人工智能試卷

本文格式為Word版，下載可任意編輯——人工智能試卷成績

02級(jí)博士研究生課程考試試卷

姓名學(xué)號(hào)成績

1．填空（20分）

1）從知識(shí)的觀點(diǎn)，智能表現(xiàn)在知識(shí)的獲取能力、知識(shí)的處理能力、知識(shí)的運(yùn)用能力。

2）謂詞規(guī)律表達(dá)法的優(yōu)點(diǎn)有嚴(yán)格性、通用性、自然性、模塊性。

3）知識(shí)表達(dá)的主要方法有狀態(tài)空間表示法、與/或圖表示法、產(chǎn)生式系統(tǒng)、規(guī)律表達(dá)法(框架表示、語義網(wǎng)絡(luò)、腳本表示)。

4）常用的狀態(tài)空間探尋算法有：回溯策略、寬度優(yōu)先策略、深度優(yōu)先策略、圖探尋。

5）不確切推理的常用方法有概率方法、主觀Bayes方法、可信度方法、模糊推理法。

6）專家系統(tǒng)的一般結(jié)構(gòu)包括人機(jī)接口、推理機(jī)、知識(shí)庫、動(dòng)態(tài)數(shù)據(jù)庫、知識(shí)獲取機(jī)構(gòu)和解釋機(jī)構(gòu)。

7）專家系統(tǒng)的設(shè)計(jì)原則是專門任務(wù)、專家合作、原形設(shè)計(jì)、用戶參與、輔助工具、知識(shí)庫與推理機(jī)分開

8）機(jī)器學(xué)習(xí)系統(tǒng)的一般結(jié)構(gòu)包括知識(shí)庫、學(xué)習(xí)元、執(zhí)行元、監(jiān)視環(huán)節(jié)、選例環(huán)節(jié)、環(huán)境。

9）神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法有監(jiān)視學(xué)習(xí)、非監(jiān)視學(xué)習(xí)、再鼓舞學(xué)習(xí)。

2.問答（20分）

1）什么是知識(shí)？它有那些特性？

答：知識(shí)是人們對(duì)自然現(xiàn)象的認(rèn)識(shí)和從中總結(jié)出來的規(guī)律、經(jīng)驗(yàn)。人類的知識(shí)具有相對(duì)正確性、不確定性、可表示性和可利用性。

2）在產(chǎn)生式系統(tǒng)中，規(guī)則沖突解決策略有那些？答：在產(chǎn)生式系統(tǒng)中，規(guī)則沖突解決策略有：

專一性排序假使某一條規(guī)則條件部分規(guī)定的狀況，比另一規(guī)則條件部分規(guī)定的狀況更有真對(duì)性，則這條規(guī)則有較高的優(yōu)先級(jí)；

規(guī)則排序假使規(guī)則編排的順序就表示了啟用的優(yōu)先級(jí)，則稱之為規(guī)則排序；數(shù)據(jù)排序把規(guī)則條件部分的所有條件按優(yōu)先級(jí)次序編排起來，運(yùn)行時(shí)首先使用在條件部分包含較高優(yōu)先級(jí)數(shù)據(jù)的規(guī)則；

規(guī)模排序按規(guī)則的條件部分的規(guī)模排列優(yōu)先級(jí)，優(yōu)先使用被滿足的條件較多的規(guī)則；

就近排序把最近使用的規(guī)則放在最優(yōu)先的位置，假使某一規(guī)則經(jīng)常被使用，則人們傾向于更多地使用這條規(guī)則；

上下文限制把產(chǎn)生式規(guī)則按它們所描述的上下文分組，也就是按上下文對(duì)規(guī)則分組。在某種上下文條件下，只能從與其相對(duì)應(yīng)的那組規(guī)則中選擇可應(yīng)用的規(guī)則。

3）什么是不確切推理？不確切推理中需要解決的基本問題有那些？

答：不確切推理是建立在非規(guī)律基礎(chǔ)上的一種推理，是基于不確定性知識(shí)的推理，是從不確定性的初始事件（證據(jù)）出發(fā)，通過運(yùn)用不確定性的知識(shí)，最終推出具有一定程度的不確定性卻是合理或者近乎合理的結(jié)論的思維過程。

不確切推理中需要解決推理方向、推理方法和控制策略問題，同時(shí)還要解決不確定性的表示、不確定性的匹配和不確定性的更新算法等問題。

4）簡述專家系統(tǒng)的開發(fā)過程，如何對(duì)專家系統(tǒng)進(jìn)行評(píng)價(jià)

答：專家系統(tǒng)的開發(fā)可分為問題識(shí)別階段、概念化階段、形式化階段、實(shí)現(xiàn)階段和測試階段。

問題識(shí)別階段：知識(shí)工程師和專家確定問題的重要特點(diǎn)，抓住問題個(gè)方面的特點(diǎn)。確定人員和人員的任務(wù)，描述問題的特征幾相應(yīng)的知識(shí)結(jié)構(gòu)，明確問題的類型和范圍，確定知識(shí)源、時(shí)間、計(jì)算設(shè)備以及經(jīng)費(fèi)等資源，然后確定問題的求解目標(biāo)。

