大连理工大学 人工智能A卷.docx
- 文档编号:9961262
- 上传时间:2023-05-22
- 格式:DOCX
- 页数:10
- 大小:71.85KB
大连理工大学 人工智能A卷.docx
《大连理工大学 人工智能A卷.docx》由会员分享,可在线阅读,更多相关《大连理工大学 人工智能A卷.docx(10页珍藏版)》请在冰点文库上搜索。
大连理工大学人工智能A卷
姓名:
__________大连理工大学
学号:
__________
课程名称:
人工智能试卷:
A考试形式:
一纸开卷
院系:
__________授课院(系):
计算机系考试日期:
2009年11月24日试卷共3页
_____级_____班
一
二
三
四
五
六
七
八
总分
标准分
10
10
15
15
20
20
10
/
100
得分
装
一、张三是2009年入学的学生,他在理工大学主修了C语言程序设计课程。
请用语义网络表示上述事实。
(10分)
订
二、简述什么是示例学习?
给出示例学习的系统模型?
(10分)
三、估价函数中,g(x)和h(x)各起什么作用?
估价函数f(x)=(2-w)g(x)+wh(x)算法中w取什么值能保证算法是最优的?
当w=1时,这个算法是什么搜索?
(15分)
线
四、在通用的神经元模型中,每个神经元输入为,输出为,其中的各个参数与自然神经元的组成部分具有怎样的对应关系?
(15分)
五、设有如下一组推理规则:
r1:
IFE1THENH(0.9)
r2:
IFE2THENH(0.6)
r3:
IFE3THENH(-0.5)
r4:
IFE4ANDE5THENE1(0.7)
r5:
IFE6AND(F7ORE8)THENE2
(1)
已知CF(E3)=0.3,CF(E4)=0.9,CF(E5)=0.6,CF(E6)=0.7,CF(E7)=0.3,CF(E8)=0.8,求结论H的可信度CF(H)=?
(20分)
六、假设任何通过人工智能考试并成功就业的人都是快乐的,任何肯努力或幸运的人都可以通过所有的考试,张不肯努力,但他是幸运的,任何幸运的人都成功就业。
求证:
张是快乐的。
(20分)
七、利用上下文无关文法,给出下面句子的文法分析树。
(10分)
Johnsawtheboyintheparkwithatelescope.
一、
张三的教育情况是这样的:
他是2009年入学的学生,他在理工大学主修了C语言程序设计课程。
请用语义网络表示上述事实。
(10分)
二、简述什么是示例学习?
给出示例学习的系统模型?
(10分)
示例学习(Learningfromexamples)又称为实例学习或从例子中学习,它是通过从环境中取得若干与某概念有关的例子,经归纳得出一般性概念的一种学习方法。
在这种学习方法中,外部环境(教师)提供的是一组例子(正例和反例),这些例子实际上是一组特殊的知识,每一个例子表达了仅适用于该例子的知识,示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识,它将覆盖所有的正例,并排除所有反例。
三、估价函数中,g(x)和h(x)各起什么作用?
估价函数f(x)=(2-w)g(x)+wh(x)算法中。
w取什么值能保证算法是最优的?
当w=1时,这个算法是什么搜索?
f(n)是估价函数,g(n)是起始节点到n的实际代价,h(n)是n到目标节点的估计代价。
当w=2时,算法最优。
当w=1时,是启发式搜索。
四、在通用的神经元模型中,每个神经元输入为,输出为,其中的各个参数与自然神经元的组成部分具有怎样的对应关系?
(15分)
Xi是加于输入端(突触)上的输入信号,即是来自前级n个神经元的轴突的信息。
ωi为相应的突触连接权系数,它是模拟突触传递强度的—个比例系数,
∑表示突触后信号的空间累加;θ表示神经元的阈值,
y是神经元的输出;
f是激活函数,它决定神经元受到输人X1X2…Xn的共同刺激达到阀值时以何种方式输出。
五、设有如下一组推理规则:
r1:
IFE1THENH(0.9)
r2:
IFE2THENH(0.6)
r3:
IFE3THENH(-0.5)
r4:
IFE4ANDE5THENE1(0.7)
r5:
IFE6AND(F7ORE8)THENE2
(1)
已知CF(E3)=0.3,CF(E4)=0.9,CF(E5)=0.6,CF(E6)=0.7,CF(E7)=0.3,CF(E8)=0.8,
求结论H的可信度CF(H)=?
