人工智能概论人工智能智能练习题 VIP免费

1、人工智能（artificialintelligence）是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。2、智能机器（intelligentmachine）是能够在各类环境中自主地或交互地执行各种拟人任务的机器。3、目前人工智能的主要学派有哪些？（1）符号主义（symbolicism）：又称逻辑主义（logicism）、心理学派（psychologism）或计算机学派（computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。（2）连接主义（connectionism）：又称仿生学派（bionicsism）或生理学派（physiologism），其原理主要为神经网络及神经网络间的连接机制与学习算法。（3）行为主义（actionism）：又称进化主义（evolutionism）或控制论学派（cyberneticsism），其原理为控制论及感知-动作型控制系统。4、什么是机器学习？机器学习研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。一般来说，环境为学习单元提供外界信息源，学习单元利用该信息对知识库做出改进，执行单元利用知识库中的知识执行任务，任务执行后的信息又反馈给学习单元作为进一步学习的输入。5、神经网络人工神经网络（也称神经网络计算，或神经计算（neuralcomputing））实际上指的是一类计算模型，其工作原理模仿了人类大脑的某些工作机制。这种计算模型与传统的计算机的计算模式完全不同。传统的计算模型是这样的，利用一个（或几个）计算单元（即CPU）担负所有的计算任务，整个计算过程是按时间序列一步步地在该计算单元中完成的，本质上是串行计算。神经计算则是利用大量简单计算单元，组成一个大网络，通过大规模并行计算来完成。由于其思想的新颖性，所以一开始就受到广泛的重视。从计算模型看，神经计算是由大量简单的计算单元组成网络进行计算。这种计算模型具有鲁棒性、适应性和并行性。这是传统计算所没有的。从方法论的角度看，传统的计算依靠自顶向下的分析，先利用先验知识建立数学的、物理的或推理的模型。在此基础上建立相应的计算模型进行计算。但神经网络计算是自底向上的，很少利用先验知识，直接从数据通过学习与训练，以自动建立计算模型。可见，神经网络计算表现出很强的灵活性、适应性和学习能力，这是传统计算方法所缺乏的。6、一个系统需要什么样的知识才可能具有智能呢？知识是建立在数据和信息基础之上的，一个智能程序一般至少包括下面几个方面的知识。（1）事实：是关于对象和物体的知识。人工智能中的知识表示应能表示各种对象、对象类型及其性质等。事实是静态的、为人们共享的、可公开获得的、公认的知识，在知识库中属底层知识。（2）规则：是有关问题中与事物的行动、动作相联系的因果关系的知识，是动态的，常以“如果……那么……”形式出现。特别是启发式规则是属于专家提供的专门经验知识，这种知识无严格解释但很有用处。（3）元知识：是有关知识的知识，是知识库中的高层知识。例如，包括怎样使用规则、解释规则、校验规则、解释程序结构等知识。一个专家可以拥有几个不同领域的知识，元知识可以决定哪一个知识库是适用的。元知识也可用于决定某一领域中哪些规则最合适。（4）常识性知识：泛指普遍存在而且被普遍认识了的客观事实一类知识，即指人们共有的知识。7、什么是命题？所谓的命题就是具有真假意义的陈述句。如“今天下雨”、“大于2的偶数均可分拆为两个素数的和（哥德巴赫猜想）”、“1+100=101”、“人是会死的”，等等，这些句子在特殊的情况下都具有“真（True）”和“假（False）”的意义，都是命题。一个命题总是具有一个值，称为真值。真值只有“真”和“假”两种，一般分别用符号T和F表示。一切没有判断内容的句子、无所谓是非的句子，如感叹句、祈使句、疑问句都不能作为命题。如“全体立正!”、“明天是不是开会？”、“天气多好啊!”、“我在说谎”等，都不是命题。8、命题有哪两种类型？命题有两种类型：第一种类型是不能分解成更简单的陈述语句，称为原子命题；第二种类型是由联结词、标点...