人工智能复习汇总
中文慢摇-
一、选择题
1.<
/p>
被誉为“人工智能之父”的科学家是（
C
）
。
A.
明斯基
B.
图灵
C.
麦卡锡
D.
冯
.
诺依曼
2. AI
的英文缩写是
(
B
)
A. Automatic Intelligence
C. Automatic Information
B. Artificial Intelligence
D. Artificial Information
3.
下列那个不是子句的特点（
D
）
A.
子句
间是没有合取词的
(
∧
)
(
∧
) <
/p>
C
子句中可以有析取词
(
∨
)
4.
下列不是命题的是（
C
）
。
A.
我上人工智能课
B.
存在最大素数
C.
请勿随地大小便
D.
这次考试我得了
101
分
B
子句通过合取词连接句子
D
子句间是没有析取词的
(
∨
)
5.
搜索分为盲目搜索和（
A
）
A
启发式搜索
B
模糊搜索
C
精确搜索
D
大数据搜索
6.
从全称判断推导出特称判断或单称判断的过程，即由一般
性知识
推出适合于某一具体情况的结论的推理是（
B
）
A.
归结推理
B.
演绎推理
C.
默认推理
D.
单调推理
7.
下面不属于人工智能研究基本内容的是（
C
）
A.
机器感知
B.
机器学习
C.
自动化
D.
机器思维
8.
S={P
∨
Q
∨
< br>R,
┑
Q
∨
R,
Q,
┑
R}
其中
,
P
是纯文字，因此可将子
句（
A
）从
S
中删去
A.
P
∨
Q
∨
R
C.
Q
B.
┑
Q
∨
R
D.
┑
R
9.
下列不属于框架中设置的常见槽的是（
B
）
。
A. ISA
槽
B. if-
then
槽
C.
AKO
槽
D. Instance
槽
10.
常见的语意网络有（
D
）
。
A. A-Member -
of
联系
C. have
联系
1.
在深度优先搜索策略中，
open
表是（
B
）的数据结构
A.
先进先出
B.
先进后出
C.
根据估价函数值重排
D.
随机出
2.
归纳推理是（
B
）的推理
A.
从一般到个别
B.
从个别到一般
C.
从个别到个别
D.
从一般到一般
3.
要想让机器具有智能，必须让机器具有知识。因此，在人工智能
B. Composed
–
of
联系
D.
以上全是
中有一个研究领域，
主要研究计算机
如何自动获取知识和技能，
实现
自我完善，这门研究分支学科叫
（
B
）
A.
专家系统
B.
机器学习
C.
神经网络
D.
模式识别
4.
下列哪个不是人工智能的研究领域（
D
）
A.
机器证明
B.
模式识别
C.
人工生命
D.
编译原理
6.
在主观
Bayes
方法中，几率
O(x)
的
取值范围为（
D
）
A.
[-1, 1]
B.
[0, 1]
C. [-1,
∞）
D. [0,
∞）
7.
仅个体变元被量化的谓词称为
( A
)
A.
一阶谓词
B.
原子公式
C.
二阶谓词
D.
全称量词
8.
在可信度方法中，
CF
（
H
，
E
）的取值为（
C
）时，前提
E
为真不
支持结论
H
为真。
A. 1
B. 0
C. <0
D.
>0
9.
机器学习的一个最新研
究领域是
.
（
A
）
A.
数据挖掘
B.
神经网络
C.
类比学习
D.
自学习
1
0.
语义网络表达知识时，
有向弧
AK
O
链、
ISA
链是用来表达节点知识<
/p>
的（
C
）
。
A.
无悖性
B.
可扩充性
C.
继承性
3.
下列
不在人工智能系统的知识包含的
4
个要素中（
< br>
D
）
。
A.
事实
B.
规则
C.
控制和元知识
D.
关系
5.
下列哪部分不是专家系统的组成
部分（
A
）
。
A.
用户
B.
综合数据库
C.
推理机
D.
知识库
7.
所谓不确定性推理就是从
(
)
的初始证据出发，通过运用
( )
的
知识，
最终推出具有一定程度的不确定性但却是合理或者近乎合理的结论
的思维过程。
(
A
)
A.
不确定性
,
不确定性
B.
确定性
,
确定性
C.
确定性
,
不确定性
D.
不确定性
,
确定性
10. C(B|A)
表示在规则
A->B
中，
< br>证据
A
为真的作用下结论
B
为真的
( B )
A.
可信度
B.
信度
C.
信任增长度
D.
概率
11.
