人工智能复习资料

1.3什么是人工智能？它研究的目标是什么？

从能力的角度：人工智能是指用人工的方法在机器（计算机）上实现的智能。

从学科的角度：人工智能是一门研究如何构造智能机器或智能系统，去模拟、延伸和扩展人类智能的学科。

目标：1）对智能行为有效解释的理论分析。2）解释人类智能。3）构造具有智能的人工制品。

1.8人工智能有哪些主要研究和应用领域？其中哪些是新的研究热点？ 机器思维、机器学习、机器感知、机器行为

计算智能、分布智能、智能系统、人工心理与人工情感

人工智能的典型应用：智能机器人、智能检索、智能游戏

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

新的研究热点：分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现(超市市场商品数据分析)，人工生命

1.9人工智能有未来发展有哪些值得思考和关注的重要问题？

1. 多学科交叉研究

2. 分布智能与社会智能研究 3. 集成智能研究 4. 智能网络研究

5. 认知计算与情感计算研究 6. 智能系统与智能服务

2.2什么是知识表示？知识表示有哪些要求？

知识表示是对知识的描述，即用一组符号把知识编码成计算机可以接受的某种结构。 要求：1）表示能力。2）可利用性。3）可组织性与可维护性。4）可理解性与可实现性。 2.4什么是推理？它有哪些分类方法？

推理是由具体事例归纳出一般规律，或者根据已有知识推出新的结论的思维过程。 分类方法：按推理的逻辑基础：演绎推理和归纳推理

按知识的确定性：确定性推理和不确定性推理 按推理的控制策略：推理策略和搜索理策略

2.5推理中的控制策略包括哪几个方面的内容？主要解决哪些问题？

推理的控制策略是指如何使用领域知识使推理过程尽快达到目标的策略 解决推理方向控制策略、求解策略、限制策略、冲突消解策略等 2.6什么是命题？什么是命题的真值？ 断言：一个陈述句称为一个断言.

命题：具有真假意义的断言称为命题.

命题的意义通常称为真值，它只有真、假两种情况。T：表示命题的意义为真；F：表示命题的意义为假

2.7什么是论域？什么是谓词？

由所讨论对象的全体构成的集合。也称为个体域，论域中的元素称为个体

用来表示谓词逻辑中命题，形如P(x1,x2,…,xn) 。其中P是谓词名，即命题的谓语，表示个体的性质、状态或个体之间的关系；x1,x2,…,xn是个体，即命题的主语，表示独立存在的事物或

概念。

2.8什么是自由变元？什么是约束变元？

辖域：指位于量词后面的单个谓词或者用括弧括起来的合式公式 约束变元：辖域内与量词中同名的变元称为约束变元 自由变元：不受约束的变元称为自由变元 2.15何谓语义网络？它有哪些基本语义关系？

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。结点：代表实体，表示事物、概念、情况、属性、状态、事件、动作等。弧：代表语义关系，表示所连两个实体之间的语义联系。

1）实例关系2）分类关系3）成员关系4）属性关系5）包含关系6）时间关系 7）位置关系8）相近关系

2.20何谓框架？框架的一般形式是什么？

<框架名>

槽名1：侧面名11值111，值112，… 侧面名12值121，值122，…

2.22何谓框架系统？何谓框架系统的横向联系？何谓框架系统的纵向联系？

当框架描述一个复杂的知识时，往往需要用一组相互联系的框架来表示的，这组相互联系的框架称为框架系统。

纵向联系：是指那种具有继承关系的上下层框架之间的联系。 横向联系：是指那种以另外一个框架名作为一个槽的槽值或侧面值所建立起来的框架之间的联系。

2.28什么是产生式的正向推理？其基本过程是什么？

从已知事实出发、正向使用规则的推理方式，也称为数据驱动推理或前向链推理。 (1) 把用户提供的初始证据放入综合数据库；

(2) 检查综合数据库中是否包含了问题的解，若已包含，则求解结束，并成功推出；否则执行下一步；

(3) 检查知识库中是否有可用知识，若有，形成当前可用知识集，执行下一步；否则转(5)。

(4) 按照某种冲突消解策略，从当前可用知识集中选出一条规则进行推理，并将推出的新事实加入综合数据库种，然后转(2)。

(5) 询问用户是否可以进一步补充新的事实，若可补充，则将补充的新事实加入综合数据库中，然后转(3)；否则表示无解，失败退出。 2.29什么是逆向推理？其基本过程是什么？

