2009级考卷

更新时间:2023-10-06 19:08:02 阅读量: 综合文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

合肥工业大学试卷(A卷)

编号:

共 3 页 第 1 页

2009~2010学年第 一 学期 课程名称 高级人工智能 考试班级

命题教师 王浩 教研室主任审批签字 考试日期 2010.1.18 学生班号 学号 姓名 成绩

一、 选择填空(在每题下面提供的多个答案中,为每个位置选择正确的答案,每空1分,共40

分)

1.智能科学研究 (1) 和 (2) ,是由 (3) 、 (4) 、 (5) 等学科构成的交叉学科。

A. 思维的基本理论 B. 智能的基本理论 C.实现技术 D. 基本形态 E. 脑科学 F. 形象思维 G. 认知科学 H. 抽象思维 I. 感知思维 J. 人工智能 K. 灵感思维

2.深度优先搜索属于 (6) ,搜索原则是深度越 (7) 、越 (8) 产生结点的优先级越高。深度搜索是 (9) 。

A. 盲搜索 B. 启发式搜索 C. 大 D. 晚 E. 小 F. 早 G. 完备的 H. 不完备的

3.人工智能中的符号主义在认识层次是 (10) ,在求解层次是 (11) ,在处理层次是 (12) ,在操作层次是 (13) ,在体系层次是 (14) 。

A. 离散 B. 连续 C. 由底向上 D. 自顶向下 E. 串行 F. 并行 G. 推理 H. 映射 I. 交互 J. 分布 K. 局部

4. ID3算法属于 (15) ,基于解释的学习属于 (16) ,关联分析属于 (17) ,SVM属于 (18) 。

A. 发现学习 B. 分析学习 C. 归纳学习 D. 遗传学习 E. 连接学习 F. 强化学习 G. 统计学习

5.封闭世界假设(CWA)属于 (19) ,D-S证据理论属于 (20) ,限定逻辑属于 (21) 。 A. 归结原理 B. 非单调推理 C. 定性推理 D. 不确定推理

6.在不确定理论中 (22) 无需任何先验知识(或信息), (23) 与 (24) 具有处理不精确和不确定数据的方法,而 (25) 使用概率去表示所有形式的不确定性。

A.Bayes理论 B. 模糊集理论 C. 证据理论 D. 粗糙集 7.SVM是建立在 (26) 和 (27) 原理基础上的,在解决 (28) 、 (29) 及 (30) 模式识别中表现出许多特有的优势。

A. 高维 B. VC维 C. 结构风险最小 D. 经验风险最小 E. 置信风险最小 F. 小样本 G. 大样本 H. 线性 I. 非线性

第2页 8.人工神经网络是 (31) 的典型,它的特点集中表现在以 (32) 方式存储信息、以 (33) 方式处理信息、具有自组织、自学习能力。神经网络可分为四大类,著名的Hopfield网络属于 (34) 类。 A. 符号智能 B. 计算智能 C. 集中 D。分布 E. 串行 F. 并行 G. 分层前向网络 H. 反馈前向网络 I. 互连前向网络 J. 广泛互连网络

8. 在遗传算法中复制操作使用来模拟 适者生存 (35) ,交叉操作是用来模拟 繁殖现象(36) ,而变异操作是用来模拟 基因突变(37) 。

A. 基因突变 B. 适者生存 C. 繁殖现象

10.群智能思想的产生主要源于 (38) 以及 (39) 的研究, (40) 是群智能领域最著名的算法。 A. 多Agent系统 B. 复杂适应系统理论 C. 进化计算 D. 人工生命 E. PSO F. ACO G. AFSA

二、 将下列语句形式化(每题5分,共10分)

例1:他个子高而且很胖

令P表示“他个子高”,Q表示“他很胖”,于是可表示为P∧Q

例2:任何金属都可以溶解在某种液体里

以P(x)表示x是金属,Q(x)表示x是液体,R(x,y)表示x可以溶解在y中,语句的形式化为:?xP(x)??y(Q(y)?R(x,y))

1. 他个子矮或他不很胖都是不对的 2. 凡实数都能比较大小

三、 采用广度优先搜索求解下面八数码问题,给出广度优先搜索树(10分)。

2831231484765765SD

四、 简答题(每题10分)

1. 在不确定知识与推理研究中,模糊集理论、贝叶斯网络、粗糙集理论各有何特点?

2. 群智能算法与进化算法有何异同?

第3页 五、 什么是线性可分?简述支持向量机解决非线性可分问题的基本思想。(10分)

六、

解答下列问题:(10分)

(1)给出ID3算法描述

(2)表1给出了一个可能带有噪音的数据集合。它有四个属性,Outlook、Temperature、

Humidity、Windy。它被分为两类,P 与 N,分别为正例与反例。用ID3构造出决策树将数据进行分类。

表 1 样本数据集合

outlook temperature humidity windy 属性 类 1 overcast hot high not N 2 overcast hot high very N 3 overcast hot high medium N 4 sunny hot high not P 5 sunny hot high medium P 6 rain mild high not N 7 rain mild high medium N 8 rain hot normal not P 9 rain cool normal medium N 10 rain hot normal very N 11 sunny cool normal very P 12 sunny cool normal medium P 13 overcast mild high not N 14 overcast mild high medium N 15 overcast cool normal not P 16 overcast cool normal medium P 17 rain mild normal not N 18 rain mild normal medium N 19 overcast mild normal medium P 20 overcast mild normal very P 21 sunny mild high very P 22 sunny mild high medium P 23 sunny hot normal not P 24 rain mild high very N

本文来源:https://www.bwwdw.com/article/ah7d.html

Top