太原理工大学人工智能试题+答案

太原理工大学人工智能试题+答案编辑整理:尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对 文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（太原理工大学人工智能试题+ 答案）的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈，这将是我 们进步的源泉，前进的动力。本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快 业绩进步，以 下为太原理工大学人工智能试题+答案的全部内容。太原理工大学人工智能试题+答案人工智能试卷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. 一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：1）P）2）（V询瑚旳芻gX /3） （Vx）P（ft；x）斗）C）P闔司 9艮1冒）（5） mm3 爲芜 W）试用消解原理证明（弓x） R（X）（15分）太原理工大学人工智能试题+答案2用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项，例如不要用 单一的谓词字母来表示每个句子)(10分)For every set x , there is a set y ,such that the card inality of y is greater than the card inality of x .3. 用语义网络表示下列知识：(10分)(a) 树和草都是植物.(b) 树和草都是有根有叶的.水草是草，且长在水中.(d) 果树是树，且会结果.(e) 樱桃树是一种果树，它结樱桃.4. 八数码难题设问题的初始状态S和目标状态S如下图所示，且估价函数为：0gf(n)=d (n)+w(n)，其中，d(n)表示节点n在搜索树中的深度；w(n)表示节点n中“不在位”的数码个数请计算初始状态S的估价函数值f(S ) 并画出该0 0八数码问题的有序搜索图，标明各节点的f值，及各节点的扩展次序，并给出求 得的解路径。(15分)218476S1n8675四论述题(15分) 运用所学知识，试讨论人工智能和人类智能的关系，人工智能能否超出人类智能?人工智能试卷B.填空题（15分）7. 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.8. 搜索可以分为盲目搜索和启发式搜索，其中盲目搜索包括, ,9. 人工神经网络的结构基本上分为两类，即和前者的典型代表有Elmman网络，Hopfield网络和Jordan网络等.后者的典型代表有多层感知机（MLP）,学习矢量量化等.10. 进化计算包括，进化策略,，遗传编程。11. 简单遗传算法的遗传操作主要有三种：,12. 产生式系统的控制策略随搜索方式的不同可分为,三. 问答题（20分）1. 规则演绎系统和产生式系统有哪几种推理方式？各自的特点为何？ （8分）2. 专家系统应具备的基本特征及包括哪些部分?每部分的主要功能是什么？ （12分）四. 解答题1某问题由下列公式描述:1）P）2）（V询瑚旳芻gX /3） （Vx）P（ft；x）斗）C）P闔司 9艮1冒）（5） mm3 爲芜 W）试用消解原理证明（弓X）R（x） （15分）太原理工大学人工智能试题+答案2。用谓词演算公式表示下列英文句子(多用而不是省用不同谓词和项，例如不要用 单一的谓词字母来表示每个句子)(10分)A computer system is intelligent if it can perform a task which , if performed by a human , requires intelligenee.5. 作为一个电影观众，请你编写一个去电影院看电影的剧本.(10分)6. 八数码难题设问题的初始状态S和目标状态S如下图所示,且估价函数为：(n)0g=d(n)+w(n)，其中，d(n )表示节点n在搜索树中的深度；w (n)表示节点 n中“不在位”的数码个数请计算初始状态S的估价函数值f(S )。并画出该0 0八数码问题的有序搜索图，给出该搜索结束时Open表和Close表的1286n一75四论述题(15分)运用所学知识，试讨论人工智能和人类智能的关系，人工智能能否超出人类智能?人工智能答案A.填空1. 知识表示，知识利用，知识获取2. 基于规则，基于框架3. Hopfield网络(Jordan网络)，学习矢量量化(LVQ)或者小脑模型连接控制(CMAC)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1. 广度优先搜索就是始终先在同一级节点中考查，只有当同一级节点考察完之 后，才考察下一级节点，广度优先搜索树是自顶向下一层一层逐渐生成的广 度优先搜索策略是完备的,即如果问题的解存在那它一定能找到，且找到的 解还是最优解它的缺点是搜索效率低算法中，扩展子节点依次放入OPEN 表的尾部；深度优先搜索就是在搜索树的每一层始终只扩展一个子节点,不断 向纵深前进,直到不能再前进时，才从当前节点返回到上一层节点，沿另一方 向又继续前进算法中,扩展节点依次放入 OPEN 表首部，由于一个有解问题 可能含有无穷分支，可能找不到目标节点，所以策略不完备2. 前者把问题求解的知识隐含地编入程序，而后者则把其应用领域的问题求解 知识单独组成一个实体，即为知识库知识库的处理是通过与知识分开的控 制策略进行的更明确的说，一般程序把知识组织为两级，数据级和程序级 大多数专家系统则将知识组织成三级：数据，知识库和控制三解答题1)晞(他)Vy)LF(y)TQCH 毘前,湖= CVx)(Vy)P(y) V Q(b, x, g(兀 y)= PCy)VQ(b;z, y)3) (VX)F(X或)= P真劝4) (Vz)P(AQb,：尊TRj(hCXJi= CVx)KP(z)A Q(S j x)VRjCh(x) = (V)P(K)VQ(b? c,z)VR(h() = R；紳VQa s M)VR(h(歸)(5) (VK)CVy)Q(U 爲巧tQQ,瓦 f) = CV益)(Vy)QC, y)VQ(h 瓦 fiy) =Q3 岑刃VQb,苍 f&)目标求反：弋日瓷)瓦)=(Vx)Rj(= Rj阖变量换容后，得子句集；P(a), PCyl)VQ 吐欝l,yl PCA疋),P呵 VQe，c,出)VFJ(K也,Q(h韭y4)VQ(h,越 旳4衣Ri)2。