil

[(8),(3)]

二、框架语义网络显示

1、试实现一个“大学教师”的框架,大学教师类属于教师,包括以下属性:学历(学士、硕士、博士)、专业(计算机、电子、自动化、„„)、职称(助教、讲师、副教授、教授)解:

框架名:<大学教师> 类属:<教师> 学历:(学士、硕士、博士)专业:(计算机、电子、自动化、„..)职称:(助教、讲师、副教授、教授)

2、【虚拟新华社3月16日电】昨日,沙尘暴袭击韩国汉城,机场与高速公路被迫关闭,造成的损失不详。韩国官方示,如果需要直接损失情况,可待一周后的官方公布的字。此次沙尘暴起因中日韩专家认为是由于中国内蒙古区过分垦牧破坏植被所致。解:

框架名:<沙尘暴> 时间:3月15日 地点:韩国汉城 损失:不详

起因:中国内蒙古区

3、假设有以下一段天气预报:“北京地区今天白天晴,偏北风3级,最高气温12º,最低气温-2º,降水概率15%。”请用框架表示这一知识。

解:Frame<天气预报>

地域:北京

时段:今天白天

天气:晴

风向:偏北

风力:3级

气温:最高:12度

最低:-2度

降水概率:15%

三、确定性理论求解

1、设有如下一组产生式规则和证据事实,试用确定性理论求出由每一个规则推出的结论及其可信度。

规则:

① if A then B(0.9)

② if B and C then D(0.8)

③ if A and C then D(0.7)

④ if B or D then E(0.6)事实:

A,CF(A)=0.8;C,CF(C)=0.9 解:

规则①得:CF(B)=0.9×0.8=0.72

由规则②得:CF(D)1=0.8×min{0.72,0.9)=0.8×0.72=0.576

由规则③得:CF(D)2=0.7×min{0.8,0.9)=0.7×0.8=0.56

从而 CF(D)=CF(D)1+CF(D)2-CF(D)1×CF(D)2

=0.576+0.56-0.576×0.56=0.32256

由规则④得:

CF(E)=0.6×max{0.72,0.32256}=0.6×0.72=0.432

2、P180:习题八-7题 设有如下一组规则: R1: if E1 then E2(0.6)R2: if E2 and E3 then E4(0.8)R3: if E4 then H(0.7)R4: if E5 then H(0.9)且已知

CF(E1)=0.5, CF(E3)=0.6, CF(E5)=0.4 用确定性理论求CF(H).四、prolog语言

1、predicates student(integer,string,real)grade goal grade.clauses student(1,”zhangsan”,90.2).student(2,”lisi”,95.5).student(3,”wangwu”,96.4).grade:-write(“please enter a name:”),readln(Name), student(_,Name,Score), nl,write(name,”grade is:”,Score).grade:-write(“sorry,cant find the student!”).运行结果截图:

2、domains X=symbol predicates r(X)q(X)p(X)goal r(Y),write:(“Y=”,Y).clauses p(a).p(b).q(b).r(X):-p(X),q(X).r(c).程序运行结果截图:

3、domains s=symbol predicates p(s)p1(s)p2(s)p3(s)p4(s)p5(s,s)p11(s)p12(s)p31(s)goal p(X),write(“rhe x is ”,X).clauses p(a1):-p1(b),p2(c).p(a2):-p1(b),p3(d),p4(e).p(a3):-p1(b),p5(f,g).p1(b):-p11(b1),p12(b2).p3(d):-p31(d1).p2(c1).p4(el).p5(f,g).p11(b1).p12(b2).P31(d11).程序运行结果截图:

4、domains name=symbol predicates mother(name,name)father(name,name)grandfather(name,name)grandmother(name,name)sister(name,name)aunt(name,name)goal grandmother(a,X),write(“X=”,X),nl, father(b,Y),write(“Y=”,Y),nl, sister(c,Z),write(“Z=”,Z),nl, aunt(d,T),write(“T=”,T).clauses mother(a,c).mother(a,d).mother(c,g).mother(c,f).father(b,c).father(b,d).father(e,g).father(e,f).grandfather(X,Z):-father(X,Y),father(Y,Z).grandmother(X,Z):-mother(X,Y),mother(Y,Z).sister(X,Y):-mother(Z,X),mother(Z,Y).aunt(X,Y):-mother(Z,Y),sister(Z,X).程序运行结果截图:

五、最优解树、代价、结点与或

1、如图3-16所示的与或树, 其中包括两棵解树, 一棵解树由Qo,A,t1和t2组成;另一棵解树由Qo,B,D,G,t4和t5组成。在此与或树中,t1,t2,t3,t4,t5为终止节点;E,F是非终止的端节点, 其代价均为∞;边上的数字是该边的代价。

由右边的解树可得:

按和代价: g(A)=11,g(Qo)=13

按最大代价:g(A)=6, g(Qo)=8

由左边的解树可得:

按和代价: g(G)=3, g(D)=4, g(B)=6, g(Qo)=8

按最大代价: g(G)=2, g(D)=3, g(B)=5, g(Qo)=7

Q02B2D1G2t51t4Ft3E321C1t2t152A6

2、设有如图3-24所示的一棵与或树,请指出解树;并分别按和代价及最大代价求解树代价;然后,指出最优解树。

一棵解树由S0, A, D, t1, t2, t3组成;另一棵解树由S0, B, E, t4, t5组成; 左边解树:

按和代价:g(D)=4, g(A)=7, g(S0)=12 按最大代价:g(D)=2, g(A)=5, g(S0)=10 右边解树:

按和代价:g(E)=2, g(B)=11, g(S0)=18 按最大代价:g(E)=2, g(B)=7, g(S0)=14 按和代价计算,左边的解树为最优解树,按最大代价计算,仍是左边的解树为最优解树。因此,左边的解树为最优解树。

S05A6C1t12t23D1t3t42t547B5E3F

六、基于谓词逻辑的问答

1、已知:(1)如果x是y的父亲,y又是z的父亲,则x是z的祖父。

(2)老李是大李的父亲。

(3)大李是小李父亲。

问:上述人员谁和谁是祖孙关系? 解

首先定义如下谓词:

G(x,y)表示x是y的祖父。

F(x,y)表示x与y是父亲。已知条件可以表示成如下谓词公式:

F1: x yz(F(x,y) F(y,z)G(x,z))

F2:

F(Lao,Da)

F3:

F(Da,Xiao)

并求其子句集如下:

(1)¬ F(x,y) ¬ F(y,z) G(x,z)

(2)F(Lao,Da)

(3)F(Da,Xiao)

设求证的公式为:

G: x yG(x,y)

(既存在x和y,x是y的祖父)

把其否定化为子句形式再析取一个辅助谓词GA(u,v)

(4)¬ G(u,v) GA(u,v)把其否定化为子句形式再析取一个辅助谓词GA(u,v)

(1)¬ F(x,y) ¬ F(y,z) G(x,z)

(2)F(Lao,Da)

(3)F(Da,Xiao)

(4)¬ G(u,v) GA(u,v)

对上式进行归结:

(5)¬ F(Da,z) G(Lao,z)

[(1),(2),{Lao/x,Da/y}]

(6)G(Lao,Xiao)

[(3),(5),{Xiao/z}]

(7)GA(Lao,Xiao)

[(4),(6),{Lao/u,Xiao/v}]

所以上述人员中,老李是小李的祖父。

2、假设张被盗,公安局派出5个人去调查。案情分析时,贞察员A说:“赵与钱中至少有一个人作案”,贞察员B说:“钱与孙中至少有一个人作案”,贞察员C说:“孙与李中至少有一个人作案”,贞察员D说:“赵与孙中至少有一个人与此案无关”,贞察员E说:“钱与李中至少有一个人与此案无关”。如果这5个侦察员的话都是可信的,使用归结演绎推理求出谁是盗窃犯。

解:设谓词P(x)表示x是盗窃犯.则题意可表述为如下的谓词公式: F1:P(zhao)P(qian)F2: P(qian)P(sun)F3: P(sun)P(li)F4: ¬P(zhao)¬P(sun)F5: ¬P(qian)¬P(li)求证的公式为: xP(x)子句集如下:

①P(zhao) P(qian)②P(qian) P(sun)③P(sun) P(li)④¬ P(zhao) ¬ P(sun)⑤¬ P(qian) ¬ P(li)⑥¬ P(x) GA(x)⑦P(qian) ¬ P(sun)

[①,④] ⑧P(sun) ¬ P(li)

[②,⑤] ⑨P(sun)

[③,⑧] ⑩GA(sun)

[⑥,⑨,{sun/x}] ⑪P(qian)

[⑦,⑨] ⑫GA(qian)

[⑥,⑪,{qian/x}

3、设A、B、C中有人从来不说真话,也有人从来不说谎话,某人向这三人分别同时提出一个问题:谁是说谎者?A答:“B和C都是说谎者”;B答:“A和C都是说谎者”;C答:“A和B中至少有一个人说谎”。用归结原理求谁是老实人,谁是说谎者? 解:用T(x)表示x说真话

如果A说的是真话则有:T(A)(¬T(B)∧ ¬T(C))如果A说的是假话则有: ¬ T(A)(T(B)∨

T(C))

对B和C所说的话做相同的处理,可得: T(B)(¬T(A)∧¬T(C))¬T(B)(T(A)∨ T(C))

T(C)(¬T(A)∨ ¬T(B))

¬ T(C)(T(A)∧

T(B))将上面的公式化为子句集,得到S:(1)¬ T(A)∨¬T(B)(2)¬ T(A)∨ ¬T(C)(3)T(A)∨ T(B)∨ T(C)(4)¬ T(B)∨¬T(C)(5)¬ T(A)∨¬T(B)∨¬T(C)(6)T(C)∨ T(A)(7)T(C)∨ T(B)首先求谁是老实人。把¬ T(x)∨ANS(x)并入S 中,得到子句集S 1,即S 1比S中多了一个子句:(8)¬ T(x)∨ANS(x)子句集S1:(1)¬ T(A)∨¬T(B)(2)¬ T(A)∨ ¬T(C)(3)T(A)∨ T(B)∨ T(C)(4)¬ T(B)∨¬T(C)(5)¬ T(A)∨¬T(B)∨¬T(C)(6)T(C)∨ T(A)(7)T(C)∨ T(B)(8)¬ T(x)∨ANS(x)

下面来证明B和A不是老实人,设A不是老实人,则有¬ T(A), 将其否定并入S中,得到子句集S2,即S2比S多了一个子句:(8)’¬(¬ T(A))即T(A)利用归结原理对进行归结:

(9)’

¬T(A)∨ T(C)

[(1),(7)](10)’

T(C)

[(6),(9)’](11)’

T(A)∨ T(C)

[(8)’,(10)’](12)’

NIL

[(2),(11)’]

七、产生式系统

1、猴子摘香蕉问题

一个房间里,天花板上挂有一串香蕉,有一只猴子可在房间里任意活动(到处走动,推移箱子,攀登箱子等)。设房间里还有一只可被猴子移动的箱子,且猴子登上箱子时才能摘到香蕉,问猴子在某一状态下(设猴子位置为a,箱子位置为b,香蕉位置为c),如何行动可摘取到香蕉。

1、综合数据库

定义5元组(M, B, Box, On, H)

M:猴子的位置 B:香蕉的位置 Box:箱子的位置 On=0:猴子在地板上 On=1:猴子在箱子上 H=0:猴子没有抓到香蕉 H=1:猴子抓到了香蕉

2、量水问题

对量水问题给出产生式系统描述,并画出状态空间图。

有两个无刻度标志的水壶,分别可装5升和2升的水。设另有一水缸,可用来向水壶灌水或倒出水,两个水壶之间,水也可以相互倾灌。已知5升壶为满壶,2升壶为空壶,问如何通过倒水或灌水操作,使能在2升的壶中量出一升的水来。

第五篇:人工智能相关材料

应用:

个人助理(智能手机上的语音助理、语音输入、家庭管家和陪护机器人)产品举例:微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

