人工智能导论习题答案完整版.doc
- 文档编号:14760705
- 上传时间:2023-06-27
- 格式:DOC
- 页数:7
- 大小:66.54KB
人工智能导论习题答案完整版.doc
《人工智能导论习题答案完整版.doc》由会员分享,可在线阅读,更多相关《人工智能导论习题答案完整版.doc(7页珍藏版)》请在冰点文库上搜索。
学习情境一
一、单选题
1、当代的人工智能研究是源于A年。
A.1956B.1965 C.1856 D.1865
2、被认为是人工智能之父是B。
A.J.W.Mauchly B.John McCarthy C.Romen Luee D.A.M.Turing
3、最早的有关人工智能的应用原型是C。
A.计算器 B.无人驾驶汽车 C.自动调温器 D.通用解题机
4、被许多人认为第一个的人工智能程序是C。
A.SHRDLUB.Logic Theorist C.List Processing D.STUDENT
5、通片《多拉A梦》里的机器猫是C类别的人工智能。
A.计算智能 B.感知智能 C.认知智能 D.弱人工智能
二、填空题
1、人工智能是一门研究会运动、会看懂、会听懂、会思考的机器人的学科及应用。
2、计算智能类别的人工智能系统特点是能存会算。
3、感知智能类别的人工智能系统特点是能听会说,能看会认。
4、认知智能类别的人工智能系统特点是能够像人一样主动思考并采取行动。
三、简述题
1、请列举身边的有关人工智能的应用,并简要说一下其工作过程。
2、人工智能对人类的影响有哪些?
3、什么是人工智能?
4、给出人工智能的五个应用领域。
5、你认为人工智能未来的发展趋势是什么?
6、你认为机器的智能会超过人类吗?
为什么?
一、填空题
1、按知识的作用及表示可把知识划分为事实性知识、过程性知识、控制性知识。
2、一个谓词可分为谓词名和个体两部分。
3、为了刻画谓词与个体的关系,在谓词逻辑中引入了两个量词:
全称量词和存在量词。
4、在语义网络知识表示中,结点一般划分为实例结点和类结点两种。
5、谓词公式不可满足的充要条件是其子句集不可满足。
二、选择题
1、关于“与/或”图表示法的叙述中,正确的是(D )。
A、“与/或”图就是用“AND”和“OR”连续各个部分的图形,用来描述各部分的因果关系。
B、“与/或”图就是用“AND”和“OR”连续各个部分的图形,用来描述各部分之间的不确定关系。
C、“与/或”图就是用“与”节点和“或”节点组合起来的树形图,用来描述某类问题的层次关系。
D、“与/或”图就是用“与”节点和“或”节点组合起来的树形图,用来描述某类问题的求解过程。
2、已知初始问题的描述,通过一系列变换把此问题最终变为一个子问题集合;这些子问题的解可以直接得到,从而解决了初始问题。
这是知识表示法叫(B)。
A、状态空间法 B、问题归约法
C、谓词逻辑法 D、语义网络法
3、AÙ(AÚB)ÛA称为(C)。
A、结合律 B、分配律
C、吸收律 D、摩根律
4、~(AÙB)Û~AÚ~B称为(D)。
A、结合律 B、分配律
C、吸收律 D、摩根律
三、简答题
1、一阶谓词逻辑表示法适合于表示哪种类型的知识,它有哪些特点?
答:
一阶谓词逻辑表示法适合于表示事实性知识和逻辑性知识,它的特点有:
一阶谓词逻辑表示法的优点:
(1)、自然性;
(2)、精确性;(3)、严密性;(4)、容易实现
一阶谓词逻辑表示法的局限性:
(1)、不能表示不确定性的知识;
(2)、组合爆炸;(3)、效率低。
2、为什么要研究知识表示?
