《人工智能》模拟试题Lily解析.docx

《人工智能》模拟试题Lily解析.docx

《《人工智能》模拟试题Lily解析.docx》由会员分享，可在线阅读，更多相关《《人工智能》模拟试题Lily解析.docx（21页珍藏版）》请在冰点文库上搜索。

《人工智能》模拟试题Lily解析

模拟题一

一、填空题（每空2分，共30分）

1、人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。

2、知识表示方法有状态空间表示法、谓词逻辑表示法、语义网络表示法、问题归约表示法、框架表示法、过程表示法等。

3、所谓元知识，是指使用知识的知识。

4、一般而言，知识是人们在改造客观世界的实践中积累起来的认识和经验的总和。

5、基于规则的演绎推理可分为正向演绎推理、反向演绎推理和正反向混合演绎推理。

6、不确定性推理是指建立在不确定性知识和证据基础上的推理。

二、简答题（每题8分，共24分）

1、简述数据、信息和知识之间的联系和区别。

首先，数据和信息是密切相关的。

数据是记录信息的符号，是信息的载体和表示；信息是对数据的解释，是数据在特定场合下的具体含义。

即相同数据在不同场合可以表示不同信息。

同样，相同的信息也可以用不同的数据表示。

其次，信息和知识之间也关系密切，只有把有关的信息关联到一块加以使用，才能成为知识。

综上所述，数据、信息和知识是3个层面上的概念：

数据经过加工处理成为信息，把有关信息关联到一块就构成知识。

2、鲁宾逊归结原理的基本思想是什么？

解：

基本思想：

首先把欲证明问题的结论否定，并加入子句集，得到一个扩充的子句集S’。

然后设法检查子句集S’是否含有空子句，若含有空子句，则表明S’是不可满足的；若不含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直至导出空子句或不能继续归结为止。

3、简述状态空间法的基本思想。

状态空间的三要素分别是：

状态、操作、目标。

状态空间法的基本思想是：

问题是状态空间法处理的对象，是状态空间中的点。

状态空间中不同的点具有不同的状态，表现了问题的不同状态。

原始问题对应的状态点即初始状态，而问题的解所对应的状态点即目标状态。

应用可行操作将初始状态转移至目标状态的过程就是问题求解的过程。

如果问题存在解，则状态空间中一定存在一条由初始状态至目标状态的轨迹，使初始状态在可行操作的作用下运动至目标状态。

三、请用一阶谓词逻辑表达下面的知识。

（11分）

1、有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。

（5分）

解：

2、张晓辉是一名计算机系的学生，但他不喜欢编程序。

（6分）

解：

定义谓词：

Computer（x）：

表示x是计算机系的学生

Like（x,y）：

x喜欢y

定义常量：

zhangxiaohui表示张晓辉

Program：

表示编程序。

则一阶谓词逻辑是：

Computer（zhangxiaohui）

Like（zhangxiaohui,Program）

四、请把下列命题用一个语义网络表示出来：

（15分）

（1）树和草都是植物；

（2）树和草都有叶和根；

（3）水草是草，且生长在水中；

（4）果树是树，且会结果；

（5）苹果树是果树中的一种，它会结苹果。

解：

五、用鲁宾逊原理解决“快乐学生”问题。

（20分）

假设：

任何通过计算机考试并获奖的人都是快乐的，任何肯学习或幸运的人都可以通过所有的考试，张不肯学习但他是幸运的，任何幸运的人都能获奖。

求证：

张是快乐的。

模拟题二

一、填空题（每空2分，共30分）

1、人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。

2、知识表示方法有状态空间表示法、谓词逻辑表示法、语义网络表示法、问题归约表示法、框架表示法、过程表示法等。

3、所谓元知识，是指使用知识的知识。

4、在语义网络中，弧所表示的各种关系可以归纳为类属关系、包含关系、整部关系、属性关系和时序关系等。

5、基于规则的演绎推理可分为正向演绎推理、反向演绎推理和正反向混合演绎推理。

二、简答题（每题8分，共24分）

1、简述数据、信息和知识之间的联系和区别。

首先，数据和信息是密切相关的。

数据是记录信息的符号，是信息的载体和表示；信息是对数据的解释，是数据在特定场合下的具体含义。

即相同数据在不同场合可以表示不同信息。

同样，相同的信息也可以用不同的数据表示。

其次，信息和知识之间也关系密切，只有把有关的信息关联到一块加以使用，才能成为知识。

综上所述，数据、信息和知识是3个层面上的概念：

数据经过加工处理成为信息，把有关信息关联到一块就构成知识。

2、鲁宾逊归结原理的基本思想是什么？

解：

基本思想：

首先把欲证明问题的结论否定，并加入子句集，得到一个扩充的子句集S’。

然后设法检查子句集S’是否含有空子句，若含有空子句，则表明S’是不可满足的；若不含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直至导出空子句或不能继续归结为止。

