最新电大《人工智能》期末考试答案小抄.docx

《最新电大《人工智能》期末考试答案小抄.docx》由会员分享，可在线阅读，更多相关《最新电大《人工智能》期末考试答案小抄.docx（8页珍藏版）》请在三一文库上搜索。

1、1-1什么是人工智能？从学科和能力两方面加以说明。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，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。1-4现在的人工智能有哪些学派？他们的认知观是什么？生理学派或连接主义（Connectionism）根据人脑的生理结构和工作机理，研究和实现计算机智能。因为人脑是由神经细胞组成的神经网络，所以该研究途径就是用人工神经元组成的人工神经网络模型来

2、存储信息和知识，用神经计算的方法实现自学习、联想、识别和推理功能。神经网络具有高度的并行分布性。采用这种研究途径称为生理学派或连接主义逻辑学派或符号主义（Symbolicism）模拟人脑的逻辑思维，将问题和知识表示成某种逻辑网络，采用符号推演的方法，实现搜索、推理、学习等功能。这种方法目前还在使用，人工智能研究中的很多成果都是用该方法取得的，如定理证明，自动推理，专家系统、博弈系统等。采用这种方法的研究者称为心理学派或逻辑学派或符号主义。进化主义或控制论学派（Actionism）模拟人在控制过程中的智能活动和行为特性（自寻优，自适应，自学习），强调“现场AI”（situated AI）即智能系

3、统或智能机器能与环境交互，能对环境进行感知从而表现出智能行为。这种方法的研究者称为行为主义、进化主义或控制论学派。代表人物是MIT的Brooks教授，其著名试验是“六足机器虫”。1-6人工智能的主要研究和应用领域是什么？其中，哪些是新的研究热点？自然语言理解 是计算机对人类的书面和口头形式的自然语言信息进行处理加工的技术,涉及语言学,数学和计算机科学等多学科知识领域.其主要任务是建立各种自然语言处理系统,如:文字(语音)自动识别系统,电子词典,机器翻译,自动索引系统等.模式识别 模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个

4、计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。其已在医学图象,指纹识别,天气预报,汽车牌照识别中广泛应用.计算机视觉 机器视觉或计算机视觉是一种用计算机实现(或模拟)人的视觉功能，对客观外界进行感知和理解的技术。它是在图像处理和模式识别技术基础上发展起来的一门新兴的学科分支，其主要目的就是用机器识别客观外界景物，即从外界获得二维图像，抽取其特征(如形状、位置、大小、灰度、颜色、纹理等)构成本征描述，然后与已知物体的描述相匹配，从而辨认出所描述的物体。专家系统 专家系统是一个具有大量专门知识和经验的程序系统，它应用于人工智能技术，根据某个领域中一个或多个人类专家提供的

5、知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。机器学习 所谓机器学习，就是要使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。机器学习就是计算机自动获取知识，它是知识工程的三个分支（使用知识、知识表示、获取知识）之一神经网络 也称神经计算,是指一类计算模型,其工作原理模仿了人类大脑的某些工作机制,其利用大量人工神经元组成一个大网络,来实现大规模并行运算.神经网络已在模式识别、图象处理、组合优化、自动控制、信息处理、机器人学和人工智能的其它领域获得日益广泛的应用计算智能与进化计算 计算智能涉及神经计算、模糊计算、进化计算等

6、研究领域。进化计算是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法、进化策略和进化规划人工免疫系统 生物体是一个复杂的大系统，其信息处理功能是由时间和空间尺寸相异的三个子系统完成的，即：脑神经系统、免疫系统和内分泌系统。人工免疫系统指应用于人工智能领域的免疫机理和由此而形成的可用于解决复杂问题的方法和理论，即计算机实现的数字化免疫计算系统。 数据挖掘与知识发现在数据库基础上实现的知识发现系统。通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规

