人工智能考試復(fù)習(xí)題及人工智能課程體系與項(xiàng)目實(shí)戰(zhàn)

..1.什么叫智能?什么叫人工智能?智能一般稱為智慧，泛指人運(yùn)用知識、認(rèn)識問題、解決問題的能力。人工智能就是研究怎樣讓電腦模仿人腦從事推理、規(guī)則、設(shè)計(jì)、思考、學(xué)習(xí)等思維活動，解決迄今認(rèn)為需要由專家才能處理好的復(fù)雜問題。2.人工智能科學(xué)體系大致分哪幾個(gè)層次?人工智能學(xué)科體系大致分為三個(gè)層次：⑴人工智能理論基礎(chǔ)包含：①與人工智能有關(guān)的數(shù)學(xué)理論②認(rèn)知科學(xué)理論③計(jì)算機(jī)工程理論與技術(shù)⑵人工智能原理智能的高低是以知識的擁有和有效的運(yùn)用為其主要特征。因此，人工智能的工作原理以知識的表示、知識的獲取與學(xué)習(xí)、利用知識求解問題，以及系統(tǒng)構(gòu)成技術(shù)作為主要的研究內(nèi)容。⑶人工智能工程技術(shù)根據(jù)人工智能基礎(chǔ)理論和工作原理而建立起來的工程系統(tǒng)。如：專家咨詢系統(tǒng)、專家系統(tǒng)開發(fā)工具與環(huán)境、自然語言理解系統(tǒng)、圖象理解與識別系統(tǒng)等，都屬于人工智能原理的工程范疇。3.人工智能的研究有大致可歸結(jié)為哪三種途徑?⑴生物學(xué)途徑采用生物學(xué)的方法，直接模擬人的感官以及大腦的結(jié)構(gòu)和機(jī)能，制成神精元模型和腦模型。⑵心理學(xué)途徑（或“啟發(fā)式途徑”）應(yīng)用實(shí)驗(yàn)心理學(xué)的方法，考察人在解決各種問題時(shí)采用的方法、策略，總結(jié)人們思維活動的規(guī)律，并把這些規(guī)律編成程序，作為心理模型，用計(jì)算機(jī)進(jìn)行模擬。⑶工程技術(shù)途徑從工程技術(shù)觀點(diǎn)出發(fā)，研究如何用電子計(jì)算機(jī)從功能上模擬人所具有的智能行為。4.人工智能領(lǐng)域中具有一般意義的核心課題是什么?①知識的模型化和表示方法；②啟發(fā)式搜索理論；③常識性推理、演繹和問題求解；④機(jī)器學(xué)習(xí)；⑤人工智能系統(tǒng)構(gòu)成和語言。5.人工智能領(lǐng)域主要有哪些?專家系統(tǒng)2、自然語言處理3、機(jī)器人學(xué)4、自動定理證明5、自動程序設(shè)計(jì)6、博弈和決策7、組合調(diào)度問題8、機(jī)器視覺（與模式識別）6.知識處理學(xué)的三大課題?知識表示(2)知識獲取(3)知識運(yùn)用7.學(xué)過哪些知識表的方法?各種方法大致用法?一階謂詞邏輯表示；謂詞不但可表示一些簡單的事實(shí)，而且可以表示帶有變量的“知識”，有時(shí)稱為“事實(shí)的函數(shù)”。進(jìn)而可用謂詞演算中的邏輯聯(lián)接詞“與(∧)”、“或(∨)”、“非(┐)”和“蘊(yùn)含(→)”等來組合已有知識，從而表示出更復(fù)雜的知識。關(guān)系表示（“特性表”表示）用關(guān)系來表示推理規(guī)則，若在前提和結(jié)論中都不含變量的命題時(shí)，規(guī)則可容易地表為下列形式：IF----THEN(前提1，前提2，……，前提N，結(jié)論)；其中的前提1與結(jié)論都取命題為值。（3）框架表示如下形式：（框架1（槽1（面1（數(shù)據(jù)1（標(biāo)記1（信息1……）………（標(biāo)記i…（…）（數(shù)據(jù)2（標(biāo)記1（信息…）…）…………（數(shù)據(jù)i…）…）（面2（數(shù)據(jù)1（標(biāo)記1…）…）…）（槽2……）…………（槽i……）槽：用來存放描述某事物性質(zhì)的屬性名及其它框架的關(guān)系。面：用來規(guī)定其下位結(jié)構(gòu)中所具數(shù)據(jù)的性質(zhì)。數(shù)據(jù)：用來描述屬性名的值（含省略值），作為指向其它框架的指針及描述過程（論證）。(4)產(chǎn)生式表示（規(guī)則表示）在產(chǎn)生式系統(tǒng)中，論域中的知識被分成兩部分：凡是靜態(tài)的知識，如事物、事件及它們之間的聯(lián)系，用所謂的事實(shí)來表示；而把推理及其形式用所謂的產(chǎn)生式規(guī)則來表示。(5)語義網(wǎng)表示從圖論的觀點(diǎn)看，它其實(shí)就是“一個(gè)帶標(biāo)識的有向圖”，由結(jié)點(diǎn)和?。ㄒ卜Q“邊”）所組成。其中，結(jié)點(diǎn)表示各種事實(shí)、概念、屬性及知識實(shí)體等，而弧表示它們之間的相互關(guān)系。一般，我們將關(guān)系的說明算作指示器或指針。(6).過程表示它是通過函數(shù)符作用于某個(gè)狀態(tài)，以產(chǎn)生出新狀態(tài)，以致以初始狀態(tài)變換至目標(biāo)狀態(tài)，即我們所需要的解答。腳本表示一個(gè)腳本其實(shí)就是一個(gè)具有專門結(jié)構(gòu)的框架，它象一個(gè)電影劇本一樣，一場一場地表示一些特定的事件序列。面向?qū)ο蟮闹R表示8.推理的分類情況？充分置信推理（或稱演繹推理）、主觀的不充分置信推理（或稱歸納推理）、不精確推理（也可認(rèn)為是一種不充分置信推理）和非單調(diào)推理等。9．廣度優(yōu)先和深度優(yōu)先的搜索方法？廣度優(yōu)先算法：①建一個(gè)空的OPEN表和CLOSE表；②把初始狀態(tài)S并入OPEN表中，若S是一個(gè)目標(biāo)狀態(tài)，則求得一個(gè)解答，否則繼續(xù)向前搜索；③若OPEN表為空，則沒有解，搜索失??；否則繼續(xù)進(jìn)行；④把OPEN表中的第一個(gè)狀態(tài)n（處于最前端）移入CLOSE表中；⑤按某種原則，選擇一條恰當(dāng)?shù)囊?guī)則作用于n，如不產(chǎn)生新的后繼狀態(tài)，則轉(zhuǎn)③，否則轉(zhuǎn)⑥；⑥把由n產(chǎn)生的所有新后繼并入OPEN表的最末端并加上指向n的指針；⑦若n的任何一個(gè)后繼狀態(tài)是目標(biāo)狀態(tài)，則搜索成功，算法運(yùn)行終止；否則轉(zhuǎn)③。這里狀態(tài)即為結(jié)點(diǎn)，結(jié)點(diǎn)間的連線稱弧，弧上的箭頭指明只允許單向前進(jìn)。深度優(yōu)先算法：①建立空的OPEN表和CLOSE表；②將起始點(diǎn)S并入OPEN表中，若S為目標(biāo)結(jié)點(diǎn)，則得到一個(gè)解答，否則，繼續(xù)向前搜索；③若OPEN為空，則搜索失敗，否則繼續(xù)進(jìn)行；④把OPEN中的第一個(gè)結(jié)點(diǎn)n（最初是S）從OPEN中移至CLOSE表；⑤如n的深度等于給定的深度界限或葉結(jié)點(diǎn)，則轉(zhuǎn)③，否則轉(zhuǎn)⑥；⑥按某種原則選擇可適用規(guī)則作用于n，則產(chǎn)生新的后裔結(jié)點(diǎn)，并將其全部并入OPEN表的最前端，若無后裔，則轉(zhuǎn)③，否則轉(zhuǎn)⑦；⑦若后裔中有任一個(gè)為目標(biāo)結(jié)點(diǎn)，則求得一個(gè)解，搜索成功，否則轉(zhuǎn)③。10．機(jī)器感知有哪幾途經(jīng)？機(jī)器感知是通過機(jī)器視覺、聽覺、觸覺等，直接感知外部世界，輸入自然信息，獲取感性和理性知識。其中主要是機(jī)器視覺和聽覺。而視覺又是最主要的。專家系統(tǒng)的好處：①即使沒有機(jī)會與專家直接接觸的人，通過計(jì)算機(jī)也能得到接近于專家的咨詢。②成為專家自己進(jìn)行判斷有關(guān)問題時(shí)的輔助工具。③因?yàn)槭占藢＜业闹R，所以可防止知識的散失，容易進(jìn)行知識的繼承。專家系統(tǒng)受人歡迎主要有兩點(diǎn)：①隨叫隨到。②方便使用。這兩個(gè)結(jié)構(gòu)，看起來相似，但在最本質(zhì)的地方有很大的區(qū)別，那就是專家系統(tǒng)有利用知識庫中的知識進(jìn)行推理的推理機(jī)構(gòu)，而數(shù)據(jù)庫系統(tǒng)不具有這種推理機(jī)構(gòu)。（當(dāng)然另外專家系統(tǒng)具有學(xué)習(xí)功能）軟件存在功能、質(zhì)量和生產(chǎn)率三大問題。功能要有躍進(jìn)要靠發(fā)展人工智能；質(zhì)量要有保證要靠發(fā)展軟件理論；生產(chǎn)率要提高要靠發(fā)展軟件工程。專家系統(tǒng)在執(zhí)行與推理過程中用以存放中間結(jié)果或論據(jù)等的工作存儲器。研究知識表示、知識庫、智能塔的結(jié)構(gòu)。廣東省信息技術(shù)等級考試試題人工智能初步考試時(shí)間：90分鐘

