广东工业大学人工智能试卷.pdf

考试题型主要是选择题、填空题、简答题、分析计算题。分析题重点主要在第 1 章、第 2 章的搜索问题、第 3 章归结原理、第 6 章决策树和神经网络。分数分布大约是选择题 30 分(10 题）、填空题 20 分(10 题）、简答题 10 分(2 题）、分析计算题 40 分(4题）。一一.选择题选择题1 人工智能是_A_i.用人工的方法在机器（计算机）上实现的智能。ii.人机器的智能iii.开发者的智能2 人工智能学派符号主义的主要研究方法是 C i.用仿生学的方法，通过研究人脑的工作模型，搞清人类智能的本质ii.应用进化论的思想进行人工智能的研究iii.研究逻辑演绎在计算机上的实现方法3 对问题进行分割后进行搜索的实质是 B i.对问题进行归纳总结，以寻求一般的概念ii.从目标出发的逆向推理，寻找若干子问题的集合iii.将多个小问题归纳成一个大问题的求解方法4 利用已知的某些有关具体问题领域的信息进行搜索的方法称为_C_i.逐个搜索ii.随机搜索iii.启发式搜索5 产生式系统中推理的结论存放在：A A.作业领域B.知识库C.推理机构6.以下关于模糊数的定义中，哪一个是不正确的 A A.模糊数是一个定义在0，1上的实数B.可进行模糊数的四则运算C.具有闭凸特性的数的集合7.下列关于误差反向传播学习（BP）算法的说法中，正确的是 B A.误差信号在输出层到输入层的通道上传播B.输出层神经元的权值只会影响相应神经元的输出值C.按误差函数导数的递增方向修正各神经元的权值8.单层感知机的学习算法包括 C A.工作信号的前向传递B.误差信号的计算，以及权值的修正C.上述两者9.框架系统是一种 A A.结构化的知识表示方法B.适用于处理庞大、凌乱知识的方法C.只适用于静态知识表达的方法10.基于解释的学习（EBL）中，下述哪种说法是正确的 A A.生成知识的正确性有保证B.不需要太多的先验知识C.A 和 B 都对11.下列搜索算法中，能保证取得最优解的是 C A.A*算法B.均一代价算法C.上述两者12.模糊控制中，同一条规则内部的推理是采用 B A.取大B.取小C.先取小后取大二二填空题填空题1.状态空间表示法中，解的问题是以 状态 和 算符 集合的形式表示的。2.已知年龄集合为，试给出一个“青年”的模糊集合 80,70,60,50,40,30,20,100.4/10+1/20+0.6/30+0.2/40+0.1/50（答案有多种，隶属度值位于 01 之间，且能反映这种变化的趋势即可）（本题 2 分）3.基于解释的学习（EBL）中，给出训练事例的意义在于，提取出在解决 实际（或目标等相关答案）问题时可以应用的部分，从而节省 存储 容量和搜索 时间 。4.在图搜索中，是否应用了 已有（或已知领域或启发性等相关答案）的知识，决定了搜索是盲目的还是有启发信息的。常用的启发搜索算法有 任选两种 、两种。5.在产生式系统中，通常从选择规则到执行操作分三步：_匹配_、_冲突消解和 推理。6.机器学习的主要推理方法有 机械式 、类推 、归纳 、演绎 以及 发现 等。7.设模式，则该模式的定义长 5 ，位数 4 。100*1*H)(H )(Ho三三.判断题判断题 1.与/或（AND/OR）图搜索中，如果子节点是 AND 节点，只对其中一个进行扩展。改：与/或（AND/OR）图搜索中，如果子节点是 AND 节点，则对所有的子节点进行扩展。2.应用归纳的方法由示例学习概念，需要的先验知识少。而学习示例越多，其生成的新知识的正确性就越高。（）改：最佳优先搜索是一种高效的搜索方法依据从起点出发的最小代价和，指导搜索的方向。（）改：最佳优先搜索是一种高效的搜索方法，依据与目标相关的启发函数值，指导搜索的方向。3.模糊控制中，可利用重心法对参数模糊化，然后根据模糊规则进行推理。（）改：模糊控制中，根据模糊规则进行推理后，可利用重心法对推理结果进行去模糊化。4.特征模式匹配中，输入模式与两个参考模式的距离，较小的一方即为识别出的类别。（）四求解题四求解题 1.试利用-搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画，并注明是什么剪枝。34274124(9)(7)(6)(4)(2)(0)2.对下图所示的状态空间图进行：(1)纵向搜索；(2)横向搜索；（3）均一代价搜索；(4)A*算法搜索。（图中 A 为初始节点，F 为目标节点，各节点的启发值标注在小括号内）。给出搜索过程及搜索出的最佳路径，并标注各节点的估价函数值。(1)纵向搜索：ABDCEF45BCA(1)OPEN:C,BCLOSED:A(2)OPEN:C,E,DCLOSED:A,B (搜索过程可以用其它形式表示)搜索路径是：ABD F 或 ACD F 等（此题答案可有多解）(2)横向搜索：（此题答案可有多解）(搜索过程可以用其它形式表示)搜索路径是：ABC DEF 等（此题答案可有多解）(3)均一代价搜索：（小括号内标注的是从起始节点出发到该点的最小代价值）(搜索过程可以用其它形式表示)搜索出的最优路径是：ACDEF，代价是 9。