人工智能復(fù)習(xí)(2014春)

1、復(fù)習(xí)參考題一、填空)(),)() TOC o 1-5 h z 構(gòu)成產(chǎn)生式系統(tǒng)的基本元素有（）（控制策略按執(zhí)行規(guī)則的方式分類，分為（）（三類。歸結(jié)過程中控制策略的作用是給出控制策略，以使僅對選擇合適的子句間方可做歸結(jié)，避免（）。常見的控制策略有（）（）（）（）。公式G和公式的子句集并不等值，但它們在（）的意義下是一致的。與或圖的啟發(fā)式搜索算法（AO*算法）的兩個過程分別是（）和（）。人工智能的研究途徑主要有兩種不同的觀點(diǎn)，一種觀點(diǎn)稱為（）,認(rèn)為人類智能基本單元是（）。另一種觀點(diǎn)稱為（），認(rèn)為職能的基本單元是（）。 集合P（a, x, f （g（y）, P（z, f（z）,f（u）的 mgu（最一

2、般合一置換）為（）。 語義網(wǎng)絡(luò)是對知識的（）表示方法，一個最簡單的語義網(wǎng)絡(luò)是一個形如（）的三元組，語義網(wǎng)絡(luò)可以描述事物間多種復(fù)雜的語義關(guān)系、常用ISA、AKO弧表示節(jié)點(diǎn)間具有（）的分類關(guān)系。語義網(wǎng)絡(luò)下的推理是通過（）實(shí)現(xiàn)的。 TOC o 1-5 h z 按綜合屬性分類，機(jī)器學(xué)習(xí)可分為（）、（）、（）和遺傳算法與分類器系統(tǒng)。一個機(jī)器學(xué)習(xí)系統(tǒng)應(yīng)有（）、（）、（）和（）四個基本部分組成。9 .常用的知識表示法有邏輯表示法、（）、（）、（）、（）等有兩個A*算法A1和A2,若A1比A2有較多的啟發(fā)信息，貝Uh1（n）（大于、等于、小于）h2（n）關(guān)于A算法與A*算法，若規(guī)定h（n）N0,并且定義啟發(fā)函

3、數(shù):f*（n）=g*（n）+h*（n） 表示初始狀態(tài)S0經(jīng)點(diǎn)n到目標(biāo)狀態(tài)Sg最優(yōu)路徑的費(fèi)用。其中g(shù)*（n）為S0到n 的最小費(fèi)用，h*（n）為到Sg的實(shí)際最小費(fèi)用。若令h（n）三0,則A算法相當(dāng)于（），因?yàn)樯弦粚庸?jié)點(diǎn)的（）一般比下一層的小。若（）則相當(dāng)于隨機(jī)算法。若（），則相當(dāng)于最佳優(yōu)先算法。特別是當(dāng)要求（）就稱這種A算法為A*算法。群智能是指無智能或簡單智能的主體通過任何形式的聚集協(xié)同而表現(xiàn)出智能行為的特性。群智能潛在的兩大特點(diǎn)是（）和（）。其典型算法有（）和（）。已有的群智能理論的研究和應(yīng)用證明群智能方法是一種能夠有效解決（）的新方法。蟻群算法是模擬自然界中螞蟻尋找從巢穴到食物的最佳路徑的

4、行為而設(shè)計(jì)的，螞蟻在遇到食物返回的路上會分泌（），信息素會隨著時間慢慢揮發(fā)，且關(guān)鍵路徑上的信息素相對濃度（），蟻群算法已被廣泛應(yīng)用于許多優(yōu)化問題中，其中有（）（）（）（）。粒子群優(yōu)化算法是模擬（）或（）的覓食行為而設(shè)計(jì)的，其基本思想是通過群體中（）和（）來尋找最優(yōu)解。粒子群優(yōu)化算法的應(yīng)用領(lǐng)域有（）（）（）（）。15、遺傳算法是以達(dá)爾文的自然選擇學(xué)說為基礎(chǔ)發(fā)展起來的。遺傳算法的三種基本操作是（ ）（）（）；在遺傳算法中，衡量個體優(yōu)劣的尺度是（），它決定某些個體是繁殖或是消亡，同時也是驅(qū)動遺傳算法的動力。16、蟻群算法是模擬自然界中螞蟻尋找從巢穴到食物的最佳路徑的行為而設(shè)計(jì)的，依據(jù)蟻群算法的基本原

5、理，蟻群算法中的行為因子有 TOC o 1-5 h z （）（）（）（）（）（）.17、近年有學(xué)著提出的人工魚群算法（Artificial Fish Swarm Algorithm-AFSA） 是模仿自然界中魚 群的行為而提出來的解決問題的算法，從模擬魚群 的（）行為、（）行為、（）行為和（）行為等方面來模擬自然界中的魚群行為。18、 遺傳算法將“優(yōu)勝劣汰，適者生存”的（）引入優(yōu)化參數(shù)形成的編碼串群體中，按所選擇的（）并通過遺傳中的（）、（）及（）對個體進(jìn)行（），（）的個體被保留下來，組成新的群體，新的群體既繼承了上一代的信息，又優(yōu)于上 一代。19、 決策樹是一種知識（概念）表示方法，能表示（

