人工智能考试复习资料1人工智能

《人工智能考试复习资料1人工智能》由会员分享，可在线阅读，更多相关《人工智能考试复习资料1人工智能（9页珍藏版）》请在金锄头文库上搜索。

1、识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完y),B的4个置换的例，如下：Px,f(y),Bs1原子公式P（x），至少有一个变元x，可使P（x）为T值，则用第九章智能控制系统：用于驱动智能机器以实现其目标而无须操作人-.人工智能第一章1、智能（intelligence）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解 能力而不是本能做事能力。2、人工智能（学科）人工智能研究者们认为： 人工智能（学科）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。 它的近期主要目标在于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、人工智能（能力）

2、人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为， 这些智能行为涉及 学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解 等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类 的智能。5、人工智能的主要学派：符号主义： 又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操 作系统） 假设和有限合理性原理。 代表人物有纽厄尔、肖、西蒙和尼尔逊等。连接主义： 又称仿生学派或生理学派， 其原理主要为神经网络及神经网络间的连接机制与学 习算法。行为主义：又称进化主义或控制论学派，其原理为控制论及感知动作

3、模式控制系统。6、人类认知活动具有不同的层次，它可以与计算机的层次相比较 ，见图思维策略初级信息处理生理过程人类计算机程序计算机语言计算机硬件计算机图：人类认知活动与计算机的比认知活动的最高层级是思维策略，中间一层是初级信息处理， 最低层级是生理过程，即 中枢神经系统、 神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程 序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。7、人工智能研究目标为 ：1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。-. 可修编.原理主要为物理符号

4、系统（即符号操作系统）假设和有限合理性原理、阴性、阳性等，这种构造词形的规则称为构形法。句法分为词组构归纳评价专家系统的内容（掌握5项）当专家系统完成时，应对系统它使各领域专家的专业知识和经验得到总结和精炼。（5）能汇集多-AHG.2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。一般来说， 人工智能的研究目标又可分为近期研究目标和远期研究目标两种。 两者具有不可 分割的关系， 一方面， 近期目标的实现为远期目标研究做好理论和技术准备， 打下了必要的 基础， 并增强人们实现远期目标的信心。 另一方面，远期目标则为近期目标指明了方向，强 化了近期研究目标的战略地位。 8、人工智能

5、研究的基本内容：（ 1 ）认知建模；（2 ）知识表示；（3 ）知识推理；（4 ）知识应 用；（5 ）机器感知；（6 ）机器思维；（7 ）机器学习；（8 ）机器行为（ 9 ）智能系统构建 9、人工智能研究的主要方法：（ 1）、功能模拟法（ 2）、结构模拟法（ 3）、行为模拟法（ 4）、集成模拟法10、人工智能研究和应用领域： （考 4 个）（ 1 ）计算智能（ 2 ）专家系统（ 3 ）机器学习（ 4 ）机器视觉（ 5 ）神经网络 第二章1、人工智能课程三大内容：知识表示；知识推理；知识应用。2、知识表示方法： （选择题） 9 种重点掌握这 4 种： 状态空间法， 谓词演算法， 产生表示法， 语义

6、网络法（重点）， 问题归约法、 框架表示、面向对象表示、 剧本表示和过程表示。3、状态空间法状态空间法三要点： 状态：表示问题求解法中每一步问题状况的数据结构； 算符： 把问题从一种状态变换为另一种状态的手段； 状态空间方法：基于解答空间的问题表示和求解方法， 它是以状态与算符为基础来表示 和求解问题的。（看 p31 的图 2.3）4、问题归约法（与或图表示）N MB C D E F有圆弧的表示 “与”， 无圆弧的表示 “或”或节点： 只要解决某个问题就可以解决其父辈问题的节点集合，如图中（MNH）.与节点： 只有解决所有子问题，才能解决其父辈问题的节点八集合，如图中（B,C）和（D,E,F）

7、 各个节点之间用一段小圆弧连接标记。5、谓词归约法（ 1）连词A、 合取：就是用连词（ ）把几个公式连接起来而构成的公式。相当于“与”-. 可修编.变为无序状态，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度学习；（3）基于事例的学习；（4）基于概念的学习；（5）基于进行操作的。逆向推理：从then部分向if部分推理的过程，它f(y),Bs=Px,f(B),Bs=PA,f(B)-.B、析取：就是用连词（）把几个公式连接起来而构成的公式。相当与“或” C、蕴涵：（ ）表示“如果 .那么”的语句。D、非：表示否定，用符号（ ，）表示。（2 ）量词A、全称量词：若一个原子公式 P（x），对于所有可能