设离散型随机变量
X,Y
的联合概率分布为
a, b
的值为
( A )
A.
a=2/9
b=1/9
B.
a=1/9
b=2/9
C.
a=1/6
b=1/6
D. a=5/18
b=1/18
3.
经典逻辑推理的方法
不包括
那个（
< br>
D
）
A
自然演绎推理
B
归结演绎推理
C
与或形演绎推理
D
假设推理
6.
盲目搜索策略
不包括
下列那个（
D
）
A
广度优先搜索
B
深度优先搜索
C
有界深度优先搜索
D
全局择优搜索
小结：
盲目搜索：广度优先搜索、深
度优先搜索、有界深度优先搜索、代价
树的广度优先搜索、代价树的深度优先搜索。
启发式搜索：全局择优搜索、局部择优搜索。
7.
下列哪种搜索方式必然能够找到解（
C
）
A.
深度优先
B.
堆栈搜索
C.
广度优先
D.
混合搜索
7
．以下推理不正确的是（
A
）
A.
如果下雨，则地上是湿的
;
没有下雨
,
所以地上不湿
B.
如果
x
是金属，则
x
能导电；铜是金属
,
所以铜能导电
C.
如果下雨，则地下湿；地下不湿
,
所以没有下雨
D.
小贝喜欢可爱的东西；哈士奇可爱；所以小贝喜欢哈士奇。
<
/p>
9
、以下哪一项没有发生冲突（
D
）
A
、一个已知事
实可以与知识库中多个知识匹配成功
B
、多个已知事实与知识库中的一个知识匹配成功
C
、多个已知事实可以与知识库中多个知识匹配成功
D
、已知事实不能与知识库中的任何知识匹配成功
10.
下列选项中那一种情况
不是<
/p>
发生冲突（
BC
）
A.
已知事实能与知识库中的任何知识匹配成功；
B.
已知事实不能与知识库中的任何知识匹配成功；
C.
已知事实恰好只与知识库中的一个知识匹配成功；
D.
已知事实可以与知识库中的多
个知识匹配成功；
或者有多个
（组）
已
知事实都可与知识库中的一个知识匹配成功；
或者有多个
（组）
已知事实可与知识库中的多个知识匹配成功。
1.
人工智能中用“如果
....
则
....
”关
联起来的知识称为（
B
）
A.
产生式
B.
规则
C.
关系式
D.
模式
2.
下
列那一项
不是
知识的标识方法（
C
）
A.
一阶谓词表示法
B.
状态空间法
C.
关系式表示法
D.
框架表示法
CE
槽是用来建立（
B
）槽的
逆关系
。
A. ISA
B. AKO
C. SUBCLASS
D. MEMBEROF
4.
下图代表的关系是（
B
）
A.
分类关系
B.
聚集关系
C.
推论关系
D.
时间位置关系
5.
关于下列的推理你的观点是：
（
D
）
(1)
如果行星系统是以太阳为
中心的，
则金星会显示出位相的变化
;
(2)
金星显出位相变化
;
(3)
所以行星系统是以太阳为中心的。
A.
对，因为符合自然演绎推理的规则。
B.
不对，因为使用了否定前件的推理。
C.
对，
因为经典逻辑推理是从一组
已知为真的事实出发，
直接运用
经典逻辑的推理规则推出结论的
过程，而上题符合这个特征所以是
对的。
D.
不对，因为使用了肯定后件的推理。
6.
在不确定推理中，
对于初始证据，
其值由用户给出，
对于推理所得
证据，其值由（
C
）得到。
A.
不确定性的匹配算法计算得到
B.
不确定性的阈值选择算法得到
C.
不确定性的传递算法计算得到
D.
不确定性的合成算法计算得到
9.<
/p>
反演归结（消解）证明定理时，若当前归结式是（
C
）时，则定
理得证。
A.
永真式
B.
包孕式
C.
空子句
D.
永假式
10.
从已知事实出发，通过规则库求得结论的产生式系统的推理方式
是（
< br>
A
）
A.
正向推理
B.
反向推理
C.
双向推理
D.
混合推理
1
．
人工智
能是知识与智力的综合，
其中下列
不是
智能的特征的是
（
A
）
A.
具有自我推理能力
B.
具有感知能力
C.
具有记忆与思维的能力
D.
具有学习能力以及自适应能力
2.
下列
不是
谓词表示法特点的是（
B
）
A.
自然性
B.
简易性
C.
严密性
D.
描述性
3.
下列哪个
不是
不确定性推理的方法（
C
）
A.
主观
B
ayes
方法
B.
可信度方法
C.
