人工智能期末复习资料

人工智能期末复习资料人工智能期末复习资料PAGEPAGE34人工智能期末复习资料PAGE适用标准

?人工智能?

ArtificialIntelligence

期末知识点整理

题型：

一、选择题〔15题，每题2分，共30分〕

主要考察根本观点

二、问答题〔7题，每题10分，共70分〕

主要考算法详细应用于一个小问题

必考：

与或树的宽度、深度优先搜寻算法〔必考〕

博弈树的极大极小搜寻过程〔必考〕

知识点整理：

第一局部课程综述

1、人工智能英语：ArtificialIntelligence

2、人工智能〔学科〕：是计算机科学中波及研究、设计和应用智能机器的一个

分支。它的近期目标在于研究用机器来模拟和履行人脑的某些智能功能，并

开发有关的理论和技术。

3、课程所讲内容：

?问题求解经典人工智能〔符号主义〕所研究的内容

谓词逻辑与推理

计算智能(神经计算)计算智能〔连结主义〕

4、主要学派

文案大全适用标准

符号主义：又称逻辑主义、心理学派或计算机学派物理符号系统假定和有限合理性原理。

连结主义：又称仿生学派、生理学派神经网络。

?行为主义：又称计算主义、控制论学派控制论及感知-动作型控制

系统。

5、每一局部的内容安排原那么：

问题〔知识〕的表达表达

相应的求解技术求解

软件实现的平台或许环境平台

6、每局部概括

空间求解局部

知识表达搜寻技术状态空间法宽度优先、深度优先等代价优先搜寻、有序搜寻算法问题规约法与或树的宽度、深度优先搜寻技术

文案大全适用标准

博弈问题〔也有状态空间法〕和极大极小过程

实现平台建议使用常用的高级语言〔C/C++等〕

谓词逻辑与推理局部

·表达方法：谓词逻辑

·求解方法：消解原理、消解反演算法

·实现平台：Visual-Prolog语言

人工神经网络·数据收集与表示方法：用一个向量及其性质〔类型或函数值〕来描绘每一个

样本。

·求解方法：针对不同的问题，选择一个神经网络模型，并用训练样本集确立

网络的权值。

·实现平台：Matlab或其余高级语言。

第二局部问题求解

1、

文案大全适用标准

2、状态空间法与图的搜寻技术

状态空间法表示问题的重点：状态与操作符

·状态：为了描绘某一类不同事物间的差别引入的一组最少变量的有序会合

·算符〔操作符〕：使问题从一个状态变换到另一状态的手段

求解问题：找寻从初始状态到目标状态的某一个操作符序列状态空间法的求解过程：用有向图来表示

对应关系：状态<—>结点操作符<—>有向弧

状态空间法的解：从初始状态到目标状态的操作符序列

图中的解：从开端节点到目标节点的一条路径

求解思路：边扩展节点边找解的搜寻思想

图的搜寻技术分为

盲目搜寻技术〔宽度、深度、代价优先搜寻技术〕

宽度优先：先扩展出来的节点优先〔OPEN为行列〕，后继节点有目标

文案大全适用标准

节点结束

例子！！！

文案大全适用标准

思路：依据操作符次序，从第一个开始，先从宽度开始，拓展一层，从左

到右排好〔先后〕，而后，从先拓展出来的结点〔即最左侧的〕开始进

行拓展，注意已经拓展过的结点不拓展，因此4不可以，走不通的结点也是

不可以，如3。注意要一次用完所有的操作符，即找到目标结点也要持续拓

展完这个结点的。

深度优先：后者扩展出来的节点优先〔OPEN为货仓〕，且有深度限

制，后继节点有目标节点结束

例子！！！

文案大全适用标准

思路：依据操作符次序，从第一个开始，运用操作符，拓展第一层，拓展

的结点依据从右到左的次序寄存〔后先〕，而后，从后拓展出来的结点

〔即最左侧的〕开始进行拓展，接着往深处搜寻直到深度界线，回溯。同

样注意已经拓展过的结点不拓展，注意要一次用完所有的操作符，即找到

目标结点也要持续拓展完这个结点的。

文案大全适用标准

代价优先〔等代价〕：到开端节点代价小的节点优先〔OPEN为线性

表〕，拥有最小代价的节点是目标节点时结束

例子！！！

文案大全适用标准

思路：依据操作符次序，从第一个开始，拓展第一层，拓展的结点依据从

左到右的次序寄存〔先后〕，而后，计算出各个点的代价，选择代价最

小的拓展。能够拓展拓展过的结点，注意要所有走完才能判断出出口。

启迪式搜寻技术〔有序搜寻算法〕

有序搜寻算法：估价函数值小的节点优先，有解的结束条件：拥有最

小估价函数值的节点是目标节点

例子！！！

思路：依据操作符次序，从第一个开始，拓展第一层，拓展的结点依据从

左到右的次序寄存〔先后〕，而后，计算出各个点的预计函数值，选择

值最小的拓展。相同注意已经拓展过的结点不拓展。

文案大全适用标准

差别：

·选用待扩展节点的规那么不同，并能够OPEN表的不同数据构造来表达

·算法有解的停止条件不同

3、问题归约法、与或树搜寻技术

问题归约法表示问题的重点：