7、律，实现知识的自动获取。其他研究领域 智能控制 智能检索 智能调度与指挥 分布式人工智能与Agent 人工生命 系统与语言工具2-1 状态空间法、问题归约法、谓词逻辑法和语义网络法的要点是什么？它们有何本质上的联系及异同点?1.状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。在利用状态空间图表示时，我们从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直到达到目标状态为止。由于状态空间法需要扩展过多的节点，容易出现组合爆炸，因而只适用于表示比较简单的问题。 2.问题归约法从目标(要解决的问题)出发，逆向推理，通过一系列变换把初始问题变换为子问题集

8、合和子-子问题集合，直至最后归约为一个平凡的本原问题集合。这些本原问题的解可以直接得到从而解决了初始问题，用与或图来有效地说明问题归约法的求解途径。 3.谓词逻辑法采用谓词合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题，然后采用消解定理和消解反演来证明一个新语句是从已知的正确语句导出的，从而证明这个新语句也是正确的。 4.语义网络是知识的一种图解表示，它由节点和弧线或链线组成。节点用于表示实体、概念和情况等，弧线用于表示节点间的关系。 3-1什么是图搜索过程？其中，重排OPEN表意味着什么？重排的原则是什么？重排OPEN表，以便能够从中选出一个最好的节点作为下面扩展使用3-3化为子

9、句形有哪些步骤？(1)消去蕴涵符号 只应用和符号，以AB替换A=B。(2)减少否定符号的辖域 每个否定符号最多只用到一个谓词符号上，并反复应用狄摩根定律。(3)对变量标准化(4)消去存在量词(5)化为前束形前束形 = (前缀) (母 式) 全称量词串 无量词公式(6)把母式化为合取范式(7)消去全称量词(8)消去连词符号 用(AB),(AC)代替(AB)(AC)，以消去明显的符号(9)更换变量名称使一个变量符号不出现在一个以上的子句中3-4试比较宽度优先搜索、有界深度优先搜索以及有序搜索的搜索效率。有序搜索效率最高，而一般来说有界深度搜索较好，宽度优先次之，但有界深度和宽度优先搜索应视具体情况

10、而定。有序搜索即最好优先搜索选择OPEN表上 表上具有最小f值的节点作为下一个要扩展的节点。 A*算法定义g*：g*(n)=k(S,n)；f*：f*(n)=g*(n)+h*(n)；希望估价函数f是f*的一个估计：f(n)=g(n)+h(n)（g是g*的估计,h是h*的估计）h*(n)的估计h(n)依赖于有关问题的领域的启发信息。对于g(n)来说，一个明显的选择就是搜索树中从S到n这段路径的代价，这一代价可以由从n到S寻找指针时，把所遇到的各段弧线的代价加起来给出(这条路径就是到目前为止用搜索算法找到的从S到n的最小代价路径)依据f(x)=g(x)+h(x) 进行的如果对所有的x存在h(x)h*

11、(x) ,则称h(x)为h*(x)的下界,它表 示某种偏于保守的估计称为A*算法。3-11规则演绎系统和产生式系统有哪几种推理方式？各自特点为何？规则演绎：正向推理（if推then F变换）反向推理（then推if B变换）双向推理（进行F、B变换）产生式系统：正向推理：从一组表示事实的谓词或命题出发，使用一组产生式规则，用以证明该谓词公式或命题是否成立。逆向推理：从一组表示目标的谓词或命题出发，使用一组产生式规则，用以证明事实谓词或命题是否成立。双向推理：同时从目标向事实推理和从事实向推理目标，并在推理过程中的某个步骤实现事实与目标的匹配。3-13研究不确定性推理有何意义？有哪几种不确定性？

12、“不确定性”一般分为两类：一是知识的不确定性，一是证据的不确定性。知识不确定性的表示：它表示相应知识的不确定性程度，称为知识的静态强度。证据不确定性的表示：代表相应证据的不确定性程度，称之为动态强度。5-2试述遗传算法的基本原理，并说明遗传算法的求解步骤。基本原理：1.编码与解码。常用二进制编码；2适应度函数。反映每一个染色体与问题的最优解染色体之间的差异；3.遗传操作：选择、交叉、变异。.遗传算法特点：1.算法是针对参数集合的编码而非针对参数本身进行进化；2.是从问题的编码组开始而非单个解开始搜索；3.利用目标函数的适应度来指导搜索；4.利用选择交叉变异等算子而非确定性规则。求解步骤：1.初