滿分：100分

說明：.本卷分為第一卷和第二卷兩部分，共8頁。第一卷為客觀題，含單項(xiàng)選擇題和判斷題，單項(xiàng)選擇題40小題，每小題1．5分，共60分；判斷題10題，每小題1分，共10分；第二卷2頁為主觀題，共30分，全卷共100分，考試時(shí)間90分鐘。一、單選題：

1：人類智能的特性表現(xiàn)在4個(gè)方面

。A：聰明、靈活、學(xué)習(xí)、運(yùn)用。B：能感知客觀世界的信息、能對通過思維對獲得的知識進(jìn)行加工處理、能通過學(xué)習(xí)積累知識增長才干和適應(yīng)環(huán)境變化、能對外界的刺激作出反應(yīng)傳遞信息。C：感覺、適應(yīng)、學(xué)習(xí)、創(chuàng)新。D：能捕捉外界環(huán)境信息、能夠利用利用外界的有利因素、能夠傳遞外界信息、能夠綜合外界信息進(jìn)行創(chuàng)新思維。2：人工智能的目的是讓機(jī)器能夠

，以實(shí)現(xiàn)某些腦力勞動的機(jī)械化。A：具有智能

B：和人一樣工作

C：完全代替人的大腦

D：模擬、延伸和擴(kuò)展人的智能3：下列關(guān)于人工智能的敘述不正確的有：

。A：人工智能技術(shù)它與其他科學(xué)技術(shù)相結(jié)合極大地提高了應(yīng)用技術(shù)的智能化水平。

B：人工智能是科學(xué)技術(shù)發(fā)展的趨勢。C：因?yàn)槿斯ぶ悄艿南到y(tǒng)研究是從上世紀(jì)五十年代才開始的，非常新，所以十分重要。D：人工智能有力地促進(jìn)了社會的發(fā)展。4：人工智能研究的一項(xiàng)基本內(nèi)容是機(jī)器感知。以下列舉中的

