《广东工业大学人工智能试卷.docx》由会员分享，可在线阅读，更多相关《广东工业大学人工智能试卷.docx（16页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、考试题型主要是选择题、填空题、简答题、分析计算题。分析题重点主要在第1 章、第 2 章的搜索问题、第 3 章归结原理、第 6 章决策树和神经网络。分数分布大约是选择题 30 分（10 题）、填空题 20 分（10 题）、简答题 10 分（2 题）、分析计算题40 分（4 题）。一. 选择题1 .人工智能是Ai. 用人工的方法在机器（计算机）上实现的智能。ii. 人机器的智能iii. 开发者的智能2 .人工智能学派符号主义的主要研究方法是-C 一i. 用仿生学的方法，通过研究人脑的工作模型，搞清人类智能的本质ii. 应用进化论的思想进行人工智能的研究iii. 研究逻辑演绎在计算机上的实现方法3
2、.对问题进行分割后进行搜索的实质是B 一i. 对问题进行归纳总结，以寻求一般的概念ii. 从目标出发的逆向推理，寻找若干子问题的集合iii. 将多个小问题归纳成一个大问题的求解方法4 .利用已知的某些有关具体问题领域的信息进行搜索的方法称为_Ci. 逐个搜索ii. 随机搜索iii. 启发式搜索5 .产生式系统中推理的结论存放在：AA. 作业领域B. 知识库C. 推理机构6 . 以下关于模糊数的定义中，哪一个是不正确的一 A 一A. 模糊数是一个定义在0，1上的实数B. 可进行模糊数的四则运算C. 具有闭凸特性的数的集合7 . 下列关于误差反向传播学习（BP）算法的说法中，正确的是一 B 一A.
3、 误差信号在输出层到输入层的通道上传播B. 输出层神经元的权值只会影响相应神经元的输出值C. 按误差函数导数的递增方向修正各神经元的权值8 . 单层感知机的学习算法包括-C 一A. 工作信号的前向传递B. 误差信号的计算，以及权值的修正C. 上述两者9 . 框架系统是一种一A. 结构化的知识表示方法B. 适用于处理庞大、凌乱知识的方法C. 只适用于静态知识表达的方法10 .基于解释的学习（EBL）中，下述哪种说法是正确的-AA. 生成知识的正确性有保证B. 不需要太多的先验知识C. A 和 B 都对11 .下列搜索算法中，能保证取得最优解的是一 C 一A. A*算法B. 均一代价算法C. 上述
4、两者12 .模糊控制中，同一条规则内部的推理是采用一 B 一A.B.C.二.填空题取大取小先取小后取大1.状态空间表示法中，解的问题是以 3 态一和算符一集合的形式表示的。2,已知年龄集合为七 0,20,30,40,50,60,70,8 0 ，试给出一个“青年”的模糊集合0.4/10+1/20+0.6/30+0.2/40+0.1/50 （答案有多种，隶属度值位于 0 1 之间，且能反映这种变化的趋势即可）（本题 2 分）3 .基于解释的学习（EBL）中，给出训练事例的意义在于，提取出在解决 实际（或目标等相关答案）问 题时可以应用的部分，从而节省存储容量和搜索一时间。4 .在图搜索中，是否应用
5、了一己有（或已知领域或启发性等相关答案） 的知识，决定了搜索是盲目 的还是有启发信息的。常用的启发搜索算法有一任选两种 两种。5 .在产生式系统中，通常从选择规则到执行操作分三步：一匹配_、冲突消解和 推理。6 .机器学习的主要推理方法有机械式、类推 归纳、演绎以及发现_等。H = *1*1005 H） =o（H） =7 .设模式，则该模式的定义长（ ，位数 。三. 判断题1 .与/或（AND/OR）图搜索中，如果子节点是 AND 节点，只对其中一个进行扩展。改：与/或（AND/OR） 图搜索中，如果子节点是 AND 节点，则对所有的子节点进行扩展。2 . 应用归纳的方法由示例学习概念，需要的
6、先验知识少。而学习示例越多，其生成的新知识的正确性就 越高。N ）改：最佳优先搜索是一种高效的搜索方法，依据从起点出发的最小代价和，指导搜索的方向。（ 义）改：最佳优先搜索是一种高效的搜索方法，依据与目标相关的启发函数值，指导搜索的方向。3 .模糊控制中，可利用重心法对参数模糊化，然后根据模糊规则进行推理。（ 义） 改：模糊控制中，根据模糊规则进行推理后，可利用重心法对推理结果进行去模糊化。4 .特征模式匹配中，输入模式与两个参考模式的距离，较小的一方即为识别出的类别。（ N） 四求解题1 .试利用 a-B 搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画义，并注明是什么剪枝。,
7、、I、问.L、rJ、f 1t-.5c勹告311532433 1 2 4.，,1 ,认1,，ri,，I，才才/154-i枝剪2 -8两？一次r，1_ 芒、)ILa 1-j、r、，.，-)z枝剪4石、I 1 1人)372 .对下图所示的状态空间图进行：（1）纵向搜索；（2）横向搜索；（3）均一代价搜索；（4） A* 算法搜 索。（图中 A 为初始节点，F 为目标节点，各节点的启发值标注在小括号内）。给出搜索过程及搜令叨切G飞4的最佳路径， 并标注各节点的估历数值。索出t5Q（1） 纵向搜索：(2) OPEN:C,E,DCLOSED:A,B(1) OPEN:C,B CLOSED:A(3)OPEN:C