试述状态空间法、问题归约法、谓词演算法的要点,并比较它们的关系。
四、应用题
1、下列知识是一些规则性知识:
(1)人人爱劳动。
(2)所有整数不是偶数就是奇数。
(3)自然数都是大于零的整数。
用谓词公式表示这些知识。
解:
(1)定义谓词如下:
MAN(x):
x是人;
LOVE(x,y):
x爱y;
N(x):
x是自然数;
I(x):
x是整数;
E(x):
x是偶数;
O(x):
x是奇数;
GZ(x):
x大于零。
(2)根据已知条件定义谓词公式:
“人人爱劳动”用谓词公式表示为:
("x)(MAN(x)→LOVE(x,labour))
“所有整数不是偶数就是奇数”用谓词公式表示为:
("x)(I(x)→E(x)∨O(x))
“自然数都是大于零的整数”用谓词公式表示为:
("x)(N(x)→GZ(x)∧I(x))
2、将命题:
“某个学生读过三国演义”分别用谓词公式和语义网络表示
答:
谓词公式表示:
$x(student(x)∧read(x,三国演义))
语义网络表示如图:
五、案例分析题(仅供参考)
答:
模糊逻辑,对于哲学有着非常重要的意义。
它提供了我们认识事物的又一锐利的思想武器。
模糊认识,就是对模糊事物下一个模糊判断,这是我们认识事物的很重要的一个方面。
模糊判断,模糊逻辑,帮助我们全面的认识事物,能够使我们对模糊事物作出相应的反映,并指导自己的思考与行动方向。
生活中、工作上;现实中、网络上;有人活动的地方,模糊哲学无处不在。
例如:
国际事务中,经常会巧妙运用模糊哲学,用外交辞令表态。
再例如:
夫妻之间的矛盾,有的人搞得水火不容,分道扬镳。
有人为了大目标而模糊下去,就有了中国式的婚姻。
也就有了白头偕老坐着摇椅看夕阳的美好,有了晚来儿孙绕膝,老伴相扶,回首往事品味甘甜的闲情。
人们经常会遇到不愉快的事情,安慰自己,宽慰自己的最好方法就是学一点模糊哲学!
看似简单,做起来难。
但是,为了开心快乐健康地活着,那就很有必要!
一、填空题
1、产生式系统由三部分组成(综合数据库)、(知识库)和推理机,其中推理可分为(正向推理)和(反向推理)。
2、从已知事实出发,通过规则库求得结论的产生式系统的推理方式是(正向推理)。
3、在启发式搜索当中,通常用(启发函数)来表示启发性信息。
4、规则演绎系统根据推理方向可分为(规则正向演绎系统)、(规则逆向演绎系统)以及(规则双向演绎系统)等。
5、启发式搜索是一种利用(启发式信息)的搜索,估价函数在搜索过程中起的作用是(估计节点位于解路径上的希望)。
二、选择题
1、如果问题存在最优解,则下面几种搜索算法中,(A)必然可以得到该最优解。
A、广度优先搜索 B、深度优先搜索
C、有界深度优先搜索 D、启发式搜索
2、如果问题存在最优解,则下面几种搜索算法中,(D)可以认为是“智能程度相对比较高”的算法。
A、广度优先搜索 B、深度优先搜索
C、有界深度优先搜索 D、启发式搜索
3、产生式系统的推理不包括(D)。
A、正向推理 B、逆向推理
C、双向推理 D、简单推理
4、下列搜索方法中不属于盲目搜索的是:
(D)
A、等代价搜索 B、宽度优先搜索
C、深度优先搜索 D、有序搜索
三、简答题
1、广度优先搜索与深度优先搜索各有什么特点?
答:
广度优先搜索也称为宽度优先搜索,它是一种先生成的节点先扩展的策略;广度优先搜索是一种完备的策略,即只要问题有解,它就一定可以找到解。
并且,广度优先搜索找到的解,还不一定是路径最短的解。
广度优先搜索的缺点是盲目性较大,尤其是当目标节点距初始节点较远时,将产生许多无用的节点,因此其搜索效率较低。
深度优先搜索是一种非完备策略,即对某些本身有解的问题,采用深度优先搜索可能找不到最优解,也可能根本找不到解。
常用的解决方法是增加一个深度限制,当搜索达到一定深度但还没有找到解时,停止深度搜索,向宽度发展。
2、简述广度优先搜索算法,对下图给出广度优先搜索序列。
3、简述深度优先算法,对下图给出深度优先搜索序列。
四、案例分析
改变环境不如改变自己
遗传算法是根据大自然中生物体进化规律而设计提出的,是为了适应具体问题去寻找当前的最优解。
与遗传变异密切相关的是“物竞天择,适者生存”,是阐述物种之间及生物内部之间相互竞争,物种与自然之间的抗争,能适应自然者被选择存留下来的一种丛林法则。
能在自然界的竞争生存下来的物种,它的基因将会遗传下来,更能适应未来的社会,这种遗传是通过不断地改变物种自己本身得来的。
大家都已经认同“只有改变自己才能更好地适应环境”,但还有很多社会现象让我们痛心,例如,小A说:
“要是我出生在美国,我准是个英语天才。
”小B说:
“如果李白是我的老师,也许我早就成诗人了。
”现实生活中,有些人总是抱怨环境不好,总是千方百计想换个环境。
可是环境变了后又怎么样呢?
还不是一如既往!
因此,改变环境不如改变自己。
环境的改变只是暂时的,自我的改变才是永久的。
燕子总是躲在他人的屋檐下避风躲雨,一旦屋塌檐倒,只能流离失所。
舒适的屋檐,的确给燕子带来了暂时的安全与温暖,可它的一生也只能在心惊胆战中度过。
“天有不测风云”,环境不是一成不变的,你可以改变它一时,却无法改变它一世。
有些人成绩不好,总是抱怨家庭环境不好、班风不正、教师普通话不标准…可看看他们的作为呢?