不屬于機(jī)器感知的領(lǐng)域。A：使機(jī)器具有視覺、聽覺、觸覺、味覺、嗅覺等感知能力。B：讓機(jī)器具有理解文字的能力。C：使機(jī)器具有能夠獲取新知識、學(xué)習(xí)新技巧的能力。D：使機(jī)器具有聽懂人類語言的能力5：自然語言理解是人工智能的重要應(yīng)用領(lǐng)域，下面列舉中的

不是它要實(shí)現(xiàn)的目標(biāo)。A：理解別人講的話。

B：對自然語言表示的信息進(jìn)行分析概括或編輯。C：欣賞音樂。

D：機(jī)器翻譯。6：為了解決如何模擬人類的感性思維，例如視覺理解、直覺思維、悟性等，研究者找到一個(gè)重要的信息處理的機(jī)制是：

。A：專家系統(tǒng)

B：人工神經(jīng)網(wǎng)絡(luò)

C：模式識別

D：智能代理7：如果把知識按照作用來分類，下述

不在分類的范圍內(nèi)。A：用控制策略表示的知識，即控制性知識。B：可以通過文字、語言、圖形、聲音等形式編碼記錄和傳播的知識，即顯性知識。C：用提供有關(guān)狀態(tài)變化、問題求解過程的操作、演算和行動的知識，即過程性知識。D：用提供概念和事實(shí)使人們知道是什么的知識，即陳述性。8：下述

不是知識的特征。A：復(fù)雜性和明確性

B：進(jìn)化和相對性

C：客觀性和依附性

D：可重用性和共享性9：下述

不是人工智能中常用的知識格式化表示方法。A：框架表示法

B：狀態(tài)空間表示法

C：語義網(wǎng)絡(luò)表示法

D：形象描寫表示法10：關(guān)于“與/或”圖表示法的敘述中，正確的是：

。A：“與/或”圖就是用“AND”和“OR”連續(xù)各個(gè)部分的圖形，用來描述各部分的因果關(guān)系。B：“與/或”圖就是用“AND”和“OR”連續(xù)各個(gè)部分的圖形，用來描述各部分之間的不確定關(guān)系。C：“與/或”圖就是用“與”節(jié)點(diǎn)和“或”節(jié)點(diǎn)組合起來的樹形圖，用來描述某類問題的層次關(guān)系。D：“與/或”圖就是用“與”節(jié)點(diǎn)和“或”節(jié)點(diǎn)組合起來的樹形圖，用來描述某類問題的求解過程。11：構(gòu)成狀態(tài)空間的4個(gè)要素是：

。A：開始狀態(tài)、目標(biāo)狀態(tài)、規(guī)則和操作

B：初始狀態(tài)、中間狀態(tài)、目標(biāo)狀態(tài)和操作C：空間、狀態(tài)、規(guī)則和操作

D：開始狀態(tài)、中間狀態(tài)、結(jié)束狀態(tài)和其他狀態(tài)12：關(guān)于“與/或”圖表示知識的敘述，錯(cuò)誤的有

。A：用“與/或”圖表示知識方便使用程序設(shè)計(jì)語言表達(dá)，也便于計(jì)算機(jī)存儲處理。B：“與/或”圖表示知識時(shí)一定同時(shí)有“與節(jié)點(diǎn)”和“或節(jié)點(diǎn)”。C：“與/或”圖能方便地表示陳述性知識和過程性知識。D：能用“與/或”圖表示的知識不適宜用其他方法表示。13：下列不是知識表示法的是

。A：計(jì)算機(jī)表示法

B：“與/或”圖表示法

C：狀態(tài)空間表示法

D：產(chǎn)生式規(guī)則表示法14：一般來講，下列語言屬于人工智能語言的是

。A：VB

B：Pascal

C：Logo

D：Prolog15：Prolog語言的三種基本語句是：

。A：順序、循環(huán)、分支

B：陳述、詢問、感嘆

C：事實(shí)、規(guī)則、詢問

D：肯定、疑問、感嘆16：匹配是將兩個(gè)知識模式進(jìn)行

比較。A：相同性

B：一致性

C：可比性

D：同類性17：下列程序的運(yùn)行結(jié)果是

。A：ellen

B：john

C：eric

D：ellen、john、ericpredicateslikes(symbol,symbol)

clauseslikes(ellen,reading).likes(john,computers).likes(john,swimming).likes(leonard,badminton).likes(eric,swimming).likes(eric,reading).goallikes(Person,reading),likes(Person,swimming).18：下列Prolog程序的運(yùn)行結(jié)果是：

。A：xiaohua

B：xiaoming

C：xiaofang

Dpingpong

predicates

likes(symbol,symbol)

friend(symbol,symbol)

clauseslikes(xiaofang,swimming).likes(xiaoming,pingpong).friend(X,xiaohua):-likes(X,pingpong).goalfriend(X,xiaohua).19：下列程序的運(yùn)行結(jié)果是

。A：bill

tammy

sueB：tammyjoe

sueC：bill

sue

joeD：bill

joe

tammypredicatesmale(symbol)female(symbol)parent(symbol,symbol)clausesmale(bill).male(joe).female(sue).female(tammy).parent(bill,joe).parent(sue,joe).parent(joe,tammy).goalparent(Parent,_).20：專家系統(tǒng)是一個(gè)復(fù)雜的智能軟件，它處理的對象是用符號表示的知識，處理的過程是的過程。A：思維

