華南理工大學(xué)《高級人工智能》考試真題2

1、華南理工大學(xué)高級人工智能考試真題第1部分緒論1.什么是人工智能？試從學(xué)科和能力兩方面加以說明。從學(xué)科角度來看：人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分 支。它的近期主要目標在于研究用機器來模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)理 論和技術(shù)。從能力角度來看：人工智能是智能機器所執(zhí)行的通常與人類智能有關(guān)的功能，如判斷、 推理、證明、識別、感知、理解、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動2.在人工智能的發(fā)展過程中，有哪些思想和思潮起了重要作用？3.為什么能夠用機器（計算機）模仿人的智能？物理符號系統(tǒng)的假設(shè)：任何一個系統(tǒng)，如果它能夠表現(xiàn)出智能，那么它就必定能執(zhí)行 輸入符號、輸

2、出符號、存儲符號、復(fù)制符號、建立符號結(jié)構(gòu)、條件性遷移6種功能。反之， 任何系統(tǒng)如果具有這6種功能，那么它就能夠表現(xiàn)出智能（人類所具有的智能）。物理符號系統(tǒng)的假設(shè)伴隨有3個推論。推論一：既然人具有智能，那么他（她）就一定是個物理符號系統(tǒng)。推論二：既然計算機是一個物理符號系統(tǒng)，它就一定能夠表現(xiàn)出智能。推論三：既然人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，那么我們就能 夠用計算機來模擬人的活動。1-4.人工智能的主要研究和應(yīng)用領(lǐng)域是什么？其中，哪些是新的研究熱點？問題求解（下棋程序），邏輯推理與定理證明（四色定理證明），自然語言理解，自動 程序設(shè)計，專家系統(tǒng)，機器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機器人學(xué)（星

3、際探索機器人），模式識別（手 寫識別，汽車牌照識別，指紋識別），機器視覺（機器裝配，衛(wèi)星圖像處理），智能控制， 智能檢索，智能調(diào)度與指揮（汽車運輸高度，列車編組指揮），系統(tǒng)與語言工具新的研究熱點：分布式人工智能與Agent，計算智能與進化計算，數(shù)據(jù)挖掘與知識發(fā)現(xiàn)（超市市場商品 數(shù)據(jù)分析），人工生命1-5.人工智能的發(fā)展對人類有哪些方面的影響？試結(jié)合自己了解的情況和理解，從經(jīng)濟、 社會和文化等方面加以說明？1-6.試評述人工智能的未來發(fā)展。第2部分知識表示1.什么是知識？知識的要素有哪些？知識的表示方法有哪些？知識是高度組織起來的信息集團，是人們在長期的生活和社會實踐中、科學(xué)研究和科 學(xué)實驗中積

4、累起來的經(jīng)驗或?qū)陀^世界規(guī)律的認識等。常用的知識表示形式狀態(tài)空間圖與或圖謂詞邏輯產(chǎn)生式框架語義網(wǎng)絡(luò)關(guān)系圖2-2.如何用謂詞公式表示知識？3.什么是盲目搜索？什么是啟發(fā)式搜索？各有什么特點？盲目搜索：無向?qū)У乃阉鳎卜Q窮舉搜索。啟發(fā)式搜索：利用“啟發(fā)性信息”作為導(dǎo)航的搜索過程。對于較大或無限狀態(tài)空間問題，盲目搜索效率太低，所以在實際當(dāng)中往往是不可行的。 啟發(fā)式搜索廣泛地應(yīng)用于實際問題求解中，如博弈、機器學(xué)習(xí)、數(shù)據(jù)挖掘、智能檢索等。4.博弈樹搜索最常用的方法是什么？如何用于求最佳走步？用極小極大分析方法求最佳走步的具體過程是：首先，按擴展深度限制(回合數(shù))擴展結(jié)點，對末端結(jié)點求靜態(tài)估值；然后，對內(nèi)

5、部結(jié)點按極小極大化分析方法求倒推值；最后，根據(jù)根結(jié)點的倒推值決定一個最佳走步；重復(fù)上面分析過程，直到擴展到終局。每擴展一次，對內(nèi)部結(jié)點都用新的倒推值代替原來的靜態(tài)估值或原來的倒推值。如 果一個行動方案能獲得較大的倒推值，則它就是當(dāng)前最好的行動方案。第3部分 機器推理技術(shù)1.什么是推理？推理的任務(wù)、分類。推理是人腦的一個基本功能和重要功能，幾乎所有的人工智能領(lǐng)域都與推理有關(guān)。 因此，要實現(xiàn)人工智能，就必須將推理的功能賦予機器，實現(xiàn)機器推理。機器推理也稱為 是計算機推理，或自動推理，它也是人工智能的核心課題之一。2.什么是置換？什么是合一？什么是歸結(jié)？一個替換(Substitution)是形如t/