理论推理法
D.
模糊推理法
4.
在主观
Bayes
方法中，证据
E
支持结论
H
时有（
C
）
<1
=1
>1
<0
5.
下列哪个系统属于新型专家系统（
D)
A.
多媒体专家系统
B.
实时专家系统
C.
军事专家系统
D.
分布式专家系统
6
．人工智能研究的最重要最广泛的两大领域是（
B<
/p>
）
A.
专家系统
自动规划
B.
专家系统
机器学习
C.
机器学习
自动规划
D.
机器学习
自然语言理解
8
．语义网络的组成部分（
C
）<
/p>
A.
框架与弧线
B.
状态和算符
C.
结点和链
D.
槽和值
9
．设有代换：
q =
{f(y)/x, z/y}, l = {a/x, b/y, y/z}
则
q o l = ( A )
A.{f(b)/x
，
y/z}
B.{f(b)/x, z/y}
C.{f(y)/x,
y/z }
D.{f(b)/x, z/b}
10
、下列说法不正确的是
B
A.
空子句是永假的，不可满足的。
B.
在谓词逻辑中，不是任何一个谓词公式都可通过应用等价关系及
推理规则化成相应的子句集。
C.
任何文字的析取式称为子句。
D.
归结演绎定理证明的实质是对前提
P
和
结论
Q
证明
P->Q
< br>的永真性。
1
、人工智能研究的基本内容
不包括
（
B
）
A
、机器行为
B
、机器动作
C
、机器思维
D
、机器感知
2
、下列说法不正确的是
（
C
）
A
、永真性：如果谓词公式
P
对个体域
D
上的任何一个解释都取得
真值
T
，则称
P
在
D
上是永真的
B
、
可满足性：
对于谓
词公式
P
，
如果至少存在一个解释使得
公式
P
在此解释下的真值为
T
，则称公式
P
是可满足的
C
、永真性：如果谓词公式
P
在个体域
D
上，存在一个解释都取得
真值
T
，则称
P
在
D
上是永真的
D
、不可满足性：如果谓词公式
P
对于个体域
D
上的任何一个解释
都取得真值
F
，则称
P<
/p>
在
D
上是永久假的，如果
P
在每个非空个体域
上均永假，则称
< br>P
永假
3
、下列哪个符合著名的
Bayes
公式（
< br>A
）
A
、
P(Ai/B)=P(Ai)×P(B/Ai)/∑(P(Aj)×P(B/Aj)
)
B
、
P(
Ai/B)=P(Ai)×P(Ai/B)/∑(P(Aj)×P(B/Aj))
C
、
P(Ai/B)=P(B
)×P(B/A
i)/∑(P(Aj)×P(B/Aj))
D
、
P(Ai/B)=P(Ai)×P(B/Ai)/∑(P(
< br>Bj)×P(A/Bj))
6
、下列哪个
不是
框架表示法的特点（
C
）
A
、结构化深层知识表示
B
、易附加过程信息
C
、层次间相互独立
D
、组织结构化
10
、演绎推理的三段论式不包括（
A
）
A
、推理
B
、结论
C
、大前提
D
、小前提
2
、智力具有
B
<
/p>
、记忆与思维能力、学习及自适应能力、行为能
力。
A
自我提高能力
B
感知能力
C
改变能力
D
认知能力
3
、归结策略大致可分为两大类：
、
。
（
D
）
A
、递归策略
循环策略
B
、限制策略
循环策略
C
、删除策略
递归策略
D
、删除策略
限制策略
4
、太阳从东边升起是＿
A
＿
A
必然事件
B
不确定事件
C
不可能事件
D
不可能事件
5
、以下哪一个公式是正确的（Ｂ）
Ａ
P
∧
(P
∧
R)
←→
P
Ｂ
(
x
)
P
(
x
)(
P
)
Ｃ
P
∨
(Q
∧
R)
←→
(P
∧
Q)
∨
(P
∧
R)
Ｄ
P
∨
(P
∧
R)
←→
R
6
、
下列数字哪个表示最模糊（
B
）
Ａ
0.8
Ｂ
0.5
Ｃ
0
Ｄ
1
7<
/p>
、掷二枚骰子，事件
A
为出现的点数之和
等于
3
的概率为
B
）
（
A 1/11
B
1/18
C
1/6
D
都不对
8
、
市场上某商品来自两个工厂，
它们市场占有率分别为
60
％和
40
％，
有两人
各自买一件。
则买到的来自不同工厂之概率为
（
C
）
A
0.5
B 0.24
C 0.48
D 0.3
9
、模式匹配分为
和
。
（
D
）
A
、模糊匹配
精确匹配
B
、复杂匹配
进件匹配
C
、相似匹配
精确匹配
D
、确定匹配
不确定性匹配
10
< br>、设甲、乙、丙三人中有人从不说真话，也有人从不说假话，某人
向着三人分别提
出一个问题：谁是说谎者？
甲答：
“
B
和
C
都是说谎者”
；
乙答：
“
A
和
C
都是说谎者”
；
< br>丙答：
“
A
和
< br>B
至少有一个是说谎者”
。
谁是老实人，谁是说谎者？（
C
）
A
、甲是老实人，乙是说谎者
B
、甲是老实人，丙是说谎者
C
、丙是老实人，甲是说谎者
D
、丙是老实人，乙是说谎者
二、判断题
1.
