没有合适的资源?快使用搜索试试~ 我知道了~
华南农业大学2018人工智能复习题
5星 · 超过95%的资源 需积分: 48 16 下载量 172 浏览量
2018-07-09
16:19:33
上传
评论 4
收藏 838KB PDF 举报
温馨提示
试读
30页
对于八数码问题,评价函数定义为:f(x ) d(x ) P(x ) 表示节点x在搜索树中的深度,P(x )表示节点x中不在目标状态中相应位置的数码到达准确 数码距离之和。以此评价函数为评价标准进行启发式搜索,该搜索算法是否满足A*算法?为什么? 并画出相应的状态空间搜索图。
资源推荐
资源详情
资源评论
1
一、是非判断题
1、消解时主要通过推导空子句来实现反证的。 (√)
2、 L、¬L 为互解文字,L∧¬L→□。 (√)
3、(P(x) ∧Q(y))∨(P(x) ∧R(y))为合取范式。(×)
4、若P(x)为时真时假,则P(x)仍为永真式。(×)
5、"
)))(( xRxpx (
中的P(x)不在"x 的辖域中。(×)
6、极小极大分析法中采用逆向推算来计算节点得分的。(√)
7、希望解树一定代价最小。(√)
8、本原问题即直接可解的简单问题。(√)
9、与或树搜索可分为盲目搜索和启发式搜索。(√)
10、对α -β 剪枝技术中,对与节点来说,α 是倒推值的下确界,β 是倒推
值的上确界。(×)
11、语义网络是一种有向图,它有5 个级别,7 种类型。(√)
12、方位关系不在语义网络表示的范围内。(×)
13、对象与类是实例关系。(√)
14、基于语义网络的推理主要有网络匹配、网络继承和网络演绎三种
方式。(√)
15、对“与”、“或”、“蕴含”关系,在语义网络表示时主要加上
“与”、“或”、“蕴含”结点。(√)
16、框架之间也有从属关系、实例关系等。(√)
17、专家系统是由数名专家组成的咨询系统。(×)
18、用普通的程序设计语言开发专家系统的开发周期最长,效率最
低,但限制最小。(×)
19、网络环境下的专家系统结构可以分为客户机/服务器或浏览器/
服务器结构。(√)
20、黑板模型中的黑板就是一个全局数据库。(√)
21、智能机器人的智能已经达到人类智能的水平。(×)
22、人可以作为Agent。(√)
23、智能计算与人工智能有很大关系(√)
24、神经网络是人工智能的联接主义倡导的模式(√)
25、进化计算中的遗传算法
),,,,,,,(
0
TMPECSGA
。(√)
26、遗传和变异是生物进化的两种基本现象。所以遗传算法只有两个算子:变异算子和遗传
算子。(×)
27、BP神经网络算法至少需要2层神经元。一层是输入层,一层是输出层。(√)
28、决策树学习不是一种以示例为基础的归纳学习方法(×)
29、ID3算法的目的是构造一棵树。树的根节点为分类开始。叶节点是实例。中间节点是属性,
边是属性的值。(√)
30、单层感知器学习是一种基于规则的学习(×)
31、AI、BI、CI是完全独立的不同的三种智能(×)
32、MP模型是1943年心理学家W.McCulloch和数理学家W.Pitts提出的模型(√)
33、神经网络模型中,激发函数若采用S型(Simoid)。主要针对神经元的饱和特性。(√)
34、前馈网络和反馈网络最大的区别是:非循环链接模式。即输入和输出在一个神经元。(√)
35、遗传算法中采用一定的编码表达种群中个体的染色体(√)
2
36、若两个个体分别表达为:001101和110010,若随机交叉点为3和5(自左向右数),则交叉后
的新个体为:001010和110101。(√)
37、在模糊集中,通常用隶属度刻画每个元素映射为(0,1)上的一个值。(×)
38、若两个模糊集合F、G,则可以进行交、并、补等运算。(×)
39、RS中信息系统是一个四元组(U,A,V,f)。(√)
40、下近似比上近似的元素个数少。(×)
41、粗糙集就是边界区域。(×)
42、不分明关系与分明矩阵具有很强的相关性。(×)
43、等价类即每一个元素不分明关系。(√)
44、深度优先具有搜索空间的复杂度低,非最优的,非完备。(√)
45、 有界深度优先就是深度优先,只是增加了一个深度限制,非完备非最优(√)
46、迭代深度优先避免了给定深度带来的深度优先的缺陷,采用试探深度的方式确定树的深度。
但是给策略是完备的且最优(√)
47、启发式搜索A算法是完备的且最优的。(√)
48、A算法只有在
)(*)( xhxh
的限制下才转换为A*算法(×)
49、 当
)(xh
是单调性时,A*算法转换为改进的A*算法(√)
50、启发的与或树搜索算法成为AO*算法(√)
51、所有的等价类是基于不分明关系的(√)
52、粗糙集与模糊集的最大差别是模糊集为真正解决“含糊”问题。即计算出具体的含糊元素数
目(√)
53、粗糙集理论:首先构造等价关系,从而将集合划分为若干个等价类。然后通过上近似与下近
似构成不确定边界区域,从而形成粗糙集。(√)
54、所有的边界区域与粗糙集是完全等价的(×)
55、定义
BAUX ,
,对象集X关于属性集B的边界区域定义为:
)()()( XBXBxBN
B
(×)
56、 当
)(xBN
B
时,称
)(xBN
B
是对象集X关于属性集B的粗糙集(√)
57、在决策表中,首先要进行一致性检测。一致性:确保同样的条件得出同样的结论。若不一致,
则删除。这是水平方向的删除(√)
58、属性约简,是消除决策表中不必要的属性。因此定义
Bb
,若
}){()( bBINDBIND
,则
b在B中是不必要的。(√)
59、神经网络中激励函数主要有四种类型,其中最为常用的Sigmoid函数
x
e
xf
1
1
)(
(√)
60、感知器模型有两层构成,分别是输入层和输出层。(√)
