人工智能大作業(yè)

人工智能大作業(yè)人工智能大作業(yè)人工智能大作業(yè)資料僅供參考文件編號：2022年4月人工智能大作業(yè)版本號：A修改號：1頁次：1.0審核：批準:發(fā)布日期：第一章什么是人工智能它的研究目標是什么人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。研究目標：人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能有哪幾個主要學派各自的特點是什么 主要學派：符號主義，聯(lián)結主義和行為主義。符號主義：認為人類智能的基本單元是符號，認識過程就是符號表示下的符號計算，從 而思維就是符號計算；聯(lián)結主義：認為人類智能的基本單元是神經(jīng)元，認識過程是由神經(jīng)元構成的網(wǎng)絡的信息 傳遞，這種傳遞是并行分布進行的。行為主義：認為，人工智能起源于控制論，提出智能取決于感知和行動，取決于對外界 復雜環(huán)境的適應，它不需要只是，不需要表示，不需要推理。人工智能有哪些主要研究和應用領域其中有哪些是新的研究熱點1.研究領域：問題求解，邏輯推理與定理證明，自然語言理解，自動程序設計，專家系統(tǒng)，機器學習，神經(jīng)網(wǎng)絡，機器人學，數(shù)據(jù)挖掘與知識發(fā)現(xiàn)，人工生命，系統(tǒng)與語言工具。2.研究熱點：專家系統(tǒng)，機器學習，神經(jīng)網(wǎng)絡，分布式人工智能與Agent，數(shù)據(jù)挖掘與知識發(fā)現(xiàn)。第二章用謂詞邏輯知識表示方法表示如下知識：有人喜歡梅花，有人喜歡菊花，有人既喜歡梅花又喜歡菊花。三步走：定義謂詞，定義個體域，謂詞表示 定義謂詞P(x)：x是人L(x,y)：x喜歡yy的個體域：{梅花，菊花}。 將知識用謂詞表示為： (?x)(P(x)→L(x,梅花)∨L(x,菊花)∨L(x,梅花)∧L(x,菊花))(2)不是每個計算機系的學生都喜歡在計算機上編程序。 定義謂詞S(x)：x是計算機系學生L(x,pragramming)：x喜歡編程序U(x,computer)：x使用計算機將知識用謂詞表示為：?(?x)(S(x)→L(x,pragramming)∧U(x,computer))請用語義網(wǎng)絡表示如下知識：高老師從3月到7月給計算機系的學生講“計算機網(wǎng)絡”課。（天氣預報框架）例如有以下一段天氣預報：“哈爾濱地區(qū)今天白天多云，霧霾，偏北風≤3級，最高氣溫9o，最低氣溫0o，降水概率25%。”。Frame<天氣預報>地域：哈爾并時段：今天天氣：多云風向：北風風力：＜3級氣溫：0-9°降水概率：25%第三章(6)判斷以下子句是否為不可滿足{P(x)∨Q(x)∨R(x),﹁P(y)∨R(y),﹁Q(a),﹁R(b)} 采用歸結反演，存在如下歸結樹，故該子句集為不可滿足。 (3)證明G是F的邏輯結論F:(?x)(?y)(P(f(x))∧(Q(f(b)))G:P(f(a))∧P(y)∧Q(y)先將F和?G化成子句集：S={P(a,b),?P(x,b)}再對S進行歸結：P(a,b)?PP(a,b)?P(x,b)NIL{a/x}NIL所以，G是F的邏輯結論設有子句集{P(x)∨Q(x,b),P(a)∨﹁Q(a,b),﹁Q(a,f(a)),﹁P(x)∨Q(x,b)}請用祖先過濾策略求出其歸結式 解：支持集策略不可用，原因是沒有指明哪個子句是由目標公式的否定化簡來的。