人工智能是智能计算机系统，<
/p>
即人类智慧在机器上的模拟，
或者说
是人
们使机器具有类似于人的智慧
（对语言能理解、
能学习、
能推理）
。
（
T
）
2.
经
典命题逻辑和谓词逻辑的语义解释只有两个：真和假，
0
和
1
。
（
T
）
3.
海
伯伦定理可以在计算机上实现其证明过程。
（
F
）
4.
鲁宾逊归结原理中空子句是不可满足的，若一个子句集包含空子
句集，则这个子句集一定是不可满足的。
（
T
）
5.
逆
向推理的缺点是若提出的假设目标不符合事实，但是不会降低
系统效率。
（
F
）
6.
不
确定性推理指推理所使用的知识和推出的结论可以是不确定的。
所谓不确定性是真值
为假。
（
T
）
7.
鲁宾逊归结原理中，设
C1
与
C2
是子句集
S
中的两
个子句，
C12
是它们的归结式，若把
C12
加入
S
中，得到新子句集
S2
，则
S
与
S2
是等价的。
（
F
）
8.
产
生式规则不能表达具有结构性的知识，但效率较高。
（
F
）
9.
框架是用于描述具有固定的静态对象的通用数据结构，但是也可
以描述某些简单的动态对象。
（
F
）
10.
语义网络系统由两部分组成：由语义网络组成的知识库和
用于求解问题的解释程序即推理机。
（
T
）
1
.
人工智能是计算机科学的一个分
支，是智能计算机系统，即人类
智慧在机器上的模拟，
或者说是
人们使机器具有类似于人的智慧
（对
语言能理解、能学习、能推
理）
。
（√
）
2.
在
0,1,
…
,9
，这
10
个数字当中，一次任取两个，则抽到
5
这个数
字的概率是
0.1.
（×
）
3.
人工智能的研究途径是主张通过运用计算机科学的方法进
行研究，
实现人工智能在计算机的模拟。
（√
< br>
）
4.
< br>（
x
）
{P(x)
P(x)}
消
去
蕴
含
符
号
得
：
（
< br>
x
）
{
P(x)
P(x)}
。
（×
）
5.
人
工智能的研究长期目标是使现有的电子计算机更聪明，更有用，
使它不仅能做一般的数值
计算及非数值信息的数据处理，
而且能运用
知识处理问题，能模
拟人类的部分智能行为。
（
×）
6.
命题是可以判断真假的语句。
（×
）
7.
单个谓词是谓词公式。
（√
）
8.
产
生式系统的构成规则库，综合数据库两部分。
（×
）
9.
“他每天下午都去打篮球。
”用相应的谓词公式表示为：
TIME(X):
X
是下午
PLA
Y
（
X
，
Y<
/p>
）
：
X
去打
Y
（
X
）
TIME
（
X
）
PLAY
（
HE
，
BASKETBALL
）
（√
）
10
．<
/p>
规则演绎系统和产生式系统有正向推理、
逆向推理和双向推理三<
/p>
种推理方式。
逆向推理是从用户提供的初始已知事实出发，
在知识库
KB
中找出当前可适用的知识，构成
可适用知识集
KS
，然后按某种冲
突消
解策略从
KS
中选出一条知识进行推理，并将推出的新事实加入
到数据库中作为下一步推理的已知事实，
在此之后再在知识库中
选取
可适用的知识进行推理，如此重复，直到求得了所要求的解，或者知
识库中再无可适用的知识为止。
（×
）
1.
如果搜索是经接近起始节点的程
序来依次扩展节点，这种搜索叫深
度搜索。
（×）
2.
启发式搜索一定比盲目式搜索好
(
×
)
3.