61、1986年PDP模型:(1)一组处理单元;(2)单元集合的激活状态;(3)各个单元的输出函
数;(4)单元之间的连接模式;(5)通过连接网络传送激活模式的传递规则;(6)把单元
输入和她的当前状态结合起来,以产生新激活值得激活规则;(7)通过经验修改连接模式的
学习规则;(8)系统运行的环境(√)
62、命题逻辑语句的可满足判定是SAT问题,是一个被证明为NP完全的问题(√)
3
63、
)()(
BABA
是可满足的
64、 粗糙集是指边界区域不为空集的区域。(√)
二、计算题
1、用谓词表示法求解机器人摞积木问题。设机器人有一只机械手,要处理的世界有一张桌子,
桌上可堆放若干相同的方积木块。机械手有 4 个操作积木的典型动作:从桌上拣起一块积木;
将手中的积木放到桌之上;在积木上再摞上一块积木;从积木上面拣起一块积木。积木世界
的布局如下图所示。
解:(1) 先定义描述状态的谓词
CLEAR(x):积木 x 上面是空的。
ON(x, y):积木 x 在积木 y 的上面。
ONTABLE(x):积木 x 在桌子上。
HOLDING(x):机械手抓住 x。
HANDEMPTY:机械手是空的。
其中,x 和 y 的个体域都是{A, B, C}。
问题的初始状态是:
ONTABLE(A)
ONTABLE(B)
ON(C, A)
CLEAR(B)
CLEAR(C)
HANDEMPTY
问题的目标状态是:
ONTABLE(C)
ON(B, C)
ON(A, B)
CLEAR(A)
HANDEMPTY
(2) 再定义描述操作的谓词
在本问题中,机械手的操作需要定义以下 4 个谓词:
四、 图 机器人摞积木问题
A
C
B
A
B
C
4
Pickup(x):从桌面上拣起一块积木 x。
Putdown(x):将手中的积木放到桌面上。
Stack(x, y):在积木 x 上面再摞上一块积木 y。
Upstack(x, y):从积木 x 上面拣起一块积木 y。
其中,每一个操作都可分为条件和动作两部分,具体描述如下:
Pickup(x)
条件:ONTABLE(x),HANDEMPTY,CLEAR(x)
动作:删除表:ONTABLE(x),HANDEMPTY
添加表:HOLDING(x)
Putdown(x)
条件:HOLDING(x)
动作:删除表: HOLDING(x)
添加表:ONTABLE(x),CLEAR(x) ,HANDEMPTY
Stack(x, y)
条件:HOLDING(x),CLEAR(y)
动作:删除表:HOLDING(x),CLEAR(y)
添加表:HANDEMPTY,ON(x, y) ,CLEAR(x)
Upstack(x, y)
条件:HANDEMPTY,CLEAR(y) ,ON(y,x)
动作:删除表:HANDEMPTY,ON(y, x)
添加表:HOLDING(y),CLEAR(x)
(3) 问题求解过程
利用上述谓词和操作,其求解过程为:
五、
六、
七、
八、
2、 用语义网络和框架方法表示下属知识
(1)John gives a book to Mary
ONTABLE(A)
ONTABLE(B)
ON(C, A)
CLEAR(B)
CLEAR(C)
HANDEMPTY
Upstack(A,C)
ONTABLE(A)
ONTABLE(B)
HOLDING(C)
CLEAR(A)
CLEAR(B)
CLEAR(C)
Putdown(C)
ONTABLE(A)
ONTABLE(B)
ONTABLE(C)
CLEAR(A)
CLEAR(B)
CLEAR(C)
HANDEMPTY
Pickup(A)
ONTABLE(A)
ONTABLE(C)
HOLDING(B)
CLEAR(A)
CLEAR(B)
CLEAR(C)
Stack(C,B)
ONTABLE(A)
ONTABLE(C)
ON(B,C)
CLEAR(A)
CLEAR(B)
HANDEMPT
Y
ONTABLE(C)
ON(B,C)
CLEAR(A)
CLEAR(B)
HOLDING(A)
Stack(B,A)
ONTABLE(C)
ON(B,C)
ON(A,B)
CLEAR(A)
HANDEMPT
Pickup(B)
5
(2)高老师从 3 月到 7 月给计算机系学生讲《计算机网络》课。
解:
(3)创新公司在科海大街 56 号,刘洋是该公司的经理,他 32 岁、硕士学位。
解:
3、 什么是
过程,基本思想是什么?
答:在极大极小过程中,总是先生成一颗博弈树,而且会生成规定深度内的所有节点,然后再进
行估值的倒退计算,这样使得生成博弈树和估计值的倒退计算两个过程分离,因此搜索效率较低。
如果能边生成博弈树,边进行估值的计算,则可能不必生成规定深度内的所有节点,以减少搜索
的次数,这就是
过程。
过程的基本思想:使搜索树的某一部分达到最大深度,这时计算出某些 MAX 节点的
G1
ISA
Giver
John
Giving-Events
Book1
Object
Mary
Book
Human
ISA
ISA
ISA
Recipient
ISA
讲课事件
高老师
老师
Subjec
t
计算机系学生
Object
7 月
8 月
Start
End
讲课
计算机网络
Action
Course
刘洋
创新公司
科海大
街
56 号
经理
32 岁
硕士
Work-for
Located-at
Number
Age
Degree
Headshi
p
剩余29页未读,继续阅读
资源评论
- 房尚小2019-06-10你好,是华南农业大学王美华老师的人工智能吗?
weixin_42649755
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功