人工智能与专家系统练习题一2019-111

1、人工智能与专家系统练习题（二）1,什么是人工智能？它的研究目标是什么？定义：用机器模拟人类智能。研究目标：用计算机模仿人脑思维活动，解决复杂问题；从实用的观点来看，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。2 .人工智能有哪几个主要学派？各自的特点是什么？主要学派：符号主义和联结主义。特点：符号主义认为人类智能的基本单元是符号，认识过程就是符号表示下的符号计算，从而思维就是符号计算；联结主义认为人类智能的基本单元是神经元，认识过程是由神经元构成的网络的信息传递，这种传递是并行分布进行的。3 .什么是人工神经元？它有哪几种主要模型？人工神经网络是由大量处理单元经广泛互连而组成的人

2、工网络，用来模拟脑神经系统的结构和功能。而这些处理单元称为人工神经元。人工神经网络可以看成是以人工神经元为节点，用有向加权弧连接起来的有向图。根据激发函数的不同分为：阈值型（M-P模型）、分段线性型、Sigmoid函数型、双曲正切型4 .什么是人工神经网络？它有哪些联结方式？模拟人脑神经系统的结构和功能，运用大量简单处理单元经广泛连接而组成的人工网络系统。人工神经网络中，各神经元的连接方式一般有很多种，不同的连接方式就构成了网络的不同连接模型。常见的连接模型有前向网络、从输入层到输出层有反馈的网络、层内有互连的网络和网络内任意两个神经元都可以互连的互连网络。5 .什么是机器学习？机器学习研究的

3、目标是什么？研究机器学习的意义何在？答：机器学习是研究如何使用计算机来模拟人类学习活动的一门学科。更严格地说，就是研究计算机获取新知识和新技能、识别现有知识、不断改善性能、实现自我完善的方法。机器学习研究的目标有三个：人类学习过程的认知模型；通用学习算法；构造面向任务的专用学习系统的方法。（a）人类学习过程的认知模型。这一方向是对人类学习机理的研究。这种研究不仅对人类的教育，而且对开发机器学习系统都有重要的意义。（b）通用学习算法。这个方向是对人类学习过程的研究，探索各种可能的学习方法，建立起独立于具体应用领域的通用学习算法。（c）构造面向任务的专用学习系统（工程目标）。这一方向是要解决专门的

4、实际问题，并开发完成这些专门任务的学习系统。机器学习是人工智能中最具智能特征、最前沿的研究领域之一。机器学习的研究取得重大进展往往意味着人工智能，甚至整个计算机科学向前迈进了坚实的一步。机器学习速度快、都会使计算机便于知识积累、学习结果易于传播，因此人类在机器学习领域的每一点进步,的能力显著增强，从而对人类社会产生影响，尤其对今天信息化社会来说，这种影响将是十分深远的。6 .什么是决策树？决策学习是如何利用决策树进行学习的？决策树是一种由节点和边构成的用来描述分类过程的层次数据结构，用于监督学习的层次模型。该树的根节点表示分类的开始，叶节点表示一个实例的结束，中间节点表示相应实例中的某一属性，

5、而边则代表某一属性可能的属性值。在决策树中，从根节点到叶节点的每一条路径代表一个具体的实例，并且同一路径上的所有属性之间为合取关系，不同路径之间为析取关系。7 .什么是遗传算法？简述其基本思想和基本结构。说明个体选择的常用策略以及遗传操作”交叉“和“变异”所起的作用.答：简单遗传算法SGA的基本原理是，首先把问题的解表示成“染色体”，也即是以二进制编码的串。在执行遗传算法之前，给出一群“染色体”（串），也即是假设解。然后,把这些假设解置于问题的“环境”中，并按适者生存的原则，从中选择出较适应环境的“染色体”进行复制，再通过交换、突变等遗传操作过程，产生更适应环境的新一代“染色体”群。这样，一代

6、一代地进化，最后就会收敛到最适应环境的一个“染色体”上，它就是问题的最优解。其基本过程可表示如下：begina.选择适当表示模式，生成初始群体；b.通过计算群体中各个体的适应度对群体进行评价；c.While未达到要求的目标dobegina.选择作为下一代群体的各个体；b.执行交换操作；c.执行突变操作；d.对群体进行评价；endend个体选择的常用策略是按比例选择，即若个体i的适应度（目标函数值）是fi,则个体i在下一代群体中复制（再生）的子代个数在群体中的比例将为fi/Efio其中，fi是指所有个体适应度之和。交叉操作的作用是在所选中的用于繁殖下一代的个体中,对两个不同的个体（串对）的相同位

