1.什么是人工智能?它的研究目的是什么？人工智能就是用人工的辦法在機(jī)器（計算機(jī)）上實(shí)現(xiàn)的智能；或者說是人們使用機(jī)器模擬人類的智能。由于人工智能是在機(jī)器上實(shí)現(xiàn)的，因此又可稱為機(jī)器智能。人工智能是研究如何使計算機(jī)來模仿人腦所從事的推理、證明、識別、理解、設(shè)計、學(xué)習(xí)、思考、規(guī)劃及問題求解等思維活動，來解決需要人類專家才干解決的復(fù)雜問題，如醫(yī)療診療、石油測井解釋、氣象預(yù)報、交通運(yùn)輸管理等決策性課題。2.人工智能有哪幾個重要學(xué)派？各自的特點(diǎn)是什么？符號主義主張運(yùn)用計算機(jī)科學(xué)的辦法進(jìn)行人工智能的研究，通過研究邏輯演繹在計算機(jī)上的實(shí)現(xiàn)辦法，實(shí)現(xiàn)人類智能在計算機(jī)上的模擬，稱為符號主義。符號主義又稱為邏輯主義或計算機(jī)學(xué)派，認(rèn)為人類智能的基本單元是符號，認(rèn)知過程就是符號表達(dá)下的符號計算，從而思維就是符號計算。其原理重要為物理符號系統(tǒng)假設(shè)和有限合理性原理。聯(lián)結(jié)主義主張用仿生學(xué)的辦法進(jìn)行研究，通過研究人腦的工作模型，搞清晰人類智能的本質(zhì)，稱為聯(lián)結(jié)主義。聯(lián)結(jié)主義又稱為仿生學(xué)派，認(rèn)為人類智能的基本單元是神經(jīng)元，認(rèn)知過程是由神經(jīng)元構(gòu)成的網(wǎng)絡(luò)的信息傳遞，這種傳遞是并行分布的。其原理重要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法。行為主義主張應(yīng)用進(jìn)化論的思想進(jìn)行人工智能的研究，通過對外界事物的動態(tài)感知與交互，使計算機(jī)智能模擬系統(tǒng)逐步進(jìn)化，提高智能水平，稱為行為主義。行為主義又稱進(jìn)化主義，認(rèn)為人工智能來源于控制論，提出智能取決于感知和行為（因此稱為行為主義），取決于對外界復(fù)雜環(huán)境的適應(yīng)，它不需要知識、不需要表達(dá)、不需要推理。智能行為只能在與現(xiàn)實(shí)世界的環(huán)境交互作用中體現(xiàn)出來，人工智能也會像人類智能同樣通過逐步進(jìn)化而實(shí)現(xiàn)（因此稱為進(jìn)化主義）。其原理重要是通過控制論和機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)智能系統(tǒng)的逐步進(jìn)化。3.什么是人工神經(jīng)元？它有哪幾個重要模型？人工神經(jīng)網(wǎng)絡(luò)是由大量解決單元經(jīng)廣泛互連而構(gòu)成的人工網(wǎng)絡(luò)，用來模擬腦神經(jīng)系統(tǒng)的構(gòu)造和功效。而這些解決單元稱為人工神經(jīng)元。人工神經(jīng)網(wǎng)絡(luò)能夠當(dāng)作是以人工神經(jīng)元為節(jié)點(diǎn)，用有向加權(quán)弧連接起來的有向圖。根據(jù)激發(fā)函數(shù)的不同分為：閾值型（M-P模型）、分段線性型、Sigmoid函數(shù)型、雙曲正切型4.什么是人工神經(jīng)網(wǎng)絡(luò)？它有哪些聯(lián)結(jié)方式？模擬人腦神經(jīng)系統(tǒng)的構(gòu)造和功效，運(yùn)用大量簡樸解決單元經(jīng)廣泛連接而構(gòu)成的人工網(wǎng)絡(luò)系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)中，各神經(jīng)元的連接方式普通有諸多個，不同的連接方式就構(gòu)成了網(wǎng)絡(luò)的不同連接模型。