人工智能复习.docx

《人工智能复习.docx》由会员分享，可在线阅读，更多相关《人工智能复习.docx（5页珍藏版）》请在第一文库网上搜索。

1、复习参考题一、填空1 .构成产生式系统的基本元素有（）（）（）,掌握策略按执行规章的方式分类，分为（）（）（）三类。2 .归结过程中掌握策略的作用是给出掌握策略，以使仅对选择合适的子句间方可做归结，避开（）O常见的掌握策略有（）（）（）（）o3 .公式G和公式的子句集并不等值，但它们在（）的意义下是全都的。4 .与或图的启发式搜寻算法（AO*算法）的两个过程分别是（）和（）o5 .人工智能的讨论途径主要有两种不同的观点，一种观点称为（）,认为人类智能基本单元是（）o另一种观点称为（）,认为职能的基本单元是（）o6 .集合P（a, x, f （g（y）, P（z, f（z）,f（u）的 mgu（

2、最一般合一置换）为（）。7 .语义网络是对学问的（）表示方法，一个最简洁的语义网络是一个形如（）的三元组，语义网络可以描述事物间多种简单的语义关系、常用ISA、AKO弧表示节点间具有（）的分类关系。语义网络下的推理是通过（）实现的。8 .按综合属性分类，机器学习可分为（）、（）、（）和遗传算法与分类器系统。一个机器学习系统应有（）、（）、（）和（）四个基本部分组成。9 .常用的学问表示法有规律表示法、（）、（）、（）、（）等10 .有两个A*算法A1和A2,若A1比A2有较多的启发信息，则hl（n）（大于、等于、小于）h2（n）11 .关于A算法与A*算法,若规定h（n）0,并且定义启发函数:

3、f*（n）=g*（n）+h*（n）表示初始状态S0经点n到目标状态Sg最优路径的费用。其中g*（n）为S0到n的最小费用，h*（n）为到Sg的实际最小费用。若令h（n） 0,则A算法相当于（）,由于上一层节点的（）一般比下一层的小。若（）则相当于随机算法。若（），则相当于最佳优先算法。特殊是当要求（）就称这种A算法为A*算法。12.群智能是指无智能或简洁智能的主体通过任何形式的聚集协同而表现出智能行为的特性。群智能潜在的两大特点是（）和（）o其典型算法有（）和（）o已有的群智能理论的讨论和应用证明群智能方法是一种能够有效解决（）的新方法。13、蚁群算法是模拟自然界中蚂蚁查找从巢穴到食物的最佳路

4、径的行为而设计的，蚂蚁在遇到食物返回的路上会分泌（），信息素会随着时间渐渐挥发,且关键路径上的信息素相对浓度（ ）,蚁群算法已被广泛应用于很多优化问题中，其中有（）（）（）（）。14、粒子群优化算法是模拟（）或（）的觅食行为而设计的，其基本思想是通过群体中（）和（）来查找最优解。粒子群优化算法的应用领域有（）（）（）（ ）o15、遗传算法是以达尔文的自然选择学说为基础进展起来的遗传算法的三种基本操作是（）（）（）；在遗传算法中，衡量个体优劣的尺度是（），它打算某些个体是繁殖或是消亡，同时也是驱动遗传算法的动力。16、蚁群算法是模拟自然界中蚂蚁查找从巢穴到食物的最佳路径的行为而设计的，依据蚁群算

5、法的基本原理，蚁群算法中的行为因子有（ ）（ ）（ ）（ ）（ ）（ ）.17、近年有学着提出的人工鱼群算法（Artificial Fish Swann Algorithm-AFSA）是仿照自然界中鱼群的行为而提出来的解决问题的算法，从模拟鱼群的（）行为、（）行为、（）行为和（）行为等方面来模拟自然界中的鱼群行为。18、遗传算法将“优胜劣汰，适者生存”的（）引入优化参数形成的编码串群体中，按所选择的（）并通过遗传中的（）、（）及（）对个体进行（），（）的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上byf弋 O19、决策树是一种学问（概念）表示方法，能表示（）规章；是一种

6、（）o而人工神经网络（ANNs）是（）表示法，又是一种函数表示法；即从大量的数据中（）o人工神经网络对于训练数据中的“错误”数据的（）o人工神经网络的训练学习过程中有一个称为“学习速率n”的常数，n取值过大会（）,n取值过小会（）20多层神经网络的学习过程中有一种是反向传播算法（Back Propagation-BP）,其基本思想是采用（）,以次向上传播，俗称反向传播。又称（）算法。21、归纳学习需要的预先假定，称为归纳偏置，归纳学习算法隐含了归纳偏置，候选消退算法的归纳偏置是（）所以又称限定偏置。ID3是一种典型的决策树学习方法，ID3的归纳偏置有两点，分别是（）,（）o22、自然语言处理是