7、置的基因进行交换，从而产生新的个体。变异操作的作用是对选中的个体中的某些基因执行异向转化,引进新的遗传物质或恢复已失去的遗传物质。8.试述机器学习系统的基本结构，并说明各部分的作用环境：外部信息的来源，它将为系统的学习提供有关信息知识库：代表系统已经具有的知识学习环节：系统的学习机构，它通过对环境的感知取得外部信息，然后经分析、综合、类比、归纳等思维过程获得知识，生成新的知识或改进知识库的组织结构。执行环节：基于学习后得到的新的知识库，执行一系列任务，并将运行结果报告学习环节，以完成对新知识库的评价，知道进一步的学习工作，是该模型的核心。答：机器学习系统的基本结构如下图6.8所示。其中，“环境

8、”和“知识库”是以某种知识表示形式表达的信息的集合，分别代表外界信息来源和系统所具有的知识；学习环节和执行环节代表两个过程。“环境”向系统的“学习环节”提供某些信息，而“学习环节”则利用这些信息对系统的“知识库”进行改进，以增进系统“执行环节”完成任务的效能，“执行环节”根据知识库中的知识来完成某种任务，同时把获得的信息反馈给“学习环节”。图6.89.什么是专家系统？它有哪些基本特点？专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家知识和解决问题的方法处理该领域问题。具体说，专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术和计算

9、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，以解决那些需要人类专家处理的复杂问题。简言之，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。特点：启发性：专家系统能运用专家的知识与经验进行推理、判断和决策。透明性：专家系统能够解释本身推理过程和回答用户提出的问题，以便让用户了解推理过程，提高对专家系统的依赖感。例如，一个医疗诊断专家系统诊断某病人患有肺炎，而且必须用某种抗生素治疗，那么，这一专家系统将会向病人解释为什么他患有肺炎，而且必须用某种抗生素治疗，就像一位医疗专家对病人详细解释病情和治疗方案一样。灵活性：专家系统能不断地增长知识，修改

10、原有知识，不断更新。由于这一特点，使得专家系统具有十分广泛的应用领域。存在以下优点：1 .高效、准确、周到、迅速、不知疲倦工作；2 .解决实际问题时不受周围环境的影响、不可能遗漏遗忘；缺的专家知识与经验；炼，广泛传播专家知拥有更渊博、更丰富的3 .使专家的专长不受时间、空间限制，以便推广珍贵和稀4 .促进各领域发展，使领域专家知识和经验得到总结和精识、经验和能力；5 .汇总、集成多领域专家知识、经验，协作解决重大问题，知识及经验和更强的工作能力；6 .军事专家系统的水平是一个国家国防现代化和国防能力的重要标志之一;7 .专家系统的研制和应用，具有巨大经济效益和社会效益；8 .促进科技发展、对人

11、工智能的各个领域的发展起促进作用，将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。10.一般专家系统由哪些基本部分构成如一部分的主要功能是什么？专家系统的体系结构指专家系统各组成部分的构造方法和组织形式。一个最基本的专家系统应包括知识库、数据库、推理机构、解释机构、知识获取机构和用户界面六个部分。领域专乘用户知轨工程坪数据厚图9.1专家条线的基友结构知识库：知识库是专家系统的知识存储器，用来存放求解领域问题所需的专家知识。知识库中的知识分为两种类型：一类是事实性知识，即广泛公认的知识和常识；另一类是启发性知识，它是领域专家在长期工作实践中积累起来的经验总结。专家系统开发中一个重要

12、任务是要认真细致地对专家的这类经验知识进行分析。知识本来是存储在专家头脑中的，让专家把自己的直觉、诀窍、经验表示为适合计算机表示和推理的形式是一个极大难题。因此在建立知识库的过程中，知识工程师需要与领域专家很好地合作，认真提取领域专家的知识，进而根据计算机对这些知识的表示和使用要求，将这些知识转化成知识库的组成部分。数据库：数据库又被称为全局数据库或综合数据库，它相当于专家系统的工作存储器，用来存储与领域问题有关的事实、数据、初始证据、推理过程中得到的各种中间结论、求解目标等。例如，医疗专家系统中，数据库存放的是当前患者的情况，如姓名、年龄、症状等，以及推理过程中得到的一些中间结果、病情等；气

