文档介绍：该【浙工大人工智能考博复习汇总 】是由【非学无以广才】上传分享，文档一共【21】页，该文档可以免费在线阅读，需要了解更多关于【浙工大人工智能考博复习汇总 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。浙工大人工智能考博复****汇总
人工智能考博
简答题
人工智能的基本研究内容。
知识表达
知识表达:将人类知识形式化或者模型化。
知识表达措施:符号表达法、连接机制表达法。
符号表达法:用多种涉及具体含义的符号,以多种不同的方式和顺序组合起来表达知识的一类措施。例如,一阶谓词逻辑、产生式等。
连接机制表达法:把多种物理对象以不同的方式及顺序连接起来,并在其间互相传递及加工多种涉及具体意义的信息,以此来表达有关的概念及知识。例如,神经网络等。
机器感知:使机器(计算机)具有类似于人的感知能力。以机器视觉(machinevision)与机器听觉为主。
机器思维:对通过感知得来的外部信息及机器内部的多种工作信息进行有目的的解决。
机器学****machinelearning):研究如何使计算机具有类似于人的学****能力,使它能通过学****自动地获取知识。
1957年,Rosenblatt研制成功了感知机。
机器行为:计算机的体现能力,即“说”、“写”、“画”等能力。
专家系统和老式程序的区别。
(1)编程思想:
老式程序=数据构造+算法
专家系统=知识+推理
(2)老式程序:有关问题求解的知识隐含于程序中。
专家系统:知识单独构成知识库,与推理机分离。
(3)解决对象:
老式程序:数值计算和数据解决。
专家系统:符号解决。
(4)老式程序:不具有解释功能。
专家系统:具有解释功能。
(5)老式程序:产生对的的答案。
专家系统:一般产生对的的答案,有时产生错误的答案。
(6)系统的体系构造不同。
什么是估价函数?A*搜索算法的估价函数是如何拟定的?
估价函数的任务就是估计待搜索结点的“有但愿”限度,并依次给它们排定顺序(在open表中)。
估价函数:从初始结点通过结点达到目的结点的途径的最小代价估计值,其一般形式是
一般地,在f(n)中,g(n)的比重越大,越倾向于宽度优先搜索方式,而h(n)的比重越大,表达启发性能越强。
其中f(n)是从初始状态经由状态n到目的状态的代价估计,
g(n)是在状态空间中从初始状态到状态n的实际代价,
h(n) 是从状态n到目的状态的最佳途径的估计代价。
(对于途径搜索问题,状态就是图中的节点,代价就是距离)
h(n)的选用
保证找到最短途径(最优解的)条件,核心在于估价函数f(n)的选用(或者说h(n)的选用)。
我们以d(n)体现状态n到目的状态的距离,那么h(n)的选用大体有如下三种状况:
如果h(n)<=d(n)到目的状态的实际距离,这种状况下,搜索的点数多,搜索范畴大,效率低。但能得到最优解。
如果h(n)=d(n),即距离估计h(n)等于最短距离,那么搜索将严格沿着最短途径进行,此时的搜索效率是最高的。
如果h(n)>d(n),搜索的点数少,搜索范畴小,效率高,但不能保证得到最优解。
我们先下个定义,如果一种估价函数可以找出最短的途径,我们称之为可采纳性。A*算法是一种可采纳的最佳优先算法。A*算法的估价函数可表达为:
f'(n)=g'(n)+h'(n)
这里,f'(n)是估价函数,g'(n)是起点到节点n的最短途径值,h'(n)是n到目的的最短路经的启发值。由于这个f'(n)其实是无法预先懂得的,因此我们用前面的估价函数f(n)做近似。g(n)替代g'(n),但g(n)>=g'(n)才可(大多数状况下都是满足的,可以不用考虑),h(n)替代h'(n),但h(n)<=h'(n)才可(这一点特别的重要)。可以证明应用这样的估价函数是可以找到最短途径的,也就是可采纳的。我们说应用这种估价函数的最佳优先算法就是A*算法。
遗传算法中的编码是什么?有哪几种编码措施?