6、x t2/x2,tn/xn的有限集合，其中t1, t2,tn是 項，稱為替換的分子；x1, x2,xn是互不相同的個體變元，稱為替換的分母；七xi不同，xi 不循環(huán)出現(xiàn)在七中；t/%表示用替換xi。若其中t1, t2,tn是不含變元的項(稱為基項) 時，該替換為基替換；沒有元素的替換稱為空替換，記作，表示不作任何替換。設(shè)有一個公式集F=Fi,F2,Fn，若存在一個替換A，可使F1入=F2入=.=Fn入，則稱 入為F的一個合一，稱F為可合一的。設(shè)C1，C2是命題邏輯中的兩個子句，C1中有文字L1，C2中有文字L2，且L1與L2 互補，從C1、C2中分別刪除L1、L2，再將剩余部分析取起來，構(gòu)成的

7、新子句為C12,則 C1 2為C1、C2的歸結(jié)式，C1、C2稱為其歸結(jié)式的親本子句，稱L1、L2為消解基。C，C為無相同變元的子句；L，L為其中的兩個文字，L和-L有最一般合一b ； 1，21，2，12C1，C2的二元歸結(jié)式(二元消解式)為：(C】b -L1 b ) U ( C2 b - L2 b )。其 中C1，C2稱作歸結(jié)式的親本子句；L1，L2稱作消解文字。3.把謂詞公式化為子句集有哪些步驟？請結(jié)合例子說明之。1、消蘊含詞和等值詞理論根據(jù)：AtB OrA vBA B o (-A vB) a( -B vA)2、移動否定詞作用范圍，使其僅作用于原子公式3、適當(dāng)改名，使變量標準化4、消去存在量

8、詞（Skolem化），同時進行變元替換原則：若該存在量詞不在任何全稱量詞的轄域內(nèi)，則用一個常量符號代替該存在量詞 轄域內(nèi)的相應(yīng)約束變元，這個常量叫Skolem常量；若該存在量詞在全稱量詞的轄域內(nèi)，則用這些全稱量詞指導(dǎo)變元的一個函數(shù)代 替該存在量詞轄域內(nèi)的相應(yīng)約束變元，這樣的函數(shù)稱為Skolem函數(shù)。5、消去所有全稱量詞。6、化公式為合取范式7、適當(dāng)改名，使子句間無同名變元8、消去合取詞，以子句為元素組成一個集合S3-4.把謂詞公式變換成子句形式：3-5.簡述用歸結(jié)法證明定理的過程（消解反演求解過程）。請結(jié)合例子說明之。步1否定目標公式G，得到-G；步2將-G并入到公式集匚中；步3將公式集化子句

9、集，得到子句集S；步4對S進行歸結(jié)，每次歸結(jié)的結(jié)果并入到S中。如此反復(fù)，直到得到空子句為止。 此時，就證明了在前提F *、.；、為真時，結(jié)論G為真。3-6.如何通過歸結(jié)原理求取問題的答案？請結(jié)合例子說明之。步1把已知前提用謂詞公式表示出來，并且化為相應(yīng)的子句集So步2為待求解的問題找一個合適的求證目標謂詞，化為相應(yīng)的子句，再對子句以析取 的形式增配一個輔助謂詞構(gòu)成新的子句，并入到子句集S中形成子句集V。輔助謂詞 的謂詞名沒有要求，但是它的變量必須要與對應(yīng)目標謂詞中的變量完全一致。步3對子句集寧應(yīng)用歸結(jié)原理進行歸結(jié)。步4當(dāng)歸結(jié)式只剩下輔助謂詞時，歸結(jié)結(jié)束，輔助謂詞中原變量位置上的項就是所求 的結(jié)

10、果。3-7.與/或形規(guī)則演繹系統(tǒng)有哪幾種推理方式？各自的特點如何？說明推理過程。請結(jié)合例子說明之。正向演繹推理：從代表初始事實的謂詞公式F0出發(fā)通過一組F規(guī)則F】，F(xiàn)2來 證明目標公式G成立。不斷將規(guī)則L=W利用匹配弧連接在與或圖的L葉結(jié)點上；目標文字G本身 可看作G =G作用在與或圖上； 一致解樹各個葉結(jié)點都終止在目標節(jié)點，成功終止。反向演繹推理：從代表目標的謂詞公式出發(fā)，通過一組B規(guī)則證明事實公式成立。目標謂詞公式的與或圖中有一節(jié)點標為L，且可與L合一，則可將規(guī)則作用 在該與或樹上。其結(jié)果使在與或樹上從引出一條匹配弧，連接一個以L為 根，表示W(wǎng)a的與或圖，a為L與的最一般合一。雙向演繹推理

