太原理工大学人工智能试题+答案.docx
《太原理工大学人工智能试题+答案.docx》由会员分享，可在线阅读，更多相关《太原理工大学人工智能试题+答案.docx（13页珍藏版）》请在冰点文库上搜索。
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,,
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（8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：
〔2）（V橫耳刃［~旳"0：
匕耳gxy»］
（4）（Vk）［P国/^吐川片斑心））］
〔习（▼韵（耳力［Q（h热沪ax爲舸））］
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）
Foreverysetx,thereisasety,suchthatthecardinalityofyisgreaterthanthecardinalityofx.
3.
（10分）
用语义网络表示下列知识:
（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So和目标状态Sg如下图所示，且估价函数为：
f（n）=d（n）+w（n）,其中，d（n）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£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）
1
叫
J
8
4
7
5
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
•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，，
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（8分）
四•解答题
1•某问题由下列公式描述：
〔2）耳gxy»]
⑶（冷）『真効
（4）（五肝国门如匸’斑心））]
〔5）（Vz）（Vj）[Q（b3热沪ax爲舸））]
试用消解原理证明Gx）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）
Acomputersystemisintelligentifitcanperformataskwhich,ifperformedbyahuman,requiresintelligenee.
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So和目标状态Sg如下图所示，且估价函数为:
f（n）=d（n）+w（n）,其中，d（n）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£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
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
•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
．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．
．解答题
宀s>0>aqm<0（nxQDr<。
（A匚山s=>）（n）（A）（X）_L山s）（x）•AFy爻A-X）p報w旨x1IK
（访¥窣©衣-q»>竄％邑？
WE“webAU営总十】
+眦反冷«■也师槌攔超畚石乙A.H
”赵蔭皿【（（◎M§>9虫£«±（4>童E令咗总丄K溥Qg宫>（静A）s（ckn^/vxu令矗旨己>氓J“已？
>昭丄钉&FS隔旨迓>《（眩uebv^HY祷A）f
（縮邑df
K3骨>6§M>6崗吕»/\（凸亠F「§MtsMeb>sdsA符A〉f呑聞云厅丄澄丄爲>童A）3
（B甲2
3.
4.f（s0）=d（n）+w（n）=0+3=3
f=3部分有序搜索树如下：
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（knowledgebase）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（konwledgeengineer）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（globaldatabase）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（reasoningmachine）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.
□）（VK）〔V0[~P（y）TQ（S呂辭・y））]亠（目專Vy）F（防WQ4茎金占））]->旳NQ3凤蕊y»C3）（V^）[P（^»]
=>畑））C4）（V^）[P（x）AQ（bpcp罚TR（i（7x）[^>V-Q（b3c,x）VR（K^）]*~Ptx）V~Q（b.c,K）VR（^）C5）（Vx）（Vy）[Q（b,xQtQ®,埜W=>（衣ey）H2（h屛7）VQ（a爲AS询=>~Q（b,x,y）VQ3,鸟fiy）[
目标求民
y五）班总
=>（Vx）-R（x）
=>~Rj（z）变童换茗后，得子旬集：
（〜P〔或PtylNQW注欝hy叽
P（心功.~比曲V~Q（kux3）VR（h（^））T7（b,x4py^VQfb^.fGr4））,-R（x）}
2.C（X）:
X为计算机系统；1（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。
（x）{（y）（C（x）E（x,y）T（y）N（y）P（y））I（x）}
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=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。
另外，如果拢们将机器学习与人类学习相比较.机器学牙的实现还具有一定的难底而且机器学习还有一些自身难以克服的问题。
首先就是机器学习的后果难预测。
在前面提到过，机器一旦具有了学习的功能，那么也许有一夭连设计者本人都不知道机器进化到了f商申程度，也就是说，机器学习后知识库发生了什么变化部^难预测。
这是因为目前的大多数专家系毓部是脱离环境的学习.即将人类专家彳蜃新的知识.以某朿防式传授给机貉但是如臬将机黠学习的目的扩展到从环境片、从工作中、从人机交互中自动提取、更新知识，那么学习产生的效果就更加不可预测。
人类制造机器学习的重要目的是为我所用，如果机器超出了人类的控制与预潞却井不是人类制造它们的初衷*甚孤机器学习作为人工智能的核心，是便计算机具有智能的根本逢径，淇应用遍及人工智能的各个领域,但是対片学习应用的方式注要是使用归納、綺合而平是演繹。
然而归納本島就存在着一定的險陷，现有的归纟内痕1只保证假，不保证真。
而且，归纳的结论是无限多的，英中相当名是儼的，给生成的知祝带来不可靠也这与演绎的方法不同，演绎推理是从君數现彖中总结出结论，即从一般的现象推导出总结性的结论。
就人类的学习而言，确逞演纟葦与归納两种方法并屈的，因为这押中方法井不矛盾,相辰却是至H促进的。
机器学习由于自剪的扃限性主要采用归帥与综合，但是归纳的結论有可能是假的，其推理过程中又要使屈很多假设和约屯这些都说明机器学习中依然存左着不可靠性。
最后，相对与人类学习的目标刑性，机器学习目前却（艮难判断什么重要、什么有意义、应该学习4十么。
这也就决定了机器学习的应用只是专家系统的鮒应用，还无法完全从环境中获得釉8収知识，实现完全的自动学习。
因此，我们在研究人类学习与机器学习时要特别注意两者之间的特点与差异。
机器学习的研究目的是使机器具有学习能力，但是机器具有智能和机器能够思錐毕竟是两个槪念，虽然让机器具有思錐是人工智能学者仆册究的最终目的。
思錐能把系统的行为高度哽定在任务目标中，并能从环境中提癥索，以便指示过程沿着目标前进，它将知识转化为方法，去处理、控制、变革变化着的对象。
这一点起码目前机器学习是无法做到的，而这却是人类学习的必然过程。
从两者的结构分析，机器结构的分离性与人脑结构分离性的不同之处在于，机器智能不在于离散处理信息的方式，而在于机器只7里解"信息的形式，而人却能够理解信息的内容。
现代思维科学的研究扌旨出，我们不仅要肯定多种思维形式的存在，而且还要认定多种思维形式的结合，乃是人类的最佳思维方式。
所以从功能主义的角度上讲，艮卩使机器学习“功能实霑了人类的学习，但两者之间的差异还是难以弥补的，因此严格的说法应该是：
机器学习只是模拟和实现人类的部分学习功能，这就是从人类学习到机器学习的本质差贰因此，我不认为人工智能会超越人类智能。
升级会员 