13、象专家系统中，数据库存放的是当前气象要素，如云量、温度、气压，以及推理得到的中间结果等。数据库的规模和结构可根据系统目的来确定，而且随着问题的不同，数据库的内容可以是动态变化的。推理机：推理机是一组用来控制、协调整个专家系统的程序。它根据数据库中存储的当前数据，利用知识库中的知识，按一定的推理策略，求解当前的问题，即解释外部输入的事实和数据，推导出相应结果。由于专家系统是模拟人类专家进行工作，因此设计推理机时，应使它的推理过程和专家的推理过程尽量相似，最好完全一致。对大中型专家系统，由于其知识库中的知识数量很多，因此其推理机构由知识库管理系统和推理机两个主要部分组成。其中，知识库管理系统实现对

14、知识库中知识的合理组织和有效管理；推理机主要用于生成并控制推理过程和使用知识库中的知识。解释机构：解释机构实际上也是一组程序，它包括系统提示、人机对话、能书写规则的语言以及解释程序。解释机构的主要功能是解释系统本身的推理结果，回答用户的提问，使用户能够了解推理的过程及所运用的知识和数据。因此，在设计解释机构时，应预先考虑好在系统运行过程中需要回答的问题和答案。知识获取机构：知识获取是专家系统的一种辅助功能，用于增加和修改知识库中的知识。基本任务是把知识加入到知识库中，并维持知识的一致性及完整性，建立起性能良好的知识库。不同专家系统，知识获取方法差别较大。有的系统首先由知识工程师向领域专家获取知

15、识，然后再通过相应的知识编辑软件把知识输入到知识库中；有的系统自身就具有部分学习功能，由系统直接与领域专家对话获取知识；有的系统具有较强的学习功能，可在系统运行过程中通过归纳、总结，得出新的知识。无论采取哪种方式，知识获取都是目前专家系统研制中的一个重要问题。用户界面：用户界面是专家系统的另一个关键组成部分，它作为专家系统于外界的接口，实现系统于外界之间的信息交换。通常，专家系统的使用者包括最终用户、领域专家、知识工程师。其中，最终用户和领域专家一般都不是计算机专业人员，用户界面必须满足他们的需求，尽可能地使用接近自然语言的输入、输出形式，并能理解和处理声音、图像等多媒体信息。11.新一代专家

16、系统应具备哪些特征？分布式专家系统与协同式专家系统有何区别与联系？答：一般来说，新一代专家系统应具有以下特征：(1)并行分布式处理(2)多专家系统协同工作(3)高级系统设计语言和知识表述语言(4)具有自学习功能(5)引入新的推理机制(6)具有纠错和自完善能力(7)先进的智能人一机接口协同式专家系统和分布式专家系统具有相同之处，也有不同之处。它们都会涉及到多个分专家系统或子专家系统，但分布式专家系统的着眼点是处理的分布和知识的分布，它要求系统必须在多个处理机上运行；而协同式专家系统则强调的是分系统之间的协同合作，各分专家系统也可以在同一个处理机上运行。12.BP算法的网络结构是什么？简述BP算法

17、的学习过程答：B-P算法的网络结构是一个前向多层网络。网络中不仅含有输入节点和输出节点,而且含有一层或多层隐(层)节点，网络中各处理单元间的连接如图6.16所示。当有信息向网络输入时，信息首先由输入层传递到隐层节点，经特性函数(人工神经元)作用后，再传至下一隐层。这样一层一层传递下去，直到最终传至输出节点层进行输出。其间各层的激发函数要求是可微的，一般是选用S型函数。B-P算法的学习过程如下：(a)选择一组训练样例，每一个样例由输入信息和期望的输出结果两部分组成。(b)从训练样例集中取一样例，把输入信息输入到网络中。(c)分别计算经神经元处理后的各层节点的输出。(d)计算网络的实际输出和期望输

18、出的误差。(e)从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调整网络中各神经元的连接权值。(f)对训练样例集中的每一个样例重复(c)(e)的步骤，直到对整个训练样例集的误差达到要求时为止。13.在什么情况下需要采用不确定推理或非单调推理？答：一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。例如，当一个人打开电灯的开关而发现灯泡未亮时，就会根据以往的经验而觉得“停电了”C但当他打开另外一只灯的开关发现灯亮时，就否定了先前“停电了”的结论，想到也许是开关或者灯具出问题了。这个改变原

