南昌大學-計科-2020-2021-2學期-人工智慧複習總結

阿新 • • 發佈：2021-07-07

2020-2021-2學期-人工智慧複習總結

0 考試重點內容和範圍

判斷 10 x 2分
- 基本概念
計算應用題 4個題共 60分
- 每章都有(語義網路、搜尋(盲目搜尋寫路徑，OPEN表、CLOSED表；或者啟發式搜尋八數碼搜尋樹等)、神經計算(感知器學習) )
- 謂詞邏輯不考
設計題，綜合考核
- 給你一個場景，根據場景要實現的內容，講述如和才能實現？

1 中南配套5張試卷中的一些考點

1.1 零碎的知識點

被譽為國際“人工智慧之父”的是圖靈（Turing）。
已知初始問題的描述，通過一系列變換把此問題最終變為一個子問題集合；這些子問題的解可以直接得到，從而解決了初始問題。這種知識表示法叫問題規約法

。
語義網路的組成部分為節點和弧線。
如果問題存在最優解，則下面幾種搜尋演算法中，寬度優先搜尋必然可以得到該最優解，啟發式搜尋可以認為
是“智慧程度相對比較高”的演算法。
根據貝茲德克的觀點，計算智慧系統應該呈現 : 計算適應性、計算容錯性、接近人的速度、誤差率與人接近
人工智慧的研究領域有：問題求解與博弈、邏輯推理與定理證明、計算智慧(神經計算、模糊計算、進化計算、人工生命等)、分散式與人工智慧與Agent、自動程式設計、專家系統、機器學習、自然語言處理、機器人學、模式識別、機器視覺、神經網路、智慧控制、智慧排程與指揮、智慧檢索、系統與語言工具。

A*演算法中，節點 x 的估價函式 f(x)=g(x)+h(x)，其中 g(x)表示從起始節點到x的代價的估計 ,h(x)表示從x節點到目標節點的代價估計 ,並且 h(x)必須滿足 h(x) <= h*(x) 不等式，估價函式的作用是: 節點位於解路徑上的希望的估計。g(n) >= g*(n) , g 是 g* 的估計，g*(n) 表示從起始節點到任意節點 n 的最佳路徑的代價。
人工神經網路主要有有師學習、無師學習、增強學習。
決定神經網路的三個主要因素是神經元、網路的拓撲結構、學習演算法，常用激勵函式包括：二值函式、線性函式、sigmoid 函式

。
採用語義網路表示知識時，圖中的節點表示實體、概念、情況等，弧表示節點間的關係。
採用問題歸約法的求解策略時，本原問題是指可以直接求解的問題；其搜尋是在一張與或圖中進行，圖中的節點分為可解節點和不可解節點，本原問題對應的是可解節點。
A 演算法：定義評估函式為 f(n) = g(n) + h(n) 對OPEN表的元素按照 f 值從小到大進行排列，每次從OPEN表中取出 f 值最小的節點擴充套件，這種圖搜尋演算法稱為 A 演算法。
A* 演算法：再A演算法的前提下，如果對於任意節點n ，都有 h(n) <= h*(n) , 則此時的A演算法稱為 A* 演算法。 h*(n) 就是從節點 n 到目標節點最小代價路徑的代價。
人工智慧三大學派：符號主義(心理學派，邏輯主義，計算機學派) 、連線主義(仿生學派，生理學派)、行為主義(進化主義，控制論學派)
知識表示方法中是採用圖的形式表示知識的是狀態空間法、問題規約法、語義網路法 ,不是採用圖的形式表示知識的是謂詞邏輯法。
當狀態空間中有重複狀態會形成圈時，深度優先搜尋演算法有可能找不到解。
對於一個如下圖的感知器，當前 w₁ = -0.3，w₂ = -0.6，w₀ 為閾值權重 w₀ = -0.7，其激勵函式為二值型函式，
x₁ = 1，x₂ = 0，輸出為 0 ，若使用公式 w = w + r(t - o)x 為感知器學習的權值更新公式，其中 r 為學習常數 r = 0.1 ， t為期望輸出 t =1 ， o 為實際輸出，x 為當前輸入的值，則在上述輸入下經過一次學習後，新的權值為 w₁= -0.2 ，w₂= -0.6 ， w₀= -0.6 。
貪婪搜尋 : 即評價函式 = 啟發函式。缺點：找到的路徑不一定是最優的，節點容易陷入死迴圈。