13、始化种群；2.计算种群上每个个体的适应度；3.按由个体适应度所决定的某个规则将进入下一代的个体；4.按概率Pc进行交叉搜索；5. 按概率Pc进行变异搜索；6.若没有满足某种终止条件，则转步骤2，否则进入下一步；7.输出种群中适应度值最优的染色体作为问题是满意解。进化计算包括遗传算法、进化策略和进化编程，并将它们应用于复杂的优化问题。都是一类模仿自然进化原理的算法。区别：进化策略是一种数值优化方法，遗传算法是一种自适应度搜索技术，表示个体的方式不同，选择过程不同，复制参数不同。5-12人工生命包括哪些研究内容？研究方法如何？研究内容：1.构成生物体的内部系统；2.生物体及其种群的外部系统。科学框

14、架：1。生命仿真系统；2.生命现象的建模与仿真；3.进化动力学；4.人工生命的计算理论和工具；5.进化机器人；6.进化和学习等方面的结合；7.人工生命的应用。研究方法：1.信息模型法；2.工作原理法。1.工程技术途径；2.生物科学途径。6-1什么是专家系统？它具有哪些优点和缺？专家系统 是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那

15、些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统特点： 1.启发性 专家系统能运用专家的知识与经验进行推理、判断和决策；2.透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感；3.灵活性 专家系统能不断地增长知识，修改原有知识，不断更新。由于这一特点，使得专家系统具有十分广泛的应用领域.优点：1.系统能够高效率、准确、周到、迅速和不知疲倦地进行工作；2.系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记；3.专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验；4.系统能

16、促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力；5.统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力；6.家系统的水平是一个国家国防现代化的重要标志之一；7.统的研制和应用，具有巨大的经济效益和社会效益；8.家系统能够促进整个科学技术的发展。 统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响专家系统的类型：按照专家系统所求解问题的性质,大致可以分为:解释专家系统、测专家系统、断专家系统、设计专家系统、规划专家系统、

17、监视专家系统、控制专家系统、调试专家系统、教学专家系统、修理专家系统6-2专家系统由哪些部分构成？各部分作用是什么？专家系统的主要组成部分：知识库,综合数据库,推理机,解释器,接口知识库(knowledge base) 知识库用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等。为了建立知识库，要解决知识获取和知识表示问题。知识获取涉及知识工程师如何从专家那里获得专门知识的问题；知识表示则要解决如何用计算机能够理解的形式表达和存储知识的问题。综合数据库(global database) 综合数据库又称全局数据库或总数据库，它用于存储领域或问题的初始数据和推理过程中得到的中间数据(信息)

18、，即被处理对象的一些当前事实。推理机(reasoning machine) 推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索现成的答案解释器(explanator) 解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其它候选解的原因。接口(interface) 接口又称界面，它能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。6-3建造专家系统的关键步骤是什么？1. 设计初始

19、知识库问题知识化:即辨别所研究问题的实质,任务为何?如何定义,是否可以分解等.知识概念化:即概括知识表示所需要的关键概念及其关系,如数据类型,已知条件,目标,提出的假设以及控制策略概念形式化:用确定用来组织知识的数据形式.应用各种知识表示方法,把概念变换为正式的表达,包括假设空间,过程模型,数据特性等.形式规则化:即编制规则,把形式化的语言变成由编程语言表示的可供计算机执行的语句和程序2. 原型机的开发与实验:开始建立整个系统所需要的实验子集,包括整个模型的典型知识.3 知识库的改进和归纳:反复对知识库及推理规则进行改进实验,归纳出更完善的结果,经过长期努力,使系统在一定范围内达到人类专家的水

