人工智能导论期末考试知识点梳理

人工智能导论期末考试试卷A是一份针对人工智能基础知识的测试，旨在评估学生对本课程核心概念的理解和掌握。试卷包括填空题和选择题两部分，涵盖了以下关键知识点： 1. **人工智能三大学派**： - 逻辑主义：强调通过形式逻辑和数学推理构建智能。 - 行为主义：关注机器模仿人类行为的学习过程。 - 连接主义：借鉴生物神经网络，通过学习权重调整实现学习。 2. **知识表示方法**： - 谓词逻辑（ISA）与语义网络的关系：ISA类似于语义网络中的层次结构，例如LIMING MAN的表达可以通过ISA网络清晰地组织关系。 3. **状态空间表示法**： - 包括状态和操作两个基本概念：状态描述问题的可能世界，操作定义如何从一个状态转移到另一个状态。 4. **产生式系统**： - 由三个组成部分构成：一个总数据库、一组规则库（描述问题求解过程）和推理机制（根据规则进行推导）。 5. **ANN（Artificial Neural Network）**： - 定义为人工神经网络，它是一种模拟人脑神经元网络的学习算法，尤其是反向传播算法用于调整网络权重。 6. **反向传播算法**： - 从输出节点开始，计算误差并逆向传播至输入节点，以此调整权重，优化网络性能。 7. **消解与反演证明**： - 消解是指通过逻辑推理简化命题；反演证明定理时，若归结式表明所有前提为假，则定理可得证。 8. **逻辑推理与演绎**： - 基于规则的正向演绎系统中，规则通常形式为"如果前提成立，则结论一定成立"，前项需满足特定条件。 9. **语义网络推理**： - 通过连接和激活机制，实现基于语义关系的推理过程。 10. **人工智能之父与测试模型**： - 人工智能领域的重要人物，如艾伦·图灵，提出了图灵测试，用以衡量机器是否具备人类智能。 11. **谓词公式消去存在量词**： - 提供了一个逻辑表达式的消去存在量词示例，展示量词的处理技巧。 12. **命题合一**（最一般合一，mgu）： - 在逻辑或形式语言中，找到两个命题的最一般形式，使得它们相等。 13. **进化策略**： - 一种随机搜索算法，通过变异和选择操作产生新的解，常用于优化问题。 14. **搜索算法与知识表示法**： - 广度搜索（宽度优先）关注探索尽可能多的状态；深度搜索（深度优先）直至达到目标；其他选项如反馈网络、事件序列描述、剧本表示法和框架表示法涉及不同的知识表示方法和搜索策略。 选择题部分涵盖了搜索算法、人工神经网络类型、知识表示法以及产生式系统推理的不同方面。通过这些题目，考试评估了学生对人工智能理论、技术及应用的理解深度。