1.2 大題，計算題等

1.2.1 計算八數碼

1.2.2 人工神經元之3數相乘奇偶性判斷

答：a) 第4個輸入單元是偏置，其輸入值為 1 。

b) s = 1 * 0.3 + 2 * 0.2 + 3 * 0.5 + 4 * (-0.3) = 1 > 0 , 是偶數。

1.2.3 搜尋綜合+婉約

寬度優先 2) 等代價搜尋 3) A* 搜尋

答：

(1) 圖1(a)：E的啟發函式值為15，E到G的最短路徑實際代價為14，不滿足可納性條件

圖1(b)：F的啟發函式值為32，F到G的最短路徑為F-E-G，實際代價為31，不滿足可納性條件

(2) 通過對圖2的分析可知，節點B進行了擴充套件，此時的OPEN表{C,D,E,F,G,H} （按照節點產生的順序）。

寬度優先：C，理由：寬度優先搜尋是一層一層來的，所以接下來該擴充套件的節點是 C 。
等代價搜尋：D , 理由：等代價搜尋每次擴充套件的是起始節點到節點i最少代價的節點，而起點A到其中代價最小的可以由圖中直接看出為節點D (5 < 3 + 4 ,5 < 3 + 5 ,5 < 3 + 5 ,5 < 3 + 6 ,5 < 19 ) 所以接下來擴充套件的節點為 D
A * 搜尋：G ，理由：A* 演算法的估價函式 f(n) = g(n) + h(n) ，而由圖2和題幹可知，連線節點的線上的數字即為 g(i) ,而已經給出了還未擴充套件各點的 h(i)的值，通過計算各點的 f 值(C 點的f值為19 + 5 = 24 ，D 點的 f 值為5 + 13 = 18 ，E 點的 f 值為 4 + 10 = 14 ，F 點的 f 值為5 + 12 = 17 ，G 點的 f 值為5 + 8 = 13 ，H 點的 f 值為6 + 10 = 16 ) 選擇 f 值最小的節點進行擴充套件，所以接下來擴充套件的節點為 G 。

1.2.4 語義網路

用語義網路表示下面的知識：

我是一個人。2) 我有一臺計算機。3) 我的計算機是 PC/PIV1.8G。4) PC 機是計算機。
PC/PIV1.8G 是 PC 機。6) PC/PIV1.8G 包括硬碟、顯示器、CPU、記憶體。

1.2.5 搜尋擴充套件節點順序及解路徑

求節點從OPEN表中移出的順序（節點的擴充套件順序）
解路徑

1.2.6 TLU

2 對上述內容的補充

2.1 零碎知識點

符號主義認為，人工智慧的核心問題是知識表示、知識推理、知識運用。知識表示是基礎，知識推理實現問題求解，知識應用是目的。
人工智慧方法的爭論：符號主義(功能模擬) ，連線主義(結構模擬) ，行為主義(行為模擬) 。
人工智慧(學科)：人工智慧是電腦科學中涉及研究、設計及應用智慧機器的一個分支，它的近期主要目標在於研究機器來模仿和執行人腦的某些智力功能，並開發相關理論和技術。
人工智慧(能力) ：是智慧機器所執行的通常與人類智慧有關的智慧行為，這些智慧行為涉及學習、感知、思考、理解、識別、判斷、推理、證明、通訊、設計、規劃、行動和問題求解等活動。
寬度優先搜尋中，擴充套件節點得到的新節點是放到 OPEN 表的末端，而在深度優先搜尋中，新節點是放到OPEN 表的前頭。
人工智慧系統的知識包含的4 個要素：事實、規則、控制和元知識。
語義網路表達知識時，有向弧AKO 鏈、ISA 鏈是用來表達節點知識的繼承性。
或圖通常稱為狀態圖。
圖：由節點和有向邊組成的網路。按照連線同一節點的各邊的邏輯關係又可分為或圖和與或圖。
人工智慧的遠期目標是用自動機模仿人類的思維活動和智力功能，近期目標是建造智慧計算機以代替人類的某些智力活動。
A 演算法不一定能獲得最優解，A*演算法可以保證能獲得最優解。
如果對於所有的節點 n_i 和它的一個後繼節點 n_j 有 h(n_i) - h(h_j) <= c(n_i , n_j )，其中 h(t) = 0 (t 為任一目標節點)，則稱 h 滿足單調性質。上式也可寫成 h(n_i) <= h(h_j) + c(n_i , n_j ) 。
如果 h 滿足單調限制，則 A* 演算法擴充套件的結點序列的f 值是非遞減的。
神經網路中的常見模型：前饋神經網路(前向神經網路)，反饋神經網路(遞迴神經網路)。
影響神經網路泛化能力的因素主要有：訓練樣本的質量和數量、網路結構、問題本身的複雜程度。