B：思考

C：推理

D：遞推21：進(jìn)行專家系統(tǒng)的開發(fā)通常采用的方法是

。A：逐步求精

B：實(shí)驗(yàn)法

C：原型法

D：遞推法22：在專家系統(tǒng)的開發(fā)過程中使用的專家系統(tǒng)工具一般分為專家系統(tǒng)的

和通用專家系統(tǒng)工具兩類。A：模型工具

B：外殼

C：知識庫工具

D：專用工具23：專家系統(tǒng)是以

為基礎(chǔ)，以推理為核心的系統(tǒng)。A：專家

B：軟件

C：知識

D：解決問題24：

是專家系統(tǒng)的重要特征之一。A：具有某個(gè)專家的經(jīng)驗(yàn)

B：能模擬人類解決問題

C：看上去像一個(gè)專家

D：能解決復(fù)雜的問題25：一般的專家系統(tǒng)都包括

個(gè)部分。A：4

B：2

C：8

D：626：人類專家知識通常包括兩大類：

。A：理科知識和文科知識

B：書本知識和經(jīng)驗(yàn)知識

C：基礎(chǔ)知識和專業(yè)知識

D：理論知識和操作知識27：確定性知識是指

知識。A：可以精確表示的

B：正確的

C：在大學(xué)中學(xué)到的知識

D：能夠解決問題的28：

下列關(guān)于不確定性知識描述錯(cuò)誤的是

。A：不確定性知識是不可以精確表示的

B：專家知識通常屬于不確定性知識C：不確定性知識是經(jīng)過處理過的知識

D：不確定性知識的事實(shí)與結(jié)論的關(guān)系不是簡單的“是”或“不是”。29：知識獲取的目的是將人類專家的知識轉(zhuǎn)換為專家系統(tǒng)知識庫中的知識，知識獲取的方法通常有

種。A：2

B：3

C：4

D：530：專家系統(tǒng)的推理機(jī)的最基本的方式是

。A：直接推理和間接推理

B：正向推理和反向推理

C：邏輯推理和非邏輯推理

D：準(zhǔn)確推理和模糊推理31：專家系統(tǒng)的正向推理是以

作為出發(fā)點(diǎn)，按照一定的策略，應(yīng)用知識庫中的知識，推斷出結(jié)論的過程。A：需要解決的問題

B：已知事實(shí)

C：證明結(jié)論

D：表示目標(biāo)的謂詞或命題32:下列關(guān)于不精確推理過程的敘述錯(cuò)誤的是

。A：不精確推理過程是從不確定的事實(shí)出發(fā)

B：不精確推理過程最終能夠推出確定的結(jié)論C：不精確推理過程是運(yùn)用不確定的知識

D：不精確推理過程最終推出不確定性的結(jié)論33：下列不屬于專家系統(tǒng)的解釋功能的主要作用是

。A：對用戶說明為什么得到這個(gè)結(jié)論

B：對用戶說明如何得到這個(gè)結(jié)論C：提高專家系統(tǒng)的信賴程度

D：對用戶說明專家系統(tǒng)的知識結(jié)構(gòu)34：在重排九宮問題的狀態(tài)樹中（如下圖），以下選項(xiàng)中全是分支節(jié)點(diǎn)的是

。A：B2、C2、D2、E2

B：B4、C2、D3、D8

C：B3、C5、D7、E7

D：C6、D1、E5、E1435：在重排九宮問題中，啟發(fā)函數(shù)H（x）+D（x）中的D（x）表示

。A：節(jié)點(diǎn)x與目標(biāo)狀態(tài)位置不同的棋子個(gè)數(shù)

B：節(jié)點(diǎn)x與目標(biāo)狀態(tài)位置相同的棋子個(gè)數(shù)C：節(jié)點(diǎn)x的子節(jié)點(diǎn)數(shù)

D：節(jié)點(diǎn)x所在的層數(shù)36：有一個(gè)農(nóng)夫帶一匹狼、一只羊和一棵白菜過河（從河的北岸到南岸）。如果沒有農(nóng)夫看管，則狼要吃羊，羊要吃白菜。但是船很小，只夠農(nóng)夫帶一樣?xùn)|西過河。用0和1表示狼、羊、白菜分別運(yùn)到南岸的狀態(tài)，0表示不在南岸，1表示在南岸，（如：100表示只有狼運(yùn)到南岸）。初始時(shí)，南岸狀態(tài)為000，表示狼、羊、白菜都沒運(yùn)到南岸，最終狀態(tài)為111，表示狼、羊、白菜都運(yùn)到了南岸。用狀態(tài)空間為農(nóng)夫找出過河方法，以下狼、羊、白菜在南岸出現(xiàn)的序列可能是

。A：000-010-100-101-111

B：000-010-001-101-111

C：000-100-110-111

D：000-001-011-11137：下圖是一個(gè)迷宮，S0是入口，Sg是出口，把入口作為初始節(jié)點(diǎn)，出口作為目標(biāo)節(jié)點(diǎn)，通道作為分支，畫出從入口S0出發(fā)，尋找出口Sg的狀態(tài)樹。根據(jù)深度優(yōu)先搜索方法搜索的路徑是

。A：s0-s4-s5-s6-s9-sg

B：s0-s4-s1-s2-s3-s6-s9-sg

C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg

D：s0-s4-s7-s5-s6-s9-sg39：人工智能的發(fā)展歷程可以劃分為

。A：誕生期和成長期

B：形成期和發(fā)展期C：初期和中期

D：初級階段和高級階段40：我國學(xué)者吳文俊院士在人工智能的

領(lǐng)域作出了貢獻(xiàn)。A：機(jī)器證明

B：模式識別

C：人工神經(jīng)網(wǎng)絡(luò)

D：智能代理二、判斷題（每題2分

共20分）1、廣度優(yōu)先搜索方法的原理是：從樹的根節(jié)點(diǎn)開始，在樹中一層一層的查找，當(dāng)找到目標(biāo)節(jié)點(diǎn)時(shí)，搜索結(jié)束（