SET(x)： x是一个集合.CARD (x, y)： y是集合x的基数。G (x, y):x大于y.(Vx)SET(x) n (3y)(3u)(3v)SET(y) a CARD(x,u) a CARD(y,v) a G(v,u)3。4. f（s）=d（n）+w（n）=0+3=30部分有序搜索树如下：f=3346513=5824765f=51=f86475略。F484765123847652386475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:(1) 知识库(knowledge 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 engi neer)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.(2) 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(reas oning mach ine)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 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)太原理工大学人工智能试题+答案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.(1)朋)=Q(ti,监臥爲 y)=a P(y)V Q x, g(耳 y)(RVk)P 世顽=比炖(4V幻PO)AQ(h c,血TR(hj(X)= (VHPAQtb, c, kJ VR(h(x) =韵VQ(hu爲WRX劝= H；K)VQ(bncnx)VRj(h(x) g)(V珈Q血爲巧tQ(S耳 WJ= (V运)Vy)Q(h,臣 y)VQ(h 益饬)= Qb, y)V Q(b, xn f?y)目标求反：%五)班刃= R(z)变量换答后，得子句集=卩述汇),P(呵甘Q匚砂穿艮型葢， Q(h 魂 y4)V Q 沆 fty4),吨)2。C（X）：X为计算机系统；丨（X）： X是智能的；E（X，Y） : X可执行Y。T（X）： X是一项任务。N（X）： X需要智能.P（X）:X由人执行。(Vx)gy)(C(x) a E(x, y) a T(y) a N(y) a P(y) n I(x)3。看电影剧本：（1.）开场条件:太原理工大学人工智能试题+答案( 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)我花了钱太原理工大学人工智能试题+答案（c.）电影院挣了钱。4. f（s ）=d（n）+w（n）=0+3=30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，如果我们将机器学习与人娄学习相比较，机器学习的烦还具有一运 的难度 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，jp么也许有一天连设计者 本人都不知道机器进化到了何种程度，也就是说 机器学习后知识库发生了什么 变化都很难预测。这是因为目前的大多数专家系统都是脱离环境的学习，即将人 冀专家准备好的知识，以某无陆式传授给机器。但是如果将机器学习的目的扩展 到从环境中、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 果就更加不可预测。人类制造机器学习的重要日的是为我所甩 如臬机器超出了 人类的控制与预测，却并不是人黄制造它们的初衷。其阮 机器学习作为人工智 能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域 但是这种学习应用的方式主要是使旳归纳、综合而不是演绎。然而归纳本身就存 在着一定的缺陷，现有的归纳推理只保证假，不保证真。而且 归纳的结论是无 限多的，其中相当名是假的，给生成的知识带来不可靠性。这与演绎的方法不同, 演绎推理是从.塞数现象中总结岀结论，即从.一般的现象推导岀总结性的结论。就 人类的学习而言，确是演澤与归纳两种方法并用的，因为这两*方法并不矛盾, 相反却是互相促进的机器学习由于自身的局限性，主要采用归纳与综合，但是 归纳的结论有可能是假的，其推理过程中又要使用很参假设和约定，这些都说明 机器学习申依然存在着不可靠性。最JS,相对与人娄学习的日标明确性，机器学 习目前却彳艮难判断什么重要、什么有意义、应该学习!十么。这也就袂定了机器学 习的应用只是专家系统的部分应用，还无法完全从环境中获得耿知识，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别注資两者之间的特点与差 异。机器学习的研究目的是使机器具有学习能力，但是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（砌究的最终目的。 思维能把系统的行为高度限定在任务日标书 并能从环境中提取践索，以便指示 过程沿着目标前进，它将知识转化为方法，去处理、控制、变革变化着的对象。 遠一点起码目前机器学习屋无法做到的，而这却是人类学习的必餓过程。从两者 的结构分析，机器结构的分离性与人脑结构分离性的不同之处在于，机器智能不 在于离散处理信息的方式，而在于机踣只理解噸信息的形式 而人却能够理解 信息的商容。现代思维科学的研究指出，我们不仅要肯定塞种思维形式的存在， 而且还要认定塞种思维形式的结合，乃是人类的最佳思维方式。所且从功能主史 的角度上讲，即使机器学习“功能实现” 了人类的学习，但两者之间的差异还是 难以弥补的，因此严格的说法应该是；机器学习只是模拟和实现人类的部分学习 功能，这就是从人类学习到机器学习的本质差异。因此，我不认対人工智能会超 越人类智能。