刪除策略不可用，原因是子句集中沒有沒有重言式和具有包孕關系的子句。單文字子句策略的歸結過程如下：P(x)∨Q(a,b)Q(a,f(a))P(x)∨Q(a,b)Q(a,f(a)){b/f(a)}P(a)P(x)∨Q(x,b)P(a)P(x)∨Q(x,b)Q(a,f(a))Q(a,b){a/x}Q(a,f(a))Q(a,b){b/f(a)}Q(a,b)Q(a,b)用線性輸入策略（同時滿足祖先過濾策略）的歸結過程如下：P(x)∨Q(a,b)P(a)P(x)∨Q(a,b)P(a)∨Q(a,b)P(x)∨Q(x,b)P(x)∨Q(x,b)P(a){a/x}Q(a,b)Q(a,f(a))Q(a,b)Q(a,f(a)){b/f(a)}NILNIL第四章何謂估價函數(shù)，在估價函數(shù)中，g(n)和h(n)各起什么作用？1.估價函數(shù)是用來估計節(jié)點重要性的函數(shù)。。(n)是從初始節(jié)點到節(jié)點n的實際代價；(n)是從節(jié)點n到目標節(jié)點的最優(yōu)路徑的估價代價。設有如下結構的移動將牌游戲：其中，B表示黑色將牌，W表是白色將牌，E表示空格。游戲的規(guī)定走法是：(1)任意一個將牌可移入相鄰的空格，規(guī)定其代價為1；(2)任何一個將牌可相隔1個其它的將牌跳入空格，其代價為跳過將牌的數(shù)目加1。游戲要達到的目標什是把所有W都移到B的左邊。對這個問題，請定義一個啟發(fā)函數(shù)h(n)，并給出用這個啟發(fā)函數(shù)產(chǎn)生的搜索樹。你能否判別這個啟發(fā)函數(shù)是否滿足下界要求在求出的搜索樹中，對所有節(jié)點是否滿足單調限制解：設h(x)=每個W左邊的B的個數(shù)，f(x)=d(x)+3*h(x)，其搜索樹如下：第五章5-15用遺傳算法求f(x)=x﹒sin(10π﹒x)+的最大值,其中x∈[-1,2]。（選作） 5-19設有論域U={u1,u2,u3,u4,u5}并設F、G是U上的兩個模糊集，且有F=u1+u2+u3+u4G=u3+u4+1/u5請分別計算F∩G，F(xiàn)∪G，﹁F。解：F∩G=∧0)/u1+∧0)/u2+∧/u3+∧/u4+(0∧1)/u5=0/u1+0/u2+u3+u4+0/u5=u3+u4F∪G=∨0)/u1+∨0)/u2+∨/u3+∨/u4+(0∨1)/u5=u1+u2+u3+u4+1/u5﹁F=/u1+/u2+/u3+/u4+(1-0)/u5=u1+u2+u3+u4+1/u5設有如下兩個模糊關系：請寫出R1與R2的合成R1οR2。解：R(1,1)=∧∨∧∨∧=∨∨=R(1,2)=∧∨∧∨∧=∨∨=R(2,1)=(1∧∨(0∧∨∧=∨0∨=R(2,2)=(1∧∨(0∧∨∧=∨0∨=R(3,1)=(0∧∨∧∨(1∧=∨∨=R(3,2)=(0∧∨∧∨(1∧=0∨∨=因此有第六章設有如下一組推理規(guī)則:r1:IFE1THENE2r2:IFE2ANDE3THENE4r3:IFE4THENHr4:IFE5THENH且已知CF(E1)=,CF(E2)=,CF(E3)=。求CF(H)=?

