福州大学人工智能试卷（历年卷）

"福州大学人工智能试卷（历年卷）" 本试卷涵盖了人工智能领域的多个方面，包括概率论、图灵测试、语义网络、产生式规则、决策树、Bayes 网络等。下面对试卷中的每个部分进行详细解释： 一、简答题 1. 主观 Bayes 方法求 P(B/A) 和 P(B/┐A) 的公式： 在 Bayes 定理中，P(B/A) = P(A/B) \* P(B) / P(A)，其中 P(A/B) 是在 B 条件下 A 的概率，P(B) 是 B 的先验概率，P(A) 是 A 的先验概率。 在这个问题中，P(B) = 0.01，LS = 101，LN = 0.4。根据公式可以计算出 P(B/A) 和 P(B/┐A) 的值。 2. 图灵测试： 图灵测试是由图灵提出的测试一个机器系统是否具有人的智能的方法。测试原则是，如果机器在与人隔离的房间回答人提出的问题，且人无法判断回答问题的是机器还是人时，则认为机器已经具备人的智能。 3. 语义网络结构： 语义网络是一种知识表示方法，用于表示实体之间的关系。 在这个问题中，需要用语义网络结构表示以下信息：2017 年 5 月 AlphaGo 在乌镇三胜中国九段围棋选手柯洁。 4. 识别框架： 在这个问题中，需要计算子集 {晴，阴} 的信任函数和似然函数。信任函数 Bel({晴，阴}) = M({阴}) + M({晴}) + M({晴，阴}) = 0.3 + 0.01 + 0 = 0.31。似然函数 Pl({晴，阴}) = 1 - Bel(┐{晴，阴}) = 1 - Bel（{雨}）= 1。 二、判断题 1. 深度优先搜索不具有最优性，故不适合于求解大规模搜索问题。 2. {P(x,f(x))，P(y,y)} 不能合一。 3. 产生式系统推理过程中有多个候选规则时，用冲突消解策略处理。 4. A* 算法的效率不必优于非 A* 的启发式搜索算法。 5. 在不确定推理过程中，当不同的规则指向同一结论时，可以用结论合成算法求出最终的结果。 6. 与或图的搜索过程是通过对局部图的评价来选择待扩展的节点。 三、计算题 1. 双人博弈树： 需要标出每层的极大极小标记，并在框中填入用极小极大算法获得的倒推值，并用箭头标出下一步应选择的走法。然后，采用从左到右的顺序进行α-β剪枝，用×标明剪枝处。 2. ID3 算法构造决策树： 需要根据学生平时的表现提供勤工俭学名额的决策表，使用 ID3 算法构造决策树，并写出相应的规则。 四、综合题 1. 归结原理证明： 需要定义合适的谓词，用一阶谓词逻辑方式表示上述情况，然后将所得的一阶谓词逻辑公式化成相应的子句集。用归结反演法证明结论并写出完整的归结过程。 2. Bayes 网络： 需要用 Yes 或 No 填空下表，其中（D-Sep(H1,H2|H) 表示 H1、H2 在已知 H 的情况下被 D 分离）。