原始问题描绘、来源问题描绘、操作符

操作符：将问题变换或分解为子问题的手段来源问题：一组能够直接得出答案的简单问题

问题归约法的求解过程：用与或图来表示

文案大全适用标准

判断节点能否可解的方法：

终叶节点是可解节点

无后继节点的非终叶节点是不可以解节点

用倒推的方法来逐渐判断其余节点能否可解

与或图有解的条件是：开端节点〔根节点〕可解〔经过倒推来判断〕

与或图的解图：由最少可解节点所组成的子图，这些可解节点能够使问题的开端节点可解

与或树：与或图的特例，除了根节点外，任何一个节点只有一个父节点

与或树的搜寻技术：

宽度优先：先扩展出来的节点优先〔OPEN表是行列〕

例子！！

文案大全适用标准

思路：到可解结点后倒退回去！！

文案大全适用标准

深度优先：后扩展出来的节点优先〔OPEN表是货仓〕，且有深度限制。

注意与宽度的操作符的次序不相同！这里讲后拓展的放在左侧。

图、与或树的宽度、深度优先搜寻算法之间的差别：图搜寻技术是找到目标节点或没法扩展而结束算法

与或树搜寻技术是找到终叶节点后经过倒推来判断开端节点能否可解而结束算法

4、博弈问题的表达、博弈树的搜寻技术

双人博弈问题的特别之处：

棋局：相当于状态空间法中的状态

走棋：相当于问题归约法的节点扩展〔生成或节点、与节点〕

文案大全适用标准

博弈树是一棵特别的与或树，其节点对应棋局〔相当于状态〕，与节点、或节点隔层交替出现

博弈树搜寻的极大极小过程分红：

宽度优先扩展节点〔深度必为偶数〕，并计算最基层端节点的静态预计函

数值

用倒推的方法〔自己下的棋取大者，敌手下的棋取小者〕计算出其余各层

节点的静态预计函数值，最后决定走哪一步棋〔全填0计算共有几条成

功路线—全填x--计算共有几条成功路线--相减得值〕

例子！！！〔只要要走一层，看两步即可〕

文案大全适用标准

第三局部谓词逻辑与推理

1、谓词逻辑法

文案大全适用标准

数理逻辑〔符号逻辑〕是用数学方法研究形式逻辑的一个分支。它经过符号

系统来表达客观对象以及有关的逻辑推理。常用的是命题逻辑和谓词逻辑。

谓词逻辑是数理逻辑的根本形式，是鉴于谓词剖析的一种形式化〔数学〕语

言。

人工智能中的谓词逻辑法是指用一阶谓词来描绘问题求解和定理证明〔限于

本课程〕。

2、模式般配—置换和合一

文案大全适用标准

说明：

1、合一算法是消解原理的根基。

2、合一算法中的公式集就是从谓词适合公式化成的子句集。

例子！！！！

文案大全适用标准

3、谓词公式化成子句集〔九步〕

文案大全适用标准

文案大全适用标准

文案大全适用标准

4、消解演绎与消解反演

文案大全适用标准

文案大全适用标准

例子！！！

文案大全适用标准

看作业！

5、消解推理规那么

文案大全适用标准

文案大全适用标准

6、一些定义

原子公式：原子命题〔0元谓词〕和谓词

根本式：原子公式或原子公式的非

正根本式：不带“非号〞的原子公式

文案大全适用标准

根本式：“非号〞的原子公式

Horn子句：最多只含有一个正根本式的子句〔只含一个正根本式或许不含正根本式〕

Horn子句集：每一个子句均Horn子句的子句集

7、Prolog语言

观点：Prolog言是以一的Horn子句集法，以Robinson

的消解原理工具，加上深度先的控制策略而形成的人工智能通用程序

言。

?

VisualProlog程序的根本构：domains

⋯⋯〔域段，明量型，无句号、能够缺省〕

文案大全适用标准

predicates

⋯..〔段，明，无句号〕

clauses

⋯..〔子句段，程序主体，必有句号〕

goal

⋯⋯〔目段，表达目或，必有句号〕

例子！！

5、写Prolog程序，并上机通：

①三个前提

F1:：王(Wang)先生是小李(Li)的老

F2：小李与小(Zhang)是同班同学

F3：假如x与y是同班同学，x的老就是y的老。

：小的总是？

文案大全适用标准

例子！！

第四局部人工神经网络

文案大全适用标准

1、神经元的动作或工作原理：

①求加权和

②与阈值比较

③用激活函数获得输出

激活函数有：

阶跃函数：(-∞,+∞){0,+1}

符号函数：(-∞,+∞){-1,+1}

线性函数：

Sigmoid函数：(-∞,+∞)(0,+1)或许(-1,+1)

2、神经网络模型

反向流传神经网络〔多层感知器＋反向流传训练算法〕(BP)

BP网络

文案大全适用标准

针对分类与回归问题，怎样确立网络构造

反向流传算法的根本思想

公式推导的重点技术

BP网络的构造

3、解决模式分类问题时，确立网络构造的原那么

输入层的神经元个数：输入样本的维数〔有阈值数，加1〕

中间层的层数及其神经元个数：使用者确立

输出层的神经元个数：类型数〔多类取多个，两类取一个〕

激活函数：所有激活函数取Si