6、）規(guī)則；是一種（）。而人工神經(jīng)網(wǎng)絡(luò)（ANNs）是（）表示法，又是一種函數(shù)表示法；即從大量的數(shù)據(jù)中（）。人工神經(jīng)網(wǎng)絡(luò)對于訓(xùn)練數(shù)據(jù)中的“錯誤”數(shù)據(jù)的（）。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)過程中有一個稱為“學(xué)習(xí)速率n ”的常數(shù)，n取值過大會（），n取值過小會（）。20、多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程中有一種是反向傳播算法（Back Propagation-BP），其基本思想是利用（），以次向上傳播，俗稱反向傳播。又稱（）算法。21、歸納學(xué)習(xí)需要的預(yù)先假定，稱為歸納偏置，歸納學(xué)習(xí)算法隱含了歸納偏置，候選消除算法的歸納偏置是（）-所以又稱限定偏置。ID3是一種典型的決策樹學(xué)習(xí)方法，ID3的歸納偏置有兩點(diǎn)，分別是（），（）

7、。22、 自然語言處理是研究用機(jī)器處理人類語言的理論和技術(shù)，又叫（）,它研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語言進(jìn)行有效通信的各種理論和方法，自 然語言處理研究面臨的兩大困難是（）和（）,其中歧義分為（）（）（）（）四個方面.23貝葉斯網(wǎng)就是一個在弧的連接關(guān)系上加入（）的因果關(guān)系網(wǎng)絡(luò)。24貝葉斯網(wǎng)絡(luò)通常用于因果推理、（）、（）三種推理。25在確定性推理模型中可信度因子CF（H,E）（知識的靜態(tài)強(qiáng)度）取值范圍為（）；主觀Bayes方法中規(guī)定規(guī)則的靜態(tài)強(qiáng)度LS,LN的值應(yīng)（）二、1.設(shè)公理集：（Vx）（R（x）*x）（Vx）（D（x）T L（x）（3x）（D（x）aI（x）求證:(3x)(I(x)AR(

8、x)(給出歸結(jié)步驟并畫出歸結(jié)樹)現(xiàn)定義如下謂詞(其中X,Y,Z皆為全稱變量)Thief(X)某人X是賊Likes(X,Y)某人X喜歡某物YMay_steal(X,Y)某人X可能會偷竊某物Y九子句集表示下列刑偵知識：趙三是賊。錢六喜歡酒(wine)錢六也喜歡奶酪(cheese)如果錢六喜歡某物則趙三也喜歡某物如果某人X是賊，而且他喜歡某物，則他就有可能偷竊該物。求解結(jié)論：趙三可能會偷竊了什么？3、用歸結(jié)法證明：4 A氣A A3 r B即B是A1、A2、A3的有效結(jié)論。A1 = (Vx)(P(x) aQ(x) r(3y)(W(x, y) aV(y) A2 = (3x)(P(x) A U(x) A

9、(Vy)(W(x, y) r U(y) A = (3x)(Q(x) a U(x)3B = (3x)(V (x) a U(x)三、簡答題人工智能方法與傳統(tǒng)程序的不同有哪些？在與或圖的問題求解過程中，哪幾類節(jié)點(diǎn)稱為能解節(jié)點(diǎn)？寬度優(yōu)先搜索和深度優(yōu)先搜索有何不同？在何種情況下寬度優(yōu)先搜索優(yōu) 于深度優(yōu)先搜索？在何種情況下深度優(yōu)先搜索優(yōu)于寬度優(yōu)先搜索？兩種搜索策 略是否都是完備的？簡要說明粒子群優(yōu)化算法與遺傳算法的共性和差異。影響算法A啟發(fā)能力的重要因素有哪些。決策樹學(xué)習(xí)法與神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)法的區(qū)別。為什么說遺傳算法是一種“智能式搜索”又是一種“漸進(jìn)式優(yōu)化搜索。簡述a書過程的剪枝規(guī)則。簡述關(guān)于群智能理論(算法

10、)研究存在那些問題。舉例說明決策樹如何代表實(shí)例屬性值約束的合取的析取式。即從樹根到 樹葉的每一條路徑對應(yīng)一組屬性測試的合取，樹本身對應(yīng)這些合取的析取。五、在遺傳算法中，交叉率Pc,變異率Pm，復(fù)制概率Pt分別起到的作用是什 么？依據(jù)經(jīng)驗(yàn)三種概率一般的取值范圍是多少。六、課本或課件關(guān)于產(chǎn)生式系統(tǒng)描述的例子(野人傳教士問題、走迷宮問題等)七、給出粒子群優(yōu)化算法的“速度”和“位置”更新公式，并對公式的每部分給 出解釋。八、在粒子群優(yōu)化算法的“速度”更新公式中有加速常數(shù)(又稱加速因子)c1 和c2， 一般將c1和c2統(tǒng)一為一個控制參數(shù)，件c1+c2。如果9很小(如0.1 )， 粒子群運(yùn)動軌跡將非常緩慢

11、；如果9很大(如100)，則粒子群位置變化非?？?； 請對這種現(xiàn)象結(jié)合“速度”更新公式給出你的解釋分析。九、簡述群智能優(yōu)化算法與進(jìn)化計(jì)算相同點(diǎn)和不同點(diǎn)。十、下圖是貝茲德克于1994年提出的一種A, B, C智能模型，用于表示神經(jīng)網(wǎng) 絡(luò)、模式識別和智能之間的關(guān)系，根據(jù)你的理解對該模型給出分析解釋。十一、假設(shè)：命題S(smoker):該患者是一個吸煙者；命題C(coal Miner)：該患 者是一個煤礦礦井工人；命題L(lung Cancer):肺癌患者；命題E(emphysema): 肺氣腫患者，有建立如圖貝葉斯網(wǎng)絡(luò)，計(jì)算不得肺氣腫的人不是礦工的概率，P(C|E)。P(E|S, C) = 0.9P(E|S, C) = 0.3P(E|S, C) = 0.5P(E|S, C) = 0.1=0.03十三、R1： A1-B1 LS=20R2： A2B LS=300求、結(jié)論8