常見的連接模型有前向網(wǎng)絡(luò)、從輸入層到輸出層有反饋的網(wǎng)絡(luò)、層內(nèi)有互連的網(wǎng)絡(luò)和網(wǎng)絡(luò)內(nèi)任意兩個神經(jīng)元都能夠互連的互連網(wǎng)絡(luò)。5.什么是機(jī)器學(xué)習(xí)？機(jī)器學(xué)習(xí)研究的目的是什么?研究機(jī)器學(xué)習(xí)的意義何在?機(jī)器學(xué)習(xí)是研究如何使用計算機(jī)來模擬人類學(xué)習(xí)活動的一門學(xué)科。更嚴(yán)格地說，就是研究計算機(jī)獲取新知識和新技能、識別現(xiàn)有知識、不停改善性能、實(shí)現(xiàn)自我完善的辦法。機(jī)器學(xué)習(xí)研究的目的有三個：人類學(xué)習(xí)過程的認(rèn)知模型；通用學(xué)習(xí)算法；構(gòu)造面對任務(wù)的專用學(xué)習(xí)系統(tǒng)的辦法。（a）人類學(xué)習(xí)過程的認(rèn)知模型。這一方向是對人類學(xué)習(xí)機(jī)理的研究。這種研究不僅對人類的教育，并且對開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)都有重要的意義。（b）通用學(xué)習(xí)算法。這個方向是對人類學(xué)習(xí)過程的研究，探索多個可能的學(xué)習(xí)辦法，建立起獨(dú)立于具體應(yīng)用領(lǐng)域的通用學(xué)習(xí)算法。（c）構(gòu)造面對任務(wù)的專用學(xué)習(xí)系統(tǒng)（工程目的）。這一方向是要解決專門的實(shí)際問題，并開發(fā)完畢這些專門任務(wù)的學(xué)習(xí)系統(tǒng)。機(jī)器學(xué)習(xí)是人工智能中最具智能特性、最前沿的研究領(lǐng)域之一。機(jī)器學(xué)習(xí)的研究獲得重大進(jìn)展往往意味著人工智能，甚至整個計算機(jī)科學(xué)向前邁進(jìn)了堅實(shí)的一步。機(jī)器學(xué)習(xí)速度快、便于知識積累、學(xué)習(xí)成果易于傳輸，因此人類在機(jī)器學(xué)習(xí)領(lǐng)域的每一點(diǎn)進(jìn)步，都會使計算機(jī)的能力明顯增強(qiáng)，從而對人類社會產(chǎn)生影響，特別對今天信息化社會來說，這種影響將是十分深遠(yuǎn)的。6.什么是決策樹？決策學(xué)習(xí)是如何運(yùn)用決策樹進(jìn)行學(xué)習(xí)的？決策樹是一種展示類似“在什么條件下會得到什么值”這類規(guī)則的辦法。決策樹是一種由節(jié)點(diǎn)和邊構(gòu)成的用來描述分類過程的層次數(shù)據(jù)構(gòu)造，用于監(jiān)督學(xué)習(xí)的層次模型。該樹的根節(jié)點(diǎn)表達(dá)分類的開始，葉節(jié)點(diǎn)表達(dá)一種實(shí)例的結(jié)束，中間節(jié)點(diǎn)表達(dá)對應(yīng)實(shí)例中的某一屬性，而邊則代表某一屬性可能的屬性值。在決策樹中，從根節(jié)點(diǎn)到葉節(jié)點(diǎn)的每一條途徑代表一種具體的實(shí)例，并且同一途徑上的全部屬性之間為合取關(guān)系，不同途徑之間為析取關(guān)系。決策樹學(xué)習(xí)是廣泛使用的一種歸納推理形式。它需要一組例子，其中每個例子都由對應(yīng)的目的分類標(biāo)記。如果訓(xùn)練實(shí)例可表達(dá)為屬性值對，同時目的分類含有離散的輸出值，那么這樣的問題就特別適合用決策樹來進(jìn)行學(xué)習(xí)。建立決策樹的過程，即樹的生長過程是不停地把數(shù)據(jù)進(jìn)行分組的過程，每次分組對應(yīng)一種問題，也對應(yīng)著一種節(jié)點(diǎn)。每次分組都規(guī)定所分得的組之間的“差別”最大。7.什么是遺傳算法？簡述其基本思想和基本構(gòu)造。闡明個體選擇的慣用方略以及遺傳操作”交叉”和”變異”所起的作用.