19、先推导结论的过程其实就是一个非单调推理。即，随着信息与知识的增加，并没有在肯定原来的结论基础上，增加了更多并立的知识与结论，而是否定了原先结论并有了新的看法。以下情况需要采用不确定推理：所需知识不完备，不精确所需知识描述模糊，多种原因导致同一结论，问题的背景知识不足，解题方案不唯一。不确定性推理，是指其推理过程中，由于各种偶然性误差、干扰以及证据的不确定性等因素，导致所获得的结果或结论本身具有未置可否的不确定性。一般来说，出现不精确推理的原因和特征可能有：证据不足或称为证据的不确定性；规则的不确定性；研究方法的不确定性。由于以上“三性”的存在，决定了推理的最后结果具有不确定但却近乎合理的特性，

20、人们把这种性质的推理及其理论和方法总称为不确定推理14.什么是产生式知识表示？给出这种表示方法的优缺点。答：早期产生式知识表示是一种计算形式体系里所使用的术语，主要是使用类似文法的规则，对符号串做替换运算。一般用三元组(对象，属性，值)或(关系，对象1,对象2)产生式的基本形式：P-Q或者IFPTHENQ,P是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P满足时，应该推出的结论或应该执行的动作。产生式的含义：如果前提P满足，则可推出结论Q或执行Q所规定的操作优点：(1)自然性：方便地表示专家的启发性知

21、识与经验。(2)模块性：规则与规则之间相互独立。(3)有效性(4)清晰性：产生式表示格式固定，形式简单，规则(知识单位)间相互较为独立，没有直接关系，是知识库的建立较为容易，建立较为简单。(5)灵活性：知识库易于增加、修改、删除。缺点：(1)效率不高(2)不能表达结构性知识(3)知识库维护难，理解难。15 .简述自然语言理解的层次划分及对应的技术。答：语音分析：根据音位规则，从语音流中区分出独立的音素，根据音位形态规则找出音节及其对应的词素或词。对应技术：模式匹配词法分析：找出词汇的各个词素(词根)，从中获得语言学信息对应技术：词典结构句法分析：对句子和短语的结构进行分析，找出词、短语等的相互

22、关系以及各自在句子中的作用等。在语言自动处理的研究中，句法分析的研究是最为集中的，这与乔姆斯基的贡献是分不开的，主要方法有：短语结构语法、格语法、扩充转移网络、功能语法等。语法分析：将单词之间的线性次序变换成一个显示单词如何与其它单词相关联的结构。确定语句是否合乎语法。对应技术：扩展转移网络，CF规则语义分析：通过分析找出词义，结构意义及其结合意义，从而确定语言所表达的真正(实际)含义或概念。在语言自动理解中，语义越来越成为一个重要的研究内容，尤其是对话系统。对应技术：产生式规则、概念相依理论、脚本、框架、语义网络、逻辑语用分析：研究语言所在的外界环境对语言使用所产生的影响。描述语言的环境知识

23、、语言与语言使用者在某个给定语言环境中的关系。为确定真正含义，对表达的结构重新加以解释。对应技术：产生式规则、概念相依理论、脚本、框架、语义网络、逻辑16 .搜索方法的启发能力有哪几种基本的度量方法？渗透度是对一个搜索算法的搜索性能的度量，表示搜索集中指向某个目标的程度，而不是在无关的方向上徘徊。定义为：P=L/T其中，L是算法发现的解路径的长度，T是算法在寻找这条解路径期间所产生的节点(不包括初始节点，包括目标节点)有效分枝系数就是一棵搜索树的平均分枝数.设搜索树的深度是L,算法所产生的总节点数为T,有效分枝系数是B,则有B+B2十+BL=T或B(BL-1)/(B-1)=T17 .简述状态空

24、间法三要点？二要点：(1)状态(state):表示问题解法中每一步问题状况的数据结构；(2)算符(operator):把问题从一种状态变换为另一种状态的手段；(3)状态空间方法：基于解答空间的问题表示和求解方法，它是以状态和算符为基础来表示和求解问题的。备注：用状态空间表示问题的步骤：(1)定义状态的描述形式；(2)用所定义的状态描述形式把问题的所有可能的状态都表示出来，并确定出问题的初始状态集合描述和目标状态集合描述；(3)定义一组算符，使得利用这组算符可把问题由一种状态转变为另一种状态。问题的求解过程是一个不断把算符作用于状态的过程。(1)首先将适用的算符作用于初始状态，以产生新的状态；(