）。2、人工智能的一個(gè)重要分支是Pattern

Recognition，中文名稱是模式識別。它主要研究視覺和聽覺的識別（

）。3、人工智能研究的先驅(qū)者認(rèn)為人的智能主要表現(xiàn)在人能學(xué)習(xí)知識和運(yùn)用知識上，知識是智能的基礎(chǔ)。于是學(xué)者們把專門的知識集、規(guī)則集和附加過程組成知識庫，開發(fā)出許多專家系統(tǒng)（英文縮寫為ES），在領(lǐng)域獲得成功（

）。4、知識的框架表示法中，一個(gè)框架由若干個(gè)稱為“槽”的結(jié)構(gòu)組成，而每一個(gè)這樣的結(jié)構(gòu)又可擁有若干個(gè)側(cè)面（

）。5、在知識的規(guī)則表示法中，產(chǎn)生式的基本形式是P<->Q（

）。6、人工智能語言只有Prolog語言（

）。7、知識獲取的方法有手動獲取知識、自動獲取知識這兩種方法（

）。8、反向推理是以已知事實(shí)作為出發(fā)點(diǎn)，按照一定的策略，運(yùn)用知識庫中的知識，推斷出結(jié)論的過程（

）。9、知識工程屬于人工智能科學(xué)的范疇（

）。10、框架表示法是馬文.明斯基首創(chuàng)（

）。三、簡答題：（每題5分

共20分）1：為什么機(jī)機(jī)器人會踢足球？試分析機(jī)器人要會踢足球必須具有哪些能力。2：把下知識用格式化的形式表示，并且用Prolog語言表示這些知識。“學(xué)校有4個(gè)活動社團(tuán)：舞蹈隊(duì)、戲劇社、體操隊(duì)和義工團(tuán)。曹毅參加了戲劇社，劉中參加了義工團(tuán)，張萍參加了體操隊(duì)，義工團(tuán)的人都是張萍的朋友?！彼摹⒉僮黝}：（每題10分

共20分）1：在Prolog中編程實(shí)現(xiàn)，N的階乘。2：利用專家系統(tǒng)實(shí)驗(yàn)外殼，按照下面的規(guī)則，建立一個(gè)簡單的專家系統(tǒng)。規(guī)則1：如果無動力源，則是人力車規(guī)則2：如果有動力源，是動力車規(guī)則3：如果是動力車，動力源是汽油，則是摩托車規(guī)則4：如果是動力車，動力源是電，則是電動車規(guī)則5：如果是人力車，則是自行車考試模擬題參考答案一、

選擇題1、

B

2、D

3、C

4、C

5、C

6、B

7、B

8、A

9、D

10、D11、B

12、D

13、A

14、D

15、C

16、B

17、C

18、B

19、C

20、C21、C

22、B

23、C

24、B

25、D

26、B

27、A

28、C

29、B

30、B31、B

32、B

33、D

34、B

35、D

36、B

37、C

38、D

39、B

40、A二、

判斷題1、對

2、對

3、對4、對

5、錯(cuò)

6、錯(cuò)

7、錯(cuò)

8、錯(cuò)

9、對

10、對三、

簡答題1：（1）因?yàn)闄C(jī)器人具有了類似人類的某些能力，所以機(jī)器人會踢足球。（2）機(jī)器人踢足球應(yīng)具有以下能力：能夠感覺到足球的位置和自己所處的位置能夠根據(jù)感覺的的信息，分析、判斷能夠根據(jù)自己的判斷，作出快速反應(yīng)，做出踢球、射門等動作。2：shetuan(wudan).Shetuan(xiju).Shetuan(ticao).Shetuan(yigong).Canjia(caoyi,xiju).Canjia(liuzhong,yigong).Canjia(zhangping,ticao)Pengyou(zhangping,X):-caojia(X,yigong).四、

操作題1

：參考答案predicatesfactorial(real,real)

-

nondeterm

(i,o)clausesfactorial(0,1).factorial(1,1).factorial(X,Y):-X>1,X1=X-1,factorial(X1,Y1),Y=X*Y1.goalreadreal(X),factorial(X,Y),write(X,"!=",Y),nl.2：參考答案（1）