遺傳算法(GeneticAlgorithm)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的自適應(yīng)全局優(yōu)化搜索算法。它最早由美國J.H.Holland專家提出，它借鑒了達(dá)爾文的進(jìn)化論和孟德爾的遺傳學(xué)說，本質(zhì)上是一種并行、高效、全局搜索的辦法，它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程以求得最優(yōu)解。遺傳算法的操作使用“適者生存”的原則，在潛在的解決方案種群中逐次產(chǎn)生一種近似最優(yōu)方案。在每一代中，根據(jù)個體在問題域中的適應(yīng)度值和從自然遺傳學(xué)中借鑒來的再造辦法進(jìn)行個體選擇，產(chǎn)生一種新的近似解。這個過程造成種群中個體的進(jìn)化，得到的新個體比原個體更能適應(yīng)環(huán)境。遺傳算法使用群體搜索技術(shù)，將種群代表一組問題解，通過對現(xiàn)在種群施加選擇、交叉和變異等一系列遺傳操作來產(chǎn)生新一代的種群，并逐步使種群進(jìn)化到包含近似最優(yōu)解的狀態(tài)。個體選擇慣用方略:輪盤賭選擇法、隨機(jī)遍歷抽樣法、錦標(biāo)賽選擇法8.試述機(jī)器學(xué)習(xí)系統(tǒng)的基本構(gòu)造,并闡明各部分的作用.環(huán)境環(huán)境就是指系統(tǒng)外部信息的來源，它能夠是系統(tǒng)的工作對象，也能夠是工作對象和外界條件。環(huán)境就是為學(xué)習(xí)系統(tǒng)提供獲取知識所需的有關(guān)對象的素材或信息，如何構(gòu)造高質(zhì)量、高水平的信息，將對學(xué)習(xí)系統(tǒng)獲取知識的能力有很大影響。學(xué)習(xí)環(huán)節(jié)學(xué)習(xí)環(huán)節(jié)通過對環(huán)境的搜索獲得外部信息，并將這些信息與執(zhí)行環(huán)節(jié)所反饋的信息進(jìn)行比較。普通狀況下，環(huán)境提供的信息水平與執(zhí)行環(huán)節(jié)所需的信息水平之間往往有差距，經(jīng)分析、綜合、類比、歸納等思維過程，學(xué)習(xí)環(huán)節(jié)就要從這些差距中獲取有關(guān)對象的知識，并將這些知識存入知識庫中知識庫知識庫用于寄存由學(xué)習(xí)環(huán)節(jié)所學(xué)到的知識。知識庫中知識的表達(dá)形式以及存儲組織構(gòu)造是影響學(xué)習(xí)系統(tǒng)設(shè)計的第二因素。知識庫中慣用的知識表達(dá)辦法有：謂詞邏輯、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、特性向量、過程、Lisp函數(shù)、數(shù)字多項式核框架等。執(zhí)行環(huán)節(jié)執(zhí)行環(huán)節(jié)是整個學(xué)習(xí)系統(tǒng)的核心。執(zhí)行環(huán)節(jié)用于解決系統(tǒng)面臨的現(xiàn)實(shí)問題，即應(yīng)用知識庫中所學(xué)到的知識求解問題，如智能控制、自然語言理解和定理證明等，并對執(zhí)行的效果進(jìn)行評價，將評價的成果反饋回學(xué)習(xí)環(huán)節(jié)，方便系統(tǒng)進(jìn)一步的學(xué)習(xí)。執(zhí)行環(huán)節(jié)的問題復(fù)雜性、反饋信息和執(zhí)行過程的透明度都對學(xué)習(xí)環(huán)節(jié)有一定的影響。9.什么是專家系統(tǒng)?它有哪些基本特點(diǎn)?專家系統(tǒng)是一種含有大量專門知識與經(jīng)驗的智能程序系統(tǒng)，它能運(yùn)用某個領(lǐng)域一種或多個專家數(shù)年積累的經(jīng)驗和專門知識，模擬領(lǐng)域?qū)＜仪蠼鈫栴}時的思維過程，以解決該領(lǐng)域中的多個復(fù)雜問題?