25、2)然后再把一些适用的算符作用于新的状态；(3)这样继续下去，直到产生的状态为目标状态为止。这时，就得到了问题的一个解。这个解是从初始状态到目标状态所用算符构成的序列。18 .同传统的计算机程序相比，人工智能程序有哪些特点？答：(1)人工智能首先研究的是以符号表示的知识，而不是数值数据为研究对象(2)人工智能采用的是启发式推理方法，而不是常规算法(3)人工智能的控制结构与知识领域是分离的，并允许出现不正确的解答19 .什么是问题归约？问题归约的操作算子与一般图搜索有何不同？答：问题规约是在问题求解过程中，将一个大的问题变成若干个子问题，子问题又可以分解成更小的子问题，这样一直分解到可以直接求解

26、为止，全部子问题的解就是原问题的解；并称原问题为初始问题，可直接求解的问题为本原问题。问题规约的操作算子是一组变换规则，通过一个操作算子把一个问题化成若干个子问题。而一般图搜索的操作算子是引起状态中的某分量发生改变，从而使问题由一个具体状态A变化为另一个具体状态B的作用。使问题一种状态变化为另一种状态的手段称为操作符或算符，操作符可为走步、过程、规则、数学算子、运算符号或逻辑符号等。20 .在选择知识表示的方法时，应该考虑哪些因素？答：表示能力：能够将问题求解所需的知识正确有效地表达出来；可理解性：所表达的知识简单、明了、易于理解；可访问性：能够有效地利用所表达的知识；可扩充性：能够方便灵活地

27、对知识进行扩充。表示范围是否广泛、是否适于推理、是否适于计算机处理、是否有高效的算法、能否表示不精确知识、能否模块化、知识和元知识能否用统一的形式表示、是否加入启发信息、过程性表示还是说明性表示、表示方法是否自然。总之，人工智能问题的求解是以知识表示为基础的，如何将已获取的有关知识以计算机内部代码形式加以合理地描述、存储、有效利用便是知识表示所应解决的问题。21 .什么是蚁群算法？简述其基本思想和基本结构根据蚂蚁觅食过程的启示，蚁群优化算法是采用人工蚂蚁行走路线选择问题最优解的一种算法。(1)每只人工蚂蚁独立地在问题解空间中搜索(行走)，当遇到解的分支路径时，随机地选择某条路径行走，其中信息素

28、浓度更高的路径具有更大的选择概率。路径越短，信息素浓度越高。(2)随着时间的推移，路径短的信息素浓度越来越高，引导更多的蚂蚁通过最优的求解路径，释放出更多的信息素，而其他路径上的信息素在挥发特性的作用下逐渐消失，从而形成正反馈效应。(3)最终整个蚁群在正反馈作用下，集中到代表最优解的路径上，表明找到了最优解。假设m只蚂蚁在城市间移动，协作异步地得到问题的解。每只蚂蚁的一步转移概率由城市之间连边的两类参数决定：一是信息素值，二是可见度，即先验值。信息素的更新有两种：一是挥发，也就是所有路径上的信息素以一定的比率减少，模拟自然蚁群的信息素随时间挥发的过程；二是增强，给评价值“好”的边增强信息素。蚂

29、蚁向下一城市的移动是通过一个随机原则来实现的，也就是运用当前存储的信息，计算出到下一个城市的概率，并按此概率实现上一步的移动，如此反复，越来越接近最优解。(轮盘赌选择算法)蚂蚁在寻找过程中，或找到一个解后，会评估该解或解的一部分的优化程度，并把评价信息保存在相关连接的信息素中。22.什么是过程性知识表示？给出它的优缺点答：过程性知识是将有关某一问题领域的知识，示为一个求解问题的过程。其包含两个含义：(连同如何使用这些知识的方法，均隐式地表1)把解决一个问题的过程描述出来。可以称它为解题知识的过程表示。(2)把客观事物的发展过程用某种方式表示出来。优点：控制系统就比较容易设计，过程表示用程序来描

