[小学]《人工智能》测试题答案

[小学]《人工智能》测试题 测 试 题 ——人工智能原理 一、填空题 1.人工智能作为一门学科，它研究的对象是______，而研究的近期目标是____________ _______;远期目标是___________________。 2.人工智能应用的主要领域有_________，_________，_________，_________，_______和__________。 3.知识表示的方法主要有_________，_________，_________，_________和________。 4.产生式系统由三个部分所组成，即___________，___________和___________。 5.用归结反演方法进行定理证明时，可采取的归结策略有___________、___________、_________、_________、_________和_________。 6.宽度优先搜索对应的数据结构是___________________;深度优先搜索是________________。 7.不确定知识处理的基本方法有__________、__________、__________和__________。 ________学派、________学派和________学派。8.AI研究的主要途径有三大学派，它们是 9.专家系统的瓶颈是________________________;它来自于两个阶段，第一阶段是 ，第二阶段是 。 10.确定因子法中函数MB是描述________________________、而函数MD是描述________________________。 11.人工智能研究的主要领域有_________、_________、_________、_________、_______和__________。 12.一阶谓词逻辑可以使用的连接词有______、_______、_______和_______。 13.基于规则的演绎系统主要有________、_________和_________。 14.D-S证据理论中函数Bel定义为________________________、而函数Pl定义为________________________。 15.问题的状态空间，可以记为三元组，其中S为________，F为________，G为________。 16.人工智能研究的主要内容有____ _____、____ _____、____ _____、_______和_____________。 17.知识表示的方法主要有_________、_________、_________、_________和________。 18.世界上第一个专家系统 是在 年由 主持研制成功的; 我国的第一个专家系统 是在 年研制成功的。 19.神经网络可分为____________、____________、______________和广泛前向网络。 20.在框架表示法中，用若干个___________描述对象的属性，用若干个_________描述属性的各个方面。 21.产生式系统的三个基本组成部分是__________________，________________________， ________________________。 22.知识表示方法按照控制性知识的组织方式可分为___________________________和_____________________。 二、选择题 1.非结构化的知识的表示法是( )。 A. 语义网络表示 B. 谓词逻辑表示 C. 框架表示法中 D. 面向对象表示 2.归结策略中，( )是完备的。 ?. 线性输入策略 ?. 支持集策略 ?. 单文字策略 ?. 祖先过滤策略 A. ?,? B. ?, ? C. ?, ? D. ?, ? 3.在证据理论中，信任函数与似然函数对(Bel(A)，Pl(A))的值为(0，0)时，表示( )。 A. A为真 B. 对A一无所知 C. A为假 D. 对A为真有一定信任 4.在主观Bayes方法中，专家给出的Ln和LS值，不能出现下两种情况( )。 ?. LN<1, LS<1 ?. LN<1, LS>1 ?. LN>1, LS<1 ?. LN>1, LS>1 A. ?,? B. ?, ? C. ?, ? D. ?, ? 5.在证据理论中，信任函数与似然函数的关系为( )。 A. Bel(A)?Pl(A) B. Bel(A),Pl(A) C. Bel(A)?Pl(A) D. Bel(A),Pl(A) 6.不完备的搜索过程是( ) A(广度优先搜索 B(深度优先搜索 C(有界深度优先搜索 D(代价树广度优先搜索 7.在主观Bayes方法中，规则E?H,有LS=LN=1,这意味:( ) A.E对H 没有影响 B. E支持H C. -E支持H D. E支持-H 8.在可信度方法中，若证据A的可信度CF(F)=0, 这意味:( ) A. 证据A不可信 B. 对证据A一无所知 C. 证据A可信 D.没有意义 9.人工智能研究的领域不包括( )。 A. 自然语言理解 B. 自动程序设计 C. 程序设计方法 D. 自动定理证明 10.用归结反演证明定理时，若当前归结式为( )，则定理得证 A.永真式 B.包孕式(subsumed) C.原子谓词 D.空子句 11.在主观 Bayes方法中，证据E支持结论H时，有( )。 A. LS=0 B. LS<1 C. LS=1 D. LS>1 12.在可信度方法中，证据E的出现增加结论H为真时，有( )。 A. CF(H，E)>1 B. CF(H，E)>0 C. CF(H，E)=0 D. CF(H，E)<0 13.谓词公式中量词,x的辖域是( ),x(P(x),，yR(y)),Q(x) P(x),，yR(y)Q(x)A B. P(x) C. D.,x(P(x),，yR(y)) 14.设个体域为整数集，下列公式中其值为1的是( ) A.,x，y(x，y,0) B.，y,x(x，y,0) C.,x,y(x，y,0) D.，，x，y(x，y,0) 15.设L(x):x是演员，J(x):x是老师，A(x,y):x佩服y. 那么命题“所有演员都佩服某些老师”符号化为( ) ,xL(x),A(x,y),x(L(x),，y(J(y),A(x,y)) A. B. C. D.,x，y(L(x),J(y),A(x,y)),x，y(L(x),J(y),A(x,y)) 16.谓词公式xA(x)，xA(x)的类型是( ) , ，， A.永真式 B.矛盾式 C.非永真式的可满足式 D.不属于(A),(B),(C)任何类型 17.谓词公式取真值为1的充分必要条件是( ) ,yP(y) A.对任意y，使P(y)都取真值1 B.存在一个y，使P(y)取真值1 00 C.存在某些y，使P(y)都取真值1 D.存在y，使P(y)取真值0 00 18.设G,,x，yP(x,y),Q(z,w)，下面三个命题为真的是( ) A.G是前束范式 B.G不是前束范式 C.G不是一阶公式 D.G是永真式 19.与命题公式P,(Q,R)等值的公式是( ) A.(P,Q),R B.(P,Q),R C.(P,Q),R D. P,(Q,R) 20.命题公式(P,Q),P是( ) A.永真式 B.永假式 C.可满足式 D.合取范式 三、判断题 1.与/或图中结点的深度必大于其父辈的深度。( ) 2.若问题P可以归结为与之等价的一组子问题:P,P？？P,当且仅当这些子问题12n 全部可解时，原问题P才可解。( ) SSLL3.目标公式在逻辑上遵循，那么满足的每个解释也满足。( ) 4.在图搜索算法中，如果按估价函数，，，，，，fn,gn，hn作为OPEN表中的结点排序的 *A依据，则该算法就是算法。( ) 5.在图搜索中，若与结点的后继结点并非全部不可解，则它是可解的。( ) 6.任一表达式均可以转换成与/或形式。( ) 7. 。( ) 8.专家系统的瓶颈是知识的获取。( ) 9.对叶子结点进行静态估计后，为了计算非叶子结点的估计值，必须从叶子结点向上倒推计算。( ) 10.人工智能所解决的问题是一般的数值计算或数据处理问题。 11.第一个人工智能程序设计语言是表处理语言，它于1960年在美国设计实现。 12.耦合性语言意为将具有规约语义的函数语言和具有归结语义的逻辑型语言组合在一起，并在两者间提供接口。 