20、平. 6-4专家系统程序与一般的问题求解软件程序有什么不一样？开发专家系统与开发其他软件的任务有何不同？根据专家系统的工作机理与结构分为: 基于规则的专家系统 基于框架的专家系统 基于模型的专家系统6-7为什么要提出基于模型的专家系统？人工智能是对各种定性模型(物理的,感知的,社会的系统模型)的获得,表达和使用的计算方法进行研究的学问，基于规则和基于框架专家系统都是以逻辑心理模型为基础的,采用规则逻辑或框架,并以逻辑作为描述启发式知识的工具而建立的计算机系统。而基于模型增加了系统的功能,提高了性能指标;可独立地深入研究各种相关模型,把获得的结果用于改进系统。6-8新型专家系统有何特征？并行与分

21、布处理 多专家系统协同工作 高级语言和知识语言描述 具有自学习功能 引入新的推理机制 具有自纠错和自完善能力 先进的智能人机接口 分布式专家系统： 把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，从而在总体上提高系统的处理效率协同式专家系统： 协同式专家系统亦可称为”群专家系统”,表示能够综合若干个领域或一个领域的多个方面的子专家系统相互协作共同解决一个更为广泛的领域问题的专家系统.7-1什么是机器学习？为什么研究机器学习？定义 机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。机器学习就是计

22、算机自动获取知识，它是知识工程的三个分支（使用知识、知识表示、获取知识）之一 7-2机器学习系统的基本结构及作用环境和知识库是以某种知识表示形式表达的信息的集合，分别代表外界信息来源和系统具有的知识。“学习环节”和“执行环节”代表两个过程。“环境”向系统的“学习环节”提供某些信息，而“学习环节”则利用这些信息对系统的“知识库”进行改进，以增进系统“执行环节”完成任务的效能。“执行环节”根据知识库中的知识来完成某种任务，同时把获得的信息反馈给“学习环节”7-3解释机械学习的模式。机械学习 又称为记忆学习或死记硬背式的学习。这种学习方法直接记忆或存储环境提供的新知识，并在以后通过对知识库的检索来直

23、接使用这些知识，而不再需要进行任何的计算和推导。执行机构每解决一个问题，系统就记住这个问题和它的解。简单的机械学习模型：机械学习的主要问题：需要注意3个重要的问题：存储组织，稳定性和存储与计算之间的权衡。（1）存储组织信息：采用适当的存储方式，使检索速度尽可能地快，是机械学习中的重要问题。（2）环境的稳定性与存储信息的适用性问题：机械学习系统必须保证所保存的信息适应于外界环境变化的需要，这也就是所谓的信息适用性问题。（3）存储与计算之间的权衡：对于机械学习来说很重要的一点是它不能降低系统的效率。7-11什么是知识发现？最及时发现与数据挖掘有何关系？数据库中的知识发现是从大量数据中辨识出有效的、

24、新颖的、潜在行用的、并可被理解的模式的高级处理过程。7-13知识发现的过程知识发现的处理过程：1、数据选择。根据用户的需求从数据库中提取与KDD相关的数据。2、数据预处理。主要是对上述数据进行再加工，检查数据的完整性及数据的一致性，对丢失的数据利用统计方法进行填补，形成发掘数据库。3、数据变换。即从发掘数据库里选择数据。4.数据挖掘。根据用户要求，确定KDD的目标是发现何种类型的知识。5、知识评价。这一过程主要用于对所获得的规则进行价值评定，以决定所得的规则是否存入基础知识库。全过程的几个步骤可以进一步归纳为三个步骤，即数据挖掘预处理（数据挖掘前的准备工作）、数据挖掘、数据挖掘后处理（数据挖掘

25、后的处理工作）7-14常用的知识发现的方法1.统计方法（1）传统方法：主要研究渐近理论，即当样本趋于无穷多时的统计性质。统计方法处理过程分三个阶段:搜索数据、分析数据、进行推理（2）模糊集：表示和处理不确定性数据的方法。不但可以处理不完全数据、噪声或不精确数据，还可以提供比传统方法更灵巧、更平滑的性能（3）支撑向量机SVM (support vector machine) 建立在计算学习理论的结构风险最小化原则之上，其主要思想是针对两类分类问题，在高维空间中寻找一个超平面作为两类的分割，以保证最小的分类错误率。(4)粗糙集（rough set）用来处理含糊性和不确定性。粗糙集是由集合的下近似、