7、讨论用机器处理人类语言的理论和技术，又叫（）,它讨论能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，自然语言处理讨论面临的两大困难是（）和（）,其中歧义分为（）（）（）（）四个方面.23贝叶斯网就是一个在弧的连接关系上加入（）的因果关系网络。24贝叶斯网络通常用于因果推理、（）、（）三种推理。25在确定性推理模型中可信度因子CF（H,E）（学问的静态强度）取值范围为（）;主观Bayes方法中规定规章的静态强度LS,LN的值应（）二、1.设公理集：(x)(R(x)L(x)(Dx)(D(x)L(x)(3x)(D(x)I(x)求证:0x)(I(x)R(x)(给出归结步骤并画出归结树)2.

8、现定义如下谓词(其中X,Y,Z皆为全称变量)Thief(X)某人X是贼Likes(X,Y)某人X喜爱某物YMay_steal(X,Y)某人X可能会偷窃某物Y(1)用子句集表示下列刑侦学问：赵三是贼。钱六喜爱酒(wine)钱六也喜爱奶酪(cheese)假如钱六喜爱某物则赵三也喜爱某物假如某人X是贼，而且他喜爱某物，则他就有可能偷窃该物。(2)求解结论：赵三可能会偷窃了什么？3、用归结法证明：A1A2A3B即B是Al、A2、A3的有效结论。4 = (Vx) (P(x) A -I0(x) (3y) (z(, y) a (y)A2 = Gx) (P(x) a U(x) a (y) (x, y) U(y

9、)A3 = -Gx) (0(x) a U(x)B = Gx) (x) (x)三、简答题1 .人工智能方法与传统程序的不同有哪些？2 .在与或图的问题求解过程中，哪几类节点称为能解节点？3 .宽度优先搜寻和深度优先搜寻有何不同？在何种状况下宽度优先搜寻优于深度优先搜寻？在何种状况下深度优先搜寻优于宽度优先搜寻？两种搜寻策略是否都是完备的？4 .简要说明粒子群优化算法与遗传算法的共性和差异。5 .影响算法A启发力量的重要因素有哪些。6 .决策树学习法与神经网络学习法的区分。7 .为什么说遗传算法是一种“智能式搜寻”，又是一种“渐进式优化搜寻”。8 .简述Q.B过程的剪枝规章。9 .简述关于群智能理

10、论(算法)讨论存在那些问题。10 .举例说明决策树如何代表实例属性值约束的合取的析取式。即从树根到树叶的每一条路径对应一组属性测试的合取，树本身对应这些合取的析取。五、在遗传算法中，交叉率Pc,变异率Pm,复制概率Pt分别起到的作用是什么？依据阅历三种概率一般的取值范围是多少。六、课本或课件关于产生式系统描述的例子(野人传教士问题、走迷宫问题等)七、给出粒子群优化算法的“速度”和“位置”更新公式，并对公式的每部分给出解释。八、在粒子群优化算法的“速度”更新公式中有加速常数(又称加速因子)cl和c2, 一般将cl和c2统一为一个掌握参数，= cl+c2o假如很小(如0.1),粒子群运动轨迹将特别

11、缓慢；假如很大(如100),则粒子群位置变化特别快;请对这种现象结合“速度”更新公式给出你的解释分析。九、简述群智能优化算法与进化计算相同点和不同点。十、下图是贝兹德克于1994年提出的一种A, B, C智能模型，用于表示神经网络、模式识别和智能之间的关系，依据你的理解对该模型给出分析解释。H一、假设：命题S(smoker)：该患者是一个吸烟者；命题C(coal Miner)：该患者是一个煤矿矿井工.人；命题L(lung Cancer):肺癌患者；命题E(emphysema)：肺气肿患者，有建立如图贝叶斯网络，计算不得肺气肿的人不是矿工的概率,P(CE).P(ES,C) = 0.9P(ES, C) =0.3P(ES, C) = 0.5P(ES, Q = 0.1=0.03Ri： Ai-*Bi LS=20R?： A2-Bi LS=300求、结论日的更新值,LN=1LN=1P ( B1A1 A2 )o十三、已知：R)： ABCF(Bh A) = 08R2： A2B CF(B, A2)=0.5R3： B1A3B2 CF(B2, B1A3)=O.8CF(A1)=CF(A2)=CF(A3)= 1；CF(B)= CF(B2)=0；计算CF (Bi)、CF (B2)并画出推理网络。