编码是把一种问题的可行解从其解空间转换到遗传算法所能解决的搜索空间的转换措施。而由遗传算法解空间向问题空间的转换称为解码。
位串编码
一维染色体编码措施:将问题空间的参数编码为一维排列的染色体的措施。
(1)二进制编码
二进制编码:用若干二进制数表达一种个体,将原问题的解空间映射到位串空间 B={0,1}上,然后在位串空间上进行遗传操作。
长处:
类似于生物染色体的构成,算法易于用生物遗传理论解释,遗传操作如交叉、变异等易实现;算法解决的模式数最多。
缺陷:
① 相邻整数的二进制编码也许具有较大的Hamming距离,减少了遗传算子的搜索效率。
15:01111 16:10000
②要先给出求解的精度。
③求解高维优化问题的二进制编码串长,算法的搜索效率低。
(2) Gray 编码
Gray编码:将二进制编码通过一种变换进行转换得到的编码。
2. 实数编码
采用实数体现法不必进行数制转换,可直接在解的体现型上进行遗传操作。
多参数映射编码的基本思想:把每个参数先进行二进制编码得到子串,再把这些子串连成一种完整的染色体。
多参数映射编码中的每个子串相应各自的编码参数,因此,可以有不同的串长度和参数的取值范畴。
有序问题:目的函数的值不仅与表达解的字符串的值有关,并且与其所在字符串的位置有关。
4,构造式编码
运用归结原理进行定理证明
将一种谓词公式化为不带存在量词的Skolem原则式
运用可信度措施计算CF(H)
模糊推理(书上的,温度和风门大小的模糊推理)
六、离散Hopfield神经网络和BP神经网络的输入层、输出层神经元个数,及非线性映射函数。
期末
一、单选题(本题共8小题,每题2分,共16分)
,连接词的优先级别从高到低排列是(D)。
A.﹁,∨,∧, →, B.∧,∨,﹁,→,
C.﹁,∧, ∨,,→ D.﹁,∧,∨, →,
,用( )来标明类与子类之间的关系。
B. 泛化联系
3. 谓词公式G在海伯伦域上是不可满足的,则该公式在个体变量域D上是( )。
设S 为子句集,则按下述措施构造的域H∞称为海伯伦域,简记为H域。
(1)令H0是S中所有个体常量的集合,若S中不涉及个体常量,则令H0={α},其中α为 任意指定的一种个体常量。
(2)令{S中所有n元函数是H中的元素},其中。
(海伯伦定理):
子句集不可满足的充要条件是存在一种有限的不可满足的基子句集。
,则(A)一种归结推理规则的从S到空子句的推理过程。
. 无法拟定
5. 在主观Bayes措施中,几率O(x)的取值范畴为( )。
A.[-1, 1] B.[0,1] C.[-1, ∞) D.[0,∞)
几率(odds)函数:
概率:
几率函数和概率函数有相似的单调性。
6. 在可信度措施中,CF(H,E)的取值为(c )时,前提E为真不支持结论H为真。
. 0 C. <0 D. >0
CF(H,E)的取值范畴: [-1,1]。
若由于相应证据的浮现增长结论 H为真的可信度,则 CF(H,E)>0,证据的浮现越是支持H为真,就使CF(H,E) 的值越大。
反之,CF(H,E)< 0,证据的浮现越是支持H为假,CF(H,E)的值就越小。
若证据的浮现与否与 H 无关,则 CF(H,E)=0。
,open表是( b )的数据构造。
( b )的推理。
二、多选题(本题共5小题,每题2分,共10分)
1. 人工智能研究的三大学派是( )。
,下面论述对的的是( AC )。
,一种槽用于描述所论对象某一方面的属性,一种侧面用于描述相应属性的一种方面。
,从而实现一种框架对另一种框架的调用,表达出框架之间的纵向联系。
C. 框架系统中问题的求解重要是通过匹配与填槽实现的。
。
框架(frame):一种描述所论对象(一种事物、事件或概念)属性的数据构造。
一种框架由若干个被称为“槽”(slot)的构造构成,每一种槽又可根据实际状况划分为若干个“侧面”(faced)。
