人工智能考试+人工只能考试重点归纳.docVIP

人工智能考试+人工只能考试重点归纳.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人工智能考试 1.符号智能就是符号人工智能, 它是模拟脑智能的人工智能, 也就是所说的传统人工智能或经典人工智能。 符号智能以符号形式的知识和信息为基础, 主要通过逻辑推理,运用知识进行问题求解。 2.计算智能就是计算人工智能, 它是模拟群智能的人工智能。计算智能以数值数据为基础, 主要通过数值计算,运用算法进行问题求解。 3. PROLOG语言是一种逻辑型智能程序设计语言它是建立在逻辑学的理论基础之上的, 最初被运用于自然语言等研究领域。 4.PROLOG语只有三种语句:事实、规则和问题。 事实功能:一般表示对象的性质或关系 规则一般表示对象间的因果关系、蕴含关系或对应关系 5. 同过程性语言相比, 一个PROLOG程序, 其问题就相当于主程序, 其规则就相当于子程序, 而其事实就相当于数据。 6. 图搜索技术是人工智能中的核心技术之一,人工智能的许多分支领域都涉及到图搜索。 7. 用计算机来实现状态图的搜索, 有两种最基本的方式: 树式搜索和线式搜索。 8. 搜索策略可分为盲目搜索和启发式(heuristic)搜索两大类。 9. 按搜索范围的扩展顺序的不同, 搜索又可分为广度优先和深度优先两种类型。对于树式搜索, 既可深度优先进行, 也可广度优先进行。对于线式搜索则总是深度优先进行。 10. 简答遗传操作: 选择-复制操作是模拟生物界优胜劣汰的自然选择法则的一种染色体运算, 就是从种群中选择适应度较高的染色体进行复制,以生成下一代种群。 交叉 (crossover)亦称交换、交配或杂交,就是互换两个染色体某些位上的基因。 变异(mutation)亦称突变,就是改变染色体某个(些)位上的基因。 11. 基于谓词逻辑的机器推理也称自动推理,它是人工智能早期的主要研究内容之一。 12. 产生式的一般形式为:〈前件〉→〈后件〉 其中, 前件就是前提, 后件是结论或动作,前件和后件可以是由逻辑运算符AND、OR、NOT组成的表达式 13. 利用产生式规则可以实现有前提条件的指令性操作, 也可以实现逻辑推理。 14.一个产生式系统由三部分组成:一组产生式、 一个综合数据库、一个控制系统(也称推理机)。 15. 由框架的形式可以看出,框架适合表达结构性的知识。所以,概念、对象等知识最适于用框架表示。其实,框架的槽就是对象的属性或状态,槽值就是属性值或状态值。不仅如此,框架还可以表示行为(动作),所以,有些过程性事件或情节也可用框架网络来表示。 16. 顾名思义,框架就是一种结构,一种模式 一个框架一般有若干个槽,一个槽有一个槽值或者有若干个侧面,而一个侧面又有若干个侧面值。还需指出的是,产生式规则也可用框架表示。 17. 基于框架的推理方法是继承。所谓继承,就是子框架可以拥有其父框架的槽及其槽值。实现继承的操作有匹配、搜索和填槽。匹配就是问题框架同知识库中的框架的模式匹配。 搜索就是沿着框架间的纵向和横向联系,在框架网络中进行查找。 18.机器学习的概念: 学习:系统积累经验或运用规律指导自己的行为或改进自身性能的过程。 机器学习就是让计算机模拟人的学习行为,或者说计算机也具有学习的能力。 人工智能中的机器学习主要是指机器对自身的行为的修正或性能的改善和机器对客观规律的发现。 19.基于学习方法的分类  1) 归纳学习、2) 演绎学习、3) 类比学习、4) 分析学习、5)机械学习  20. 机器学习可分为信息、发现和知识三个要素, 它们分别是机器学习的对象、方法和目标。 21.点阵符号归纳学习有:示例学习 ,决策树学习。 证明题: 例5.22 设已知: (1)能阅读者是识字的; (2)海豚不识字; (3)有些海豚是很聪明的。 试证明:有些聪明者并不能阅读。 证 首先,定义如下谓词: R(x):x能阅读。 L(x):x识字。 I(x):x是聪明的。 D(x):x是海豚。 然后把上述各语句翻译为谓词公式: (1) x(R(x)→L(x)) (2) x(D(x)→乛L(x)) 已知条件 (3) x(D(x)∧I(x)) (4) x(I(x)∧乛R(x)) 需证结论 求题设与结论否定的子句集,得 (1)乛R(x)∨L(x) (2)乛D(y)∨乛L(y) (3)D(a) (4)I(a) (5)乛I(z)∨R(z) 归结得 (6) R(a) (5),(4),{a/z} (7) L (a) (6),(1),{a/x} (8) 乛D(a) (7), (2), {a/y} (9)□

文档评论(0)

ffpg + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档