專家系統(tǒng)名稱設(shè)置：交通工具識別（2）

謂詞設(shè)置：含義謂詞交通工具是jiaotong_is類別是it_is事實(shí)positive（3）

知識庫設(shè)置：it_is("動力車"):-positive("有動力源")it_is("人力車"):-positive("無動力源")jiaotong_is("電動車"):-it_is("動力車"),positive("耗電")jiaotong_is("摩托車"):-it_is("動力車"),positive("耗汽油")jiaotong_is("自行車"):-it_is("人力車")說明：專家系統(tǒng)的謂詞設(shè)置可以不同，但必須和知識庫中規(guī)則中使用的謂詞相匹配。人工智能課程體系及項(xiàng)目實(shí)戰(zhàn)1、機(jī)器學(xué)習(xí)課程大綱第一課：Python基礎(chǔ)與科學(xué)計(jì)算庫numpy1.Python語言基礎(chǔ)2.Python數(shù)據(jù)結(jié)構(gòu)（列表,字典,元組）3.科學(xué)計(jì)算庫Numpy基礎(chǔ)4.Numpy數(shù)組操作5.Numpy矩陣基本操作6.Numpy矩陣初始化與創(chuàng)建7.Numpy排序與索引第二課：數(shù)據(jù)分析處理庫與數(shù)據(jù)可視化庫1.Pandas數(shù)據(jù)讀取與現(xiàn)實(shí)2.Pandas樣本數(shù)值計(jì)算與排序3.Pandas數(shù)據(jù)預(yù)處理與透視表4.Pandas自定義函數(shù)5.Pandas核心數(shù)據(jù)結(jié)構(gòu)Series詳解6.Pandas數(shù)據(jù)索引7.Matplotlib繪制第一個(gè)折線圖8.Matplotlib條形圖,直方圖,四分圖繪制9.Matplotlib數(shù)據(jù)可視化分析第三課：回歸算法1.機(jī)器學(xué)習(xí)要解決的任務(wù)2.有監(jiān)督與無監(jiān)督問題3.線性回歸算法原理推導(dǎo)4.實(shí)現(xiàn)簡易回歸算法5.邏輯回歸算法原題6.實(shí)戰(zhàn)梯度下降算法第四課：案例實(shí)戰(zhàn)信用卡欺詐檢測1.數(shù)據(jù)與算法簡介2.樣本不平衡問題解決思路3.下采樣解決方案4.正則化參數(shù)選擇5.邏輯回歸建模6.過采樣與SMOTE算法第五課：決策樹與隨機(jī)森林1.熵原理，信息增益2.決策樹構(gòu)造原理推導(dǎo)3.ID3,C4.5算法4.決策樹剪枝策略5.隨機(jī)森林算法原理6.基于隨機(jī)森林的特征重要性選擇第六課：Kaggle機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)1.泰坦尼克船員獲救預(yù)測2.使用pandas庫進(jìn)行數(shù)據(jù)讀取與缺失值預(yù)處理3.使用scikit-learn庫對比回歸模型與隨機(jī)森林模型4.GBDT構(gòu)造原理5.特征的選擇與重要性衡量指標(biāo)6.機(jī)器學(xué)習(xí)中的級聯(lián)模型7.使用級聯(lián)模型再戰(zhàn)泰坦尼克第七課：支持向量機(jī)算法1.SVM要解決的問題2.線性SVM原理推導(dǎo)3.SVM對偶問題與核變換4.soft支持向量機(jī)問題5.多類別分類問題解決方案第八課：神經(jīng)網(wǎng)絡(luò)模型1.前向傳播與反向傳播結(jié)構(gòu)2.激活函數(shù)3.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)4.深入神經(jīng)網(wǎng)絡(luò)細(xì)節(jié)5.神經(jīng)網(wǎng)絡(luò)表現(xiàn)效果第九課：mnist手寫字體識別1.Tensorflow框架2.CNN網(wǎng)絡(luò)結(jié)構(gòu)3.基于tensorflow的網(wǎng)絡(luò)框架4.構(gòu)造CNN網(wǎng)絡(luò)結(jié)構(gòu)5.迭代優(yōu)化訓(xùn)練第十課：聚類與集成算法1.k-means,DBSCAN等經(jīng)典聚類算法原理2.python實(shí)現(xiàn)k-means算法3.聚類算法應(yīng)用場景與特征工程4.Adaboost集成算法原理機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)1.科比職業(yè)生涯數(shù)據(jù)分析2.信用卡欺詐檢測案例3.鳶尾花數(shù)據(jù)集分析4.泰坦尼克號船員獲救預(yù)測5.員工離職預(yù)測6.mnist手寫字體識別2、人機(jī)對話課程大綱第一章：Human–robot-chattersystem運(yùn)行環(huán)境1.pycharm下載及安裝2.pycharm的庫使用介紹3.pycharm使用實(shí)例演示4.Anaconda下載安裝5.Anaconda庫使用6.Anaconda使用實(shí)例演示第二章：robot基本概念1.robot是什么2.robot的應(yīng)用場景3.robot語言依賴性4.robot工作流程5.robot運(yùn)行環(huán)境6.robot框架介紹7.robot的安裝（api與源碼）8.robot的quickstart第三章：robot智能機(jī)器人1.創(chuàng)建機(jī)器人2.設(shè)置機(jī)器人適配器3.輸入與輸出適配器4.邏輯適配器5.機(jī)器人響應(yīng)應(yīng)答6.訓(xùn)練自己的語料第四章：robot之eample數(shù)據(jù)源詳述(單詞與文本)1.simpledemo數(shù)據(jù)2.mongodb數(shù)據(jù)3.git數(shù)據(jù)4.terminnal5.more數(shù)據(jù)第五章：設(shè)置robot訓(xùn)練級別1.訓(xùn)練listdata2.訓(xùn)練corpusdata3.訓(xùn)練scopedata4.訓(xùn)練外部API5.創(chuàng)建一個(gè)新的語料級別6.