11、：分別從基于事實的F-規(guī)則正向推理出發(fā)，也從基于目標的B-規(guī)則逆向 推理出發(fā)，同時進行雙向演繹推理。第4部分 不確定推理1.研究不確定性推理有何意義?有哪幾種不確定性?不確定性：知識和信息中含有的不肯定、不可靠、不準確、不精確、不嚴格、不嚴密、 不完全甚至不一致的成分。按性質(zhì)、產(chǎn)生的原因及表現(xiàn)形式分類：隨機不確定性、模糊不確定性、不完全性、不一致性2.在什么情況下需要采用不確定推理？3.簡述概率方法、Bayes網(wǎng)等不確定推理方法。請結(jié)合例子說明之。經(jīng)典概率方法：設(shè)有如下產(chǎn)生式規(guī)則：IF E THEN H其中，E為前提條件，H為結(jié)論，具有隨機性。根據(jù)概率論中條件概率的含義，我們可以用條件概率P（

12、H|E）表示上述產(chǎn)生式規(guī)則的 不確定性程度，即表示為在證據(jù)E出現(xiàn)的條件下，結(jié)論H成立的確定性程度。對于復(fù)合條件E = E1 AND E2 ANDAND En可以用條件概率P（H|E,E2,En）作為在證據(jù)出現(xiàn)時結(jié)論的確定程度。貝葉斯網(wǎng)絡(luò)推理：根據(jù)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)特征和語義特征，基于網(wǎng)絡(luò)中的一些已知 節(jié)點（證據(jù)變量），利用這種概率網(wǎng)絡(luò)就可以推算出網(wǎng)絡(luò)中另外一些節(jié)點（查詢變量）的概 率，即實現(xiàn)概率推理。4. Bayes網(wǎng)的兩個要素是什么？ Bayes網(wǎng)蘊涵的條件獨立假設(shè)是什么？簡述Bayes網(wǎng)的推 理模式。請結(jié)合例子說明之.第5部分機器學(xué)習(xí)1什么是學(xué)習(xí)和機器學(xué)習(xí)?為什么要研究機器學(xué)習(xí)？學(xué)習(xí)：系統(tǒng)在

13、不斷重復(fù)的工作中對本身能力的增強和改進，使得系統(tǒng)在下一次執(zhí)行同 樣任務(wù)或類似任務(wù)時會比現(xiàn)在做得更好或效率更高（西蒙）。機器學(xué)習(xí)：實現(xiàn)通過經(jīng)驗來提高對某任務(wù)處理性能的行為的計算機程序。機器學(xué)習(xí)是人工智能的主要核心研究領(lǐng)域之一，也是現(xiàn)代智能系統(tǒng)的關(guān)鍵環(huán)節(jié)和瓶頸。 來自生物、金融與網(wǎng)絡(luò)等各領(lǐng)域的數(shù)據(jù)，迫切需要分析或建立模型。2試述機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說明各部分的作用。3簡述機器學(xué)習(xí)十大算法的每個算法的核心思想、工作原理、適用情況及優(yōu)缺點等。5-4什么是有監(jiān)督學(xué)習(xí)？什么是無監(jiān)督學(xué)習(xí)？無監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)方法有何區(qū)別？5-5簡述決策樹方法及其使用場合；在構(gòu)造決策樹的過程中，測試屬性的選取采用什么原貝M如何實現(xiàn)？請結(jié)合例子說明之。決策樹的表示決策樹的根節(jié)點和內(nèi)部節(jié)點對應(yīng)于對實例的某個屬性的測試每個節(jié)點的所有分支對應(yīng)于該節(jié)點所對應(yīng)屬性的全部可能取值葉子節(jié)點給出實例的正確分類從根節(jié)點到葉子節(jié)點的每一條路徑對應(yīng)一組屬性測試的合取整棵樹對應(yīng)這些合取的析取。測試屬性采取：學(xué)習(xí)系統(tǒng)要求訓(xùn)練樣例的分布能較好地表示實例分布。當(dāng)訓(xùn)練樣例的分布和未來全部實例分布相似時，學(xué)習(xí)效果具有最大的可信度。機器學(xué)習(xí)理論假設(shè)：訓(xùn)練樣例的分布和未來全部實例分布相似。（實踐中這一假設(shè) 經(jīng)常不成立）5-6簡述貝葉斯學(xué)習(xí)方法，有哪些