语义网络、框架等知识
表示方法，均是对知识和事实的一种静止的
表示方法。
（√）<
/p>
4.
反向推理是以已知事实作为出
发点，按照一定的策略，运用知识
库中的知识，推断出结论的过程（×
< br>
）
5.
< br>专家系统的结构选择不需要根据系统的应用环境和所执行任务的
特点就可以确定。
（×）
6.
图搜索算法中
,CLOSE
表用来登记待考察的节点（×）<
/p>
7.
框架适合表达结构性的知识，概
念、对象等知识最适于用框架表
示（√）
8.
当有一条以上的规则的条件部分和当前数据库相匹配时，
就需要
决定首先使用哪一条规则，这称为冲突解决。
(
√
)
9.
命题逻辑无
法把它所描述的客观事物的结构及逻辑特征反映出来，
也不能把不同事物间的共同特征表述出来。
（
√
）
1
、根据经验对一个事物或现象为真的相信程度称为可信度（√）
2<
/p>
、可信度带有较大的主观性和经验性，其准确性难以把握（√）
3
、
CF
模型是基于可信度表示不确定性
推理的基本方法（√）
5
、命题的取值只能有两个（×）
命题取值三个：真、假、无意义。
6
、人工智能是人们使机器具有类似于人的智慧（对语言能理解，能
学习，能推理）
（√）
7
、命题是能判断真假的陈述句（√）
8
、被认为是人工智能“元年”的时间是
1956
年
（√）
9
、
任何模糊集的模糊度都是
[0,1]
上的一个数。
（√）
10
、明天会下雨是真命题（×）
1.
“多
么美丽的祖国。
”是命题（
T
）
2.
命题逻辑实在为此逻辑的基础上发展起
来的，
命题逻辑可以看成是
为此逻辑的一种特殊形式。
（
F
）
3.
模糊集
A
是正规模糊集
，其核集可以为空。
（
F
）
4.
框架是用来描述具有固定的静态对象的通用
数据结构，该对象用
“对象
...
属性
....
属性值”表示。
（
T
）
5.
在用框架表示知识的系统中，
问题的求解主要是通过匹配和扩展来
实现的。
（
F
）
6.
在语义网络的一个三元组中，
表示类属关系时，
箭头所指得节点代
表上层概念，
而箭尾的节点代表下层节点。
（
T
）<
/p>
7.
代换是形如
{t1/x1,t2/x2,
…
,tn/xn}
的有限集合。其中，
t1,t2,
…
,tn
是项；
x1,x2,
…
,xn
是可相同的变元。
（
F
）
8.
不确定性推理是建立在经典逻辑基础上的一种推理，
它是对不确定
性知识的运用和处理。
（
F
）
9.
目前
在专家系统中，
知识的不确定性一般由领域专家给出，
通常是<
/p>
一个数值，它表示相应知识的不确定性程度，称为知识的动态强
度
。
（
F
）
<
/p>
10.
人工智能所面向的是结构有序，能从中分析计算出规律的问
题。
（
F
）
3.
命题逻辑有局限性
,
无法把它所描述的客观事物的结构及逻辑特征
反映
出来，也不能把不同事物间的共同特征表述出来。
T
4.
谓词公式是指无论是命题逻辑还是谓词逻辑，可以利用连接词把
一些简单的命题连接起来构成一个合命题，
表示一个比较复杂的含义。
< br>
T
5.
< br>模糊性就是指客观事物在性态及类属方面的不分明性，其根源是
在类似事物间存在
一系列过渡状态，它们相互渗透，相互贯通，使得
彼此之间没有明显的分界线。
T
6.
λ
水平截集是把模糊集合向特殊
（普通）集合转化的一个重要概
念。
F
7.
知识是人们在长期的生活及社会实践中积累起来的对客观世界的
< br>认识与经验，人们把实践中获得的信息关联在一起，就获得了知识。
T
8.
推理的基本任务：是从一种
判断推出另一种判断。
T
9.
OPEN
表用于存放将要扩展或者已扩展的节点。
F
10.
深度优先搜索总可以得到解，而且得到的是路径最短的解。<
/p>
F
1
、主观
Bayes
方法利用新的信息将先验概率
P(H)
更新为后验概
率
P(H|E)
的一种计算方法（
T<
/p>
）
2
、谓词的
个体，可以是一个常量，也可以是一个变元，还可以是一
个多元（
F
）
3
、在相同的条件下重复进行某种试
验时，试验结果不一定完全相同
且不可预知的现象称为随机现象（
T
）
4
、
仅个体变元被量化的谓词称为二介谓词（
F
）
< br>
5
、
A
是凸模糊集，
即对任意
λ
∈
[0,1],A
的
λ
水
平截集是闭区间
（
T
）
6
、谓词逻辑可以表示规则
（
T
）
7
、蕴含式表示知识的范围比产生式表示的范围要广（
F
）
8
< br>、模糊推理是不确定性推理中的一种（
T
）
9
、子句间既可以有合取词又可以有析取词（
F
）
10
、
归结策略中的限制策略尽可能减小了归结的盲目性，
使其尽快的
归结出空子句（
T
）
2.
