第第頁2022年國家開放大學《人工智能》專題形考任務二參考答案判斷題

現(xiàn)實世界中的規(guī)劃問題需要先調(diào)度，后規(guī)劃。×

啟發(fā)式規(guī)劃的兩種方法是減削更多的邊或者狀態(tài)抽象。×

語義網(wǎng)絡的表示方法只能表示有關某一事物的知識，無法表示一系列動作、一個事項等的知識。×

下列圖表示的是前向狀態(tài)空間搜尋?！?/p>

人們需要把分類器學習的樣本的特點進行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供應分類器進行訓練。×

狀態(tài)空間圖是對一個問題的表示，通過問題表示，人們可以探究和分析通往解的可能的可替代路徑。特定問題的解將對應狀態(tài)空間圖中的一條路徑?！?/p>

貝葉斯定理是為了解決頻率概率問題提出來的?！?/p>

深度學習是計算機利用其計算技能處理大量數(shù)據(jù)，獲得看似人類同等智能的工具。√

分層規(guī)劃中包含基本動作和高層動作。√

謂詞規(guī)律是應用于計算機的規(guī)律形式，其規(guī)律規(guī)章、符號系統(tǒng)與命題規(guī)律是一樣的。×P

〔A∣B〕代表事項A發(fā)生的條件下事項B發(fā)生的概率。×

人工智能利用遺傳算法在求解優(yōu)化問題時，會把問題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱為一個染色體或個體。√

填空題

人們想讓智能機器辨別哪個動物是熊貓，就會輸入一些數(shù)據(jù)告知機器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于〔特征值〕。

貝葉斯網(wǎng)絡是〔朱迪亞·珀爾〕首先提出來的。

遺傳算法具有〔生存＋檢測〕的迭代過程的搜尋算法。也就是說，通過群體的一代代的不斷進化，最終收斂到“最適應環(huán)境”的個體，從而求得問題的最優(yōu)解或滿足解。

〔多項選擇〕在A*算法中，當我們找尋當前節(jié)點的相鄰子節(jié)點時，需要考慮〔假如該子節(jié)點已經(jīng)在Open列表中，那么我們需要檢查其通過當前節(jié)點計算得到的F值。假如比它原有計算的F值更小。假如更小那么更新其F值，并將其父節(jié)點設置為當前節(jié)點。假如沒有更小，那么保持它原有的父節(jié)點和F值。假如該子節(jié)點已經(jīng)在Close列表中，那么我們可以徑直丟棄它。假如該子節(jié)點不在任何列表中，那么將其加入到Open列表，并計算F值，設置其父節(jié)點為當前節(jié)點。〕

以下哪一條是關鍵路徑？請選擇相應的路徑按鈕。.(路徑2)

算法模型看起來像一棵倒立的樹，數(shù)據(jù)沿著樹根輸入，再從葉子節(jié)點輸出，中間的分支要依據(jù)不同特征的信息進行判斷，決斷該向左走還是向右走，這種算法稱為〔決策樹〕。

〔多項選擇〕貝葉斯認為概率是〔對事物發(fā)生可能性的一種合理置信度；基于不確定性因素的考慮；建立在主觀判斷基礎上的〕。

〔A*算法〕的原理是：每一個節(jié)點綁定一個啟發(fā)值，然后經(jīng)過一次又一次的篩選，引導機器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點，規(guī)避一些無用或效率較低的節(jié)點，從而快速找到問題的解。

當我們在物品種類許多的狀況下，需要快速選擇出一種最優(yōu)搭配方案時，其實可以借助一些特別的處理方法來解決，這些方法中的一種被稱為“遺傳算法”，它是通過模擬達爾文的進化論來解決問題的，因此也被歸類為“進化算法”?！布s翰?霍蘭德〕教授首先提出“遺傳算法”。

〔多項選擇〕假設有一個能自己打掃衛(wèi)生的真空吸塵器，它的世界只有兩塊地毯那么大。它可以感知自己處于哪塊地毯，這塊地毯是潔凈的還是臟的。它可以選擇向左移動〔R〕、向右移動〔L〕、吸塵〔S〕，或者什么也不做。下面是吸塵器清掃地毯這個問題的狀態(tài)空間圖，圖中的“R”“L”“S”等稱為這個問題的〔算符，算子〕.

貝葉斯網(wǎng)絡是一個〔有向無環(huán)圖〕。

以下哪一項不是機器智能的來源〔數(shù)據(jù)結(jié)構〕下面的動物識別系統(tǒng)中，我們可以在方框中點擊所知動物的某些特征，計算機可以據(jù)此來識別該動物。這一系統(tǒng)所運用的知識表示方法是〔產(chǎn)生式系統(tǒng)〕

〔多項選擇〕機器通過“學習”也能掌控這種分門別類的技能，如識別人臉，或者區(qū)分兩種花。像這樣能夠完成分類任務的人工智能系統(tǒng)，被稱為分類器。機器分類的流程可以被抽象為〔〕和〔分類器訓練、提取特征〕〔亞瑟·塞繆爾〕設計出了一個會自主學習的跳棋程序，駁倒了“機器無法超越人類，像人類一樣寫代碼和學習”的理論，制造出了“機器學習”這一術語。

〔多項選擇〕人工智能中問題求解的目的包括：〔讓機器自動找出某問題的正確解決策略。讓機器舉一反三，具有解決同類問題的技能?！?/p>

〔多項選擇〕手機上的智能語音助手，之所以能解答我們的問題是由于〔基于其巨大的符號知識庫；它可以先識別動詞和名詞，將名詞變成符號，將動詞變成關系，然后在知識庫中找到它們。它可以憑借其規(guī)律技能推理并解答問題〕？

當神經(jīng)網(wǎng)絡接收到工作任務時，就是用〔輸入層〕來接收這些任務所對應的數(shù)據(jù)集，如圖像每個像素點的特征數(shù)值——色調(diào)、亮度等?！病车拿總€神經(jīng)元都是任務的特征，即特征數(shù)值。

以下哪種知識表示的方法相宜描述特定場景中固定不變的事項序列〔腳本表示法〕。

深度學習模型區(qū)分于早期的人工神經(jīng)網(wǎng)絡的是〔增加模型訓練