8、,E,FDE CLOSED:A,B,DF) OPEN:C,ECLOSED:A,B,D,（搜索过程可以用其它形式表示）搜索路径是：AfBfD- F 或 AfC-Df F 等（此题答案可有多解）（2） 横向搜索：（此题答案可有多解）(2) OPEN:C,D,ECLOSED:A,BB(4)(1) OPEN:B,CACLOSED:AC；(3) OPEN:D,ECLOSED:A,B,COPEN:E,FDE(5) OPEN:FCLOSED:A,B,C,D(6)OPEN: CLOSED:A,B,C,D,ECLOSED:A,B,C,D,E（搜索过程可以用其它形式表示） 搜索路径是：AfBfC fDfEfF 等
9、（此题答案可有多解）（3） 均一代价搜索：（小括号内标注的是从起始节点出发到该点的最小代价值）(2) OPEN:,CLOSED:A,B(4)OPEN:, CLOSED:A,B,C,D(1) OPEN:, CLOSED:A(3) OPEN:, CLOSED:A,B,CE(10n9n7) 一OPEN:CLOSED:A,B,C,D,EF(10n9) z (6) OPEN:CLOSED:A,B,C,D,E（搜索过程可以用其它形式表示） 搜索出的最优路径是：Af Cf DfEfF,代价是 9。（3）A*算法：（小括号内标注的是该点的估价函数值）（1）OPEN:,OPEN:,E,12 CLOSED:A,B
10、CLOSED:AE(12n11n9)F(10n9) C.D(IIIO). 5(6)OPEN:(5)OPEN: CLOSED:A,B,C,D,ECLOSED:A,B,C,D,E（搜索过程可以用其它形式表示） 搜索出的最优路径是：A-CfDfEfF 代价是 9。3.设样本集合如下所示，其中 A、B、C 是 F 的属性，试根据信息增益标准（ID3 算法）求解 F 的决策树。ABCF0000001101000111100110111100(已知 log2(2/3)= -0.5842, log2(1/3)= -1.5850, log2(3/4)= -0.41504,)431 (2221-H7+ -H =
11、l2log -7+ 2log - +72log - + 110g - = 0.9654433&2&2&2&2H =AA=0H4A=131 3112 443= -H+ -H=4 31og - + 11og - + 11og - + 21og - = = 0.857B7B=07B=17&2&2&2&2 343H =4H +3H1 f 1330443=- 11110g1 + 31og 3 + 31og 3 + 01og 00.464C7C=07C=1762&2&2&2 3所以第一次分类选属性 C，对 C=0 的四个例子再进行第二次分类。22H = -H+-HA 4 A=0 4 A=11 (1.1八4
12、22=-4110g - + 11og - = = 0.5&22221 L. 1 _1 _H = H+-H=411og - + 11og 卜=0.5s2所以，可任B 4 B=0 4B=14% 22选属性 A 或 B 作为第二次分类的标准，如选属性 A，则 A=1 的两个例子再按属性 B 分类，得到H = - H+ - H =-1 矶 0B 2 B=0 2 B=12最后，得到 F 的决策树如下：人工智能作业1 .试利用 a-B 搜索法，对下图所示的博弈树进行搜索，把没有必要进行评估的状态画 x, 并 注明是什么剪枝( 表示正方 O 表示反方)。2 .设已知(1)能阅读者是识字的 2 海豚不识字(3
13、)有些海豚是聪明的求证:有些聪明者并不能阅读.谓词定义如下:R(x)：x 能阅读；L(x):x 识字；I(x):x 是聪明的；D(x):x 是海豚。证明：把上述各语句翻译为谓词公式：x(R(x) -L(x)已知条件x(D(x) -L(x)已知条件(3)x(D(x)Al(x) 结论已知条件(4)x(I(x)A-R(x)需证求题设与结论否定的子句集，得 R(x) VL(x)D(y) VL(y) D(a)(4)I(a)I(z) VR(z)归结得(6) R(a) L(a) (8)D(a)(9) 口(5), (4),a/z(6), (1),a/x(7), (2),a/y(8), (3)3.设样本集合如下所示，其中 A、B、C 是 F 的属性，试根据 ID3 算法求解 F 的决策树。ABCF0000001101000111100110111100(已知 log (2/3)= -0.5842,2答案见第 6 章讲义log (1/3)=2-1.5850,log (3/4)= -0.41504,)24.设 x =0，x =1，%(0)=0.0，吗(0)=0.2，0=0.5，k=0.8，a=0.2。期望输出值 d=1，激-12f (x)二x 0，在采用错误订正，试确定学习后神经元的输出 y x活函数取阶跃函数 0达到期望值 d 的时间和修改后的权值。答案见第 6 章讲义