13.一旦推出空子句，则说明子句集S是可满足的。、 14.公式的合一唯一。、 15.与或图通常称为状态图。 16.归结原理除了能用于对已知结果的证明外，还能用于对未知结果的求解。 17.规则演绎系统，是一种基于谓词逻辑的产生式系统。 18.OPEN表的动态数据结构，用于专门登记已经考查过的节点。 19.在与或图中，无子节点的节点称为端节点。 20.解树的代价就是树根的代价。 21.模糊集合与其隶属函数是等价的。 22.公式的Skolem 标准型与原公式等值 23.产生式就是逻辑蕴涵式。 24.正向推理是自底向上的综合过程，而反向推理则是自顶向下的分析过程。 25.框架适合表达结构性的知识。 26.语义网络是由节点和边组成的一种有向网，可用于表示事物间的关系。 27.确定性理论是一种精确推理模型。 28.基本概率分配函数之值是概率。 29.黑板模型适于求解那些大型复杂且可分解为一系列层次化的子问题的问题。 30.自然语言理解包括语音理解和文字理解。 31.在谓词逻辑中，由于子句中含有变元，所以不能直接消去互补文字，需要用最一般合一对变元进行代换，然后才能进行归结 四、名词解释 1.可解结点 2.专家系统 3.状态空间 4.产生式系统 5.图灵测试(Turing Test) 6.盲目搜索 7.估价函数 8.人工智能 9.合适公式 10.W的差异集合 11.机器学习 12.产生式 13.启发式搜索 14.归结原理 15.原子集 五、论述题 简答题 1.规则演绎系统和产生式系统有哪几种推理方式,各自的特点为何, 2.从概念结构而言，专家系统有哪些部分构成,各部分的作用是什么, 3.人工智能的基本技术有哪些,并简述各种技术。 4.不确定性推理与通常的确定性推理有哪些差别, 证明题 5. 设有子句集:,,，，，，，，，，，，，， S,，Ix,Rx,Ia,，Ry,，Ly,La 其中，，，，是目标公式否定后得到的子句。现要求用线性输入策略对子句集进行，Ix,Rx 归结。 6( 已知 F: (,x)((，y)(A(x,y)?B(y)),(，y)(C(y)?D(x,y))) G: (，x)(C(x),(,x)(,y)(A(x,y),，B(y))) 求证:G是F的逻辑结论 7. 用海伯伦定理证明下列子句集不可满足。 S,{P,Q,，P,Q,P,，Q,，P,，Q} 8( 用归结方法证明下列公式为恒真。 (H(x),M(x)),H(a),M(a) 计算题 9(用一阶谓词逻辑表示下列的英语句子 (1) A computer system is intelligent if it can perform a task, which if performed by a human, requires intelligence. (2) A formula whose main connective is a ? is a equivalent to some formula whose main connective is a ?. (3) If the input to unification algorithm is a set of unifiable expressions, the output is the mgu; if the input is a set of non-unifiable expressions, the output is FALL. 10(设有一组规则，推理网络如图所示。 Rule1: IF E?E THEN E={a, a} CF={0.2, 0.6} 12 312 Rule2: IF E?E THEN E={b} CF={0.8} 58 4 Rule3: IF E THEN H={h, h, h} CF={0.2, 0.5, 0.3} 3 123 Rule4: IF E THEN H={ h, h, h} CF={0.3, 0.4, 0.1} 4 123 Rule5: IF E?E THEN E CF={0.8} 678 已知:CF(E)=0.7 1 CF(E)=0.8 2 CF(E)=0.6 5 CF(E)=0.4 6 CF(E)=0.9 7 U,20 ,h,h} H={h123 E={b} 4E={a,a} 312 E8 E1E5 2E EE7 6 试用D-S证据理论求出CF(H)。 