《人工智能》(答案

1、测试题答案一、填空题1.知识 研究模拟智能程序2.模式识别 问题求解3.一阶谓词逻辑 框架4.规则库 综合数据库5.删除策略 支持集策略人工智能原理研制智能计算定理证明 专家系统 机器视觉和机器学习语义网络 脚本和 Petri 网络控制系统线性输入策略 单文字子句策略 祖先过滤策略6. 队列 堆栈7.确定因子法 主观 Bayes 法 D-S 证据理论 可能性理论8. 符号主义 联想主义 行为主义9. 知识获取 人类领域专家获取知识 系统运行过程中的知识获取10. 信任程度的增长 不信任程度的增长程序自动设计 专家系统 机器学习 自然语言理解11. 模式识别 定理证明12.否定 合取 析取13.

2、正向演绎逆向演绎蕴涵双向演绎14. Bel( A)m(b)bAPl(A) 1 Bel( A)15. 初始状态集合16. 机器感知算符集合 目标状态集合 机器思维 机器行为智能机构造技术 机器学习17.一阶谓词逻辑18.DENDRAL197819. 分层前向网络20. 槽 侧面21. 综合数据库22. 叙述性表示 二、选择题1.B 2.C 3.C 4.C语义网络 框架1965 Fengenbum脚本 产生式关幼波肝病诊断与治疗专家系统反馈层向网络 互连前向网络规则库 控制系统 过程性表示5.A 6.B 7.A 8.B 9.C 10.D11.D 12.B 13.C 14.A 15.D 16.B 1

3、7.A 18.B 19.B 20.A三、判断题1. 错误2. 错误3. 正确4. 错误5. 错误6. 正确7. 正确8. 正确9. 正确10. 错误11. 正确12. 正确13. 错误14. 错误15. 错误16. 正确17. 正确18. 错误19. 正确20. 正确21. 正确22. 错误23. 错误24. 正确25. 正确26. 正确27. 错误28. 错误29. 正确30. 正确31.正确四、名词解释1可解结点：对应本原问题的终端节点是可解节点；或节点的后继节点并非全部不可解， 那么该或节点是可解的； 与节点的后继节点均为可解节点时， 那么该与节点为可解节点。2专家系统:专家系统是一个大

4、型的软件，它的功能应该不低于人类专家解决问题的能 力。3状态空间:状态是描述问题求解过程中任一时刻状况的数据结构，通常用一组变量的 有序组合表示。 而状态空间是问题的全部状态及一切可用算符构成的集合。4产生式系统：产生式系统由三个部分所组成，即规则库，综合数据库和控制系统。5. 图灵测试(Turing Test):图灵测试是衡量计算机是否是智能机的标准，图灵测试由三 方组成： 被测试的人、 被测试的机器和主持测试的考官。 考官提出问题分别让被测试的人和 机器做答， 如果考官分不清楚哪个答案是人作出的， 哪个答案是机器作出的， 则图灵测试认 为计算机就具备智能了。6. 盲目搜索:是按预定的控制策

5、略进行搜索，在搜索的过程中获得的信息不用来改进控 制策略。般形式为 f x g x h x7. 估价函数： 用来估价节点重要性的函数称为估价函数。其中g(x)为从初始节点So到节点x已经实际付出的代价，h(x)为从节点x到目标节点Sg的最优估计。8. 人工智能：是一门研究知识的一门学科，即如何表示知识，如何获取知识，如何使用 知识的学科的科学A、式公式，则9. 合 适 公 式 ： 原 子 是 合 式 公 式 ， 若 A ， B 是 合则 ( x)A(x),( x)A(x)然后从W的每个表达W 的差异集合。A B,A B,A B, A B也是合式公式，若A(x)是合式公式,也是合式公式，除此之外

6、再也没有其他的公式是合式公式。10. W的差异集合：首先找出 W的所有表达式中不相同的第一个符号,式中抽出占有这个位置的子表达式。所有这些子表达式的集合就是11. 机器学习：机器学习就是系统在运行时可以做一些适应性的变化，使得系统在下一次 执行类似上一次任务时比上一次更家有效， 更加快捷， 更加完善。12. 产生式:基本形式 i Q,其中规则的前件 P为前提，具体形式可以是谓词公式、关系表达式和 真值函数的任意与、 或、非组合，可以不精确匹配；而规则的后件Q则表示规则激活时应该执行的动作或应该得出的结论。13. 启发式搜索 : 启发式搜索又称为有知识搜索， 它是在搜索中利用与应用领域有关的启发

7、 性知识来控制搜索路线的一种搜索方法。 由于这类方法在搜索中利用了与问题求解有关的知 识，不必穷尽地试验每一种可能性， 在任何时刻对将要搜索的节点都进行评价， 从中选择一 个最有希望到达目标节点的节点优先搜索，这就避免了无效搜索，提高了搜索速度。14.归结原理：为了证明子句集 S的不可满足，只要对 S中可进行归结的子句进行归结， 并把归结式加入子句集 S.得到新子句集S1，则S与S1在不可满足的意义上是等价的，归结 原理的本质思想是去检查子句集S是否包含一个空子句 ？，如果S包含？，则S是不可满足的。如果S不包含？，则去检查？是否可由S推导出来。当然这个推理规则必须保证推出的子句是 原亲本子句