抽取自己機(jī)器人的語料第六章：robot之過濾器1.filter是什么2.filter的主要用途是什么3.filter的創(chuàng)建4.filter的設(shè)置5.filter級別設(shè)置6.filter判別第七章：自然語言處理之robot適配器詳解1.邏輯適配器2.輸入適配器3.輸出適配器4.數(shù)據(jù)計(jì)算適配器第八章自然語言處理之robot參數(shù)1.什么robot參數(shù)2.擴(kuò)展機(jī)器人參數(shù)3.robot日志輸出4.robot慣用日志輸出第九章：session識別詳解1.session構(gòu)建2.session實(shí)戰(zhàn)案例操作3.文摘自動生成人機(jī)對話項(xiàng)目實(shí)戰(zhàn)1.項(xiàng)目介紹背景2.項(xiàng)目核心技術(shù)點(diǎn)介紹3.智能機(jī)器人人機(jī)對話系統(tǒng)4.代碼實(shí)現(xiàn)5.人機(jī)對話優(yōu)化（補(bǔ)充優(yōu)化）6.開源機(jī)器人有哪些3、深度學(xué)習(xí)課程大綱第一階段：Python必備庫快速入門1.Python語言基礎(chǔ)快速入門2.科學(xué)計(jì)算庫Numpy3.數(shù)據(jù)分析處理庫Pandas4.可視化庫Matplotlib5.人工智能必備Python基礎(chǔ)，快速掌握語言風(fēng)格與常用庫使用方法第二階段：機(jī)器學(xué)習(xí)經(jīng)典算法1.線性回歸2.邏輯回歸3.決策樹4.隨機(jī)森林5.支持向量機(jī)6.Xgboost7.聚類8.神經(jīng)網(wǎng)絡(luò)9.PCA與SVD10.詞向量模型word2vec11.機(jī)器學(xué)習(xí)必備經(jīng)典算法原理推導(dǎo)第三階段：機(jī)器學(xué)習(xí)案例實(shí)戰(zhàn)1.科比職業(yè)生涯數(shù)據(jù)2.泰坦尼克號船員獲救預(yù)測3.信用卡欺詐檢測4.鳶尾花數(shù)據(jù)集分類5.Mnist手寫字體識別6.員工離職與股價(jià)預(yù)測7.基于真實(shí)數(shù)據(jù)集，使用scikit-learn庫進(jìn)行建模與評估工作，從零開始，代碼實(shí)戰(zhàn)。第四階段：決勝AI深度學(xué)習(xí)必備原理1.深度學(xué)習(xí)發(fā)展與應(yīng)用2.神經(jīng)網(wǎng)絡(luò)必備基礎(chǔ)3.神經(jīng)網(wǎng)絡(luò)架構(gòu)4.卷積神經(jīng)網(wǎng)絡(luò)詳解5.神經(jīng)網(wǎng)絡(luò)技巧與細(xì)節(jié)6.強(qiáng)化學(xué)習(xí)原理與實(shí)踐7.從神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識點(diǎn)入手，分模塊講解神經(jīng)網(wǎng)絡(luò)細(xì)節(jié)，由淺入深過渡到深層的卷積神經(jīng)網(wǎng)絡(luò)，技巧與細(xì)節(jié)分析。第五階段：深度學(xué)習(xí)必備框架1.Tensorflow基礎(chǔ)操作2.Tensorflow建立機(jī)器學(xué)習(xí)模型3.Tensorflow神經(jīng)網(wǎng)絡(luò)詳解4.基于Tensorflow的CNN與RNN模型5.Caffe框架配置參數(shù)詳解6.Caffe兩種常用數(shù)據(jù)源制作7.Caffe技巧與應(yīng)用深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)1.驗(yàn)證碼識別（基于Tensorflow）2.文本分類（基于Tensorflow）3.圖像風(fēng)格轉(zhuǎn)換（基于Tensorflow）4.詞向量模型Word2vec（基于Tensorflow）5.強(qiáng)化學(xué)習(xí)讓AI自己玩游戲（基于Tensorflow）6.人臉檢測（基于Caffe）7.人臉關(guān)鍵點(diǎn)定位（基于Caffe）4、圖像處理課程大綱第一課：認(rèn)識OpenCVOpenCV介紹、環(huán)境搭建、圖像加載、顯示、保存。讀取視頻文件與攝像頭視頻流讀取與保存。第二課：神奇的數(shù)據(jù)結(jié)構(gòu)Mat講解OpenCV3.x中最重要的數(shù)據(jù)結(jié)構(gòu)Mat，如何使用Mat、各種基于Mat的操作技巧，指針方式訪問與遍歷像素、實(shí)例詳解Mat的妙用第三課：像素算術(shù)與幾何操作講解如何計(jì)算圖像最大最小值、均值與標(biāo)準(zhǔn)方差、加、減、乘、除算術(shù)操作，以及與或非的邏輯運(yùn)算、重點(diǎn)演示這些簡單操作，在實(shí)際圖像處理中的使用技巧與應(yīng)用場景第四課：濾波函數(shù)-改變圖像的神奇手段講解OpenCV3.x中最常用的基于卷積原理的濾波函數(shù)、包括均值、中值、高斯、盒子模糊、自定義濾波器等技術(shù)與使用技巧第五課：邊緣提取講解OpenCV中梯度與邊緣提取的方法與函數(shù)調(diào)用、以及使用技巧，如何正確的使用這些方法獲得正確處理結(jié)果，如何避免人為輸入?yún)?shù)行為第六課：高斯金子塔與拉普拉斯講述什么是圖像金字塔、什么圖像的高斯不同、拉普拉斯不同，圖像金字塔融合技術(shù)第七課：直方圖與反向投影詳細(xì)講述圖像直方圖的定義、應(yīng)用場合與場景、直方圖反向投影技術(shù)在圖像處理與視頻處理用的應(yīng)用第八課：圖像二值化講述圖像二值化的各種方法與技巧、如何對超大圖像進(jìn)行準(zhǔn)確二值化第九課：圖像形態(tài)學(xué)操作講述二值圖像的各種形態(tài)學(xué)操作與使用技巧第十課：霍夫變換與Blob分析直線檢測,圓檢測\特定幾何形狀分析第十一課：二值圖像分析-對象提取與測量基于輪廓分析、幾何矩分析講解二值圖像中對象分析與對象測量技術(shù)第十二課：HAAR與LBP特征與人臉檢測講述基于統(tǒng)計(jì)特征的HAAR與LBP方式與AdaBoost一起工作實(shí)現(xiàn)人臉檢測的原理、OpenCV相關(guān)API參數(shù)解釋、以及其他開源的與商用的人臉檢測SDK的使用。