太原理工大学人工智能试题答案

1、人工智能试卷A一 填空题(15分)1.人工智能系统是一个知识处理系统，而_,_,_则成为人工智能系统的三个基本问题.2.新一代专家系统有分布式专家系统和协同式专家系统等在新一代专家系统中，不但采用_的方法，而且采用_的技术和基于模型的原理.3.人工神经网络的结构基本上分为两类，即递归网络和前馈网络递归网络的典型代表有Elmman网络,_网络前馈网络的典型代表有多层感知机，_等.4.进化计算包括_，进化策略，_，遗传编程。5.简单遗传算法的遗传操作主要有三种：_,_,_6.产生式系统的控制策略随搜索方式的不同可分为_,_,_二问答题.(20分)1.广度优先搜索和深度优先搜索各有什么特点？(8分)

2、2.般程序和专家系统有什么区别？ (12分)三.解答题：(45分)1某问题由下列公式描述：旳(巾対旳虫巧-卫,兀 yC4)(VK)PCx)AbsctKR0AQM0(nxQDr)(n)(A)(X)_L山s)(x)AFy爻A-X)p報w旨xnQMo。nJ竄gtWE “webAU営总十】+眦反冷也师槌攔超畚石乙A.H”赵蔭皿【(M 9虫(4童E令咗总丄 K 溥Qg宫(静A)s(CKN/VXU令矗旨己氓J“已？昭丄钉&F S隔旨迓(眩uebvHY祷A)f(縮邑 dfK3骨6 M6崗吕/(凸亠FMtsMeb sdsA符Af呑聞云厅丄澄丄爲童A)3(B 甲23.4. f(So)=d( n)+w(

3、n)=0+3=3四.论述题略。人工智能答案 B一.填空1.基于规则，基于框架2深度优先搜索，宽度优先搜索，等代价搜索3.反馈网络，前馈网络4.遗传算法，进化编程5.选择，交叉，变异6.可撤回策略，回溯策略，图搜索策略二.问答题1.在基于规则的系统中，无论是规则演绎系统还是规则产生式系统，均有两种推理方式，即 正向推理和逆向推理，对于从if向then部分推理的过程，叫做正向推理。正向推理是从事实或状况向目标或动作进行操作的。反之从then向if部分推理的过程，叫做逆向推理。逆向推理是从目标或动作向事实或动作进行操作的。2.基本特征：a启发性b.透明性c.灵活性专家系统主要组成部分如下：知识库(k

4、nowledge 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(konwledge engin eer)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)，即被处理对象的一些当前事实。(3)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

5、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。(4)解释器(expla nator)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。(5)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。三.解答题1.3.看电影剧本：刃超3X y)=s (呦 P(x)VQ(K t5)(VX)(Vy)Q(b,违 沪Q 召=A馅 y)V Q 匕嵩灯 R= &Q(h 冕 y)V

6、Qb,孟如) 目标求反：=A 如变氫换茗后，得子旬黒申魂 PfylNQe 声 1, 1, yl, P(尬饭讦(3G)/Q(k cT切甘班咱驰 x4fy4)VQ(b,W)rx)I(X):X N(X):X2. C(X):X为计算机系统;T(X):X是-(x)( y)(C(x) E(x,y)是智能的;需要智能。E(X，P(X)：丫):X可执行丫。X由人执行。T(y) N(y) P(y)l(x)(1.)开场条件：(a )我想看电影(b)我有足够的钱买电影票(2.)角色：我，售票员，放映师，门卫(3.)道具：电影票，椅子，放映设备(屏幕，电影机)，钱 (4.)场景：场景一：买票(a)我走到售票处，掏出钱

7、给售票员。(b)售票员接过钱，并给了我电影票。 场景二：进电影院(a)我拿着票，走进入口处，掏出票给门卫看。(b)门卫让我进去。场景三：等待电影开始 我找到我的座位，坐下。 场景四：看电影(a)电影开演了(b)我被剧情深深吸引，全神贯注看电影场景五：散场(a)电影结束了(b)我随人流离开电影院。(5.)结果(a.)我看完电影，心情很好 (b)我花了钱(c.)电影院挣了钱。4.f(s0)=d( n)+w( n)=0+3=3人类知识的传承与积累，也就没有人类文明。学习是生物中枢神经系统的高级整合技能之一，是人类获取 知识的重要途径和人类智能的重要标志；机器学习则是计算机获取知识的重要途径和人工智能