一种槽用于描述所论对象某一方面的属性。
一种侧面用于描述相应属性的一种方面。
槽和侧面所具有的属性值分别被称为槽值和侧面值。
3. 在主观Bayes推理中,充足性度量LS和必要性度量LN的取值下面哪些是合理的( bc )。
>1,LN>1 >1, LN<1
<1,LN>1 <1, LN=1
IF E THEN (LS,LN)H
(LS, LN)用来表达该知识的知识强度, LS(充足性度量)和LN(必要性度量)
不也许同步支持H或同步反对 H
不应当存在:
(1)LS>1,LN > 1
(2)LS<1,LN<1
存在两种状况:
(1)LS ≥ 1 且 LN ≤ 1
(2) LS≤1且LN ≥1
:( )。bcd
;
;
,无法回答顾客“Why”和“How”等问题。
,相对于其她开发工具,其效率是最高的,灵活性是最佳的,局限性也是至少的。
:(bd )。
,而示例学****只要环境提供一种示例;
。
。
。
示例学****learning from examples)又称为实例学****或从例子中学****通过从环境中获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学****措施。
示例学****中,外部环境(教师)提供一组例子(正例和反例),然后从这些特殊知识中归纳出合用于更大范畴的一般性知识,它将覆盖所有的正例并排除所有反例。
解释学****explanation-basedlearning):演绎学****措施。
它是通过运用有关的领域知识,对目前提供的单个问题求解实例进行分析,从而构造解释并产生相应知识的。
解释学****通过运用有关的领域知识及一种训练实例来对某一目的概念进行学****并最后身成这个目的概念的一般性描述。
解释学****与示例学****的重要区别:
(1)示例学****系统规定输入一组实例。
解释学****输入一种实例。
(2)示例学****归纳学****不规定提供领域知识。
解释学****演绎学****规定提供完善的领域知识。
(3)示例学****概念的获取,即知识增长的一面。
解释学****技能提高的一面。
以推理能力排列
机械式学****指引式学****解释学****类比学****br/>示例学****观测与发现学****br/>对领域理论的规定
示例学****观测与发现学****领域理论规定较少。
解释学****规定提供完善的领域知识。
合用领域
连接学****模拟人类较低档的神经活动。
符号学****模拟人类的高档思维活动。
三、填空题(本题共5小题,每个空格1分,共14分)
1. 产生式系统一般由三个基本部分构成: 、 、
。 规则库、推理机,综合数据库
,命题A的信任函数Bel(A)又称为 函数,似然函数Pl(A) 又称为 函数,Pl(A)-Bel(A)表达对A 的限度。 A(0,)表达对A为假有一定的信任,信任度为
。
:对命题A为真的总的信任限度。
:对A为真的信任限度。
:对A为非假的信任限度。
:对A信任限度的下限与上限。
Pl(A)-Bel(A)表达对A是真是假不懂得的限度,既不信任A,也不信任非A的限度
下限或信任,上限或似然或不可驳斥,不懂得,
。每个字母用3×3二维二值图表达,令黑方格为1,白方格为0。规定网络输出为1时,相应的字母是T;而输出为0时,相应的字母是L。因此该BP神经网络的输入层应涉及 个神经元,输出层应涉及个神经元,输出层神经元的非线性函数为 。
9 1
,它是通过 过程使误差最小。
反向学****或反向传播
BP网络:多层前向网络(输入层、隐层、输出层)。
连接权值:通过Delta学****算法进行修正。
神经元传播函数:S形函数。
学****算法:正向传播、反向传播。
层与层的连接是单向的,信息的传播是双向的。