人工智能期末复习

《人工智能期末复习》由会员分享，可在线阅读，更多相关《人工智能期末复习（6页珍藏版）》请在金锄头文库上搜索。

1、人工智能：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。 传统划分符号主义学派联结主义学派行为主义学派学派 现代现代 1.符号智能流派 2.计算智能流派 3.群体智能流派 人工智能的基本技术：1 知识表示技术 2 知识推理、计算和搜索技术 3 系统实现技术。 符号智能的表示是知识的表示，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

2、是在解空间上进行。 人工智能的研究领域人工智能的研究领域：定理证明、专家系统、模式识别、机器学习、计算智能、自然语言处理、组合调度问题。应用领域应用领域：难题求解、自动定理证明、自动翻译、智能管理、智能通信、智能仿真等。 人工智能的主要研究途径与方法人工智能的主要研究途径与方法：1 功能模拟。符号推演 2 结构模拟。神经计算 3 行为模拟。控制进化 人工智能的研究目标及其意义人工智能的研究目标及其意义：1 目标：远期目标是要制造智能机器，即探索智能的基本机理，最终制造出和人有相似或相近智力和行为能力的综合智能系统；近期目标是实现机器智能，即研究如何使用现有的计算机具备更高的智能，在一定领域或在

3、一定程度上去完成需要人的复杂脑力劳动才能完成的工作。2 意义：普遍的计算机智能低下，无法满足社会需求；研究 AI 是当前信息化社会的迫切需求；智能化是自动化发展的必然趋势；研究 AI，对人类自身的智能的奥秘也提供有益的帮助。 人工智能的基本内容人工智能的基本内容：1 从人工智能的定义出发包括（感知与交流的模拟，记忆，联想，计算，思维的模拟，输出效率或行为模拟 2 从知识工程的角度出发包括（知识的获取，知识的处理以及知识的运用） 人工智能诞生 1956 年夏，达特莫斯大学的研究会，麦卡锡提议正式采用了“AI”术语。发展：推理期，知识期，学习期学习期 的现状与发展趋势的现状与发展趋势：多种途径齐头

4、并进，多种方法协作互补新思想、新技术不断涌现，新领域新方向不断开拓 3 理论研究更加深入，应用研究愈加广泛 4 研究队伍日益壮大，社会影响越来越大。以上展现了 AI 繁荣景象和光明前景，虽有困难，问题和挑战，但前进和发展毕竟是大势所趋。盲目搜索盲目搜索：无向导的搜索，也称穷举搜素。在搜索中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序（如广度优先和深度优先）机械地生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。特点特点：搜索效率太低，所以在实际中往往是不可行的。 启发函数启发函数：通过函数计算来评价每种选择的价值大小，用以指导搜索过程。 启发式搜索启发

5、式搜索：利用问题本身的“启发性信息”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。特点特点：重排 OPEN 表，选择最有希望的节点加以扩展。 盲目和启发搜索的的不同盲目和启发搜索的的不同：对于较大或无限状态空间问题，盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。 启发式搜索启发式搜索全局择优算法全局择优算法：也叫做最好优先搜索，在启发性知识导航下的广度优先搜索，在 OPEN 表中保留所有已生成而为考察的节点，对其中的每个节点 x 计算启发函数 h（x）,从全部节点中选出

6、最优节点进行扩展，而不管这个结点出现的搜索树的什么地方。 局部择优局部择优：是启发性知识导航下的深度优先搜索，在 OPEN 表中保留所有已生成为为考察的节点，对其中新生成的每个子节点 x 计算启发函数 h(x),从全部子节点中选出最优节点进行扩展，其选择下一个要考察的结点的范围是刚刚生成的全部子节点。 在图搜索算法中，OPEN 表，CLOSED 表的作用各是什么 OPEN 表：专门登记已经生成但还没有考察的节点，即待考察节点。算法执行时总是从 OPEN 表的首部取出节点。 CLOSED 表：用来记录考察过的节点以及节点之间的关系，如每个节点指向父节点的编号（返回指针） 。 广度优先搜索的特点广

7、度优先搜索的特点：广度优先中 OPEN 表是一个队列，又称为宽度优先。广度优先策略是完备的，即如果问题的解存在，则它一定可以找到解，并且找到的解还是最优解。广度优先搜索策略与问题无关，具有通用性。缺点搜索效率低 深度优先搜索的特点：OPEN 表为一个堆栈。深度优先又称纵向搜索。一般不能保证找到最优解。当深度限制不合理时，可能找不到解，可以将算法改为可变深度限制，即有界深度优先搜索。最坏情况时，搜索空间等同于穷举。 广度优先搜索及深度优先搜索都是盲目搜索，其共同点是广度优先搜索及深度优先搜索都是盲目搜索，其共同点是：1 搜索从初始节点开始，先自上而下地进行搜索，寻找终止节点及端节点，然后再自下而