人工智能的长期研究目标
:
电子计算
机更聪明，更有用，使它不
仅能做一般的数值计算及非数值信息的数据处理，
而且能运用知识处
理问题，能模拟人类的部分智能行为
。
（×）
3.<
/p>
“我吃的很饱是一个命题”是一个命题。
（√）
< br>
4.
假设
d(A)
为
A
的模糊度，如果模糊度靠近
< br>0
则越模糊，等于
0
时
最模糊。
（×）
5.
“雪是白色的”在人工智能中这种知识称为“规则”
。
（×）
6.
产生式
系统一般由控制系统，规则库，综合数据构成。
（√）
7.
归结推理有多种形式，经常用的是三段论式。
（×）
8
、参加归结的
子句内部含有可合一的文字，则在进行归结之前应对
这些文字先进行合一
。
（√）
9
、
close
表：用于存放
将要扩展或者已扩展的节点，所谓对节点进
行
“扩展”
是指：
用合适的算符对该节点进行操作，
生成一
组子节点。
（√）
10
、
CF(E)=0.6
表示证据
E
的可信度为
0.6
。
（√）
三、简答题
1
、什么是推理？
< br>从已知事实出发，通过运用已掌握的知识，找出其中蕴含的事实，或
归结出新的事
实，这一过程称为推理。
2
、什么是
语意网络，以及语义网络的组成？
语义网络是通过概念及其语义关系来表示知识的一种网络图。
语义网络由节点和节点间的弧组成，其中节点表示各种事物，概念，
情况，属性，动作，状况等；弧表示各种语义联系，指明他所连接的
节点间的各种语
义联系。
3.
何谓产生式系统？它由哪几部分组成？
把一组产生式放在一起，让它们相互配合，协同作用，一个产
生式生
成的结论可以供另一个产生式作为已知事实使用，以求得问题的解，
这样的系统称为产生式系统。
产生式系统一般由三
个基本部分组成：
规则库、
综合数据库和推理机。
4.
演义推理的定义及常用形式。
<
/p>
演绎推理：
从全称判断推导出特称判断或单称判断的过程，
即由一般
性知识推出适合于某一具体情况的结论。它包括：
1.
大前提，这是已
知的一般性知识或假设；
2.
小前提，这是关于所研究的具体情况或个
别事实的判断；
3.
结论，这是由大前提推出的适合于小前提
所示情况
的新判断。
5.
框架系统中求解问题的一般过程？
(1)
首先把这个问题用一个框架表示出来；
(2)
然后通过与知识库中已有的框架进行匹配，找出一个或
几个可匹
配的预选框架作为初步假设，
并在此初步假设的引导下
收集进一步的
信息
;
(3)
最后用某种评价方法对预选框架进行评价，
以便决定是否接受它。
1.
人工智能的研究目标及人工智能的研究途径
(1)
人工智能的研究长期目标
<
/p>
人工智能的长期研究目标：构造可以实现人类智能的智能计算机
或
智能系统。
(2)
人工智能的近期研究目标：
<
/p>
使现有的电子计算机更聪明，
更有用，
使
它不仅能做一般的数值计算
及非数值信息的数据处理，
而且能运
用知识处理问题，
能模拟人类的
部分智能行为。
随着人工智能研究的不断深入、发展，近期目标将不断变化，逐步向
远期目标靠近
(3).
研究途径：
以符号处理为核心的方法——主张通过运用计算机科学的方法进行
研究，实现人
工智能在计算机的模拟。
以网络连接为主的连接机制方法——
主张用生物学的方法进行研究，
搞清楚人类智能的本质。
2.
什么是谓词公式
答：单个谓词是谓词公式
如果
A
是谓词公式，┐
A
也是谓词公式
若
A
< br>，
B
都是谓词公式，则
A
∧
B
，
A
∨
B
，
A
→
B
，
A
←→
B
也是
谓词公式
若
A
是谓词公式，
X
是任一个体变元，包含全称量词和存在量
词
的也是谓词公式。
3.