解：(1)先由r1求CF(E2)CF(E2)=×max{0,CF(E1)}=×max{0,}= (2)再由r2求CF(E4)CF(E4)=×max{0,min{CF(E2),CF(E3)}}=×max{0,min{,}}=(3)再由r3求CF1(H)CF1(H)=×max{0,CF(E4)}=×max{0,}=(4)再由r4求CF2(H)CF2(H)=×max{0,CF(E5)}=×max{0,}=(5)最后對CF1(H)和CF2(H)進行合成，求出CF(H)CF(H)=CF1(H)+CF2(H)+CF1(H)×CF2(H)=設U=V={1，2，3，4，5}且有如下推理規(guī)則：IFxis少THENyis多其中，“少”與“多”分別是U與V上的模糊集，設少=1+2+3多=3+4+5已知事實為xis較少“較少”的模糊集為較少=1+2+3請用模糊關系Rm求出模糊結論。Rm(1,1)=∧0)∨=Rm(1,2)=∧∨=Rm(1,3)=∧∨=Rm(1,4)=∧∨=Rm(2,1)=∧0)∨=Rm(2,2)=∧∨=Rm(2,3)=∧∨=Rm(2,4)=∧∨=Rm(3,1)=∧0)∨=Rm(3,2)=∧∨=Rm(3,3)=∧∨=Rm(3,4)=∧∨=Rm(4,1)=(0∧0)∨(1-0)=1Rm(4,2)=(0∧∨(1-0)=1Rm(4,3)=(0∧∨(1-0)=1Rm(3,4)=(0∧∨(1-0)=1即：因此有(y應為小寫)即，模糊結論為：Y’={,,,}第七章假設w1(0)=,w2(0)=,θ(0)=,η=，請用單層感知器完成邏輯或運算的學習過程。解：根據(jù)“或”運算的邏輯關系，可將問題轉換為：輸入向量：X1=[0,0,1,1]X2=[0,1,0,1]輸出向量：Y=[0,1,1,1]由題意可知，初始連接權值、閾值，以及增益因子的取值分別為：w1(0)=,w2(0)=,θ(0)=，η=即其輸入向量X(0)和連接權值向量W(0)可分別表示為：X(0)=(-1,x1(0),x2(0))W(0)=(θ(0),w1(0),w2(0))根據(jù)單層感知起學習算法，其學習過程如下：設感知器的兩個輸入為x1(0)=0和x2(0)=0，其期望輸出為d(0)=0，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*0+*=f=0實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(0)=0和x2(0)=1，其期望輸出為d(0)=1，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*0+*=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(0)=1和x2(0)=0，其期望輸出為d(0)=1，實際輸出為：y(0)=f(w1(0)x1(0)+w2(0)x2(0)-θ(0))=f*1+*=f=0實際輸出與期望輸出不同，需要調節(jié)權值，其調整如下：θ(1)=θ(0)+η(d(0)-y(0))*(-1)=+*(1-0)*(-1)=w1(1)=w1(0)+η(d(0)-y(0))x1(0)=+*(1-0)*1=w2(1)=w2(0)+η(d(0)-y(0))x2(0)=+*(1-0)*0=再取下一組輸入：x1(1)=1和x2(1)=1，其期望輸出為d(1)=1，實際輸出為：y(1)=f(w1(1)x1(1)+w2(1)x2(1)-θ(1))=f*1+*1+=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(1)=0和x2(1)=0，其期望輸出為d(0)=0，實際輸出為：y(1)=f(w1(1)x1(1)+w2(1)x2(1)-θ(1))=f*0+*0+=f=1實際輸出與期望輸出不同，需要調節(jié)權值，其調整如下：θ(2)=θ(1)+η(d(1)-y(1))*(-1)=+*(0-1)*(-1)=w1(2)=w1(1)+η(d(1)-y(1))x1(1)=+*(0-1)*0=w2(2)=w2(1)+η(d(1)-y(1))x2(1)=+*(0-1)*0=再取下一組輸入：x1(2)=0和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*0+*1-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(2)=1和x2(2)=0，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*1+*0-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。再取下一組輸入：x1(2)=1和x2(2)=1，其期望輸出為d(2)=1，實際輸出為：y(2)=f(w1(2)x1(2)+w2(2)x2(2)-θ(2))=f*1+*1-=f=1實際輸出與期望輸出相同，不需要調節(jié)權值。至此，學習過程結束。最后的得到的閾值和連接權值分別為：θ(2)=w1(2)=w2(2)=不仿驗證如下：對輸入：“00”有y=f*0+*=f=0對輸入：“01”有y=f*0+*=f=1對輸入：“10”有y=f*1+*=f=1對輸入：“11”有y=f*1+*=f=1第八章對下列每個語句給出文法分析樹：(1)JohnwantedtogothemoviewithSally.(2)JohnwantedtogotothemoviewithRobertRedford.(3)Iheardthestorylisteningtotheradio.(4)Iheardthekidslisteningtotheradio.第9章Agent在結構上有什么特點它是如何按照結構進行分類的 Agent＝體系結構+程序

(1)

在計算機系統(tǒng)中，真體相當于一個獨立的功能模塊，獨立的計算機應用系統(tǒng)。

(2)

真體的核心部分是決策生成器或問題求解器，起到主控作用

(3)

真體的運行是一個或多個進程，并接受總體調度

(4)

各個真體在多個計算機CPU上并行運行，其運行環(huán)境由體系結構支持。結構分類及特點

(1)

反應式

只是簡單地對外部刺激產(chǎn)生響應，沒有內部狀態(tài)

(2)

慎思式

是一個具有顯式符號模型的基于知識的系統(tǒng)

(3)

跟蹤式

是具有內部狀態(tài)的反應式真體，通過找到一個條件與現(xiàn)有環(huán)境匹配的規(guī)則進行工作，然后執(zhí)行與規(guī)則相關的作用。

(4)基于目標真體的程序能夠與可能的作用結果信息結合起來，以便選擇達到目標的行為，只要指定新的目標，就能夠產(chǎn)生新的作用(5)基于效果一個具有顯式效果函數(shù)的真體能夠比較由不同作用獲得的效果，從而作出理性的決策(6)復合式在一個真體內組合多種相對獨立和并行