(20分)
E1、E2不是直接证据,它们分别又是其他证据的结论,他们的可信度要通过计算才能求得。
(1)计算E1的可信度∧(A5∨
CF(E1)=CF(E1,E4∧E5)*max{0,CF(E4∧E5)}
=CF(E1,E4∧E5)*max{0,min{CF(E4),CF(E5)}}
=0.7*max{0,min{0.9,0.6}}
=0.7*0.6=0.42
(2)计算E2的可信度
CF(E2)=CF(E2,E6∧(E7∨E8))*max{0,CF(E6∧(E7∨E8))}
=1.0*max{0,min{CF(E6),max{CF(E7),CF(E8)}}}
=1.0*max{0,min{0.7,0.8}
=1.0*0.7=0.7
(3)分别计算E1,E2,E3对结论H的可信度
CF1(H1)=CF(H1,E1)*max{0,CF(E1)}=0.9*0.42=0.378
CF2(H1)=CF(H1,E2)*max{0,CF(E2)}=0.6*0.7=0.42
CF3(H1)=CF(H1,E3)*max{0,CF(E3)}=-0.5*0.3=-0.15
(4)合成法求取结论H的可信度
CF1(H1)>0,CF2(H1)>0,所以
CF12(H1)=CF1(H1)+CF2(H1)-CF1(H1)*CF2(H1)
=0.378+0.42-0.378*0.42=0.63924
再合成CF12(H1)和CH3(H1),由于二者异号,所以
CF123(H1)=(CF12(H1)+CF3(H1))/(1-min{|cf12(H1)|,|CF3(H1)|})
=(0.63924-0.15)/(1-min{0.63924,0.15})=0.48924/0.85=0.575576
六、假设任何通过人工智能考试并成功就业的人都是快乐的,任何肯努力或幸运的人都可以通过所有的考试,张不肯努力,但他是幸运的,任何幸运的人都成功就业。
求证:
张是快乐的。
(20分)∀∧→∃┐∨
将问题用谓词表示如下:
R1:
任何通过人工智能考试并成功就业的人都是快乐的
∀x((Pass(x,AI)∧Get(x,Job))→Happy(x))
R2:
任何肯努力或幸运的人都可以通过所有的考试
∀x∀y(Hardwork(x)∨Lucky(x)→Pass(x,y))
R3:
张不肯努力,但他是幸运的
┐Hardwork(zhang)∧Lucky(zhang)
R4:
任何幸运的人都成功就业
∀x(Lucky(x)→Get(x,Job))
结论:
”张是快乐的”的否定
┐Happy(zhang)
将上述为此公式转化为子句集并进行归纳如下:
先将每个表示逻辑条件的谓词子句转换为子句集可以接受的skolem标准形。
由R1及逻辑转换公式:
P∧W→H=┐(P∧W)∨H得
(1)┐(Pass(x,AI)∨┐Get(x,Job)∨Happy(x))
由R2得
(2)┐Hardwork(y)∨Pass(y,z)(3)┐Lucky(u)∨Pass(u,v)
由R3得(4)┐Hardwork(zhang)(5)Lucky(zhang)
由R4得(6)┐Lucky(w)∨Get(w,Job)
由结论可得(7)┐Happy(zhang)结论的否定
根据以上7条子句,归结演绎推理如下
(8)┐Pass(w,AI)∨Happy(w)∨┐Lucky(w)
(1)(6)归结,{w/x}
(9)┐Pass(zhang,AI)∨┐Lucky(zhang)(8)(7)归结,{zhang/w}
(10)┐Pass(zhang,AI)(9)(5)归结
(11)┐Lucky(zhang)(10)(3)归结,{zhang/u,AI/v}
(12)NIL(11)(5)归结
应用归结方法不断生成归结式以扩张子句集S,直到生成空子句。
此时目标公式得以证明,所以张是快乐的。
七、利用上下文无关文法,给出下面句子的文法分析树。
(10分)
Johnsawtheboyintheparkwithatelescope.
.
withatelescope
inthepark
boy
the
PP
N
NP
VP
PP
DET
saw
语句
V
John
NP
句子
终结符
- 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:
- 大连理工大学 人工智能A卷 人工智能