安防(智能监控、安保机器人)产品举例:商汤科技、格灵深瞳、神州云海

自驾领域(智能汽车、公共交通、快递用车、工业应用)产品举例:Google、Uber、特斯拉、亚马逊、奔驰、京东等

医疗健康(医疗健康的监测诊断、智能医疗设备)产品举例: Enlitic、Intuitive Sirgical、碳云智能、Promontory等

电商零售(仓储物流、智能导购和客服)产品举例:阿里、京东、亚马逊

金融(智能投顾、智能客服、安防监控、金融监管)产品举例:蚂蚁金服、交通银行、大华股份、kensho

教育(智能评测、个性化辅导、儿童陪伴)产品举例:学吧课堂、科大讯飞、云知声

发展方向思路:

(一)人工智能新兴产业

这部分主要任务是进行人工智能前沿技术布局,推动核心技术产业化,并为人工智能产业发展奠定公共基础。本部分涉及核心技术研发与产业化、基础资源公共服务平台两大工程。其中,核心技术研发与产业化工程主要涉及三个方面的技术。一是人工智能基础理论,包括深度学习、类脑智能等。二是人工智能共性技术,包括人工智能领域的芯片、传感器、操作系统、存储系统、高端服务器、关键网络设备、网络安全技术设备、中间件等基础软硬件技术。三是人工智能应用技术,包括基于人工智能的计算机视听觉、生物特征识别、复杂环境识别、新型人机交互、自然语言理解、机器翻译、智能决策控制、网络安全等。基础资源公共服务平台工程主要涉及四个方面的建设内容。一是各种类型人工智能海量训练资源库和标准测试数据集建设,包括文献、语音、图像、视频、地图及行业应用数据等,这些数据集需要面向社会开放,为广大科研机构和企业进行人工智能研究和开发提供服务。二是基础资源服务平台建设,包括满足深度学习计算需求的新型计算集群共享平台、云端智能分析处理平台、算法与技术开放平台、智能系统安全情报共享平台等。三是类脑智能基础服务平台建设,要能够模拟真实脑神经系统的认知信息处理过程。四是产业公共服务平台建设,可以为人工智能创新创业提供相关研发工具、检验评测、安全、标准、知识产权、创业咨询等专业化服务。

(二)重点领域智能应用

这部分主要任务是加快人工智能技术的产业化进程,推动人工智能在家居、汽车、无人系统、安防、制造、教育、环境、交通、商业、健康医疗、网络安全、社会治理等重要领域开展试点,使得人工智能能够在第一时间转化为生产力并惠及民生。本部分以基础较好的智能家居、智能汽车、智能无人系统、智能安防等领域为主。智能家居示范工程主要支持利用健康医疗、智慧娱乐、家庭安全、环境监测、能源管理等应用技术,进行具有人工智能的酒店、办公楼、商场、社区、家庭等建设,提升百姓生活品质。智能汽车研发与产业化工程主要面向自动驾驶和安全驾驶,支持智能汽车芯片和车载智能操作系统、高精度地图及定位、智能感知、智能决策与控制等,支持智能汽车试点。智能无人系统应用工程主要面向无人机、无人船等无人设备,支持与人工智能相关的结构设计、智能材料、自动巡航、远程遥控、图像回传等技术研发,及其在物流、农业、测绘、电力巡线、安全巡逻、应急救援等重要行业领域的创新应用。智能安防推广工程主要面向与百姓安全息息相关的社会治安、工业安全以及火灾、有害气体、地震、疫情等问题,支持利用图像精准识别、生物特征识别、编码识别、智能感知等技术的研发和应用。

(三)智能化终端产品

这部分的主要任务是希望通过合适的终端,实现智能化生产和服务。本部分涉及三大工程。智能终端应用能力提成工程主要是面向具有一定智能计算能力的终端及附属应用,支持其在智能交互、智能翻译等云端协同方面及图像处理、操作系统基础软硬件方面进一步改进。智能可穿戴设备发展工程主要支持轻量级操作系统、低功耗高性能芯片、柔性显示、高密度储能、快速无线充电、虚拟现实和增强现实等关键技术的成果转化与应用。智能机器人研发与应用工程主要支持智能感知、模式识别、智能分析、智能控制等技术在机器人方面的研发和应用,包括生产用智能工业机器人,救灾救援、反恐防暴等特殊领域的智能特种机器人,医疗康复、教育娱乐、家庭服务等领域的智能服务机器人。