从某个假设目标出发，逆向使用规则的推理方法，亦称为目标驱动推理或逆向链推理。 (1) 将要求证的目标（称为假设）构成一个假设集； (2) 从假设集中选出一个假设，检查该假设是否在综合数据库中，若在，则该假设成立，此时，若假设集为空，则成功退出，否则仍执行(2)；若该假设不在数据库中，则执行下一步；

(3) 检查该假设是否可由知识库的某个知识导出，若不能由某个知识导出，则询问用户该假设是否为可由用户证实的原始事实，若是，该假设成立，并将其放入综合数据库，再重新寻找新的假设，若不是，则转(5)；若能由某个知识导出，则执行下一步；

(4) 将知识库中可以导出该假设的所有知识构成一个可用知识集； (5) 检查可用知识集是否为空，若是，失败退出；否则执行下一步；

(6) 按冲突消解策略从可用知识集中取出一个知识，继续；

(7) 将该知识的前提中的每个子条件都作为新的假设放入假设集，然后转(2)。 2.33什么是自然演绎推理？

从一组已知为真的事实出发，直接运用经典逻辑中的推理规则推出结论的过程。 2.36什么是子句？如何将谓词公式化为子句集？

原子谓词公式及其否定统称为文字。任何文字的析取式称为子句。 (1) 消去连接词“→”和“? (2) 减少否定符号的辖域 (3) 对变元标准化 (4) 化为前束范式 (5) 消去存在量词

(6) 化为Skolem标准形 (7) 消去全称量词 (8) 消去合取词 (9) 更换变量名称

3.1什么是搜索？有哪两大类不同的搜素方法？

根据问题的实际情况，不断寻找可利用知识，从而构造一条代价最小的推理路线，使问题得以解决的过程称为搜索

按是否使用启发式信息：盲目搜索；启发式搜索。 按问题的表示方式：状态空间搜索；与或树搜索。

3.2什么是状态空间？用状态空间表示问题时，什么是问题的解？

用来描述一个问题的全部状态以及这些状态之间的相互关系。常用一个三元组表示为：(S, F, G)其中，S为问题的所有初始状态集合；F为操作的集合；G为目标状态的集合。

由初始状态到目标状态所使用的算符序列就是该问题的一个解。

3.3什么是与树？什么是或数？什么是与/或树？什么是可解节点？什么是解数？

把一个原问题分解为若干个子问题可用一个“与树”来表示。 把一个原问题变换为若干个子问题可用一个“或树”来表示。 如果一个问题既需要通过分解，又需要通过变换才能得到其基本原问题，则其规约过程可用一个“与/或树”来表示。

在与/或树中，满足以下三个条件之一的节点为可解节点： ①任何终止节点都是可解节点。

②对“或”节点，当其子节点中至少有一个为可解节点时，则该或节点就是可解节点。 ③对“与”节点，只有当其子节点全部为可解节点时，该与节点才是可解节点。

由可解节点构成，并且由这些可解节点可以推出初始节点（它对应着原始问题）为可解节点的子树为解树。

3.6广度优先搜索与深度优先搜索有何区别？

它们之间的主要差别在于Open表中的节点排序不同。在深度优先搜索算法中，最后进人Open表的节点总是排在最前面，即后生成的节点先扩展。其具体算法描述和例子省略。 3.10何谓估价函数？在估价函数中g(n)和h(n)各起什么作用？

用来估计节点重要性，定义为从初始节点S0出发，约束经过节点n到达目标节点Sg的所有路径中最小路径代价的估计值。一般形式：f(n)=g(n)+h(n)