概念化階段：透露描述問題所需要的關(guān)鍵概念、關(guān)系和控制機(jī)制，子任務(wù)、策略和有關(guān)問題求解的約束。

形式化階段：把概念化階段概括出來的關(guān)鍵概念、子問題和信息流特征形式化地表現(xiàn)出來。形式化過程中的三個(gè)主要的因素是假設(shè)空間、基本的過程模型和數(shù)據(jù)的特征。

實(shí)現(xiàn)階段：把形式化知識(shí)變成計(jì)算機(jī)的軟體，即要實(shí)現(xiàn)知識(shí)庫、推理機(jī)、人機(jī)接口

和解釋系統(tǒng)。

測試階段：通過運(yùn)行實(shí)例評(píng)價(jià)原型系統(tǒng)以及用于實(shí)現(xiàn)它的表達(dá)式，從而發(fā)現(xiàn)知識(shí)庫和推理機(jī)的缺陷。

對(duì)專家系統(tǒng)的評(píng)價(jià)主要有兩個(gè)方面，即其正確性和有用性。對(duì)于其正確性主要由知識(shí)工程師和領(lǐng)域?qū)＜疫M(jìn)行評(píng)價(jià)，目的是評(píng)價(jià)專家系統(tǒng)的設(shè)計(jì)、測試和運(yùn)行結(jié)果的正確性；對(duì)于其有用性主要由用戶進(jìn)行評(píng)價(jià)，其中包括一般用戶和專業(yè)用戶，重點(diǎn)是評(píng)價(jià)專家系統(tǒng)的運(yùn)行性能。

5）什么是學(xué)習(xí)和機(jī)器學(xué)習(xí)？

答：在人工智能領(lǐng)域，學(xué)習(xí)是人類的一種智力行為，是積累經(jīng)驗(yàn)、獲取知識(shí)和改善系統(tǒng)性能的過程。

機(jī)器學(xué)習(xí)是一門研究機(jī)器（計(jì)算機(jī)）獲取新知識(shí)的新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)問。

3、（15分）設(shè)有如下語句，請(qǐng)用相應(yīng)的謂詞公式分別把他們表示出來：1）有的人喜歡梅花，有的人喜歡菊花，有的人即喜歡梅花又喜歡菊花。答：?xLike(x,plum-blossom)

?xLike(x,chrysanthemum)

?xLike(x,plum-blossom)?Like(x,chrysanthemum)

2）他每天下午都去打籃球。

答：Play(he,basketball)?time(every-afternoon)

3）新型計(jì)算機(jī)又快，存儲(chǔ)容量又大。

答：Speed(new-computer,fast)?storage(new-computer,large)

4）不是每個(gè)計(jì)算機(jī)系的學(xué)生都喜歡在計(jì)算機(jī)上編程序。

答：??xcomp-department(x)=>Like(x,programming)?on(computer)

5）凡是喜歡編程序的人都喜歡計(jì)算機(jī)。

答：?xlike(x,programming)=>like(x,computer)

4、（15分）設(shè)有如下問題

1）在一個(gè)3X3的方框內(nèi)放有8個(gè)編號(hào)的小方塊；

2）緊鄰空位的小方塊可以移入到空位上；

3）通過平移小方塊可將某一布局（如下圖）變換為另一布局。問題：

1）請(qǐng)用產(chǎn)生式規(guī)則表示移動(dòng)小方塊的操作。

2）請(qǐng)以“不在位的將牌數(shù)之和〞為啟發(fā)，演示A算法探尋過程。

答：(1)用產(chǎn)生式規(guī)則表示移動(dòng)小方塊的操作如下：

R1：假使小方塊在右上方，空格在其左，則左移；空格在其下，則下移。R2：假使小方塊在右中，空格在其左，則左移；空格在其下，則下移；空格在其上，則上移。R3：假使小方塊在右下方，空格在其左，則左移；空格在其上，則上移。R4：假使小方塊在中上方，空格在其左，則左移；空格在其右，則右移；空格在其下，則下移。R5：假使小方塊在中間，空格在其左，則左移；空格在其下，則下移；空格在其上，則上移；空格在其右，則右移。R6：假使小方塊在中下方，空格在其左，則左移；空格在其右，則右移；空格在其上，則上移。R7：假使小方塊在左上方，空格在其右，則右移；空格在其下，則下移。R8：假使小方塊在左中，空格在其右，則右移；空格在其下，則下移；

空格在其上，則上移。R9：假使小方塊在左下方，空格在其右，則右移；空格在其上，則上移。

（2）設(shè)估價(jià)函數(shù)為:f(n)=d(n)+w(n)，其中d(n)為狀態(tài)深度，w(n)表示以“不在位〞的將牌數(shù)作為啟發(fā)信息的度量，利用A探尋算法求解的過程演示如下：