(四)标准体系和知识产权

目前人工智能标准领域还处于一片空白状态,关于人工智能的概念仍然没有达成一致意见,人工智能也还没有一个统一的技术体系架构,平台与应用之间的接口五花八门,而且基本上都是私有协议,网络、软硬件、数据、系统、测试评估等方面的研发、应用、服务也无章可循。这直接导致了人工智能领域进入门槛过高,无法形成良性发展的产业生态。因此,建设人工智能领域标准化体系,建立并完善基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准,已经成为摆在眼前的现实问题。当然,标准化工作需要相关各方的积极参与,并积极开展国际合作,才能保证对人工智能产业发展的有效促进,推动标准走出去才能增强国际话语权。另一方面,在我们所处的这个全球经济一体化时代,专利已经成为发展的硬实力,必须要加快重点技术和应用领域的专利布局,同时加强专利合作,提高知识产权成果转化效率,积极防控专利风险,增强标准与专利政策的有效衔接,才能保证我国人工智能产业拥有强大的竞争力并得到持续健康发展。

政策:

2015年5月国务院在《中国制造2025》提出“加快发展智能制造装备和产品”,指出“组织研发具有深度感知、智慧决策、自动执行功能的高档数控机床、工业机器人、增材制造装备等智能制造装备以及智能化生产线,统筹布局和推动智能交通工具、智能工程机械、服务机器人、智能家电、智能照明电器、可穿戴设备等产品研发和产业化。”

2015年7月4日国务院在《国务院关于积极推进“互联网+”行动的知道意见》明确提出人工智能作为11个重点布局的领域之一,促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用。

2016年1月国务院在《“十三五”国家科技创新规划》提出智能制造和机器人成为“科技创新2030项目”重大工程之一。

2016年3月18日国务院在《国民经济和社会发展第十三个五年规划纲要(草案)》提出人工智能概念进入“十三五”重大工程。

2016年5月18日国家发展改革委、科技部、工业和信息化部、中央网信办在《“互联网+”人工智能三年行动实施方案》明确了要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平、并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。

人工智能技术带来的产业影响

当前,人工智能技术对互联网行业产生的影响和变革主要有如下三个方面:

其一,在理论技术层面,人工智能技术为基于互联网和移动互联网等领域的创新应用,提供理论基础。例如,自动定理推理,为网络信息检索、问题求解、远程诊断等问题提供了自动求解方案;自然语言理解,为计算机人类语言理解提供理论和方法;数据挖掘为从数据库中挖掘有意义,提炼出具有必然性、蕴含本质规律的数据提供了规则、聚类等数据处理、建模、评估标准。

其二,在技术应用和创新层面,人工智能技术的发展,为未来ICT等网络技术的发展指引了方向。当前,以智能算法、深度学习、云计算为代表的大规模网络应用已经成为ICT产业的重要发展方向。各大互联网公司在深度学习领域在不断做积极探索,深度学习是机器学习研究中的一个重点关注领域,其研究侧重于建立、模拟人脑进行分析学习的神经网络。在创新方面,深度学习带来了机器学习的新浪潮,推动“大数据+深度模型+数据发现挖掘”时代的来临。人工智能技术与互联网的融合,是两个领域发展到一定阶段,探索创新的必然结果,深度学习为拥有强大计算能力和数据资源的互联网巨头公司带来下一次全面领跑的机会。例如,谷歌、百度在硅谷的研发实验室,在对深度学习、算法升级,对机器学习模仿人脑的智能活动,让机器像人脑一样识别图像、理解自然语言,解析网络内容之间关系做深度探索。百度语音和图像等相关网络产品应用的快速崛起,正是受益于对机器学习等领域的技术突破。