在选择知识表
示模型时，应该考虑那些因素？
答：充分表示领域知识
有利于对知识的利用
便于对知识的组织、维护与管理
便于理解和实现
4.
什么是冲突？
答：<
/p>
在推理过程中，
系统要不断地用当前已知的事实与知识库中的知<
/p>
识进行匹配，此时可能发生如下三种情况：
Ⅰ
.
已知事实不能与知识库中的任何知识匹配成功；
Ⅱ
.
已知事实恰好只与知识库中的一个知识匹配成功；
Ⅲ
.
<
/p>
已知事实可以与知识库中的多个知识匹配成功；
或者有多个
（组）已知事实都可与知识库中的一个知识匹配成功；或者有多
个（组
）已知事实可与知识库中的多个知识匹配成功。
第三种为冲突。
1.
人工智能的定义
人工智能——计算机
科学的一个分支，是智能计算机系统，即人
类智慧在机器上的模拟，或者说是人们使机器
具有类似于人的智
慧（对语言能理解、能学习、能推理）
。
2.
人人爱劳
动（
labour
）
。
（定义谓词：
PEOPLE(x)
表示“
x
是人”
；
LOVE(x,y)
表示“
x
爱
y
”
）
3.
高老师从
7
月
到
8
月给计算机系学生讲《计算机网络》课。用语义
网络表示
5.
设有以下两个模糊关系
请写出
R1
°
R2
R(1,1)=(0.3
∧
0.2)<
/p>
∨
(0.7
∧
0
.6)
∨
(0.2
∧
< br>0.9)= 0.2
∨
0.6
∨
0.2=0.6
R(1,2)=(0.3
< br>∧
0.8)
∨
(0.7
∧
0.4)
∨
(0.2
∧
0.1)= 0.3
∨
0.4
∨
0.1=0.4
R(2,1)=(1
∧
0.2)
∨<
/p>
(0
∧
0.6)
∨
(0.4
∧
0.9)= 0.2
∨
0
∨
0.4=0
.4
R(2,2)=(1
∧
0.8
)
∨
(0
∧
0
.4)
∨
(0.4
∧
< br>0.1)= 0.8
∨
0
∨
0.1=0.8
R(3,1)=(0
∧
0.2)
∨
(0.5
< br>∧
0.6)
∨
(1
∧
0.9)= 0.2
∨
0
.6
∨
0.9=0.9
R(3,2
)=(0
∧
0.8)
∨
(0.5
∧
0.4)
∨
(1
∧
0.1)= 0
∨
0.4
∨
0.1=0.4
1
、
某校计科系一年级
100
名学生中有男生<
/p>
80
名，
来自昆明的
20
名学生中有
男
生
12
名，选修数学建模课的
40
名学生中有男生
32
名，求碰到
男生的情况下，
不是昆明学生的概率：
2
、
3
、已知甲袋中有
6
只红球，
4
只白球；乙袋中有
8
只红球，
6
只白球。求下列事
件的概率：
5
、用语义网络表示下列信息
胡途是思源公司的经理，他
35
岁，住在飞天
胡同
68
号
6
、清华大学与北京大学进行篮球比赛，最后以
89
< br>：
89
的比分结束
7
、将命
题：
“某个学生读过三国演义”用谓词公式表示
8
、将命题：
“某个学生读过三国演义”用语义网络表示
9
、十字路口的交通信号灯每分钟红
灯亮
30
秒，绿灯亮
25
秒，黄灯亮
5
秒，当
你抬头
看信号灯时，是黄灯的概率为
_______________
1/12
10
、在
< br>6
件产品中，有
2
件次品，任取
两件都是次品的概率是
1/15
1.
命题公式的一个解释是什么含义
？并求解下列命题公式的一个真值指派。
答：对命题公式中各
个命题变元的一次真值指派称为命题公式的一个解释。
2.
为什么要研究模糊理论？
答：
概率论解决的问题是随机事件发生的可能性，
仅仅是现实世界当中的一种不确定性。
即
事件本身明确只是
发生的有一定条件；
而模糊理论研究的是形态属性的不确定性，
即事件本
身就是不确定的。
3.