8、变量 x 都具有 T 值，则用（）表示。 B、存在量词：若一个原子公式 P（x），至少有一个变元 x，可使 P（x）为 T 值，则用 （ ）P（x）表示。6、置换与合一（ 1 ）置换例 2.3 表达式 Px,f(y),B 的 4 个置换为s1=z/x,w/y(出现 x 和 y 的地方，分别 z 和 w 替换，下同)s2=A/ys3=q(z)/x,A/ys4=c/x,A/y用 Es 来表示一个表达式 E 用置换 s 所得到的表达式的置换。于是，可得到 Px,f(y),B 的 4 个置换的例，如下：Px,f(y),Bs1 Pz,f(w),BPx,f(y),Bs2=Px,f(A),BPx,f(y),

9、Bs3=Pq(z),f(A),BPx,f(y),Bs4=Pc,f(A),B（2 ）合一例 2.4 表达式集Px,f(y),B ，Px,f(B),B的合一者为 s=A/x,B/y因为 Px,f(y),Bs=Px,f(B),Bs=PA,f(B),B即 s 使表达式成为单一形式 PA,f(B),B7、产生式的基本形式（ 1 ）产生式规则是一种因果关系或推理关系，通常形式如下： IF P THEN Q如(果 P 则 Q) 或者 PQ其中， P 称为条件、前向或产生式的左边， Q 称为操作、结果或产生式的右边。其还可 以是“如果 P 被满足，则可推出结论 Q，或应该执行操作 Q”。（2 ）产生式推理如果

10、已有产生式规则 PQ并且观察到 P，或者知识库中已 p，则可得得到结论 Q，或执行操作 Q。 这种推理的一个关键之处是如何有效解决规则匹配的冲突问题。8、二元语义网络的表示（ 1 ）语义网络的组成：词法部分； 结构部分；过程部分； 语义部分。例，所有的燕子（ SWALLOW）都是鸟（BIRD）。-. 可修编.（NEST）。巢是巢中的一个，即NEST节点表示控制参数（交叉概率取0.60.95之间的值，变异概率取0.z)/x,A/ys4=c/x,A/y用Es来表示一个表上实现的智能，或者说，是人们使用机器模拟人类的智能。人工智能SWALLOWBIRDISAXIAOYAN.-建立两个节点 SWALL

11、OW和 BIRD，分别表示燕子和鸟。两个节点以“是一个”（ISA）链相 连，如图一，如果再希望表示小燕（ XIAOYAN） 是一只燕子，那么，只需要在语义网络上增 加一个节点（ XIAOYAN） 和一根 ISA链。如图二ISASWALLOWBIRD图一,图二除了按分类学对物体进行分类以外， 人们通常需要表示有关物体性质的知识。 假设希望表示 小燕子有一个巢（ NEST）这个事实，那么，可用所有权连（ OWNS）连到表示是小燕子的巢 的节点巢（ NEST）。巢是巢中的一个，即 NEST节点表示物体的各类，而 NEST表示这种物体中的一个例子。如下图ISANEST-1 NEST（2 ）语义网络中的

12、推理过程主要有两种：继承和匹配。（3）3 种继承过程：值继承；“如果需要”继承；“默认”继承。值继承：除了 ISA链以外，另外还有一种 AKO（是某种）链也可被用于语义网络中的描述或 特性的继承。 AKO是 A-KIND-OF的缩写。-. 可修编.。一般来说，人工智能的研究目标又可分为近期研究目标和远期研究规划、行动和问题求解等活动。人工智能：就是用人工的方法在机器原子公式P（x），至少有一个变元x，可使P（x）为T值，则用处是如何有效解决规则匹配的冲突问题。二元语义网络的表示（1）.-参考 P50 2.6第三章 1、盲目搜索（无信息搜索）：图搜索策略 、宽度优先搜索、深度优先搜索、等代价搜索

13、。2、宽度优先搜索和深度优先搜索的优缺点：并作图 （简答题）宽度优先搜索： 这种搜索是从上到下逐层进行的， 在对下一层的任一节点进行搜索之前， 必须先搜索完上层的所有节点。它是图搜索一般过程的特殊情况，实际是将 OPEN表作为“先 进先出”的队列进行操作。 并能够保证在搜索树种找到一条通向目标节点的最短途径； 这颗 搜索树提供了所有存在的路径（缺点：如果没有路径存在，那么对有限图来说，该算法失败 退出；对于无限图来说，则永远不会终止。 ）深度优先搜索：首先扩展最新产生的（即最深的）节点，深度相等的节点可以任意排序。 其中起始节点（即根节点）的深度为 0，任何其他节点的深度等于其父辈节点深度加上 1。 深度优先搜索可能会使搜索过程沿着无益的路径扩展下去，造成路径太长，即使应用了深度 界限来避免该问题， 但所求得的解答路径并不一定就是最短路径。启发式搜索：（盲目搜索的不足： 效率低，耗费过多的计算空间与时间）（ 1）启发式搜索策略： 用估价函数（evaluation function）来估算节点希望程度（ promise ）（2 ）有序搜索；（3）A*算法-. 可修编.（2）合