第一章-绪论
1.人工智能的定义
定义：使机器的软件或程序，通过某些算法进行数据学习，并使用所学进行仿人决策。
2. 人工智能的各种认知观
- 符号主义 ( symbolism ) 原理：基于物理符号系统假设和有限合理性原理，起源于 数理逻辑；
- 连接主义 ( connectionism ) 原理：基于神经网络及其间的连接机制与学习算法，起源于 仿生学，特别是人脑模型的研究；
- 行为主义 ( actionism ) 原理：基于控制论及感知—动作型控制系统，起源于 控制论。
3.人工智能的要素
- 知识 ( Knowledge )：人们通过体验、学习或联想而认识的世界客观规律性
- 数据 ( Data )：事实或观察的结果，指所有能输入计算机并被程序处理的数字、字母、符号、影像信号和模拟量等各种介质的总称。
- 算法 ( Algorithm )：解题方案准确而完整的描述，是一系列求解问题的清晰指令，代表着用系统方法描述问题求解的策略机制。
- 算力 ( Computing power )：机器在数学上的归纳和转化能力，即把抽象复杂的数学表达式或数字通过数学方法转换为可以理解的数学式子的能力。
- 人才 ( Talent *)
4.人工智能系统的分类
专家系统（ expert system ）
模糊逻辑系统（ The fuzzy logic system ）
神经网络系统（ Neural network system ）
机器学习系统（ Machine learning system ）
仿生进化系统（ Bionic evolutionary system ）
群体智能系统（ Swarm intelligence system ）
分布式智能系统（ Distributed intelligent system ）
集成智能系统（ Integrated intelligent system ）
自主智能系统（ Autonomous intelligent system ）
人机协同智能系统（ Man-machine coordinated intelligence system ）
5.人工智能研究的基本内容
认知建模：浩斯顿将认知归纳为五种模型
知识表示：状态空间、问题归约、谓词逻辑
知识推理：演绎推理、归纳推理、类比推理
计算智能：神经计算、模糊计算、进化计算
知识应用：专家系统、机器学习、自动规划
机器感知：模式识别、自然语言处理
机器思维：综合知识表示、知识推理等
机器学习：机器自动获取知识和学习
机器行为：表达能力和行动能力
智能系统构建：分布式系统、并行处理系统
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？
人工智能的主要应用领域有：指纹识别、视网膜识别、人脸识别、机器视觉、专家系统。
人工智能的主要研究有：认知科学、机器学习、自然语言处理、机器人学、计算机博弈、
自动定理证明、模式识别、计算机视觉、人工神经网络、专家系统、知识发现与数据挖 掘、自动程序设计、智能控制、智能决策支持系统、分布式人工智能。
研究热点：深度学习
7.人工智能研究方法
功能模拟法
结构模拟法
行为模拟法
集成模拟法
第二章-知识表示方法
1. 问题规约的组成
- 一个初始问题描述；
- 一套把问题变换为子问题的操作符；
- 一套本源问题描述。
2. 传教士问题（完成）
3. 最短旅行问题（完成）
第三章-搜索推理技术
1. 宽度优先搜索算法：
- 把起始节点放到OPEN表中（如果该起始节点为一目标节点，则求得一个解答）。
- 如果OPEN是个空表，则没有解，失败退出；否则继续。
- 把第一个节点（节点n)从OPEN表移出，并把它放入CLOSED的扩展节点表中。
- 扩展节点n。如果没有后继节点，则转向上述步骤 2
- 把n的所有后继节点放到OPEN表的末端，并提供从这些后继节点回到n的指针。
- 如果n的任一个后继节点是个目标节点，则找到一个解答，成功退出；否则转向步骤 2。
算法框图：
2. 深度优先搜索算法：
- 把起始节点S放到未扩展节点OPEN表中。如果此节点为一目标节点，则得到一个解。
- 如果OPEN为一空表，则失败退出。
- 把第一个节点（节点n)从OPEN表移到CLOSED表。
- 如果节点n的深度等于最大深度，则转向 2。
- 扩展节点n,产生其全部后裔，并把它们放入OPEN表的前头。如果没有后裔，则转向 2。
- 如果后继节点中有任一个为目标节点，则求得一个解，成功退出；否则，转向 2。很显然，深度优先算法中节点进出OPEN表的顺序是后进先出，OPEN表是一个栈
算法框图：
3. 宽度优先搜索方法求解八数码难题（完成）
4. 有界深度优先搜索方法求解八数码难题（完成）
5. 概率推理方法计算题1 （一个结论E支持多个假设H1,H2,H3）（完成）
6. 概率推理方法计算题2 （多个结论E1,E2支持多个假设H1,H2,H3）（完成）
第四章 计算智能
1. 基于神经网络的知识表示（完成）
2. 遗传算法的遗传算子
选择算子：赌轮选择（ roulette wheel selection）和联赛选择（ tournament selection）；
交叉算子:一点交叉和两点交叉；
变异算子。
3. 赌轮选择的适应度、适应度所占的比例（完成）
目标函数f(x)可能是题目给的一个具体的函数，观察题目是否说了适应度与目标函数值相同，要不就是一种映射关系，适应度所占比例是适应度在总的适应度里面的占比。
第五章 专家系统