11(将下列谓词公式化成相应的子句集。 (1)，,x，y，z{P(x),,x[Q(x,y),R(z)]} ,x，y,z，u,v，w(P(x,y,z,u,v,w),Q(x,y,z,u,v,w),，R(x,z,w))(2) 12. 将下列公式化为skolem子句形 a) ，，，，，，，，，，，，，，，，，，xPx,xQx,xPx,Qx b) ，，，，，，，，，，，，，，，，，，xPx,yzQx,y,，zRy,x c) ，，，，，，，，，，，，，，，，，，xPx,xzQx,z,zRx,y,z 测 试 题 答 案 ——人工智能原理 一、填空题 1.知识 研究模拟智能程序 研制智能计算 2.模式识别 问题求解 定理证明 专家系统 机器视觉和机器学习 3.一阶谓词逻辑 框架 语义网络 脚本和Petri网络 4.规则库 综合数据库 控制系统 5.删除策略 支持集策略 线性输入策略 单文字子句策略 祖先过滤策略 6.队列 堆栈 7.确定因子法 主观Bayes法 D-S证据理论 可能性理论 8.符号主义 联想主义 行为主义 9.知识获取 人类领域专家获取知识 系统运行过程中的知识获取 0.信任程度的增长 不信任程度的增长1 11.模式识别 定理证明 程序自动设计 专家系统 机器学习 自然语言理解 12.否定 合取 析取 蕴涵 13.正向演绎 逆向演绎 双向演绎 14. Pl(A),1,Bel(，A) Bel(A),m(b),b,A 15.初始状态集合 算符集合 目标状态集合 16.机器感知 机器思维 机器行为 智能机构造技术 机器学习 17.一阶谓词逻辑 语义网络 框架 脚本 产生式 18.DENDRAL 1965 Fengenbum 关幼波肝病诊断与治疗专家系统 1978 19. 分层前向网络 反馈层向网络 互连前向网络 20.槽 侧面 21.综合数据库 规则库 控制系统 22.叙述性表示 过程性表示 二、选择题 1.B 2.C 3.C 4.C 5.A 6.B 7.A 8.B 9.C 10.D 11.D 12.B 13.C 14.A 15.D 16.B 17.A 18.B 19.B 20.A 三、判断题 1.错误 2.错误 3.正确 4.错误 5.错误 6.正确 7.正确 8.正确 9.正确 10.错误 正确 11. 12.正确 13.错误 14.错误 15.错误 16.正确 17.正确 18.错误 19.正确 20.正确 21.正确 22.错误 23.错误 24.正确 25.正确 26.正确 27.错误 28.错误 29.正确 30.正确 31.正确 四、名词解释 1(可解结点:对应本原问题的终端节点是可解节点;或节点的后继节点并非全部不可解， 那么该或节点是可解的;与节点的后继节点均为可解节点时，那么该与节点为可解节点。 2(专家系统:专家系统是一个大型的软件，它的功能应该不低于人类专家解决问题的能力。 3(状态空间:状态是描述问题求解过程中任一时刻状况的数据结构，通常用一组变量的有序组合表示。而状态空间是问题的全部状态及一切可用算符构成的集合。 4(产生式系统:产生式系统由三个部分所组成，即规则库，综合数据库和控制系统。 5. 图灵测试(Turing Test):图灵测试是衡量计算机是否是智能机的标准，图灵测试由三方组成:被测试的人、被测试的机器和主持测试的考官。考官提出问题分别让被测试的人和机器做答，如果考官分不清楚哪个答案是人作出的，哪个答案是机器作出的，则图灵测试认为计算机就具备智能了。 6. 盲目搜索:是按预定的控制策略进行搜索，在搜索的过程中获得的信息不用来改进控制策略。 7. 估价函数:用来估价节点重要性的函数称为估价函数。一般形式为，，，，，，fx,gx，hx 其中g(x)为从初始节点到节点x已经实际付出的代价，h(x)为从节点x到目标节点的SSg0 最优估计。 8. 人工智能:是一门研究知识的一门学科，即如何表示知识，如何获取知识，如何使用知识的学科的科学 ，A、9. 合适公式:原子是合式公式，若A，B是合式公式，则 也是合式公式，若是合式公式，则A,B,A,B,A,B,A,BA(x)(,x)A(x),(，x)A(x)也是合式公式，除此之外再也没有其他的公式是合式公式。 