假设已知下列事实：
张某被盗，公安局派了五个侦察员去调查。研究案情时，侦察
员Ａ说：
“
赵与钱中至少有一
人作案<
/p>
”
；
侦察员Ｄ说：
“
钱与孙至少有一人作案
”
；
侦察员Ｃ说：
“
孙与李中至少有一个作案
”
；
侦察员Ｄ说
“
赵与孙至少一个与案无关
”
；侦察员Ｅ
说
“
钱与李中至少有一人与此案无关
”
。如
果这五个侦察员的话都是可信的，试用消解原理推理求出谁
是盗窃犯。
由五个侦察员的话为真，有
P
（
z
）
p
（
q
）
（
1
）
P
（
q
）
p
（
s
）
（
2
）
P
（
s
）
p
（
l
）
（
3
）
p
（
z
）
p
（
s
）
< br>（
4
）
p
（
q
）
p
（
l
）
（
5
）
把结论的否定加入结论的否定的否定的子句中去，得：
p
（
x
）
v
P
（
x
）
（
< br>6
）
因为这些全都是子句，所以化为子句集的步骤可以省略了。
<
/p>
（
1
）
，
（
4
）归结得：
<
/p>
p
（
q
）
p
（
s
）
（
7
）
（
2
）
，
（
7
）归结得：
p
（
q
）
（
8
）
即：钱是盗窃犯。
（
5
）
，
（
8
）归结得：
p
（
l
）
（
9
）
李不是盗窃犯。
（
< br>3
）
，
（
9
）归结得：
p(s)
(10)
孙是盗窃犯。
（
4
）
，
（
10
）归结得：
p
< br>（
z
）
赵不是盗窃犯。
所以，钱和孙是盗窃犯。
4.
框架表示法的特点
1)
框架能进行结构化深层知识表示：
框架可为实体、属性关系和默认值等提供显示表示；其中提供默认值相
< br>当
于用人的经验预测。适合表示常识性知识；
表示实体固有的因果模型，便于知识的解释；
(2)
容易附加过程信息。
框架主
要描述静态知识，
它的
if_needed
< br>，
if_added
，
if_r
emoved
侧面可进行附加。
3.
框架之间的层次结构提供了继承特性。
一个框架的属性及附加过
程可从高层次的框架
继承下来。
4.
框架间的组织结构化。框架可组织成层状；每个框架形成了一个独立的知
识单元；可利用系统扩展、模块化。
1.<
/p>
（
1
）
__
核集
___(2)__
水平截集
___(3)__
支集
___
（
1
）
（
2
）
（
3
）
2.
若从推出结论的途径来划分，推
理可分为：演绎推理、
归纳推理
,
默认推理
3.
知识的特性？
相对正确性、不确定性、可表示性与可利用性
4.
用谓词逻辑表示：并不是每个人都喜欢打篮球
<
/p>
定义谓词：
MAN(x):x
是人
LIKE(x,y):x
喜欢打
y <
/p>
┐（（
X
）<
/p>
MAN
（
X
）→
LIKE
（
X
，篮球））
表和
Closed
表的作用
Open
表用于存放刚生成的节点；
Closed
表用于存放将要扩展或者已经扩展的
节点。
7.
什么是可信度？
根据经验对一个事物或者现象为真的相信程度称为可信度
四、计算题
1.
设
F
是
论域
U
上的模糊集，
R
是
U×V
上的模糊关系，
F<
/p>
和
R
分别为：
F
{
0
.
4
,
0
.
6
,
0
.
8
}
< br>0
.
1
0
.
3
0
.
5
R
0
.
4
0
.
6
0
.
8
< br>
0
.
6
0
.
3
0
求模糊变换
F
·
R
。
解：
F
R<
/p>
{0.4
0
.1
0.6
0.4
0.8
< br>0.6,
0.4
0.3
0.6
0.6<
/p>
0.8
0.
3
0.4
0.5
0.6
0.8
0.8
0}
={0.1
∨
0.4
∨
0.6, 0.3
∨
0.6
∨
0.3,0.4
∨
0.6
∨
0 }
={0.6, 0.6,
0.6}
2.
某公司招聘工作人员，
A
、
B
、
C
三人应试，经面试后公司表示如
下想法：
(1)
三人中至少录取一人；
(2)
如果录取
< br>A
而不录取
B,
则一定录取
C;
(3)
如果录取
B
< br>，则一定录取
C;
求证：公司一定录取
C
。
(1)
P(A)
P(B)
P(C)
(2)
P(A)
P(B)
P(C)
(3)
P(B)
P(C)
(4)
P(C)
应用归结原理进行归结
:
(5)
P(B)
P(C)
(1)
与
(2)
归结
(6)
P(C)
(3)
与
(
5)
归结
(7)
NIL
(4)
与
6)
归结
公司一
定录取
C
。
3.
写出学生框架的描述。
4.
设有如下一组知识：
R1: IF
E1
THEN
H
(0.8)