在圖像與視頻中實(shí)現(xiàn)人臉檢測圖像處理項(xiàng)目實(shí)戰(zhàn)1.AR技術(shù)應(yīng)用直播視頻中經(jīng)常會出現(xiàn)的技術(shù)、基于OpenCV實(shí)現(xiàn)對視頻中人臉實(shí)時(shí)跟蹤，實(shí)現(xiàn)一些虛擬旁白與裝飾圖片與場景融合。2.二維碼檢測與定位二維碼的圖像掃碼解析已經(jīng)成為很多APP的標(biāo)準(zhǔn)配置與使用方式，但是檢測與定位二維碼位置一直是技術(shù)難點(diǎn)，本案例通過直播課程所學(xué)知識，帶領(lǐng)大家一步一步剖析知識點(diǎn)、整理思路、實(shí)現(xiàn)代碼、實(shí)現(xiàn)圖像中二維碼位置檢測與定位3.車牌提取與預(yù)處理詳細(xì)分析如何利用所學(xué)知識，綜合分析解決車牌識別中最難技術(shù)問題之一，車牌定位與提取、以及前期預(yù)處理5、網(wǎng)絡(luò)爬蟲課程大綱1、零基礎(chǔ)入門Python網(wǎng)絡(luò)爬蟲1.認(rèn)識Python網(wǎng)絡(luò)爬蟲2.網(wǎng)絡(luò)爬蟲工作原理詳解3.網(wǎng)絡(luò)爬蟲的常見類型與應(yīng)用領(lǐng)域4.數(shù)據(jù)提取技術(shù)基礎(chǔ)：正則表達(dá)式基礎(chǔ)實(shí)例實(shí)戰(zhàn)5.編寫一個(gè)簡單網(wǎng)絡(luò)爬蟲爬取51CTO學(xué)院課程數(shù)據(jù)2、Urllib模塊基礎(chǔ)與糗事百科爬蟲項(xiàng)目實(shí)戰(zhàn)1.使用Urllib模塊進(jìn)行簡單網(wǎng)頁爬取2.百度信息自動搜索爬蟲實(shí)戰(zhàn)3.自動POST請求實(shí)戰(zhàn)4.Cookie處理實(shí)戰(zhàn)5.瀏覽器偽裝技術(shù)實(shí)戰(zhàn)6.數(shù)據(jù)自動寫入數(shù)據(jù)庫實(shí)戰(zhàn)7.糗事百科網(wǎng)絡(luò)爬蟲項(xiàng)目實(shí)戰(zhàn)3、淘寶商品圖片爬蟲開發(fā)實(shí)戰(zhàn)1.淘寶商品圖片爬蟲實(shí)現(xiàn)思路分析2.淘寶商品圖片信息的分析與提取3.編寫淘寶商品圖片爬蟲對目標(biāo)圖片進(jìn)行批量爬取4.淘寶商品圖片爬蟲項(xiàng)目的調(diào)試與運(yùn)行4、用戶代理池與IP代理池構(gòu)建技術(shù)實(shí)戰(zhàn)1.為什么要構(gòu)建用戶代理池與IP代理池（避免被反爬）2.IP代理池構(gòu)建的第一種方案實(shí)戰(zhàn)（隨機(jī)IP代理池）3.IP代理池構(gòu)建的第二種方案實(shí)戰(zhàn)（接口調(diào)用可用IP）4.如何驗(yàn)證IP是否為可用IP（代理IP的自動過濾與篩選）5.IP代理池構(gòu)建的第三種方案（自建服務(wù)器+自動切換IP技術(shù)）6.同時(shí)構(gòu)建IP代理池與用戶代理池7.使用用戶代理池與IP代理池技術(shù)批量爬取法律文書數(shù)據(jù)5、使用抓包分析技術(shù)獲取Ajax動態(tài)請求數(shù)據(jù)實(shí)戰(zhàn)1.抓包分析技術(shù)簡介與Fiddler軟件使用基礎(chǔ)2.抓取HTTPS數(shù)據(jù)包難點(diǎn)解決技巧3.Ajax動態(tài)請求數(shù)據(jù)的分析與獲取4.通過抓包技術(shù)分析中國裁判文書網(wǎng)數(shù)據(jù)請求5.實(shí)現(xiàn)對隱藏文書數(shù)據(jù)的批量爬取實(shí)戰(zhàn)6、淘寶大型商品數(shù)據(jù)爬蟲項(xiàng)目實(shí)戰(zhàn)1.淘寶大型商品數(shù)據(jù)爬蟲項(xiàng)目的實(shí)現(xiàn)思路分析2.對目標(biāo)爬取數(shù)據(jù)與網(wǎng)頁進(jìn)行簡單分析3.通過抓包分析技術(shù)獲取淘寶價(jià)格信息數(shù)據(jù)4.GBD大型商品數(shù)據(jù)爬蟲項(xiàng)目的編寫實(shí)戰(zhàn)T構(gòu)造原理5.將爬取的目標(biāo)數(shù)據(jù)自動寫入數(shù)據(jù)庫中存儲7、騰訊視頻評論爬蟲項(xiàng)目實(shí)戰(zhàn)1.騰訊視頻評論爬蟲項(xiàng)目的簡單實(shí)現(xiàn)2.對騰訊視頻評論進(jìn)行抓包分析3.實(shí)現(xiàn)自動加載請求騰訊視頻評論4.騰訊視頻評論爬蟲項(xiàng)目完善與實(shí)戰(zhàn)8、12306火車票搶票項(xiàng)目開發(fā)實(shí)戰(zhàn)1.12306火車票搶票項(xiàng)目的開發(fā)思路分析2.實(shí)現(xiàn)cookie的自動處理實(shí)戰(zhàn)3.實(shí)現(xiàn)登錄驗(yàn)證碼的處理實(shí)戰(zhàn)4.編寫自動登錄12306爬蟲實(shí)戰(zhàn)5.通過抓包技術(shù)分析12306接口數(shù)據(jù)集6.余票查詢功能的實(shí)現(xiàn)實(shí)戰(zhàn)7.自動提交預(yù)訂申請功能的實(shí)現(xiàn)實(shí)戰(zhàn)8.乘客信息的自動選擇功能的實(shí)現(xiàn)實(shí)戰(zhàn)9.訂單的自動確認(rèn)與提交功能的實(shí)現(xiàn)實(shí)戰(zhàn)10.實(shí)現(xiàn)票務(wù)的自動監(jiān)控與自動搶票實(shí)戰(zhàn)9、Scrapy框架基礎(chǔ)使用實(shí)戰(zhàn)1.Scrapy框架的優(yōu)點(diǎn)2.Scrapy框架的安裝與難點(diǎn)解決實(shí)戰(zhàn)3.Scrapy簡單命令基礎(chǔ)使用實(shí)戰(zhàn)4.XPath表達(dá)式基礎(chǔ)實(shí)戰(zhàn)5.Items的編寫與使用6.Scrapy爬蟲的編寫實(shí)戰(zhàn)7.使用pipelines對數(shù)