上课打呼噜,作业拖拉,心浮气躁…还是审视一下自己吧,改变了自己,问题也许就解决了。
与改变环境相比,改变自己更能培养意志与毅力。
历史上秉烛苦读的例子不是很多吗?
这些古人没有去抱怨环境,或煞费苦心地去改变环境,而是在改变着自己,努力适应环境。
就在这种改变中,磨炼了意志,培养了矢志不渝的精神。
殊不知,每一次改变,你的灵魂便上升了一个台阶,你也就向辉煌迈进了一步。
要知道;现在你改变的是自己,而将来终有一天,你改变的是你的命运。
也许你要说,改变环境当然有必要,要不然怎么会有“孟母三迁”呢?
诚然,环境对个人的发展有着一定的影响,可是并不是改变了环境就改变了一切,何况环境也不是轻而易举就能改变的。
孟子有那么优秀的母亲,能为他创造良好的环境,而现实中,对于许多温饱尚不能解决的父母,别说“三迁”,我看“一迁”也未必能办到。
因此,从某种程度上说,环境的变化是受一定客观条件制约的。
鲁迅面对暂时无法改变的黑暗社会,毅然改变了自己的志向,弃医从文,希望通过改变人们的思想进而改变社会环境。
由此看来,从自我的改变做起,也是有利于改变环境的。
人人都随着社会向前发展,人人都在改变,但很多情况下,改变环境确实不如改变自己,当我们与环境发生矛盾时,应该首先学会改变自己。
一、填空题
1、机器学习的基本概念有标签、特征、模型、分类、回归和聚类等。
2、机器学习是一种通过利用数据,训练出模型,然后使用模型预测的一种方法。
3、机器学习的实现过程包括学习和测试两个环节。
4、按照学习方法分,机器学习模型可以分为有监督学习,半监督学习,无监督学习,迁移学习和强化学习。
5、按任务类型分,机器学习模型可以分为回归任务、分类任务和结构化学习任务。
6、有监督学习是从标签化训练数据集中推断出函数的机器学习任务。
7、无监督学习中模型所学习的数据都是无标签的。
8、梯度下降优化算法主要有标准梯度下降法、批量梯度下降法和随机梯度下降法。
9、神经网络根据中间功能层的不同分为不同的神经网络,分别为全连接神经网络、卷积神经网络和循环神经网络。
10、卷积神经网络主要由输入层、卷积层、池化层、全连接层和输出层组成。
11、主流的深度学习框架主要有TensorFlow,Caffe,PyTorch,Theano和Torch等等
二、简答题
1、什么是损失函数?
机器学习模型关于单个样本的预测值与真实值的差称为损失。
损失越小,模型越好,如果预测值与真实值相等,就是没有损失。
用于计算损失的函数称为损失函数。
模型每一次预测的好坏用损失函数来度量。
2、什么是优化器?
优化就是调整分类器的参数,使得损失函数最小的过程,这一功能称之优化器。
3、什么是学习率?
学习速率代表了学习训练随时间推移,数据信息累积的速度,或者称之为学习数据信息的能力。
4、什么是激活函数?
激活函数的作用是什么?
激活函数(Activationfunctions)对于机器学习模型去学习、理解非常复杂和非线性的函数来说具有十分重要的作用。
它们将非线性特性引入到学习网络中。
在多层级模型中,输入的inputs通过加权,求和后,还被作用了一个函数,这个函数就是激活函数。
引入激活函数的主要目的是激活函数可以感知器引入非线性因素,使得机器学习网络可以任意逼近任何非线性函数,这样机器学习网络就可以应用到众多的非线性模型中。
5、传统机器学习和深度学习的主要区别是什么?
深度学习是机器学习的一个分支,它除了可以学习特征和任务之间的关联以外,还能自动从简单特征中提取更加复杂的特征,而传统机器学习是需要手动提取特征。
6、什么是特征映射?
一个图像矩阵经过一个卷积核的卷积操作后,得到了另一个矩阵,这个矩阵叫做特征映射(featuremap)。
7、卷积神经网络的卷积层有什么作用?
