2018《认知过程的信息处理》课程考试试卷（A）（开卷)含答案.docxVIP

武汉大学计算机学院 2018-2019学年度第一学期2018级 《认知过程的信息处理》期末考试试卷（A）（开卷) 特别说明：试题1-5任意选择做两题，试题6-11全做。 试题1（20分）：给定点A,B,C,D。其二维坐标分别为A(0,0), B(x1,y1),C(x2,y2),D(x3,y3)。假设|AB|=|AC|并且线段AD垂直BC(|AB|为线段AB的长度)。求证命题为：点D平分线段BC。 B D C A 将上述几何问题转化为代数问题。 该问题有几个自由变元（不考虑点A）。 试题2（20分）：已知多项式F1=x1+x2, F2=1+x12+x22。按照如下步骤消除变量x2。 求F2对F1的伪除法(关于变量x2)，记结果为F3=Prem(F2,F1,x2)。 求F3对F1的伪除法(关于变量x2)，记结果为F4=Prem(F3,F1,x2)。 试题3（20分）：在3×3的棋盘上，摆有8个棋子，每个棋子上标有1至8的某一数字。棋盘中留有一个空格，空格用0来表示。空格周围的棋子可以移到空格中。图1给出一种初始布局(初始状态)和目标布局(目标状态为123804765)，如何找到一种最少步骤的移动方法，实现从初始布局到目标布局的转变？请画出求解该问题的搜索树。 图1. 棋盘的初始布局和目标布局 试题4（20分）：简述“吴方法”求解几何问题的基本步骤与核心思想。 试题5（20分）：已知x为整数，设计遗传算法, 求解区间［0, 15］上函数y = x2的最大值, 并写出基本算法步骤（包含算法基本设置，以及初始化、选择、交叉、变异等操作）。 试题6（10分）：Google在2018年5月召开的年度开发者大会（Google I/O 2018）上，展现了基于人工智能的自然语言理解最新科技Google Duplex，请描述其三大主要模块，并分别说明功能。 试题7（10分）：IBM Watson的深度问答（DeepQA）用基于规则的深度语法分析和统计分类方法来确定一个问题是否应该被分解，以及怎样分解才最容易回答。请概述DeepQA的核心设计准则并对其进行解释。 试题8（10分）：AlphaGo的策略网络和估值网络的作用分别是什么？两者有何区别？ 试题9（10分）：什么是结构化数据？非结构化数据、半结构化数据及结构化数据有什么不同？ 试题10（10分）：请比较监督（机器）学习、无监督学习和半监督学习的异同，并对每种学习方式举出两个典型的机器学习算法。 试题11（10分）：简要阐述知识图谱的概念并举例说明基于知识图谱的检索和基于关键词检索的区别。 武汉大学计算机学院 2018-2019学年度第一学期2018级 《认知过程的信息处理》期末考试试卷（A）答案（开卷) 试题1解答： AD ⊥ BC蕴含 y3(y2 ? y1) + x3(x2 ? x1) = 0 |AB| = |AC|蕴含 x22 + y22 = x21 + y21 BD//BC蕴含 (y3 ? y1)(x2 ? x1) = (y2 ? y1)(x3 ? x1) 为了证明|BD| = |CD|等价于 (y3 ? y1)2 + (x3 ? x1)2 = (y3 ? y2)2 + (x3 ? x2)2 该问题有三个自由变元，x1, y1, x2（或者x1, y1, y2; x2, y2, x1; x2, y2, y1） 试题2解答： F3 =FRem(F2, F1, x2) = 1 + x21 + x22 ? x1x2 ? x22=1 + x21 ? x1x2 F4 = FRem( F3, F1, x2) = (x1 + x2)x1 + 1 + x21 ? x1x2= 1 + 2x21 试题3解答： 假设m、n分别表示棋子移动的步数和位置不正确数字的个数，则代价函数定义为m+n. 该问题的搜索树如下： 试题4解答： “吴方法”的基本思想是将几何问题代数化，即用多项式来表达几何问题的条件以及结论，通过证明条件所组成的多项式交集的零点是结论对应多项式的子集来完成证明。主要步骤如下： 将条件和结论用代数多项式表达； 确定自由变元和约束变元，对约束变元排序，确定消元的次序； 将条件所对应的多项式三角化，设三角化后的多项式为F1,F2,,,,Fk,..Fn，保证Fk只包含前面k个约束变元； 将结论所对应的多项式从三角形底部到顶部依次消除最后的约束变元，如果最后所得到的剩余多项式为0则表明命题为真，否则命题为假。 试题5解答： 该问题用遗传算法求解的具体步骤如下