『SDAU 山东农业大学材料』AI技术押人工智能考试题
『SDAU 山东农业大学材料』AI 技术押人工智能考试题
选择、填空
人工智能的提出
1956 年，达特茅斯会议上，麦卡锡 提出了“AI”
“AI 之父”：麦卡锡
第一个人工智能测试系统：图灵测试
推理过程
医疗专家系统（综合数据库、知识库、推理机）
归结
$c_{1}$ 和$c_{2}$是$c_{12}$的亲本子句
状态空间（搜索策略中的知识表示方法）
利用==状态变量==和==操作符号==，表示系统问题或问题的有关知识的符号体系，状态空间是一个四元组，（S,O,$S_0$,G）
遗传算法
生物学基础是生物进化理论
Holland 提出了遗传算法
| 生物遗传概念 | 遗传算法应用 |
|---|---|
| 个体 | 解 |
| 染色体 | 解的编码 |
| 基因 | 编码中的每一个分量 |
| 适应性 | 适应度函数值 |
| 群体 | 解集 |
kNN 中 k 的含义
选择 k 个与判别值最近邻的值
分类模型学习算法
- SVN
- kNN
- DT
- ANN
简答题
人工智能的概念
用人工的方法在机器上实现的智能
智能的特征
- 感知能力
- 记忆与思维能力
- 学习能力
- 行为能力
思维的种类
- 逻辑思维（抽象思维）
- 形象思维（直感思维）
- 顿悟思维（灵感思维）
三大主义学派——实现 AI 的主要途径
符号主义
- 基本思想
模拟人类的逻辑思维 - 主要代表成果
纽威尔和西蒙提出的“逻辑理论家 LT”数学定理证明程序
行为主义
- 基本思想
模拟生物进化 - 主要代表成果
布鲁克斯设计的“六足机器虫”
连接主义
- 基本思想
模拟人类的大脑结构 - 主要代表成果
各种人工神经网络算法
为什么引入谓词逻辑（命题的缺点）
无法把它所描述的==事物结构==及==逻辑思维特征==反映出来，也不能把==不同事物间的共同特征==反映出来
遗传算法的步骤
- 参数编码
- 初始种群的设定
- 适应度函数的设定
- 遗传变异操作
- 控制参数设定
==注意：控制参数设定==
分类
举例说明分类过程的两个阶段
当一个幼儿学习橘子、苹果这两类事物时，我们可以给他提供 3 个橘子、两个苹果，并告诉他前 3 个对象是橘子、后 2 个是苹果，他通过观察果实的颜色、形状，以及品尝他们的味道来学习这两种事物，==从而在大脑中建立起关于苹果和橘子的概念模型==（分类模型生成阶段）
当再次看到之前未见到过的橘子和苹果时，通过建立起的分类模型，若能判断准确，说明已经掌握了这两个是事物的概念。（分类阶段）
应用题
知识表示
知识表示方法
- 一阶谓词逻辑知识表示法
(任意 x)[ROBOT (x) → COLOR (x,GRAY)] - 产生式表示
老李年龄是 40 岁： （Li，age，40）
老李年龄很可能是 40 岁：（Li，age，40，0.8） - 框架表示法
框架
==框架名 <框架名>==
槽名 1：值 1
槽名 2：值 2
槽名 3：值 3
…………
槽名 n：值 n
例如：（课后题）
==框架名 <地震>==
日期：2008.08
地点：四川
震级：7.0
水含氧量：0.43
…………
框架式特点：结构性、继承性
确定性推理
化成子句集
==一消二移三标准（使用两次）==
第一次：消蕴含、等价符号，移否定，变量标准化
第二次：消存在量词，移全称量词，分配公式标准化
归结原理求证结论
三人面试问题
==注意：NIL==
归结原理求解问题
小李和小张的老师
==注意：量词、结论否定析取答案==
不确定性推理
证据的不确定性
AND 合取 求解==min==
OR 析取 求解==max==
求解结论的可信度
==CF（结论）= CF（过程）+max（0，CF（条件））==
CF（过程） 为 可信度因子 ，取值范围 [ -1 , 1 ]
证据理论
概率分配函数
对于样本空间 D，任何一个子集都指派到 0 和 1 之间的一个数 M(A)，并且所有的子集的概率分配值为 1.
M(A)：A 的基本概率数
==所有子集加和为 1==
信任函数
Bel 函数 ，Bel(A) 对命题 A 为真的总的信任度
似然函数
Pl(A) = 1 - Bel(非 A)
搜索
BFS、DFS、启发式（3 选 2）
open 表、closed 表、八数码问题
机器学习
kNN
计算欧氏距离，取最接近的 k 个样例