26、上近似来定义的。边界区的成员可能是该集合的成员，但不是确定的成员。它常与规则归纳、分类和聚类方法结合起来使用，很少单独使用。2. 机器学习方法（1）规则归纳 规则反映数据项中某些属性或数据集中某些数据项之间的统计相关性。（2）决策树 应用于分类和预测，提供了一种展示在什么条件下会得到什么值这类规则的方法，一个决策树表示一系列的问题，每个问题决定了继续下去的问题会是什么。适合于处理非数值型数据，需要在生成决策树后再对决策树进行剪枝处理，最后将决策树转化为规则，用于对新事例进行分类。（3）范例推理 直接使用过去的经验或解法来求解给定的问题。当给定一个特定问题时，范例推理就检索范例库，寻找相似的范例

27、。如果存在相似的范例，它们的解法就可以用来求解新的问题。该新问题被加到范例库，以便将来参考。（4）贝叶斯信念网络 是概率分布的图的表示，是一种直接的、非循环的图。节点表示属性变量，边表示属性变量之间的依赖关系。（5）科学发现 在试验环境下发现科学定理。（6）遗传算法 模仿人工选择培育良种的思路，从一个初始规则集合开始，迭代的通过交换对象成员产生群体（繁殖），评估并择优复制逐代积累计算，最终得到最有价值的知识集。.神经网络方法3.人工神经网络方法：前馈式网络、反馈式网络和自组织网络。主要用于分类、聚类、特征挖掘、预测等方面。通过向一个训练数据集学习和应用所学知识生成分类和预测的模式。4.可视化方

28、法： 可视化就是把数据、信息和知识转化为可视的表示形式的过程。信息的可视化就是要处理这些数据种类以及它们在商业和信息技术领域的相关的分析任务，以发现信息中的模式、聚类、区别、联系和趋势人工智能的理论争论 1、符号主义：符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。也就是说，人的思维是可操作的。它还认为，知识是信息的一种形式，是构成智能的基础。人工智能的核心问题是知识表示、知识推理和知识运用。知识可用符号表示，也可用符号进行推理，因而有可能建立

29、起基于知识的人类智能和机器智能的统一理论体系。2、联结主义：联结主义认为人的思维基元是神经元，而不是符号处理过程。它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出联结主义的大脑工作模式，用于取代符号操作的电脑工作模式。 3、行为主义行为主义认为智能取决于感知和行动(所以被称为行为主义)，提出智能行为的“感知动作”模式。行为主义者认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化(所以称为进化主义)；智能行为只能在现实世界中与周围环境交互作用而表现出来。行为主义还认为：符号主义(还包括联结主义)对真实世界客观事物的描述及其智能行为工作模式是过于简化的抽象，因

30、而是不能真实地反映客观存在的。对人工智能方法的争论1、符号主义：符号主义认为人工智能的研究方法应为功能模拟方法。通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，实现人工智能。符号主义力图用数学逻辑方法来建立人工智能的统一理论体系，但遇到不少暂时无法解决的困难，并受到其它学派的否定。2、联结主义：联结主义主张人工智能应着重于结构模拟，即模拟人的生理神经网络结构，并认为功能、结构和智能行为是密切相关的。不同的结构表现出不同的功能和行为。已经提出多种人工神经网络结构和众多的学习算法。3、行为主义：行为主义认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开

31、的。不同的行为表现出不同的功能和不同的控制结构。行为主义的研究方法也受到其它学派的怀疑与批判，认为行为主义最多只能创造出智能昆虫行为，而无法创造出人的智能行为。对人工智能技术路线的争论1、专用路线2、通用路线3、硬件路线4、软件路线人工智能对人类的影响人工智能对经济的影响 人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。人工智能对社会的影响1、劳务就业问题2、社会结构变化3、思维方式与观念的变化4、心理上的威胁5、技术失控的危险人工智能对文化的影响1、改善人类知识2、改善人类语言3、改善文化生活对人工智能的展望人工智能研究存在不少问题：(1) 宏观与微观隔离 (2) 全局与局部割裂 (3) 理论和实际脱节展望 更好的技术集成 更成熟的应用方法8