文档介绍：第一章
1:人工智能各学派的认知观
绪论
（填空）
P/9-10
P/12
粒群计算、蝕
计算、免疫计算和人工生命等研究领域。
P/21
（1）符号主义（2）连接主义（3）行为主义
2：人类认规则和逆向系统的B规则来修正。 9：论域的知识分为两部分： P/93
（1）用事实表示静态知识，如事物、事件和它们之间的关系；
（2）用产生式规则表示推理过程和行为。
P/93
探10：产生式系统由3个部分组成，即数据库（或全局数据库）,
产生式规则和控制策略。
总数据库有时也称为上下文、当前数据库或暂时存储器。总数
据库是产生式规则的注意中心。 P/94
探12：控制策略的作用是说明下一步应该选用什么规则，也就是
如何应用规则。通常从选择规则到执行操作分为3步：匹配、独
突解决和操作。
(填空)
P/94
13：这种单调系统不能很好地处理常常出现在现实问题领域中的3
P/102
类情况，即不完全的信息、不断变化的情况以及求解复杂问题过程中
生成的假设。
第四章
非经典推理
1：非经典逻辑和非经典推理与经典逻辑和经典推理的区别:
(1) (2) (3) (4) (5) P/111
探2:不确定性推理中存在三种不确定性,即关于知识的不确定性、
关于证据的不确定性和关于结论的不确定性。 P/111
3：不确定性的量度：在确定量度方法及其范围时，必须注意到:
量度要能充分表达相应知识和证据不确定性的程度。
量度范围的指定应便于领域专家和用户对不确定性的估计。
量度要便于对不确定性的传递进行计算，而且对结论算出的不确定性量度不能超出量度规定的范围。
量度的确定应当是直观的，并有相应的理论依据。 P/112 4：概率推理
目前用得较多的不精确推理模型有概率推理、可信度方法、证据理论、
贝叶斯推理和模糊推理等。
P/114
探5：主观贝叶斯方法(必考计算填空)
P/117-120
几率的取值范围为
P/120
P/118
插值计算图
探6:可信度因子CF (H, E) 作用域NL, 11 P/123
CF (H, E) >0,表示该证据增加了结论为真的程度
CF (H, E) <0,表示该证据增加了结论为假的程度
CF (H, E) = 0,表示证据E和结论H没有关系。
第五章计算智能
1:计算智能是一种智力方式的低层认知,它与人工智能的区别只是认知层次从中层下降到低层而已。
若-个智能计算系统以非数值方式加上知识(精品)值，即成为人工
智能系统。
2：人工神经网络的特性：
P/146
(简答)
P/147
(1)
并行分布处理。
(2)
非线性映射。
(3)
通过训练进行学****br/>(4)
适应与集成。
(5)
硬件实现。
探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
蚩P/148 (填空)
4：前馈网络的例子有多层感知器(MLP)、学****矢量量化(LVQ)网
络、小脑模型连接控制(CMAC)网络和数据处理方法(GMDH)网
络等。
（填空）
P/149
探5：
人工神经网络的主要学****方法
(1)
有师学****有监督）
(2)
无师学****无监督）
(3)
强化学****填空）
P/149
6：通常定义神经网络的泛化能力,也称推广能力,是指神经网络在训练完成之后输入其训练样本以外的新数据时获得正确输出的能力。
影响泛化能力的因素主要有: P/155
（2）训练样本的质量和数量
（2）网络结构
（3）问题本身的复杂程度
7:编码方法： P/162
（1）二进制编码（2）浮点数编码（3）格雷码
（4）符号编码方法
8：适应度函数:为了体现染色体的适应能力，引入了对问题中的每一个染色体都能进行量度的函数，叫做适应度函数。 P/162
探9：简单遗传算法的遗传操作主要有三种：选择、交叉、变异。
（填空） P/162
10:遗传算法的特点：（简答） P/164
（1）遗传算法是对参数集合的编码而非针对参数本身进行进化;
（2）遗传算法是从问题解的编码组开始而非从单个解开始搜索;
（3）遗传算法利用目标函数的适应度这一信息而非利用导数或
其他辅助信息来指导搜索。
遗传算法利用选择、交叉、变异等算子而不是利用确定性规
则进行随机操作。
课后****题答案
2-2设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡
到左岸去。该船的负载能力为两人。在任何时候，如果野人人数超过传教士人数，那么野人就会把传