；咎攸c(diǎn)：啟發(fā)性:專家系統(tǒng)能運(yùn)用專家的知識與經(jīng)驗進(jìn)行推理、判斷和決策。透明性：專家系統(tǒng)能夠解釋本身推理過程和回答顧客提出的問題，方便讓顧客理解推理過程，提高對專家系統(tǒng)的依賴感。例如，一種醫(yī)療診療專家系統(tǒng)診療某病人患有肺炎，并且必須用某種抗生素治療，那么，這一專家系統(tǒng)將會向病人解釋為什么他患有肺炎，并且必須用某種抗生素治療，就像一位醫(yī)療專家對病人具體解釋病情和治療方案同樣。靈活性：專家系統(tǒng)能不停地增加知識，修改原有知識，不停更新。由于這一特點(diǎn)，使得專家系統(tǒng)含有十分廣泛的應(yīng)用領(lǐng)域。交互性：專家系統(tǒng)普通都是交互式系統(tǒng)，這種交互性現(xiàn)有助于系統(tǒng)從專家那里獲取知識，又便于顧客在求解問題時輸入條件或事實(shí)推理有效性：專家系統(tǒng)能高效、穩(wěn)定、高速地工作。不會像人類專家那樣產(chǎn)生疲勞和不穩(wěn)定。不同地專家系統(tǒng)所面對的領(lǐng)域不同，能夠解決不同的問題，因此在設(shè)計專家系統(tǒng)時，針對不同領(lǐng)域問題的特點(diǎn)，選擇不同的推理機(jī)制，從而確保問題求解過程中的推理有效性。復(fù)雜性：人類的知識豐富多彩，思維方式多個多樣，要想使計算機(jī)完全模擬人類的思維辦法去解決問題，還是一件非常復(fù)雜和困難的工作。因此，在建造專家系統(tǒng)時，如何實(shí)現(xiàn)對不擬定知識的表達(dá)，如何構(gòu)造不擬定性的傳遞算法和匹配算法以實(shí)現(xiàn)推理計算，其復(fù)雜性和難度都是比較大的。實(shí)用性：專家系統(tǒng)是根據(jù)問題的實(shí)際需求開發(fā)的，因而含有堅實(shí)的應(yīng)用背景。由于專家系統(tǒng)中存儲了有關(guān)領(lǐng)域許多高水平專家的知識，因此它含有解決問題的高水平和高效率，從而能夠產(chǎn)生巨大的社會效益和經(jīng)濟(jì)效益，含有非常良好的實(shí)用性。知識的專門性：專家系統(tǒng)的知識都含有專門性，但只局限于所面對的領(lǐng)域，針對性很強(qiáng)。這與人類專家類似，由于人類也只是含有某首先的高深知識，否則也就不稱其為“專家”易推廣性：專家系統(tǒng)使人類專家的領(lǐng)域知識突破了時間和空間的限制，專家系統(tǒng)程序可永久保存，并可復(fù)制任意多的副本或在網(wǎng)上供不同地區(qū)或不同部門的人們使用，從而使專家系統(tǒng)的知識和技能更易于推廣和傳輸。10.普通專家系統(tǒng)由哪些基本部分構(gòu)成?每一部分的重要功效是什么?專家系統(tǒng)的體系構(gòu)造指專家系統(tǒng)各構(gòu)成部分的構(gòu)造辦法和組織形式。一種最基本的專家系統(tǒng)應(yīng)涉及知識庫、數(shù)據(jù)庫、推理機(jī)構(gòu)、解釋機(jī)構(gòu)、知識獲取機(jī)構(gòu)和顧客界面六個部分。知識庫知識庫是專家系統(tǒng)的知識存儲器，用來寄存求解領(lǐng)域問題所需的專家知識。知識庫中的知識分為兩種類型：一類是事實(shí)性知識，即廣泛公認(rèn)的知識和常識；另一類是啟發(fā)性知識，它是領(lǐng)域?qū)＜以陂L久工作實(shí)踐中積累起來的經(jīng)驗總結(jié)。專家系統(tǒng)開發(fā)中一種重要任務(wù)是要認(rèn)真細(xì)致地對專家的這類經(jīng)驗知識進(jìn)行分析。知識原來是存儲在專家頭腦中的，讓專家把自己的直覺、訣竅、經(jīng)驗表達(dá)為適累計算機(jī)表達(dá)和推理的形式是一種極大難題。因此在建立知識庫的過程中，知識工程師需要與領(lǐng)域?qū)＜逸^好地合作，認(rèn)真提取領(lǐng)域?qū)＜业闹R，進(jìn)而根據(jù)計算機(jī)對這些知識的表達(dá)和使用規(guī)定，將這些知識轉(zhuǎn)化成知識庫的構(gòu)成部分。