WUST人工智能复习【仅供参考！】

目录

第一章

人工智能的定义（问答？简答？）

第二章

知识表示（问答？简答？）

一阶谓词逻辑表示(P20 2.3机器人搬弄积木块)

机器蟑螂

框架表示法原理（问答？简答？）

产生式系统 （问答？简答？）

语义网络：（表示？）

脚本：

第四章

 Baty

第五章

盲目搜索、启发式搜索（问答？简答？）

搜索算符

有代价宽度优先搜索算法

遗传算法

状态空间实例

六、机器学习

1、什么是机器学习？简述机器学习的一般过程。

PS：仅供参考

---

考题：五大题，每题20分。

简（？解）答题

问答题

表示题

计算题

证明题

第一章

人工智能的定义（问答？简答？）

（1）定义：人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智 能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
​
（2）研究领域：人工智能的研究领域主要有专家系统、机器学习、模式识别、自然语言理解、自动定力证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络等
​
（3）简述人工智能的几个学派。
  符号主义，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统假设和有限合理性原理。符 号主义认为，人工智能源于数学逻辑，人的认知基元是符号，而且认知过程即符号操作过程，通过分析人类认知系统所具备的功能和机能，然后用计算机模拟这些功能，来实现人工智能。符号主义困难主要表现在机器博弈的困难；机器翻译不完善；人的基本常识问题表现得不足。
  联结主义，又称为仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。联结主义认为，人工智能源于仿生学，特别是人脑模型的研究，人的思维基元是神经元，而不是符号处理过程，因而人工智能应着重于结构模拟，也就是模拟人的生理神经网络结构，功能、结构和智能行为是密切相关的，不同的结构表现出不同的功能和行为。
  行为主义，又称进化主义或控制论学派，他们认为，人工智能源于控制论，智能取决于感知和行动，提出了智能行为的“感知一动作”模式，智能不需要知识、表示和推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。

第二章

知识表示（问答？简答？）

知识的表示是对知识的描述，用约定的符号把知识编码成一组能被计算机接受并便于系统使用的数据结构。

表示方法：有一阶谓词、产生试、语义网络，框架，过程，脚本，本体。

知识的特性有：相对正确性，不确定性，可表示性和可利用性。

一阶谓词逻辑表示(P20 2.3机器人搬弄积木块)

框架表示法原理（问答？简答？）

      框架是一种描述所论对象属性的数据结构。所论的对象可以是一个事物、一个事件或者一个概念。一个框架由若干个“槽”组成每个“槽”又可划分为若干个“侧面”。一个槽用于描述所论及对象的某一方面的属性一个侧面用于描述相应属性的一个方面。槽和侧面所具有的属性值分别称为槽值和侧面值。槽值可以是逻辑型或数字型的具体的值可以是程序、条件、默认值或是一个子框架。框架一般可表示成如下形式： 框架名 <槽名1> <侧面11> <值111>…<值11k1> … <侧面1n1> <值1n1 1>…<值1n1kn1> <槽名2> <侧面12> <值121>…<值1211> <侧面1n2> <值1n21>…<值1n21n2> …

产生式（理解）

产生式规则基本形式：P->Q 或者 IF P THEN Q
P是产生式的前提，用于指出该产生式是否可用的条件
Q是一组结论或操作，用于指出当前提P所指示的条件满足时，应该得出的结论或应该执行的操作
产生式规则的语义：如果前提P被满足，则可以推出结论Q或执行Q所规定的操作

产生式系统 （问答？简答？）

   产生式系统由知识库和推理机两部分组成，其中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，规则库是某领域知识的存储器 ，规则是以产生式表示的，规则集蕴含着将问题从初始状态转换解状态的那些变换规则，规则库是专家系统的核心。规则可表示成与或树系统形式，基于数据库事实对这与树的求值过程就是推理。数据库存放输入的事实，外部数据库输入的事实以及中间结果和最后结果的工作区。推理机是一个程序，控制协调规则与数据的运行，包含了推理方式和控制策略。

语义网络：（表示？）

语义网络是一种用实体及其语义关系来表达知识的知识表达方式。
​
语义网络一般由一些最基本的语义单元/语义基元组成，语义基元是由有向图表示的三元组 (结点A，弧，结点B)
​

eg:

（1）所有的鸽子都是鸟；

（2）所有的鸽子都有翅膀；

（3）信鸽是一种鸽子，它有翅膀

脚本：

描述特定范围内原型事件的结构，主要用在自然语言理解方面。

原子动作	含义	示例
PROPEL	对某一对象施加外力	推、拉、打
GRASP	行为主体控制某一对象	抓起某件东西、扔掉某件东西
MOVE	行为主体变化自己身体的某一部位	抬手、蹬脚、站起
ATRANS	某种抽象关系的移动	某物交给另一人
PTRANS	某一物理对象物理位置的改变	某人从一处到另一处
ATTEND	用某个感觉器官获取信息	看、听
INGEST	把某物放入体内	吃饭、喝水
EXPEL	把某物排出体外	落泪、呕吐
SPEAK	发出声音	唱歌、喊叫、说话
MTRANS	信息的转移	看电视、窃听、交流
MBUILD	由已有信息形成新信息

​
​
​
组成
​
进入条件：事件发生的前提条件
​
角色：事件中可能出现的人物
​
道具：事件中可能出现的有关物体
​
场景：事件序列可有多个场景
​
结局：事件发生以后必须满足的条件v
​
 
​
“餐厅”脚本序列
​
脚本：餐厅
​
进入条件：顾客饿了，需要进餐，顾客有钱
​
角色：顾客、服务员、厨师、老板
​
道具：食品、桌子、菜单、钱
​
 
​
第一场：进入餐厅
​
PTRANS 顾客走进餐厅
​
ATTEND 顾客注视桌子
​
MBUILD 确定汪哪儿走
​
PTRANS 朝确定的桌子走
​
MOVE 在桌子旁坐下
​
 
​
第三场：上菜进餐
​
ATRANS 厨师把食品交给服务员
​
PTRANS 服务员走向顾客
​
ATRANS 服务员把食品交给顾客
​
INGEST 顾客吃食品
​

第四章

 Baty

第五章

盲目搜索、启发式搜索（问答？简答？）

盲目搜索：在搜索过程中,只按预先规定的搜索控制策略进行搜索,而没有任何中间信息来改变这些控制策略.

启发式搜索：启发式搜索就是在状态空间中,对每一个搜索的状态进行评估,得到最有希望的状态,再从这个状态进行搜索直到目标

搜索算符

有代价宽度优先搜索算法

有代价宽度优先搜索算法:
      （1）初始化open表与closed表，把初始节点放入open表中。且令g1=0
      （2）若open =（），则算法失败终止；否则转步骤（3）。
      （3）把open表的第1个节点 i 移出，放入closed表的表尾。
      （4）若节点i的状态Si是目标状态，则算法成功终止，否则转步骤（5）。
      （5）若节点i不可扩展，则转步骤（2）；否则转步骤（6）。
      （6）用可用算符逐一扩展节点  i ，生成  i  的所有子节点，并计算所有子节点的代价值。
         ① 若子节点 j 的状态Sj 既不在open表中，也不在closed表中，则节点j 是一个新节点。将所有新子节点放入open表中，记载子节点各域的值，转步骤（7）。
         ② 若子节点 j 的状态Sj 已在open表中，即节点 j 与open 表中的一个老节点 j’ 的状态相同，则比较gj 与 gj’ 。若gj ≥gj’  ，
             则放弃新节点j ；若 gj < gj’ ，则将新节点 j 放入到open表中，记载节点各域的值，并删除open中的老节点j’ ；转步骤（7）。
         ③若子节点j的状态Sj已在 closed表中，即节点 j 与closed表中的一个老节点 j’ 的状态相同，
            则比较gj与gj’。若gj≥gj’ ，则放弃新节点j ；若gj

遗传算法

状态空间实例

（1）确定问题的状态

（2）确定初始状态和目标状态

（3）确定问题的操作

（4）确定状态空间图和问题的解

六、机器学习

1、什么是机器学习？简述机器学习的一般过程。

答：机器学习是通过算法使得机器从大量历史数据中学习规律，从而对新样本做分类或预测。一般分为训练阶段、测试阶段和工作阶段。训练阶段的主要工作是根据训练数据建立模型，测试阶段的主要工作是利用验证集对模型评估与选择，工作阶段的主要工作是利用建立好的模型对新的数据进行预测与分类。

PS：仅供参考