8、的重要标 志，是一门研究怎样用计算机来模拟或实现人类学习活动的学科，它是人工智能的核心，也是使计算机具 有智能的根本途径。人类学习的研究与机器学习研究两者是一种相互影响、相互促进的关系，但是至今人 们对学习的机理还不太清楚。这是因为长期以来，鉴于人的大脑结构与功能的极度复杂性， 探索和揭示 大脑的奥秘仅仅是人类一个美好的梦想， 这也包括对大脑是如何进行学习的研究。 如果我们另辟蹊径， 把 关部分有序搜索树如下:1238n47651二3 1824765 1V V8641238：6475四论述题关于人工智能是否会会超越人类的学习能力是智能行为123n8476512384765可864k人类智能这一

9、问题，我认为关键在于学习。 的一个非常重要的特征，没有学习，就没有f=3f=4f=3f=4f=5于人类学习的研究重点从对大脑的研究转换到“学习”这个概念上，即把“学习”作为研究对象，对其 本质从哲学的视野下从认知的角度进行探索，这将对机器学习的发展具有一定的借鉴意义。另外，如果拢们将机器学习与人类学习相比较.机器学习的实现还具有一定 的难底 而且机器学习还有一些自身难以克服的问题。首先就是机器学习的后果 难预测。在前面提到过，机器一旦具有了学习的功能，那么也许有一夭连设计者 本人都不知道机器进化到了何种稈度也就是说，机器学习后知识库发生了什么 变化部难预测。这是因为目前的大多数专家系畅部是脱离

10、环境的学习，即将人 类专家彳隹册的知识 以某种方式传授给机貉但是如臬将机胖学习的目的扩展 到从环境片、从工作中、从人机交互中自动提取、更新知识，那么学习产生的效 果就更加不可预侧。人类制造机器学习的重要目的是为我所用，如果机器超出了 人类的控制号预测 P 却井不是人类制造它们的初衷*甚孤 机器学习作为人工智 能的核心，是便计算机具有智能的根本逮径，淇应用遍及人工智能的各个领域， 但是这种学习应用的方式注要是使用归納、綺合而不是演笫 然而归納本身就存 在着一定的缺陷，现有的归纟般 1 只保证假 不棵证真。而且，旧纳的结论是无 限多的，英中相当名是儼的，给生成的知祝带来不可靠也这与演绎的方法不同，

11、 演绎推理是从雰数现彖中总结出结诰即从一般的现象推导出总结性的结论。就 人类的学习而言，确逞演纟葦与归納两种方法并屈的，13 为这押中方法井不矛盾，相皮珈是 E 相促进的。机器学习由于自剪的局限性 m 主要采用归帥与综合，但是 归纳前結论有可能是假临其推理过程中又很多假设和约屯这些都说明 机器学习中依燃存在着不可靠性。最后 相对与人类学习的目标明确性，机器学 习目前却（艮难判断什么重要、什么有意义、应该学习 4 十么。这也就决定了机器学 习的应用只是专家系统的鮒应用，还无法完全从环境中获得釉?収知识，实现 完全的自动学习。因此，我们在研究人类学习与机器学习时要特別注意两者之间的特点与差 异&机器学习的研究目的是便机器具有学习能力，但長机器具有智能和机器能够 思維毕竟是两个概念，虽然让机器具有思维是人工智能学者fflM 究的最终目的。 思錐爾巴系銃的行为高度限定在任务目标中，抿孤环境中提取銭索，以便指示 过程需着目标前进，它彳翳 n 识转化为方搓，去处理、控制、变革变化着的对象口 这一点起码目前机器学习是无法做到的，而这却是人类学习的必然过程。从两者 的结构分杭机器结构的另离性与人疝结构分离性的不同之处在壬机器書能不 在于离散处理彳言息的方式冬而牯于机器只“理解信息的形式而人却能够理解 信