3、创立一个描述“大学教师”的框架。

解：

框架创建如下：

框架名——大学教师

槽名——职业：

<教师>

槽名——学位：

（学士，硕士，博士）

槽名——专业：

<学科专业>

槽名——职称：

（助教，讲师，副教授，教授）

槽名——外语：

侧面名——语种：

（英，法，日，俄）

默认值：

英

侧面名——水平：

（优，良，中，差）

默认值：

良

三、请用一阶谓词逻辑表达下面的知识。

（11分）

1、西安市的夏天既干燥又炎热。

（5分）

解：

2、张晓辉是一名计算机系的学生，但他不喜欢编程序。

（6分）

解：

定义谓词：

Computer（x）：

表示x是计算机系的学生

Like（x,y）：

x喜欢y

定义常量：

zhangxiaohui表示张晓辉

Program：

表示编程序。

则一阶谓词逻辑是：

Computer（zhangxiaohui）

Like（zhangxiaohui,Program）

四、请把下列命题用一个语义网络表示出来：

（15分）

（1）树和草都是植物；

（2）树和草都有叶和根；

（3）水草是草，且生长在水中；

（4）果树是树，且会结果；

（5）苹果树是果树中的一种，它会结苹果。

解：

五、用鲁宾逊原理解决“激动人心的生活”问题。

（20分）

假设：

所有不贫穷并且聪明的人都是快乐的。

那些看书的人是聪明的。

李明能看书且不贫穷。

快乐的人过着激动人心的生活。

求证：

李明过着激动人心的生活。

模拟题三

1、简述人工智能的概念（从学科和能力两个方面）。

答案：

至今人工智能尚无统一的定义。

人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支，它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。

人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。

2、人工智能领域的2个经典实验，“图灵测试”和“中文屋子”。

答案：

图灵测试：

1950年，图灵在一篇题为“计算机和智力”的论文中，提出了著名的“图灵测试”，以测试一个计算机系统是否具有智能。

测试人在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。

问过一些问题后，如果测试人不能确认被测试者30%的答复哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。

