- 1、本文档共7页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
广东工业大学试卷用纸,共 页,第 页
广东工业大学考试试卷 ( A )课程名称:
广东工业大学考试试卷 ( A )
课程名称: 人工智能
考试时间: 第 17 周星期五 ( 12 月 29 日)
题号
一
二
三
四
五
六
七
八
九
十
总分
得分
评分人
选择题(下列各题三个选项中,只有一个选项是正确的,每题2分,共24分)
人工智能是___A___
用人工的方法在机器(计算机)上实现的智能。
人+机器的智能
开发者的智能
人工智能学派符号主义的主要研究方法是 C
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
应用进化论的思想进行人工智能的研究
研究逻辑演绎在计算机上的实现方法
对问题进行分割后进行搜索的实质是 B
对问题进行归纳总结,以寻求一般的概念
从目标出发的逆向推理,寻找若干子问题的集合
将多个小问题归纳成一个大问题的求解方法
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____
逐个搜索
随机搜索
启发式搜索
学 院: 专 业: 学 号: 姓 名:
装 订 线
产生式系统中推理的结论存放在: A
作业领域
知识库
推理机构
以下关于模糊数的定义中,哪一个是不正确的 A
模糊数是一个定义在[0,1]上的实数
可进行模糊数的四则运算
具有闭凸特性的数的集合
下列关于误差反向传播学习(BP)算法的说法中,正确的是 B
误差信号在输出层到输入层的通道上传播
输出层神经元的权值只会影响相应神经元的输出值
按误差函数导数的递增方向修正各神经元的权值
单层感知机的学习算法包括 C
工作信号的前向传递
误差信号的计算,以及权值的修正
上述两者
框架系统是一种 A
结构化的知识表示方法
适用于处理庞大、凌乱知识的方法
只适用于静态知识表达的方法
基于解释的学习(EBL)中,下述哪种说法是正确的 A
生成知识的正确性有保证
不需要太多的先验知识
A和B都对
下列搜索算法中,能保证取得最优解的是 C
A* 算法
均一代价算法
上述两者
模糊控制中,同一条规则内部的推理是采用 B
取大
取小
先取小后取大
填空题(每空1分,共20分)
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。
已知年龄集合为,试给出一个“青年”的模糊集合 可灵活掌握
。(本题2分)
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 问题时可以应用的部分,从而节省 存储 容量和搜索 时间 。
在图搜索中,是否应用了 已有 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。
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 。
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。
设模式,则该模式的定义长 5 ,位数 4 。
判断题 (判断下列各题,正确的打√ ,错误的打 ╳ ,如果错误,请将正确的描述写在下面,每题2分,共10分)
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。
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。
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。
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。(?)
改:
简答题 (每题8分,共16分)
简述单纯遗传算法(SGA)的基本过程。
答:第一步:初生代种群的生成。选择个体的编码方式,然后对个体进行染色体编码。从众多个体
文档评论(0)