A（6）B（4）C（6）

D（5）E（5）F（6）

28314765231847652831476528316475283147651831647528316475初始S（4）

G（6）H（7）I（5）J（7）832832321471418476565765

K（5）

1238476523184765

L（5）M（7）

5、（15分）請(qǐng)把以下命題用一個(gè)語義網(wǎng)絡(luò)表示出來：1）樹和草都是植物；2）樹和草都有葉和根；

3）水草是草，且生長在水中；4）果樹是樹，且會(huì)結(jié)果；

5）梨樹是果樹中的一種，它會(huì)結(jié)梨。

答：其語義網(wǎng)絡(luò)表示如下：

根AKOAKOPart-of樹草part-of葉ISAISA葉根植物12384765目的

12378465

果樹水草location水

ISA

6、結(jié)合研究方向，探討人工智能的應(yīng)用。（15分）

答：本人結(jié)合自己研究方向，就基于人工智能的變壓器溫升預(yù)計(jì)應(yīng)用。進(jìn)行如下探討：變壓器的溫升直接關(guān)系到變壓器的使用壽命和運(yùn)行的安全性。確鑿計(jì)算和預(yù)計(jì)變壓器內(nèi)部的溫升一直是變壓器設(shè)計(jì)與制造中的一個(gè)重要問題。有多種因素影響變壓器的溫升，個(gè)別因素甚至還難以確定。假使將人工神經(jīng)網(wǎng)絡(luò)BP模型用于變壓器內(nèi)部繞組的穩(wěn)態(tài)溫度分布的預(yù)計(jì)，從而為變壓器的溫度預(yù)計(jì)找到了一種新方法。

只含一個(gè)中間層的BP如圖1所示。該學(xué)習(xí)算法的過程，由神經(jīng)網(wǎng)絡(luò)正向計(jì)算和誤差反向傳播組成。在網(wǎng)絡(luò)正向傳播過程中，輸入信息從輸入層經(jīng)隱含層逐層處理，并傳向輸出層。在正向傳播的過程中，每一乘神經(jīng)元又影響其下一層神經(jīng)元的狀態(tài)。假使正向傳播不能得出期望輸出，則轉(zhuǎn)入反向傳播，將誤差信息沿原來的連接通路返回，通過修改各層神經(jīng)元的權(quán)值和閥值，使得誤差信號(hào)最小。Y0X0Y1Z0X1Z1X2Y2Z2XN-1YM-1ZL-1圖1三層BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

圖1是三層前饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖，它有N個(gè)輸入節(jié)點(diǎn)，M個(gè)中間節(jié)點(diǎn)和L個(gè)輸出節(jié)點(diǎn)，其Sigmoid函數(shù)為1

ｆ(u)=————(1)1+ｅ多層神經(jīng)網(wǎng)絡(luò)計(jì)算實(shí)際輸出為:

N-1

Yj＝ｆ（∑WijXj–θj）(j=0，1，…，M-1)（2）i=0

－ｕ

梨樹product梨M-1

Zk＝ｆ（∑wijYi–θk）(k=0，1，…，L-1)（3）

j=0式（2）（3）中，wij表示輸入層第i個(gè)節(jié)點(diǎn)到中間層第j個(gè)節(jié)點(diǎn)權(quán)系數(shù)，wjk表示中間層第j個(gè)節(jié)點(diǎn)到輸出層第k個(gè)節(jié)點(diǎn)的權(quán)系數(shù)，Xi表示輸入層第i個(gè)節(jié)點(diǎn)的輸入值，Yj表示中間層第j個(gè)節(jié)點(diǎn)的輸出，Zk是輸出層中第K個(gè)節(jié)點(diǎn)的輸出，θj表示中間層第j個(gè)節(jié)點(diǎn)內(nèi)部閥值，θk表示輸出層第k個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)的內(nèi)部閥值。

神經(jīng)網(wǎng)絡(luò)通過BP算法來學(xué)習(xí)內(nèi)部表達(dá)（各節(jié)點(diǎn)間連線的權(quán)值及隱節(jié)點(diǎn)、輸出節(jié)點(diǎn)的閥值）其實(shí)質(zhì)是通過樣本集的前向?qū)W習(xí)，來獲得輸出節(jié)點(diǎn)的期望值與輸出值的誤差，并以此為依據(jù)，從輸出層開始，逆推至輸入層，逐步修整神經(jīng)網(wǎng)絡(luò)的內(nèi)部表達(dá)。本文采用BP(誤差反傳)學(xué)習(xí)算法，對(duì)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練，具體算法如下：

（1）初始化，對(duì)所有權(quán)值賦以小的隨機(jī)值，其值在0～1之間，且使其互不相等。同時(shí)對(duì)閾值設(shè)定初值。

（2）給定訓(xùn)練數(shù)據(jù)集，將輸入數(shù)據(jù)規(guī)化在0～1之間，并確定期望輸出信號(hào)（C0,C1,?CL-1）。(3)根據(jù)（2）、（3）式逐層計(jì)算實(shí)際輸出值Yj、Zk。

(4)調(diào)整權(quán)值,按誤差反向傳播方向，從輸出節(jié)點(diǎn)開始返回到陰層按下式修正權(quán)值。Wjk（n＋1）=Wjk(n)-ηδkYj