中文屋子：

1980年，哲学家西尔勒提出了名为“中文屋子”的假想实验，模拟图灵测试。

主要说明某台计算机即使通过了图灵测试，能正确的回答问题，它对问题仍然没有任何理解，因此不具备真正的智能。

罗杰.施安克编写了一个故事理解程序。

西尔勒（扮演计算机中的CPU）来执行这个程序。

西尔勒在一个封闭的房子里，有输入和输出缝隙与外部相通。

输入的是中文问题，而他对中文一窍不通。

房子内有一本英语的指令手册（相当于程序），从中可以找到相应的规则。

他按照规则办事，把作为答案的中文符号写在纸（相当于存储器）上，并输出到屋子外面。

这样，看起来他能处理输入的中文问题，并给出正确答案（如同一台计算机通过了图灵测试）。

但是，他对那些问题毫无理解，不理解其中的任何一个词！

3、人工智能的3大学派，以及各学派的认知观。

答案：

符号主义，又称逻辑主义。

符号主义认为人工智能源于数理逻辑。

连接主义，又称仿生学派。

连接主义认为人工智能源于仿生学，特别是人脑模型的研究。

行为主义，认为人工智能源于控制论。

4、人工智能的研究意义及研究内容。

答案：

研究意义：

计算机是到目前为止最有效的信息处理工具，但是计算机系统的智能却相当低下。

研究人工智能也是当前信息化社会的迫切要求。

智能化也是自动化发展的必然趋势。

自动化发展到一定水平，再向前发展就必然是智能化。

另外，研究人工智能，对探索人类自身智能的奥秘也可提供有益帮助。

5、人工智能的研究内容。

答案：

研究内容：

人工智能的知识领域浩繁，很难面面俱到，但是各个领域的思想和方法上有许多可以互相借鉴的地方。

从基础理论的角度出发其研究基本内容包括：

（1）启发式搜索理论

（2）各种推理方法

（3）知识的模型化和表示方法

（4）人工智能系统结构及语言

（5）机器学习

6、请用一阶谓词逻辑表达下面的知识。

（1）他每天下午都去打篮球。

解：

定义谓词如下：

TIME（x）：

x是下午

PLAY（x,y）：

x去打y

谓词公式表示如下：

（2）并不是每一个人都喜欢吃臭豆腐。

解：

定义谓词如下：

MAN（x）：

x是人

LIKE（x,y）：

x喜欢吃y

谓词公式表示如下：

（3）喜欢读《三国演义》的人必读《水浒》。

解：

定义谓词如下：

MAN（x）：

x是人

LIKE（x,y）：

x喜欢读y

谓词公式表示如下：

（4）欲穷千里目，更上一层楼。

解：

定义谓词如下：

MAN（x）：

x是人

EYE（x）：

x欲穷千里目

UP（x）：

x更上一层楼

谓词公式表示如下：

7、创立一个描述“大学教师”的框架。

解：

框架创建如下：

框架名——大学教师

槽名——职业：

<教师>

槽名——学位：

（学士，硕士，博士）

槽名——专业：

<学科专业>

槽名——职称：

（助教，讲师，副教授，教授）

槽名——外语：

侧面名——语种：

（英，法，日，俄）

默认值：

英

侧面名——水平：

（优，良，中，差）

默认值：

良

8、数据、信息和知识之间的联系和区别：

首先，数据和信息是密切相关的。

数据是记录信息的符号，是信息的载体和表示；信息是对数据的解释，是数据在特定场合下的具体含义。

即相同数据在不同场合可以表示不同信息。

其次，信息和知识之间也关系密切，只有把有关的信息关联到一块加以使用，才能成为知识。

数据经过加工处理成为信息，把有关信息关联到一块就构成知识。

9、什么是演绎推理

演绎推理是一种由一般到个别的推理方法，其核心是三段论，由一个大前提、一个小前提和一个结论这三部分组成的。

其逻辑式为：

大前提是已知的一般性知识或推理过程得到的判断；

小前提是关于某种具体情况或某个具体实例的判断；

结论是由大前提推出的，并且适合于小前提的判断。

10、什么是归纳推理

归纳推理是一种由个别到一般的推理方法。

归纳推理的基本思想是：

先从已知事实中猜测出一个结论，然后对这个结论的正确性加以验证。

例如常用的数学归纳法。

归纳推理按照推理所使用的方法可分为枚举归纳推理、类比归纳推理、默认推理等。

11、逆向系统的演绎过程

设有如下事实：

（1）FIDO是一只狗

（2）FIDO不叫

（3）FIDO摆尾巴

（4）MYRTLE瞄瞄叫

规则如下：

（1）摆尾巴的狗是友好的

（2）友好且不叫的是不令对方害怕的

12、将下面的谓词公式化简成子句集。

解：

13、将下面的谓词公式化简成子句集。

14、简述Robinson（鲁宾逊）归结原理。

基本思想：

首先把欲证明问题的结论否定，并加入子句集，得到一个扩充的子句集S’。

然后设法检查子句集S’是否含有空子句，若含有空子句，则表明S’是不可满足的；若不含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直至导出空子句或不能继续归结为止。

分为命题逻辑归结原理和谓词逻辑归结原理。

15、利用归结推理进行定理证明

16、

设有一组知识：

r1：

IFE1THENHCF（H，E1）=0.8

r2：

IFE2THENHCF（H，E2）=0.6

r3：

IFE3THENHCF（H，E3）=-0.5

r4：

IFE4∧（E5∨E6）THENE1CF（E1，E4∧（E5∨E6））=0.7

r5：

IFE7∧E8THENE3CF（E3，E7∧E8）=0.9

已知CF（E2）=0.8，CF（E4）=0.5，CF（E5）=0.6，CF（E6）=0.7，CF（E7）=0.6，CF（E8）=0.9，求CF（H）=？

17、简述盲目搜索和启发式搜索

根据在搜索过程中是否使用启发式信息，可以把搜索的类型分为盲目搜索和启发式搜索。

（1）盲目搜索，又称为无信息搜索。

它是指在搜索过程中，只按原来规定的搜索控制策略进行搜索，而没有加入任何中间信息来改变这些控制策略。

（2）启发式搜索，又称有信息搜索。

它是指在搜索过程中，根据问题本身的特性或一些在搜索过程中产生的信息来不断地修改或调整搜索的方向，使搜索向着最有利的方向前进，加快问题求解的速度，并找到最优解。

18、机器学习是一门研究怎样用机器来模拟或实现人类学习活动的学科。

19、机械学习（RoteLearning）又称为记忆学习或死记硬背学习。

这种学习方式直接记忆或存储环境提供的新知识，并在以后通过对知识库的检索来直接使用这些知识，而不再需要进行任何的计算和推导。

20、归纳学习（InductiveLearning）是指以归纳推理为基础的学习，它是机器学习中研究得较多的一种学习类型，其任务是要从关于某个概念的一系列已知的正例和反例中归纳出一个一般的概念描述。

根据学习过程有无导师指导，归纳学习可分为示例学习和观察与发现学习。

21、示例学习（LearningfromExamples）也称为实例学习，它是一种从具体示例中导出一般性知识的归纳学习方法。

这种学习方法给学习者提供某一概念的一组正例和反例，学习者从这些例子中归纳出一个总的概念描述，并使这个描述适合于所有的正例，排除所有的反例。