10.W的差异集合:首先找出W的所有表达式中不相同的第一个符号，然后从W的每个表达式中抽出占有这个位置的子表达式。所有这些子表达式的集合就是W 的差异集合。 11. 机器学习:机器学习就是系统在运行时可以做一些适应性的变化，使得系统在下一次执行类似上一次任务时比上一次更家有效，更加快捷，更加完善。12. 产生式:基本形式P?Q,其中规则的前件P为前提，具体形式可以是谓词公式、关系表达式和真值函数的任意与、或、非组合，可以不精确匹配;而规则的后件Q则表示规则激活时应该执行的动作或应该得出的结论。 13.启发式搜索:启发式搜索又称为有知识搜索，它是在搜索中利用与应用领域有关的启发性知识来控制搜索路线的一种搜索方法。由于这类方法在搜索中利用了与问题求解有关的知识，不必穷尽地试验每一种可能性，在任何时刻对将要搜索的节点都进行评价，从中选择一个最有希望到达目标节点的节点优先搜索，这就避免了无效搜索，提高了搜索速度。 14.归结原理 :为了证明子句集S的不可满足，只要对S中可进行归结的子句进行归结，并把归结式加入子句集S.得到新子句集S1，则S与S1在不可满足的意义上是等价的,归结原理的本质思想是去检查子句集S是否包含一个空子句•，如果S包含•，则S是不可满足的。如果S不包含•，则去检查•是否可由S推导出来。当然这个推理规则必须保证推出的子句是原亲本子句的逻辑结果。15.设S是子句集。集合A={所有形如P(t1,„,tn)的元素}称作子句集S的原子集。其中P(t1,„,tn)是出现于S中的任一谓词符号，而t1,„,tn是S的H域的任意元素。 五、论述题 简答题 1.规则演绎系统可分为:?前向演绎系统:基于一组前向规则，从事实出发进行推理;?后向演绎系统:基于一组后向规则，从目标出发进行推理;?双向演绎系统:同时基于前向和后向规则，同时从事实和目标出发进行推理; 产生式系统的推理可分为:?正向推理:从初始事实数据出发，正向使用规则进行推理，朝目标方向前进;?反向推理:从目标出发，反向使用规则进行推理，朝初始事实或数据方向前进; 2.专家系统的概念结构有六部分组成: ? 知识库，用以存储知识的集合; ? 推理机，使用知识库中的知识进行推理而解决问题; ? 动态数据库，存放初始证据事实、推理结果和控制信息的场所; ? 人机界面，最终用户和专家系统的交互界面; ? 解释模块，负责向用户解释专家系统的行为和结果; ? 知识库管理系统，是知识库的支撑软件，类似于数据库管理系统对数据库的作用。 3.人工智能的基本技术有下列五种: ? 推理技术:对推理的研究往往涉及到对逻辑的研究，逻辑是人脑思维的规律，从而也是推理的理论基础; ? 搜索技术:搜索是指连续进行推理的过程，它是对推理进行引导和控制的技术; ? 知识表示和知识库技术:知识表示涉及知识的逻辑结构和物理结构，知识库类似于数据库，由于知识是智能的基础和源泉，因此，知识表示和知识库是人工智能的核心技术; ? 归纳技术:是指机器自动提取概念、抽取知识、寻找规律的技术; ? 联想技术:联想是最基本、最基础的思维活动，其前提是联想记忆或联想存储; 4.不确定性推理与通常的确定性推理有本质的差别: ?不确定性推理中符号模式匹配能够成功，不但要求两个符号模式本身能够匹配，而且要求证据事实所含的不确定性程度必须达到一定的限度; ?不确定推理中一个规则的触发，不仅要求其前提能匹配成功，而且前提条件的不确定性总程度还必须至少达到阀值; ?不确定性推理中推得的结论是否有效，也取决其不确定性程度是否达到阀值; ?不确定性推理还要求有一套关于不确定性度量的计算方法。 证明题 5(解: ?R (x) ,R (y)?,L (y) ,I (x) {x/y} ,I (x)?,L (x) L(a) {a/x} ,I (a) I (a) NIL ，G6. 证明:首先把和化为子句集: F (1) (2) ，A(x,y),，B(y),C(f(x))，A(x,y),，B(y),D(x,f(x)) (3) (4) ，C(z)A(a,b)(5) 下面进行归结: B(b) (6) (1)与(3) ，A(x,y),B(y) (7) (4)与(6) ，B(b) Nil(8) (5)与(7) 7. 