8、上地进行可解性标记，一旦初始节点被标记为可解节点或不可解节点，搜索就不再继续进行；2 搜索都是按确定路线进行的，当要选择一个节点进行扩展时，只是根据节点在与或树中所处的位置，而没有考虑要付出的代价，因而求得的解树不一定是代价最小的解树，即不一定是最优解树。 与或图表示的是问题空间，状态空间图是一个表述问题全部可能状态及相互关系的有向图。 图搜索模式图搜索模式的是人脑分析问题，解决问题的过程，它是基于领域知识的问题求解过程。搜索方式为树式搜索和线性搜索。 遗传算法是一种什么样的算法？适合于解决哪一类的问题？ 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

9、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。 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。 化子句集的过程化子句集的过程：1 消去蕴含词和等值词 2 使否定词仅作用于原子公式 3 适当改名使量词间不含同名指导变元 4 消去存在量词 5 消去全称量词 6 化公式为合取范式 7 适当改名使子句间无同名变元 8 消去合取词以子句为元素组成一个集合 S。 谓词逻辑归结过程：写出谓词关系公式 用反演法写出谓词表达式 SKOLEM 标准

10、形 子句集 S 对 S 中可归结的子句做归结 归结式仍放入 S 中，反复归结过程 得到空子句，得证 。 归结策略归结策略：1 删除策略：在归结过程中可随时删除一下子句：含有纯文字；含有永真式；被子句集中别的子句类含的。2 支持集策略：每次归结时，两个亲本子句中至少要有一个是目标公式否定的子句或其后裔。这里的目标公式否定的子句集即为支持集。3 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。4 输入归结策略：每次参与归结的两个亲本子句，必须至少有一个是初始子句集 S 中的子句。5 单元归结策略：每次参加归结的两个亲

11、本子句必须至少有一个是单元子句。6 祖先过滤策略：参加归结的两个子句，要么至少有一个是初始子句集中的子句；要么一个是另外一个的祖先。 （其中完备的策略有：删除、支持集、线性祖先过滤形策略；不完备的是输入归结、单元归结策略。 ） 归结策略的类型归结策略的类型：1 简化型策略 2 限制性策略 3 有序性策略 按照拓扑结构分，神经网络可分为哪几类神经网络可分为哪几类？各具有什么网络特征？具有什么网络特征？ 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

12、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。 何为不确定性？不确定性有哪些类型？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、不一致性和时变性。 为什么使用归结原理进行定理证明时要使用归结策略？为什么使用归结原理进行定理证明时要使用归结策略？ 把归结原理在

13、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。产生式系统的组成和功能:产生式规则库，推理机和动态数据库。 （2 分）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

14、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。 产生式系统的工作过程产生式系统的工作过程(推理过程推理过程)：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，当然系统也运行结束。 产生式系统的推理方式：可分为正向推理和反向推理。正向推理是从初始事实数据触发，正向使用规则进行推理，朝目标方向前进，又称为前向推理、正向链、数据驱动的推理；反向推理是

15、从目标出发，反向使用规则进行推理，朝初始事实或数据方向进行又称反向推理、反向链、目标驱动的推理。 对比图搜索，谈谈遗传算法的主要特点是什么？对比图搜索，谈谈遗传算法的主要特点是什么？ 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。 不确定性知识的推理一般称为不确定性推理。其与确定性推理相比，区别在于多了个信度计算过程不确定性知识的推理一般称为不确定性推理。其与确定性推理相比，

16、区别在于多了个信度计算过程：1 不确定性推理中规则的前件要与证据事实匹配成功，必须达到一定的限度。2 不确定性推理中的一个规则的触发，不仅要求其前提能匹配成功，而且前提条件的总信度还必须达到阀值。3 不确定性推理中所推得的结论是否有效，也取决于其信度是否达到阀值。4 不确定性推理还要求一套关于信度的计算方法。 自然语言处理自然语言处理：用计算机来分析、处理自然语言，让计算机理解并能表达自然语言，实现人与计算机的自然语言交流。自然语言的特点：新词不断出现，很难完全收入词典；表达非常灵活，很难完全形式化；充满歧义，很难完全消解；有各种语言创新，机器很难应付机器很难应付 标准的标准的 BP 算法内在的缺陷是什么？算法内在的缺陷是什么？ 答： 易形成局部极小而得不到全局最优； 训练次数多使得学习效率低，收敛速度慢； 隐节点的选取缺乏理论指导； 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。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整个过程包括：信息的存储、知识的处理两部分