卷积神经网络的卷积层就是运用卷积运算对图像进行提取特征的功能层,卷积层输出结果作为特征向量矩阵应用于神经网络的训练、测试和应用。
三、案例分析题
分析点一:
从工具和方法的重要性来分析
分析点二:
从人的追求来说
这就是两种人的追求。
第一种,也就是一步一个脚印,即使过程异常缓慢艰辛,但每一步都会留下一道小刀的刻痕,觉得真实。
他们会每天按部就班的工作,每天都赚一些钱。
这样的人一样有所成,只不过是大器晚成。
而第二种,我想便是拥有冒险精神的企业家,他们,往往能开创一个全新的商业帝国。
他们前期可能一分钱都赚不到甚至赔钱,在别人看来他们甚至有点败家有点不可理喻。
但一旦时机成熟,便一战成名。
譬如比尔盖茨,譬如马云。
我想大多数人会选择第一种,宁可每天辛劳的工作,也不愿拼尽全力放手搏那么一回。
学习情境5
一、
1、答:
从概念可以看出“人工智能”由两部分组成:
一是人工,二是智能。
相对于人工智能,人在某种程度上就是一种天然智能。
“准确定义人工智能,困难不在于定义‘人工’(artifiality),而在于‘智能’(intelligence)一词在概念上的模糊性。
因为人类是得到广泛承认的拥有智能的唯一实体,所以任何关于智能的定义都毫无疑问要跟人类的特征相关。
”人与人工智能之间的界限有两个维度的比较很重要:
第一个维度是知、情、意、行四个基本特征;第二个维度是人的自然属性和社会属性两个方面。
2、
①答:
材料中的“他们‘学习’”指的是人工智能的学习技术,是针对肺炎方面的基于规则的模型研究的学习技术,也就是人类可以读懂学习的规则。
②答:
在本例子的研究中,存在人工智能的公平性伦理原则问题。
该团队在研究时所采用的数据具有片面性,并不具有“完全代表”,人的主观因素并没有作为客观的数据放在训练模型的数据图中。
在本例子的研究中,存在人工智能的透明性伦理原则问题。
如果人类能读懂人的主观因素会对学习带来影响这个规则,就可以对其进行判断和校正。
但如果这个学习不是基于规则的模型,不知道它是通过这样的规则来判断,是一个不透明的算法,它得出了这个结论,人类按照这个结论就会建议哮喘患者不要住院进行治疗,这显然是不安全的。
因此在人类使用人工智能技术必须要以透明性为基础伦理原则。
③答:
透明度和准确度无法兼得,必须在二者间取舍达到权衡,如果要更高的准确度,就要牺牲一定的透明度。
深度学习的模型很准确,但是它存在不透明的问题。
如果这些模型、人工智能系统不透明,就有潜在的不安全问题。
二、
1.【信息筛选】A项,应为“人工智能的进化之旅才刚刚启程”。
B项,原文的表述为“AlphaGo其实也不是那么神秘,本质上与约20年前战胜国际象棋冠军的“深蓝”计算机一样,解决的是一个超大规模的搜索问题。
有所不同的是AlphaGo采用了当下非常热门的深度神经网络,以及深度神经网络跟蒙特卡洛树搜索算法的结合技术。
”所以B项表述错误。
D项,人工智能的核心是机器学习技术,而非D项中表述的那样。
2.【信息筛选】D原文为“如果制造智能机器人的技术越过这一奇点,局面将无法收拾,会伤害人类甚至使人类面临灭亡的危险。
”,所以D项中的“必然会使人类走向灭亡“表述错误。
3.【信息筛选】B原文为“人工智能的研究人员因此很早就开始从脑科学研究中寻找思路,近几年也提出了创造生物智能与机器智能优势互补的混合智能系统的想法。
”因此B项中“近几年……开始……”表述错误。
4.【词句赏析】运用比喻的修辞手法,将“阿尔法狗”用大数据进行学习的方式,比作“题海战术”,既通俗易懂、幽默诙谐,又暗指它神奇的背后,技术原理并不神秘。
5.【内容分析】
示例一:
不会。
①人工智能目前还只是人类的工具。
②人工智能研究的定位是成为人类的“工具”,而不是取代人类。
③人工智能很难突破人类的认知和情感。
④只有人类才具有创造力和目标,而机器只关注如何解决眼前遇到的问题。
⑤只要人类控制好自己,人工智能就不会犯道德层面的错误。
示例二:
可能会。
①人工智能能深度学习,最终有可能超越人类。
②人工智能研究正向生物智能“取经”,最终可能取代人。
③机器与人的结合将使人拥有惊人的杀伤力和破坏里,难以受到约束。
④人工智能越过技术奇点,就可能进化自我,危害人类。
⑤人工智能如果进行伦理学习,就可能犯道德错误。
三、案例分析
分析角度一:
从成功者找方法,失败者找理由分析
分析角度二:
一时的结果并不是长久的,当你一直纠结于当前的失败时,你失去的将会是更多。
成功并非是某刻的偶然,而是要付出努力,即便此刻没有收获美好,下一刻也一定能拥有。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 导论 习题 答案 完整版