30、述问题，具有很高的问题求解效率。缺点：复杂、不直观、容易出错、不便于修改。由于知识隐含在程序中，难于添加新的知识和扩充功能，所以适用范围较窄。23. 了解ID3算法树以代表训练样本的单个节点开始。如果样本都在同一个类，则该节点成为叶节点，用该类标记。否则，算法使用信息增益作为启发信息，选择能够最好的将样本分类的属性。该属性成为该节点的判定属性。(所有属性均为离散值，对于连续属性需先进行离散化)。对测试属性的的每个已知值，创建一个分支。算法使用同样的过程，递归形成每个划分上的样本判定树。一旦一个属性出现在一个结点上，就不会出现在该节点的任何后代上。递归划分步骤仅当下列条件之一成立时停止：(1)给

31、定结点所有样本属于同一类，无需划分；(2)当前属性集为空，没有剩余属性可以用来进一步划分(3)当前结点包含的样本集合为空，不能划分属性选择度量：在树的每个结点上使用信息增益度量选择测试属性。选择具有最高信息增益的属性作为当前结点的测试属性。该属性使得对结果划分中的样本分类所需要的信息量最小(直观理解即是生成判定树局部较低)，并反映划分的最小随机性。这种信息理论方法使得对一个对象分类所需要的期望测试数目达到最小，并保证找到一颗简单的树。*1.设已知如下事实：(1)如果是需要编程序的课，王程就喜欢。(2)所有的程序设计语言课都是需要编程序的课。(3)C是一门程序设计语言课。用自然演绎推理求证：王程

32、喜欢C这门课。证明：首先定义谓词：Prog(x)x是需要编程序的课。Like(x,y)x喜欢y。Lang(x)x是一门程序设计语言课。把上述已知事实和待求解问题用谓词公式表示如下：(x)(Prog(x)一Like(Wang,x)(x)(Lang(x)一Prog(x)Lang(C)应用推理规则进行推理：Lang(y)一Prog(y)全称固化Lang(C),Lang(y)一Prog(y)Prog(C)C/y假言推理Prog(C),Prog(x)一Like(Wang,x)oke(Wang,C)C/x假言推理因此，王程喜欢C这门课。2 .有监督学习与无监督学习的区别是什么？在监督学习中，假定我们知道每

33、一输入对应的期望输入，并利用学习系统的误差，不断校正系统的行为在无监督学习中，我们不知道学习系统的期望输出3 .开发专家系统的基本要求是什么？采用原型法开发专家系统要经过哪几个步骤？基本要求：1) 选择合适的领域及问题2) 建造专家系统的可行性3) 领域专家的积极参与4) 知识的可表达性步骤：1) 应用领域选择与可行性分析2) 需求分析3) 原型设计与开发4) 原型评价5) 最终系统设计6) 最终系统实现系统测试与评价7) 系统维护在开发专家系统之前，首先应确定所面对的问题是否适合用专家系统来解决，需要从问题领域的合适性和知识获取的可能性两个方面来考虑。(1)问题领域的合适性的考虑领域问题是否

34、适合用专家系统来解决。专家系统特别适合于那些迄今为止人类还没有彻底掌握、不存在成熟算法、主要靠专家经验来解决的领域问题。那些已存在成熟算法的领域问题，可直接用传统软件设计方法来解决，不必采用专家系统。领域问题的难度和规模是否适中。可从知识库的规模来判断领域问题的难度和规模。如果处理问题所需知识的数量适中，则比较适合研制相应的专家系统；如果仅有几十条知识，则过于简单，没有实用价值。如果需要数量巨大的知识才能解决问题，则这种专家系统就有点过于复杂和庞大。问题领域范围是否太宽。由于受人工智能发展水平的限制，目前知识获取、知识表示、知识处理与应用等方面还没有一种有效的通用技术。因此，一个实用的专家系统

35、处理问题应限制在一个相对窄的领域内，不能太宽。例如，医疗领域中开发一个能医治百病的专家系统很困难。(2)知识获取的可能性专家知识是专家系统解决问题的基础。因此能否获取高质量的专家知识是开发专家系统的重要条件之一。具体体现在是否有高水平领域专家的积极参与，以及专家知识是否易于表示。公认的高水平领域专家的积极参与。领域专家的水平越高，与他合作出来的专家系统的性能就会越好，也更容易被同行专家和用户所承认。专家知识的可表示性。仅有高水平领域专家的积极参与还不够，专家必须能够明确表达和理解他们在解决领域问题时所采用的知识、经验、技能和方法。只有那些专家的知识、经验能用语言表达清楚的领域，才适合开发专家系