(3)A*算法：（小括号内标注的是该点的估价函数值）DEF(3)OPEN:C,E,FCLOSED:A,B,DOPEN:C,ECLOSED:A,B,D,(4)A(0)F(109)E(1097)D(76)C(4)B(3)(1)(2)(3)(4)(5)OPEN:,CLOSED:AOPEN:,CLOSED:A,BOPEN:,CLOSED:A,B,COPEN:,CLOSED:A,B,C,DOPEN:CLOSED:A,B,C,D,EOPEN:CLOSED:A,B,C,D,E(6)A(9)F(109)E(12119)C(10)B(10)(1)OPEN:,CLOSED:A2)OPEN:,CLOSED:A,B(3)OPEN:,CLOSED:A,B,CBCDEFA(1)OPEN:B,CCLOSED:A(2)OPEN:C,D,ECLOSED:A,B(3)OPEN:E,FCLOSED:A,B,C,DOPEN:CLOSED:A,B,C,D,E(4)OPEN:D,ECLOSED:A,B,COPEN:FCLOSED:A,B,C,D,E(5)(6)(搜索过程可以用其它形式表示)搜索出的最优路径是：ACDEF 代价是 9。3.设样本集合如下所示，其中 A、B、C 是 F 的属性，试根据信息增益标准(ID3 算法)求解 F 的决策树。A B C F 0 0 0 0 0 0 1 1 0 1 0 0 0 1 1 1 1 0 0 1 1 0 1 1 1 1 0 0(已知 log2(2/3)=-0.5842,log2(1/3)=-1.5850,log2(3/4)=-0.41504,)965.031log132log242log242log2717374222210 AAAHHH 857.032log231log141log143log3717374222210 BBBHHH 464.030log033log343log341log1717374222210 CCCHHH 所以 第一次分类选属性 C，对 C=0 的四个例子再进行第二次分类。5.021log121log14142422210 AAAHHH 所以，可任5.021log121log14142422210 BBBHHH选属性 A 或 B 作为第二次分类的标准，如选属性 A，则 A=1 的两个例子再按属性 B 分类，得到 0021212110 BBBHHH 最后，得到 F 的决策树如下：D(1110)(4)OPEN:,CLOSED:A,B,C,D(5)OPEN:CLOSED:A,B,C,D,EOPEN:CLOSED:A,B,C,D,E(6)CA+C=1C=0BA=0A=1+B=0B=14251324542513245人工智能作业人工智能作业1.1.试利用试利用-搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画，并，并注明是什么剪枝（注明是什么剪枝（表示正方，表示正方，表示反方）表示反方）。解：2 2设已知设已知:(1):(1)能阅读者是识字的能阅读者是识字的;(2);(2)海豚不识字海豚不识字;(3);(3)有些海豚是聪明的有些海豚是聪明的;求证求证:有些聪明者并不能阅读有些聪明者并不能阅读.谓词定义如下谓词定义如下:R(x):x:R(x):x 能阅读能阅读;L(x):xL(x):x 识字识字;I(x):xI(x):x 是聪明的是聪明的;D(x):xD(x):x 是海豚。是海豚。证明：把上述各语句翻译为谓词公式：证明：把上述各语句翻译为谓词公式：(1)(1)x(R(x)L(x)x(R(x)L(x)已知条件已知条件(2)(2)x(D(x)x(D(x)L(x)L(x)已知条已知条件件(3)(3)x(D(x)I(x)x(D(x)I(x)已知条件已知条件(4)(4)x(I(x)R(x)x(I(x)R(x)需证结需证结论论 求题设与结论否定的子句集，得求题设与结论否定的子句集，得(1)(1)R(x)L(x)(2)R(x)L(x)(2)D(y)D(y)L(y)(3)D(a)(4)I(a)(5)L(y)(3)D(a)(4)I(a)(5)I(z)R(z)I(z)R(z)(4,+)(-,4)(5,+)剪枝剪枝(3,+)(-,3)剪枝剪枝 归结得归结得 (6)(6)R(a)R(a)(5)(5)，(4)(4)，a/za/z (7)(7)L(a)L(a)(6)(6)，(1)(1)，a/xa/x (8)(8)D(a)D(a)(7),(7),(2),(2),a/ya/y (9)(9)(8),(8),(3)(3)3.3.设样本集合如下所示，其中设样本集合如下所示，其中 A A、B B、C C 是是 F F 的属性，试根据的属性，试根据 ID3ID3 算法求解算法求解 F F 的决的决策树。策树。A A B B C C F F 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 1 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 0 0 0 0(已知已知 loglog2 2(2/3)=(2/3)=-0.5842,-0.5842,loglog2 2(1/3)=(1/3)=-1.5850,-1.5850,loglog2 2(3/4)=(3/4)=-0.41504,-0.41504,)答案见第答案见第 6 6 章讲义章讲义4.4.设设x x1 1=0=0，x x2 2=1=1，1 1(0)=0.0(0)=0.0，2 2(0)=0.2(0)=0.2，=0.5=0.5，k k=0.8=0.8，=0.2=0.2。期望输出值。期望输出值d d=1=1，激，激活函数取阶跃函数活函数取阶跃函数，在采用错误订正，试确定学习后神经元的输出，在采用错误订正，试确定学习后神经元的输出 y y0001)(xxxf达到期望值达到期望值 d d 的时间和修改后的权值。的时间和修改后的权值。答案见第答案见第 6 6 章讲义章讲义