1. 什么是专家系统？
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。
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，以便解决那些需要人类专家处理的复杂问题。
2. 专家系统的主要组成部分
- 知识库（knowledge base）
- 综合数据库（global database）
- 推理机（reasoning machine）
- 解释器（interpreter）
- 接口（interface）
3. 基于规则专家系统的结构（完成）
4. 神经网络专家系统的基本结构（完成）
5. 基于规则的专家系统是如何工作的？其结构是什么？
基于规则的专家系统是一个计算机程序，该程序使用一套包含在知识库内的规则对工作存储器内的具体问题信息（事实）进行处理，通过推理机推断出新的信息。
其 工作模型如图 （ 完成 ）：
基于规则的专家系统的结构：
- 知识库：以一套规则建立人的长期存储器模型；
- 推理机：建立人的短期存储器模型；
- 工作存储器：建立人的推理模型，推理出新的信息；
- 用户界面（接口）：用户通过该界面观察系统，并与系统对话（交互）；
- 开发（者）界面：知识工程师通过该界面对专家系统进行开发；
- 解释器：对系统的推理提供解释；
- 外部程序：如数据库、扩展盘和算法等，对专家系统的工作起支持作用。
6. 用基于规则的推理系统证明下述推理的正确性：
已知：狗都会吠叫和咬人
任何动物吠叫时总是咬人的
猎犬是狗
结论：猎犬是咬人的
第一步：用户通过用户界面，将问题”猎犬”导入专家系统
第二步：基于现有知识库内已有规则，可知
①猎犬是狗，②狗会咬人
第三步：将已知规则①②导入到推理机，
经推理后可知，猎犬是咬人的
第六章-机器学习
1. 机器学习的定义
机器学习是研究机器模拟人类的学习活动、获取知识和技能的理论和方法，以改善系统性能的学科。
2. 决策树学习-训练实例（完成）
3. 卷积神经网络（ CNN ）
（1）卷积神经网络在本质上是一种输入到输出的映射。
（2）CNN是一种特殊的深层神经网络模型，特殊体现在：
一是 它的神经元间的连接是非全连接的
二是 同一层中神经元之间的连接采用权值共享的方式。
（3）CNN的基本结构包括两层，即 特征提取层和 特征映射层。
（4）卷积神经网络的原理图（完成）
4. 增强学习有何特点？学习自动机的学习模式为何？
特点：
①增强学习是试错学习(Trail-and-error)，由于没有直接的指导信息，智能体要以不断与环境进行交互，通过试错的方式来获得最佳策略。
②延迟回报，增强学习的指导信息很少，而且往往是在事后（最后一个状态）才给出的，这就导致了一个问题，就是获得正回报或者负回报以后，如何将回报分配给前面的状态。
学习模式：（完成）
第七章 智能规划
1. 任务规划（未完成）
2. 如图表示机器人工作的世界模型，要求机器人把箱子从房间R2初始位置移至房间R1目标位置。试建立本机器人规划专家系统，并给出规划结果。（未完成）
先决条件: state（robot,R1,box,R2） 表示机器人在R1房间，箱子在R2
目标状态: state（robot,R1,box,R1）
操作方法（可执行的动作）
move（1,2） 表示机器人从位置1移动到位置2
hold（box） 表示拿起箱子
drop（box） 表示放下箱子
第一步：机器人从R1移动到R2,扛起箱子
先决条件： state（robot,R1,box,R2）
操作方法： move（R1，R2）
hold（box）
第二步：机器人从R2移动到R1，放下箱子
先决条件： state（robot,R2,box,R2）
操作方法： move（R2，R1）
drop（box）
达到目标状态 state（robot,R1,box,R1）
第八章-自然语言理解
1. 自然语言理解的研究领域和方向
文字识别(Optical character recognition,OCR)
语音识别(Speech recognition)
机器翻译(Machine translation)
自动文摘(Automatic summarization或automatic abstracting)
句法分析(Syntax parsing)
文本分类(Text categorization/document classification)
信息检索(Information retrieval)
信息获取(information extraction)
信息过滤(Information filtering)
自然语言生成(Natural language generation)
中文自动分词(Chinese word segmentation)
语音合成(Speech synthesis)
问答系统(Question answering system)
2. 自然语言理解过程的五个层次
①语音分析
②语用分析
③语句分析
④语义分析
⑤词法分析
Original: https://blog.csdn.net/Lshuangye/article/details/128221593
Author: turbosqi
Title: 人工智能期末考试
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/718554/
转载文章受原作者版权保护。转载请注明原作者出处！