8、的逻辑结果。15.设S是子句集。集合 A=所有形如P(t1,tn)的元素称作子句集S的原子集。其中P(t1,tn)是出现于 S中的任一谓词符 号，而t1,tn是S的H域的任意元素。五、论述题简答题1. 规则演绎系统可分为：前向演绎系统：基于一组前向规则，从事实出发进行推理；后向演绎系统：基于一组后向规则， 从目标出发进行推理；双向演绎系统：同时基于前向 和后向规则，同时从事实和目标出发进行推理；产生式系统的推理可分为：正向推理：从初始事实数据出发，正向使用规则进行推理， 朝目标方向前进；反向推理：从目标出发，反向使用规则进行推理，朝初始事实或数据方向前进；知识库，用以存储知识的集合；推理机，使

9、用知识库中的知识进行推理而解决问题； 动态数据库，存放初始证据事实、推理结果和控制信息的场所；2. 专家系统的概念结构有六部分组成：人机界面，最终用户和专家系统的交互界面； 解释模块，负责向用户解释专家系统的行为和结果； 知识库管理系统， 是知识库的支撑软件， 类似于数据库管理系统对数据库的作用。3. 人工智能的基本技术有下列五种：推理技术：对推理的研究往往涉及到对逻辑的研究，逻辑是人脑思维的规律，从而 也是推理的理论基础；搜索技术：搜索是指连续进行推理的过程，它是对推理进行引导和控制的技术； 数据库,知识表示和知识库技术：知识表示涉及知识的逻辑结构和物理结构，知识库类似于 由于知识是智能的基

10、础和源泉，因此，知识表示和知识库是人工智能的核心技术；归纳技术：是指机器自动提取概念、抽取知识、寻找规律的技术;联想技术：联想是最基本、最基础的思维活动，其前提是联想记忆或联想存储;4. 不确定性推理与通常的确定性推理有本质的差别：不确定性推理中符号模式匹配能够成功，不但要求两个符号模式本身能够匹配，而且要求证据事实所含的不确定性程度必须达到一定的限度；不确定推理中一个规则的触发，不仅要求其前提能匹配成功， 而且前提条件的不确定性总程度还必须至少达到阀值；不确定性推理中推得的结论是否有效，也取决其不确定性程度是否达到阀值；不确定性推理还要求有一套关于不确定性度量的计算方法。 证明题5.解：6.

11、证明：首先把(1)A(x,y)B(y)C(f(x)(2)A(x, y)(3)C(z)(4) A(a,b)(5)B(b)下面进行归结：(6)A(x,y)B(y)(1 )与(3)(7)B(b)(4)与(6)G化为子句集:B(y) D(x, f(x)(8) Nil(5)与(7)(1)7.证：此S子句集的原子集:P, Q完整的语义树如下:I N21I N22I N23I N21Q为假P ,Q,使子句P, Q,使子句 P,Q,使子句Q为假Q为假 P, Q,使子句P Q为假即该语义树是封闭的， 由海伯伦定理知该子句集不可满足。证毕。证：此问题既是证明公式(H (x) M (x) H (a) M (a)为恒

12、假将公式 (H(x) M (x) H(a)M (a)化成对应的子句集:S H(x) M(x),H(a), M (a)应用归结原理:H(x)M (x)H(a)M (a)M (a)归结归结计算题9.证毕。设Computer_system(x) : x是计算机系统 Intelligent(x) ： x 是智能的 Perform_task(x) :x 执行任务Require(x) ： x 要求的Man(x) ： x 是人则有( x) Intelligen t(Computer _ system(x) ( y)Perform _task ( y ) Re quire (man( y)(2)设Formul

13、a (x):表示x是公式；Connective_”(x):表示x的联结词是;则可以表示为：Equivalent ( x,y)： x 与 y 等价，( x)Formila (x) Connective _ (x)( y)Formula (y) Connective _ (y) Equivalent (x,y)( 3)设 Input(x) ：表示 x 是输入算法； Unification(y) ：表示 y 是不能合一算法； Output(x) ： 表示x是输出算法；mug(y): y是最小合一；Fall(x):表示x失败，那么我们可以用一 阶谓词逻辑表示为：( x) Input ( x) Unif

14、icatio n(x) ( y)Output(y) Mug ( y);( x)Input(x) Unificatio n( x) ( y)output(y) Fall ( y)10解:所求 CF(H)=0.86411. 解( 1)原式 = x( P(x) yQ(x,y)x y(P(x) Q(x,y)2)原式 =x( P(x) xQ(x)x(P(x)yQ(y)x(P(x)yQ(y)x(P(x)yQ(y)x(P(x)Q(y)x y(P(x)Q(y)12. 解：1) (x) P(x) V (x) Q(x)7 (x) ( P(x) V Q(x)=(x) P(x) A (x) Q(x)V (y) ( P(y) V Q(y) )= (y) (x) (P(x) A Q(x)V P(y) V Q(y)= (y) (x) ( (P(x)V P(y)V Q(y) ) A (Q(x) V P(y) V Q(y)化为 sko