【某航】人工智能复习思路和提纲

人工智能复习大纲

简答题思考汇总

第一章 绪论

1.人工智能研究的发展历史和各阶段代表成功是什么？

孕育期：1956年前 图灵机 、冯诺依曼提出存储程序的概念、香农信息论
形成期：1956年-1969年 人工智能概念、鲁滨逊归结原理
知识应用期：1968-80年代末 以知识为中心的专家系统
综合集成期：80年代末-今天：神经网络、多种人工智能语言、多种知识表示方法

2.人工智能的研究途径和主要观点是什么？

三种研究途径：符号主义、连接主义、行为主义
符号主义认为智能活动的基础是物理符号系统，思维过程是符号模式的处理过程，模拟逻辑思维。
连接主义认为大脑是一切智能活动的基础，从大脑神经元及其连接机制出发进行研究，模拟形象思维。
行为主义认为智能行为的基础是“感知行为”的反应机制，模拟昆虫行为控制系统。

3.列举人工智能的几个研究热点和研究领域（从应用和理论两个方面）

研究热点：知识发现和数据挖掘、分布式人工智能、深度学习。
应用方面：专家系统、自然语言处理、智能检索、定理证明、自动程序设计、模式识别、机器人学、智能控制、博弈
理论方面：问题求解、知识的表示、机器学习、人工智能系统的结构及语言。

第二章 问题求解

何为归纳推理，与演绎推有哪些区别

归纳推理是从认识研究个别事物到总结、概括一般性规律的推断过程。
区别：演绎推理是从一般性的原理、原则中推演出有关个别性知识，其思维过程是由一般到个别；归纳推理则是由个别或特殊的知识概括出一般性的结论，其思维过程是由个别到一般。 演绎推理的前提数量是确定的，归纳推理的前提数量的多寡是不定的。

第三章 博弈问题

1 极大极小分析法的基本思想

（1）为其中一方选择最优行动方法
（2）要考虑每一方案实施后对方所要采取的行动，并计算可能的得分。
（3） 根据问题的特性信息定义评价函数；
（4） 端节点的估值计算出后，再推算出父节点的得分

或节点，选择子节点中最大得分MAX作为父节点的得分
与节点，选择子节点中最小得分MIN作为父节点的得分

（5）若一个方案能获得较大的倒退值，就是当前最好的行动方案。

第四章 谓词逻辑与机器证明

海伯伦基本思想是什么，它和归结法的关系是什么？

归结原理的正确性是通过Herbrand定理证明
归结原理是Herbrand定理的具体体现

如果对一个具体的谓词公式找到一个特殊的论域，使得该谓词公式只要在这个特殊的论域上不可满足，就能保证它在任何论域上也都不可满足。

第五章 知识表示与知识图谱

什么是知识图谱，知识图谱的关键技术是什么？

产生式系统的基本形式,由哪些部分组成，它们的作用是什么,与谓词逻辑蕴含式有什么区别和不同

IF P THEN Q;
相同之处是具有相同的形式，区别是蕴含式只能表示精确性的知识，产生式可以表示不精确的知识。
知识库和推理机，知识库由规则库和数据库组成，规则库是产生式规则的集合，数据库是事实的集合，推理机是一个程序，控制协调规则库与数据库的运行，包含推理方式和控制策略。

第六章 不确定性推理

可信度方法、模糊推理、主观贝叶斯的区别

可信度方法根据经验对一个事物或现象为真的可信程度，可信度有较大的主观性和经验性，其准确性难以把握;
主观贝叶斯根据证据E的概率P(E)及LS、LN的值，把H的先验概率P(H)更新为后验概率P(H|E)或P(H|¬E)。不仅给出了证据肯定存在、肯定不存在时更新后验概率的方法，还给出了证据不确定时的方法，实现了不确定性的逐级传递。
模糊推理基于不确定性知识的一种近似推理，采用语言变量、语言值、模糊集和模糊关系合成的方法进行推理。

机器学习

1.监督学习，非监督学习、强化学习的基本概念，并举例说明各自的特点。

监督学习：必须确定目标变量的值，以便机器学习算法可以发现特征和目标变量之间的关系。（支持向量机、线性判别、决策树、朴素贝叶斯）
无监督学习：即在未加标签的数据中，试图找到隐藏的结构。数据没有类别信息，也没有给定的目标值。（主成分分析、K-means、随机森林）
半监督学习在训练阶段结合了大量未标记的数据和少量标签数据。与使用所有标签数据的模型相比，使用训练集的训练模型在训练时可以更为准确，而且训练成本更低。
强化学习：是智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大，由于外部给出的信息很少，强化学习系统必须依靠自身的经历进行自我学习。通过这种学习获取知识，改进行动方案以适应环境。

2.过拟合、欠拟合的概念

过拟合是指训练误差和测试误差之间的差距太大。换句换说，就是模型复杂度高于实际问题，模型在训练集上表现很好，但在测试集上却表现很差。____正则化：修改学习算法，使其降低泛化误差而非训练误差。
欠拟合是指模型不能在训练集上获得足够低的误差。模型复杂度低，模型在训练集上表现很差，没法学习到数据背后的规律。

3.CNN卷积层和池化层的功能

提取特征，删除多余特征