其中，g(n)是从初始节点S0到节点n的实际代价；h(n)是从节点n到目标节点Sg的最优路径的估计代价。

5.1什么是不确定性推理？为什么要采用不确定性推理？

不确定性推理过程实际上是一种从不确定的初始证据出发，通过运用不确定性知识，最终推出具有一定不确定性但却又是合理或基本合理的结论的思维过程。

所需知识不完备、不精确 所需知识描述模糊 多种原因导致同一结论 解题方案不唯一

5.2不确定性推理中需要解决的基本问题有哪些？

不确定性的表示 不确定性的匹配

组合证据不确定性的计算 不确定性的更新 不确定性结论的合成

5.3不确定性推理可以分为哪几种类型？

按照是否采用数值来描述不确定性，可将其分为数值方法和非数值方法

按照所依据的理论分为两种不同类型，一类是基于概率论的有关理论发展起来的方法，如确定性理论、主观Bayes方法、证据理论、概率推理等；另一类是基于模糊逻辑理论发展起来的方法，如模糊推理。

5.4何谓可信度？由规则强度CF（H,E）的定义说明它的含义。

可信度是指人们根据以往经验对某个事物或现象为真的程度的一个判断，或者说是人们对某个事物或现象为真的相信程度。

在CF模型中，把CF(H, E)定义为CF(H, E)=MB(H, E)-MD(H, E) 式中MB称为信任增长度。 当MB(H, E)>0时，有P(H|E)>P(H)，即证据E的出现增加了H为真的概率，即增加了H的可信度，CF(H, E)的值越大，增加H为真的可信度就越大。

当MD(H, E)=0时，有P(H|E)=P(H) ，即H的后验概率等于其先验概率，它说明证据E与H无关。

当MD(H, E)>0时，有P(H|E)

学习是一个有特定目的的知识获取和能力增长过程，其内在行为是获得知识、积累经验、发现规律等，其外部表现是改进性能、适应环境、实现自我完善等。

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。 6.2什么是学习系统？它包括哪几个基本要求？ 是指能够在一定程度上实现机器学习系统。

(1)具有适当的学习环境 (2) 具有一定的学习能力 (3) 够运用所学知识求解问题 (4) 通过学习提高自身性能 6.3机器学习经历了哪几个阶段？ (1) 神经元模型研究 (2) 符号概念获取 (3) 知识强化学习

(4) 连接学习和混合型学习

6.4记忆学习的基本思想是什么？

执行元素每解决一个问题时，系统就记住这个问题和它的解，当以后再遇到此类问题时，不必重新计算，直接找出原来的解即可使用。 6.5示例学习的归纳方法有哪几种？

把常量转换为变量，去掉条件，增加选择和曲线拟合等。

2.9设有下列语句，请用相应的谓词公式把它们表示出来：

（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。 答：定义谓词： MAN（X）：X是人， LIKE（X，Y）：X喜欢Y ((?X)(MAN(X)∧LIKE(X,梅花))∧((?Y)(MAN(Y)∧LIKE(Y,菊花))∧ ((?Z)(MAN(Z)∧(LIKE(Z,梅花)∧LIKE(Z,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))

2.11 用谓词表示法求解农夫、狼、山羊、白菜问题。农夫、狼、山羊、白菜全部放在一条河的左岸，现在要把他们全部送到河的右岸去，农夫有一条船，过河时，除农夫外船上至多能载狼、山羊、白菜中的一种。狼要吃山羊，山羊要吃白菜，除非农夫在那里。似规划出一个确保全部安全过河的计划。请写出所用谓词的定义，并给出每个谓词的功能及变量的个体域。

解：(1) 先定义描述状态的谓词 要描述这个问题，需要能够说明农夫、狼、羊、白菜和船在什么位置，为简化问题表示，取消船在河中行驶的状态，只描述左岸和右岸的状态。并且，由于左岸和右岸的状态互补，因此可仅对左岸或右岸的状态做直接描述。本题选择对左岸进行直接描述的方法，即定义谓词如下：

本文来源：https://www.bwwdw.com/article/6xnt.html