36、统，只有这样，知识工程师才能通过与领域专家的交谈把专家的知识整理出来，加以形式化后存入知识库。而那些全凭专家的感觉和直觉工作的领域(如品尝专业)和完全依赖于专家技能的领域(如外科手术)，不太适合建立专家系统。专家系统的原型化是指对于比较大型或难度较大的专家系统，在开发一个实用专家系统之前先开发出一个专家系统原型，然后在对原型开发取得一定经验的基础上，逐步实现实用的专家系统。构造专家系统原型的主要步骤包括：初步知识获取；基本问题求解方法的确定；推理方式的确定；知识表示方法的确定；工具选择；原型系统开发；原型系统测试；原型系统演示；项目调整。4 .实例学习的基本思想是什么？简述实例学习的两个空间模

37、型，这两个空间之间的关系如彳51?归纳学习可以分为有导师指导的实例学习和无导师指导的观察与发现学习。实例学习是典型的归纳学习方法（inductivelearning）,是研究最广的一种符号学习（symboliclearning）方法，它表示从例子设想出假设的过程。一般的归纳推理结论只是保假的，而不是保真的。观察与发现学习是一种无教师指导的归纳学习，它分为观察学习和发现学习两种。实例学习又称为示例学习或通过事例学习。它通过从环境中取得若干与某概念有关的例子，经归纳得出一般性概念的一种方法。外部环境（教师）提供给系统一些特殊的实例，这些实例事先由施教者划分为正例和反例。实例学习系统由此进行归纳推理

38、得到一般规则。例如，教给一个程序下棋的方法，可以提供给程序一些具体棋局及相应的正确走法和错误走法，程序总结这些具体走法，发现一般的下棋策略。正例和反例由三种信息源提供：已经知道概念的教师，学习者本身，学习者以外的外部环境。实例学习的两个空间模型：实例学习系统中有两个重要概念：实例空间和规则空间。实例空间就是向系统提供的训练例子集合。规则空间是事物所具有的某种规律，学习系统应能从大量的训练实例中自行总结出这些规律。解释过程的任务是从搜索到的示例中抽象出所需的信息，并对这些信息进行综合、归纳，形成一般性的知识。常用的解释方法：常量化为变量；去掉条件；增加选择（析取）；曲线拟合。5 .什么是归纳学习

39、？归纳学习一般可分为哪两种学习形式？应用归纳推理进行学习的一类学习方法，按其有无教师指导，可以分为实例学习及观察与发现学习。实例学习实例学习又称为概念获取，它是通过向学习者提供某一概念的一组正例和反例，使学习者从这些正反例中归纳推理出概念的一般描述，这个描述应能解释所有给定的正例并排除所有给定的反例。这些正反例是由信息源提供的，信息源可能是已经知道概念的教师，也可能是学习者本身，还可能是学习者以外的外部环境。观察与发现学习又称为描述的一般化。这类学习没有教师的指导，它要对所有或大多数观察到的规律和规则给出解释。这类学习包括概念聚类、构造分类、曲线拟合（使方程符合数据）、发现并解释观察到的定律并

40、形成理论。6 .什么是与树？什么是或树？什么是与/或树？什么是可解节点？什么是解树？在实际问题的求解过程中，有可能需要同时采用分解和变换的方法，将原问题化为一组本原问题，其归约过程用一个与/或树来表示。与树：当把一个复杂问题分解为若干个子问题时，可用一个“与树”来表示这种分解。或树：当把一个复杂问题变换为若干个与之等价的新问题时，可用一个“或树”来表示这种变换。则其求解过程可用一如果一个问题既需要通过分解，又需要通过变换才能得到其本原问题,个“与/或树”来表示。其根节点对应着待求解的原始问题。在“与/或树”中，满足一下三个条件之一的节点为可解节点:(1)该节点是一个终止节点;(2)该节点是一个“或”节点，且其子节点中至少有一个为可解节点;(3)该节点是一个“与”节点，且其子节点全部为可解节点。在“与/或树”中，满足一下三个条件之一的节点为不可解节点：(1)该节点是一个端节点，但却不是终止节点；(2)