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？（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：试用消解原理证明(x)R(x)(15分)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)Forevery set x , there is a set y ,such that the cardinality of y is greater than the cardinality 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(c) 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：f(n)=d(n)+w(n) ,其中，（）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）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二 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，等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？（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：试用消解原理证明(x)R(x)(15分)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)Acomputer system is intelligent if it can perform a task which , if performed by a human , requires intelligence. 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：f(n)=d(n)+w(n) ,其中，（）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表的内容。（15分）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一 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1.2.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.3.植物 结果樱桃果树是一种树会是一种樱桃树结是草是根叶有有水草水中是一种生长f=34. f(s)=d(n)+w(n)=0+3=3 部分有序搜索树如下：123847651382476512f=33864751238476512386475 f=4f=412384765f=5f=512386475f=5f=5四 论述题 略。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 engineer)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(reasoning machine)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(explanator)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1.2. C(X):X 为计算机系统；I（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。 3. 看电影剧本: (1.) 开场条件: ( 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 （c.）电影院挣了钱。f=34.f(s)=d(n)+w(n)=0+3=3 部分有序搜索树如下：1238476513824765123847651238647512386475 f=4f=41238476512386475f=5f=3f=5f=5f=5四 论述题关于人工智能是否会会超越人类智能这一问题，我认为关键在于学习。人类的学习能力是智能行为的一个非常重要的特征，没有学习，就没有人类知识的传承与积累，也就没有人类文明。学习是生物中枢神经系统的高级整合技能之一，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。.