人工智能导论试卷-(2)说课材料.doc

人工智能导论试卷 (2)

学习—————好资料

课程名称 人工智能导论 考试日期 2007-6-14
考生姓名 学号 专业或类别
题号
一
二
三
四
总分
累分人 签名
题分

100
得分

考生注意事项：1、本试卷共 8 页，请查看试卷中是否有缺页。
2、考试结束后，考生不得将试卷、答题纸和草稿纸带出考场。
一、 填空题(每空 1分，共20分)
得分
评卷人

1. 人工智能三大学派是 符号主义，连接主义，行为主义 、 和 。
2. 在知识表示方法中，与谓词逻辑表示为ISA（LIMING ，MAN）等效的语义网络形式为 。

3. 状态空间表示法的两个基本概念是 和 。 状态，操作符
4. 产生式系统由3个部分组成：一个总数据库、 一套规则，一个控制策略
、 。
5. ANN中文意义是 人工神经元网络
。
6. 反向传播（back-propagation,BP）算法过程是从输出节点开始，
将误差信号沿原来的连接通路返回，通过修改各层神经元的连接权值，使误差信号减至最小
，所以称为“反向传播”。
7. 消解反演证明定理时，若当前归结式是 空子句
，则定理得证。
8. 子句和P经过消解以后，得到 Q 。
9．基于规则的正向演绎系统，其规则形式为 ，其中前项要满足的条件是 。→W或L1∨L2→W，L为单文字
10. 语义网络下的推理是通过 和 实现的。.继承，匹配
11. 图灵 被成为人工智能之父，曾提出一个机器智能的测试模型。
12. 谓词公式("x)("y)($z)(P(x,y)∨Q(y,z)W(z))消去存在量词后，可以化为
。
2006～2007学年第2学期考试A卷

13. 设E1=P(a,v,f(g(y))),E2=P(z,f(a),f(u)),则E1和E2的mgu（最一般合一）为
。
14. 进化策略是在父矢量xi，i=1,2,……p中，通过加入一个 零均方差的高斯随机

变量以及预先选择x的标准偏差来产生子代矢量x。

二、 选择题(每小题2分，共20分)
得分
评卷人

1. 在图搜索中，选择最有希望的节点作为下一个要扩展的节点，这种搜索方法叫做( )
A. 宽度搜索 B. 深度搜索
C. 有序搜索 D. 广义搜索

2. 下列人工神经网络属于反馈网络的是（ ）
A. Hopfield网        B. BP网络
C. 多层感知器 D. LVQ网络

3. 使用一组槽来描述事件的发生序列，这种知识表示法叫做( )
A. 语义网络法 B. 过程表示法
C. 剧本表示法 D. 框架表示法

4. 产生式系统的推理不包括( )
A. 正向推理 B. 逆向推理
C. 双向推理 D. 简单推理

5. 启发式搜索是寻求问题（ ）解的一种方法
   A. 最优             B. 一般
   C. 满意 D. 最坏

6. 语义网络表达知识时，有向弧AKO链、ISA链表达节点知识的（ ）
A. 无悖性             B. 可扩充性
   C. 继承性 D. 完整性

7. 下面表达式对中（ ）是能够合一的。
A. P（q（f（v）），g（u））和P（x，x）　
B. P（x，f（x））和P（y，y）
C. P（y，y，B）和P（z，x，z） 　　　
D. P（f（A），x），P（x，A）

8. 在遗传算法中，变量x的定义域为 [-2，5]，要求其精度为10-6，现用二进制进行编码，则码长为（ ）
A. 20             B. 21
  C. 22 D. 23

9. 在下列人工神经学习算法中，哪种是能够根据期望的和实际的网络输出之间的差来调整神经元之间连接的强度或权。（ ）
A. 有师学习            B. 无师学习
  C. 强化学习 D. 都不是

10.下列哪种不属于进化计算（ ）
A. 遗传算法            B. 认知机
 C. 进化编程 D. 进化策略

三、 简答题(第1-4每小题5分，第5小题6分，共26分)
得分
评卷人

1. 人工智能的主要研究和应用领域有哪些？(至少列出7个)其中，哪些是新的研究热点？（至少列出3个）

自然语言理解 （2）人工神经元网络
数据库智能检索 智能控制
专家咨询系统 智能调度和指挥
定理机器证明 智能决策支持系统
博弈 知识发现和数据发掘
机器人学 分布式人工智能
自动程序设计
组合调度问题
感知问题
7月
2月
模式识别

2. 请给出表示包含下面句子含义的语义网络：孙老师从2月至7月给软件工程专业讲授“人工智能”课程。

3. 人工神经网络的构成与特性是什么？

1）能较好的模拟人的形象思维。
（2）具有大规模并行协同处理能力。
（3）具有较强的学习能力。
（4）具有较强的容错能力和联想能力。
（5）是一个大规模自组织、自适应的非线性动力系统。

4. 简述简单遗传算法的基本原理。

遗传算法是一种随机搜索算法。该算法将优化问题看作是自然界生物的进化过程。模拟大自然生物进化的遗传规律来达到寻优的目的。

5. 设有下列语句，分别用相应的谓词公式把它们表示出来：
（1）并不是每一个人都想出国留学；　　
（2）欲穷千里目，更上一层楼；
设A(x):想出国留学
P(x):欲穷千里目
Q(x):更上一层楼
（1）∃x（~A（x））
（2）（∀x）（Q（x） P（x））

四、 综合题(第1-3小题每题8分，第4小题每题10分，共34分)
得分
评卷人

1. 某问题的状态空间图如下图所示，其中括号内标明的是各节点的h值，弧线边的数字是该弧线的耗散值，试用A算法求解从初始节点S到目标节点T的路径。要求给出搜索图，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。

得到的解路径为：S-B-F-J-T

2. 下图为一简单迷宫示意图及其平面坐标表示。从入口到出口有若干条通路，请用启发式搜索方法求从入口到出口处最短路径的走法，并画出状态空间图。

3.下图所示博弈树，按从左到右的顺序进行α-β剪枝搜索，试标明各生成节点的倒推值，何处发生剪枝（用“/” 在图上标记），及应选择的走步。

4. 假设：所有不贫穷而且聪明的人是快乐的，读书的人不愚蠢，约翰能读书而且很富有，快乐的人过着幸福的生活。请通过消解反演推理方法求证：能找到过着幸福生活的人。
R1：所有不贫穷且聪明的人都快乐：∀x（~Poor（x）∧Smart（x）→Happy（x））
R2：那些读书的人是聪明的：∀x（read（x）→Smart（x））
R3：约翰能读书且不贫穷：read（John）∧ ~Poor（John）
R4：快乐的人过着幸福的生活：∀x（Happy（x）→Blest（x））
结论：约翰过着幸福的生活的否定：~ Blest（John）
将上述谓词公式转化为子句集并进行归结如下：
由R1可得子句：
Poor（x）∨~Smart（x）∨Happy（x）

由R2可得子句：
~read（y）∨Smart（y）
由R3可得子句：
read（John）
~Poor（John）
由R4可得子句：
~ Happy（z）∨Blest（z）
由结论的否定可得子句：
~ Blest（John）
根据以上6条子句，归结如下：
~ Happy（John） ⑤⑥ John/z
Poor（John）∨~Smart（John） ⑦① John/x
~Smart（John） ⑧④
~ read（John） ⑨② John/y
□ ⑩③
由上可得原命题成立。

精品资料