其三,在融合发展层面,人工智能技术的发展促进多种科学与网络技术的深度融合。从国际上看,人工智能技术在美国,欧洲和日本发展迅速,并且带动了多种信息科学领域的发展,信息学、控制学、仿生学、计算机学等领域的技术突破均被运用到人工智能应用中去。从技术发展脉络发展上,人工智能很多技术一直处于创新的前沿,未来会在很大程度上影响信息产业的发展方向。人工智能发展至今涉及到多个研究领域,研究方向包括符号计算、语言识别、模式识别和计算机视觉、机器翻译与机器学习、智能信息检索、问题求解与专家系统、逻辑推理与逻辑证明、自然语言处理等,逐渐成为更为广泛的智能科学学科。

新时期下面对人工智能快速发展对策:

在人工智能技术发展过程中,我们总体上应该贯彻落实创驱动发展战略,立足自主创新的同时,放眼国内国际两个大局技术发展情况,加强跟踪高新技术产业技术的发展态势调整产业结构,统筹全局发展,切实推进由技术革新到推进经济发展方式的转变,实现工业经济产型升级,同步大力支持我国人工智能相关研究和产业化工作。在具体工作上,我们应该采取以下策略:

一是要建立针对相关科研成果的产业追踪机制。针对国际国内相关企业和科研机构正在进行的相关科研活动进行动态追踪,对其科研成果在各行各业的信息化应用进行预研预判,为制定信息化发展相关政策规划提供线索和根据。

二是适时引导和推动人工智能相关产业领域的研发应用。加强对人工智能和人脑科学工业领域应用的深入调研分析,掌握工业机器人、新型计算产品、人工神经网络等的发展和应用现状,坚持应用牵引,整合产学研现有资源,形成一批人工智能关联技术的实验室和技术中心,推动人工智能关联技术在网络、通讯等行业快速发展的应用示范。

三是要加大对人工智能关联技术的资金支持力度,引导人工智能关联技术向通用技术领域的演进和转化。

未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合,推动新一轮的信息技术革命,其人工智能技术将成为我国经济结构转型升级的新支点。

下载人工智能期末总结word格式文档
下载人工智能期末总结.doc
将本文档下载到自己电脑,方便修改和收藏,请勿使用迅雷等下载。
点此处下载文档

文档为doc格式


声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:645879355@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。

相关范文推荐

    人工智能最后总结(全)

    第一章 1.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 2.近期目标:研究用机器来模仿和执行人脑的某些智力功能,并开发相关理论和技术 3.应用: 博弈,定理......

    人工智能考试简答题总结

    1. 请至少列举3位20世纪图灵奖获得者中的人工智能学者。,简述图灵测试的过程。批判 地用图灵测试来判定非人机器是否能思考进行评价,至少提出一种不同观点。 答(1):Marvin Min......

    人工智能及其应用课程总结

    《人工智能及其应用》课程总结20世纪40年代,计算机的发明揭开了人类发展的新篇章,使得人类追寻已久的脑力劳动机械化问题获得了解决的方法和途径。计算机能够代替人类大脑进行......

    人工智能十大算法总结(精选五篇)

    5-1 简述机器学习十大算法的每个算法的核心思想、工作原理、适用 情况及优缺点等。 1)C4.5 算法: ID3 算法是以信息论为基础,以信息熵和信息增益度为衡量标准,从而实现对数据的......

    人工智能第一章总结(精选多篇)

    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。 人工智能的研......

    人工智能及其应用总结(优秀范文5篇)

    第一章:绪论 智能: 根据对人脑已有的认识,结合智能的外在表现,从不同的角度、不同的侧面、用不同的方法对智能进行研究,提出了几种不同的观点,其中影响较大的观点有思维理论、知识......

    《人工智能》教学大纲

    人工智能原理及其应用 一、 说明 (一)课程性质 随着信息社会和知识经济时代的来临,信息和知识已成为人们的一个热门话题。然而,在这个话题的背后还蕴含着另外一个更深层的问题......

    人工智能心得体会

    人工智能心得体会 人工智能心得体会1 李开复号称最会说话的计算机男神,曾经是微软谷歌的副掌门,现在是创新工厂的大bo,在微博有超过半个亿粉丝。第一此认识到他和人工智能这个......