当前位置:文档之家› 人工智能复习大纲

人工智能复习大纲

人工智能复习题提纲

第一章 绪论

1. 什么是人工智能?人工智能的意义和目标是什么?

人工智能是那些与人的思维决策问题求解和学习等有关活动的自动化。

近期研究目标:建造智能计算机以代替人类的某些智力活动。

远期目标:用自动机模仿人类的思维活动和智力功能。

2. 完整的物理符号系统的基本功能?

输入符号,输出符号,存储符号,复制符号

建立符号结构:通过找出各符号间的关系,在符号系统中形成符号结构

条件性迁移:根据已有符号,继续完成活动过程。

3. 人工智能有哪些主要学派?他们的认知观分别是什么?

符号主义认为人工智能源于数理逻辑

连接主义认为人工智能源于仿生学,特别是人脑模型的研究。

行为主义认为人工智能源于控制论。 4. 人工智能的研究领域包括哪些?

问题求解与博弈,逻辑推理与定理证明,计算智能,自动程序设计,专家系统,机器学习,模式识别,神经网络等。

5. 什么是图灵测试?

是指测试者在与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。进行多次测试后,如果有超过30%的测试者不能确定出被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。

6. 人工智能的发展历程?

孕育时期

形成时期

暗淡时期

知识应用时期

集成发展时期

第二章 知识表示

1. 知识的层次及其概念?

噪声,数据,信息,知识,元知识

数据可以定义为:“客观事物的数量、属性、位置及其相互关系等的抽象表示”。 信息:是数据的语义(即数据在特定场合下的具体含义)

知识:在长期的生活及社会实践中、在科学研究及实验中积累起来的对客观世界的认识与经验。

元知识是有关知识的知识,是知识库中的高层知识。包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。

2. 知识的属性及引起不确定性的因素?

相对正确性,不确定性(随机性,模糊性,经验,不完全性

引起的不确定性)

可表示性与可利用性

3. 知识的分类?

按知识的作用范围:常识性知识,专业性知识。

按知识的作用及表示:事实性,过程性,控制性

按知识的结构及表现形式:逻辑性,形象性

按知识的确定性;确定性,不确定性

4. 什么是知识表示? 就是知识的符号化和形式化的过程,是研究用机器表示知识的可行性、有效性的一般方法,是一种数据结构与控制结构的统一体,既考虑知识的存储又考虑知识的使用。

5. 常用的知识表示方法及其衡量标准?

衡量:完备性,一致性,正确性,灵活性,可扩充性,可理解性,可利用性,可维护性

一阶谓词逻辑表示法,产生式表示法,框架表示法,语义网络表示法,面向对象,状态空间,问题规约表示法

6. 会用一阶谓词表示所给的知识。

7. 产生式系统的基本结构及其求解过程?

控制

规则库→推理机 综合数据库

(1)从规则库中选择与综合数据库中的已知事实进行匹配。

(2)匹配成功的规则可能不止一条,进行冲突消解。

( 3)执行某一规则时,如果其右部是一个或多个结论,则把这些结论加入到综合数据库中:如果其右部是一个或多个操作,则执行这些操作。

( 4)对于不确定性知识,在执行每一条规则时还要按一定的算法计算结论的不确定性。

( 5)检查综合数据库中是否包含了最终结论,决定是否停止系统的运行。

8. 会用语义网络表示知识。

9. 会用框架表示知识。 10. 状态空间法、与或树法

11. 面向对象的基本特征?

第三章 搜索和推理

1. 搜索的分类?

2. 宽度优先与深度优先搜索算法过程,能找出算法可扩展的节点数和最短路径?

3. 理解A*算法,能找出算法可扩展的节点数和最短路径?

4. 理解产生式系统的推理方式?

5. 规则推理的冲突消解方法?能根据要求进行简单的推理。

6. 什么是不确定推理?

7. 能求解证据和结论的不确定计算方法。

8. 什么是模糊集与隶属度函数?

9. 模糊集的合成计算及截集。

10. 模糊综合评判方法及其求解方法

第四章 计算智能 (神经计算)

1. 神经网络模型的基本组成?

2. 理解感知器模型的二值逻辑运算。

3. 开发一个神经网络的基本阶段(步骤)?

4. 理解Hebb学习规则、感知器学习规则及其梯度下降法学习规则。

5. 理解并会编写BP算法。 第五章 计算智能(进化计算)

1. 试述遗传算法的基本原理,并说明遗传算法的求解步骤。

2. 遗传算法的三个重要的操作算子及其作用?

3. 会编写基本的遗传算法程序。

第六章 专家系统

1. 专家系统的类型?

2. 专家系统的基本组成?

3. 会编写小型专家系统。

4. 专家系统与一般应用程序的不同?

相关主题