AI技术押人工智能考试题
作者:互联网
选择、填空
人工智能的提出
1956年,达特茅斯会议上,麦卡锡 提出了“AI”
“AI之父”:麦卡锡
第一个人工智能测试系统:图灵测试
推理过程
医疗专家系统(综合数据库、知识库、推理机)
归结
c 1 c_{1} c1 和 c 2 c_{2} c2是 c 12 c_{12} c12的亲本子句
状态空间(搜索策略中的知识表示方法)
利用状态变量和操作符号,表示系统问题或问题的有关知识的符号体系,状态空间是一个四元组,(S,O, S 0 S_0 S0,G)
遗传算法
生物学基础是生物进化理论
Holland 提出了遗传算法
生物遗传概念 | 遗传算法应用 |
---|---|
个体 | 解 |
染色体 | 解的编码 |
基因 | 编码中的每一个分量 |
适应性 | 适应度函数值 |
群体 | 解集 |
kNN中k的含义
选择k个与判别值最近邻的值
分类模型学习算法
- SVN
- kNN
- DT
- ANN
简答题
人工智能的概念
用人工的方法在机器上实现的智能
智能的特征
- 感知能力
- 记忆与思维能力
- 学习能力
- 行为能力
思维的种类
- 逻辑思维(抽象思维)
- 形象思维(直感思维)
- 顿悟思维(灵感思维)
三大主义学派——实现AI的主要途径
符号主义
- 基本思想
模拟人类的逻辑思维 - 主要代表成果
纽威尔和西蒙提出的“逻辑理论家LT”数学定理证明程序
行为主义
- 基本思想
模拟生物进化 - 主要代表成果
布鲁克斯设计的“六足机器虫”
连接主义
- 基本思想
模拟人类的大脑结构 - 主要代表成果
各种人工神经网络算法
为什么引入谓词逻辑(命题的缺点)
无法把它所描述的事物结构及逻辑思维特征反映出来,也不能把不同事物间的共同特征反映出来
遗传算法的步骤
- 参数编码
- 初始种群的设定
- 适应度函数的设定
- 遗传变异操作
- 控制参数设定
注意:控制参数设定
分类
举例说明分类过程的两个阶段
当一个幼儿学习橘子、苹果这两类事物时,我们可以给他提供3个橘子、两个苹果,并告诉他前3个对象是橘子、后2个是苹果,他通过观察果实的颜色、形状,以及品尝他们的味道来学习这两种事物,从而在大脑中建立起关于苹果和橘子的概念模型(分类模型生成阶段)
当再次看到之前未见到过的橘子和苹果时,通过建立起的分类模型,若能判断准确,说明已经掌握了这两个是事物的概念。(分类阶段)
应用题
知识表示
知识表示方法
- 一阶谓词逻辑知识表示法
(任意x)[ROBOT (x) → COLOR (x,GRAY)] - 产生式表示
老李年龄是40岁: (Li,age,40)
老李年龄很可能是40岁:(Li,age,40,0.8) - 框架表示法
框架
框架名 <框架名>
槽名1:值1
槽名2:值2
槽名3:值3
…………
槽名n:值n
例如:(课后题)
框架名 <地震>
日期:2008.08
地点:四川
震级:7.0
水含氧量:0.43
…………
框架式特点:结构性、继承性
确定性推理
化成子句集
一消二移三标准(使用两次)
第一次:消蕴含、等价符号,移否定,变量标准化
第二次:消存在量词,移全称量词,分配公式标准化
归结原理求证结论
三人面试问题
注意:NIL
归结原理求解问题
小李和小张的老师
注意:量词、结论否定析取答案
不确定性推理
证据的不确定性
AND 合取 求解min
OR 析取 求解max
求解结论的可信度
CF(结论)= CF(过程)+max(0,CF(条件))
CF(过程) 为 可信度因子 ,取值范围 [ -1 , 1 ]
证据理论
概率分配函数
对于样本空间D,任何一个子集都指派到0和1 之间的一个数M(A),并且所有的子集的概率分配值为1.
M(A):A的基本概率数
所有子集加和为1
信任函数
Bel 函数 ,Bel(A) 对命题A为真的总的信任度
似然函数
Pl(A) = 1 - Bel(非A)
搜索
BFS、DFS、启发式(3选2)
open表、closed 表、八数码问题
机器学习
kNN
计算欧氏距离,取最接近的k个样例
标签:函数,AI,CF,40,考试题,人工智能,遗传算法,橘子 来源: https://blog.csdn.net/weixin_43627118/article/details/112220219