证:此S子句集的原子集: A,{P,Q} 完整的语义树如下: N0 P ，P ，Q ，Q Q Q ， ， ， ， N21 NN24 22 N23 I,{P,Q},使子句 P, Q 为假 N21 I,{P,，Q},使子句 P,Q 为假 N22 I,{，P,Q},使子句P,，Q 为假 N23 I,{，P,，Q},使子句P,Q 为假 N21 即该语义树是封闭的，由海伯伦定理知该子句集不可满足。证毕。 8. 证:此问题既是证明公式，((H(x),M(x)),H(a),M(a))为恒假 将公式，((H(x),M(x)),H(a),M(a))化成对应的子句集: S,{，H(x),M(x),H(a),，M(a)} 应用归结原理: ，H(x),M(x) H(a) ，M(a) 由 、 归结 M(a) 由 、 归结 证毕。 计算题 9((1)设Computer_system(x):x是计算机系统 Intelligent(x):x是智能的 Perform_task(x): x执行任务 Require(x):x要求的 Man(x):x是人 则有 (,x)Intelligent(Computer_system(x)),(，y)Perform_task(y),Require(man(y))(2)设Formula(x):表示x是公式;Connective_” “(x):表示x的联结词是; Equivalent(x,y): x与y等价， 则可以表示为: (,x)Formila(x),Connective_","(x),(,y)Formula(y),Connective_","(y),Equivalent(x,y) (3)设Input(x):表示x是输入算法;Unification(y):表示y是不能合一算法;Output(x): 表示x是输出算法;mug(y):y是最小合一;Fall(x):表示x失败，那么我们可以用一 阶谓词逻辑表示为: (,x)Input(x),Unification(x),(，y)Output(y),Mug(y); (,x)Input(x),，Unification(x),(，y)output(y),Fall(y)10(解:所求CF(H)=0.864 11. 解(1)原式= ，x(，P(x),,yQ(x,y)) = ，x,y(，P(x),Q(x,y)) (2)原式=，,x(，P(x),,xQ(x)) =，,x(，P(x),,yQ(y)) =，x，(，P(x),,yQ(y)) = ，x(P(x),，,yQ(y)) = ，x(P(x),，y，Q(y)) = ，x，y(P(x),，Q(y)) 12. 解: 1) ((x) P(x) ? (x) Q(x)) ? (x) ( P(x) ? Q(x) ) = ((x) ~P(x) ? (x) ~Q(x) ) ? (y) ( P(y) ? Q(y) ) = (y) (x) (~P(x) ? ~Q(x) ? P(y) ? Q(y) ) = (y) (x) ( (~P(x) ? P(y) ? Q(y) ) ? (~Q(x) ? P(y) ? Q(y) ) ) 化为skolem子句形: (~P(x) ? P(a) ? Q(a) ) ? (~Q(x) ? P(a) ? Q(a) ) (z)R(y , z) ) ) 2) (x) ( P(x) ? (y) ( (z) Q(z , y) ? , = (x) (y) (z) (v) ( ,P(x) ? ,Q(z , y) ? ,R(y , v)) 化为skolem子句形: ,P(x) ? ,Q(z , y) ? ,R(y , v) 3) (x) P(x) ? (x) ( (z) (Q(x ,z )) ? (y)R(x , y , z) ) = (x) ( ,P(x) ? (z)( Q(x ,z ) ? (y)R(x , y, z) )) = (x) (z) (y) (,P(x) ? Q(x ,z ) ? R(x , y, z) ) 化为skolem子句形: ,P(a) ? Q(a ,z ) ? R(a , y, z) 更多课程资料请到大学课程网www.0206.cc 学习