当前位置：首页 > news >正文

人工智能期末复习(部分)

news 2025/9/10 14:09:52

填空题

深度学习的核心是，使用一种通用的学习过程从数据中学习各层次的特征，而不是手工设计特征提取器。
1943年，麦克洛奇和皮兹提出M－P模型
不确定性推理：知识不确定性、证据不确定性
谓词表示：第二章书上课后习题
产生式系统由3个部分组成:规则库、综合数据库、控制系统（推理机）【第二章】
深度学习网络中激活函数的主要作用是引入非线性因素，从而增加神经网络的表达能力和拟合复杂函数的能力
知识表示是研究用计算机表示知识的可行性、有效性的一般方法，它既是一种数据结构又是一种处理机制。
在启发式图搜索当中，通常用启发函数来表示启发性信息
机器学习研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识
遗传算法的搜索过程是从空间的一个点集 (种群)到另一个点集 (种群)的搜索,而不像图搜索那样一般是从空间的一个点到另一个点地搜索。因而它实际是一种并行搜索, 适合大规模并行计算,而且这种种群到种群的搜索有能力跳出局部最优解。遗传算法的适用性强, 除设计适应度函数外, 几乎不需要其他的先验知识。
所谓强化学习，是指从环境状态到行为映射的学习，以使系统行为从环境中获得的累积Reward(奖励值)最大。
(不确定答案)深度循环神经网络在时间维度上非常深时、会存在梯度消失问题
根据神经网络的连接方式可分为前馈型、反馈型
应用归结原理证明定理的过程称为归结反演，又叫做消解反演
神经网络的学习规则有Delta学习规则、Hebb(赫布)学习规则
池化常用方法：平均池化、最大池化
深度神经网络中除了输入层和输出层，还主要包话:卷积层、下采样层、池化层、全连接层
人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派

论述题

进化算法(evolutionary algorithms，EA)是基于自然选择和自然遗传等生物进化机制的一种搜索算法
遗传算法（genetic algorithms，GA）：一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。

名词解释

图灵测试：图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。
进化算法(evolutionary algorithms，EA)是基于自然选择和自然遗传等生物进化机制的一种搜索算法
进化算法特点
遗传算法（genetic algorithms，GA）：一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。
机器学习分类（第九章9.1.5）：
- 按学习能力分类：
1. 监督学习（有教师学习）
2. 强化学习
3. 非监督学习（无教师学习）
知识图谱（Knowledge Graph/Vault），又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。（第2章）
语义网络:是一种采用网络形式表示人类知识的方法。一个语义网络是一个带标识的有向图。其中，带有标识的结点表示问题领域中的物体、概念、事件、动作或者态势
专家系统是一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题。