選擇、填空

人工智能的提出

1956年，達(dá)特茅斯會議上，麥卡錫 提出了“AI”

“AI之父”：麥卡錫

第一個(gè)人工智能測試系統(tǒng)：圖靈測試

推理過程

醫(yī)療專家系統(tǒng)（綜合數(shù)據(jù)庫、知識庫、推理機(jī)）

歸結(jié)

$c_1$ 和$c_2$是$c_{12}$的親本子句

狀態(tài)空間（搜索策略中的知識表示方法）

利用狀態(tài)變量和操作符號，表示系統(tǒng)問題或問題的有關(guān)知識的符號體系，狀態(tài)空間是一個(gè)四元組，（S,O,$S_0$,G）

遺傳算法

生物學(xué)基礎(chǔ)是生物進(jìn)化理論

Holland 提出了遺傳算法

生物遺傳概念遺傳算法應(yīng)用

個(gè)體	解
染色體	解的編碼
基因	編碼中的每一個(gè)分量
適應(yīng)性	適應(yīng)度函數(shù)值
群體	一組解

kNN中k的含義

選擇k個(gè)與判別值最近鄰的值

分類模型學(xué)習(xí)算法

• SVN
• kNN
• DT
• ANN

簡答題

人工智能的概念

用人工的方法在機(jī)器上實(shí)現(xiàn)的智能

智能的特征

• 感知能力
• 記憶與思維能力
• 學(xué)習(xí)能力
• 行為能力

思維的種類

• 邏輯思維（抽象思維）
• 形象思維（直感思維）
• 頓悟思維（靈感思維）

三大主義學(xué)派——實(shí)現(xiàn)AI的主要途徑

符號主義

• 基本思想
  模擬人類的邏輯思維
• 主要代表成果
  紐威爾和西蒙提出的“邏輯理論家LT”數(shù)學(xué)定理證明程序

行為主義

• 基本思想
  模擬生物進(jìn)化
• 主要代表成果
  布魯克斯設(shè)計(jì)的“六足機(jī)器蟲”

連接主義

• 基本思想
  模擬人類的大腦結(jié)構(gòu)
• 主要代表成果
  各種人工神經(jīng)網(wǎng)絡(luò)算法
  麥克洛奇和PIZZ的 MP神經(jīng)網(wǎng)絡(luò)模型

為什么引入謂詞邏輯（命題的缺點(diǎn)）

無法把它所描述的事物結(jié)構(gòu)及邏輯思維特征反映出來，也不能把不同事物間的共同特征反映出來

遺傳算法的步驟

• 參數(shù)編碼
• 初始種群的設(shè)定
• 適應(yīng)度函數(shù)的設(shè)定
• 遺傳變異操作
• 控制參數(shù)設(shè)定

注意：控制參數(shù)設(shè)定

分類

舉例說明分類過程的兩個(gè)階段

當(dāng)一個(gè)幼兒學(xué)習(xí)橘子、蘋果這兩類事物時(shí)，我們可以給他提供3個(gè)橘子、兩個(gè)蘋果，并告訴他前3個(gè)對象是橘子、后2個(gè)是蘋果，他通過觀察果實(shí)的顏色、形狀，以及品嘗他們的味道來學(xué)習(xí)這兩種事物，從而在大腦中建立起關(guān)于蘋果和橘子的概念模型（分類模型生成階段）
當(dāng)再次看到之前未見到過的橘子和蘋果時(shí)，通過建立起的分類模型，若能判斷準(zhǔn)確，說明已經(jīng)掌握了這兩個(gè)是事物的概念。（分類階段）

應(yīng)用題

知識表示

知識表示方法

• 一階謂詞邏輯知識表示法
  (任意x)[ROBOT (x) → COLOR (x,GRAY)]
• 產(chǎn)生式表示
  老李年齡是40歲： （Li，age，40）
  老李年齡很可能是40歲：（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：（課后題）
框架名 <地震>
日期：2008.08
地點(diǎn)：四川
震級：7.0
水含氧量：0.43
…………

框架式特點(diǎn)：結(jié)構(gòu)性、繼承性

確定性推理

化成子句集

一消二移三標(biāo)準(zhǔn)（使用兩次）

第一次：消蘊(yùn)含、等價(jià)符號，移否定，變量標(biāo)準(zhǔn)化
第二次：消存在量詞，移全稱量詞，分配公式標(biāo)準(zhǔn)化

歸結(jié)原理求證結(jié)論

三人面試問題
注意：NIL

歸結(jié)原理求解問題

小李和小張的老師

注意：量詞、結(jié)論否定析取答案

不確定性推理

證據(jù)的不確定性

AND 合取 求解min

OR 析取 求解max

求解結(jié)論的可信度

CF（結(jié)論）= CF（過程）+max（0，CF（條件））

CF（過程） 為 可信度因子 ，取值范圍 [ -1 , 1 ]

證據(jù)理論

概率分配函數(shù)

對于樣本空間D，任何一個(gè)子集都指派到0和1 之間的一個(gè)數(shù)M(A)，并且所有的子集的概率分配值為1.

M(A)：A的基本概率數(shù)

所有子集加和為1

信任函數(shù)

Bel 函數(shù) ，Bel(A) 對命題A為真的總的信任度

似然函數(shù)

Pl(A) = 1 - Bel(非A)

搜索

BFS、DFS、啟發(fā)式（3選2）

open表、closed 表、八數(shù)碼問題

機(jī)器學(xué)習(xí)

kNN

計(jì)算歐氏距離，取最接近的k個(gè)樣例

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的人工智能考题可能性猜测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。