數(shù)據(jù)庫數(shù)據(jù)庫又被稱為全局?jǐn)?shù)據(jù)庫或綜合數(shù)據(jù)庫，它相稱于專家系統(tǒng)的工作存儲器，用來存儲與領(lǐng)域問題有關(guān)的事實(shí)、數(shù)據(jù)、初始證據(jù)、推理過程中得到的多個中間結(jié)論、求解目的等。例如，醫(yī)療專家系統(tǒng)中，數(shù)據(jù)庫寄存的是現(xiàn)在患者的狀況，如姓名、年紀(jì)、癥狀等，以及推理過程中得到的某些中間成果、病情等；氣象專家系統(tǒng)中，數(shù)據(jù)庫寄存的是現(xiàn)在氣象要素，如云量、溫度、氣壓，以及推理得到的中間成果等。數(shù)據(jù)庫的規(guī)模和構(gòu)造可根據(jù)系統(tǒng)目的來擬定，并且隨著問題的不同，數(shù)據(jù)庫的內(nèi)容能夠是動態(tài)變化的。推理機(jī)推理機(jī)是一組用來控制、協(xié)調(diào)節(jié)個專家系統(tǒng)的程序。它根據(jù)數(shù)據(jù)庫中存儲的現(xiàn)在數(shù)據(jù)，運(yùn)用知識庫中的知識，按一定的推理方略，求解現(xiàn)在的問題，即解釋外部輸入的事實(shí)和數(shù)據(jù)，推導(dǎo)出對應(yīng)成果。由于專家系統(tǒng)是模擬人類專家進(jìn)行工作，因此設(shè)計推理機(jī)時，應(yīng)使它的推理過程和專家的推理過程盡量相似，最佳完全一致。對大中型專家系統(tǒng)，由于其知識庫中的知識數(shù)量諸多，因此其推理機(jī)構(gòu)由知識庫管理系統(tǒng)和推理機(jī)兩個重要部分構(gòu)成。其中，知識庫管理系統(tǒng)實(shí)現(xiàn)對知識庫中知識的合理組織和有效管理；推理機(jī)重要用于生成并控制推理過程和使用知識庫中的知識。解釋機(jī)構(gòu)解釋機(jī)構(gòu)事實(shí)上也是一組程序，它涉及系統(tǒng)提示、人機(jī)對話、能書寫規(guī)則的語言以及解釋程序。解釋機(jī)構(gòu)的重要功效是解釋系統(tǒng)本身的推理成果，回答顧客的提問，使顧客能夠理解推理的過程及所運(yùn)用的知識和數(shù)據(jù)。因此，在設(shè)計解釋機(jī)構(gòu)時，應(yīng)預(yù)先考慮好在系統(tǒng)運(yùn)行過程中需要回答的問題和答案。知識獲取機(jī)構(gòu)知識獲取是專家系統(tǒng)的一種輔助功效，用于增加和修改知識庫中的知識?；救蝿?wù)是把知識加入到知識庫中，并維持知識的一致性及完整性，建立起性能良好的知識庫。不同專家系統(tǒng)，知識獲取辦法差別較大。有的系統(tǒng)首先由知識工程師向領(lǐng)域?qū)＜耀@取知識，然后再通過對應(yīng)的知識編輯軟件把知識輸入到知識庫中；有的系統(tǒng)本身就含有部分學(xué)習(xí)功效，由系統(tǒng)直接與領(lǐng)域?qū)＜覍υ挮@取知識；有的系統(tǒng)含有較強(qiáng)的學(xué)習(xí)功效，可在系統(tǒng)運(yùn)行過程中通過歸納、總結(jié)，得出新的知識。無論采用哪種方式，知識獲取都是現(xiàn)在專家系統(tǒng)研制中的一種重要問題。顧客界面顧客界面是專家系統(tǒng)的另一種核心構(gòu)成部分，它作為專家系統(tǒng)于外界的接口，實(shí)現(xiàn)系統(tǒng)于外界之間的信息交換。普通，專家系統(tǒng)的使用者涉及最后顧客、領(lǐng)域?qū)＜?、知識工程師。其中，最后顧客和領(lǐng)域?qū)＜移胀ǘ疾皇怯嬎銠C(jī)專業(yè)人員，顧客界面必須滿足他們的需求，盡量地使用靠近自然語言的輸入、輸出形式，并能理解和解決聲音、圖像等多媒體信息。11.新一代專家系統(tǒng)應(yīng)含有哪些特性?分布式專家系統(tǒng)與協(xié)同式專家系統(tǒng)有何區(qū)別與聯(lián)系?(1)并行與分布解決:基于多個并行算法，采用多個并行推理和執(zhí)行技術(shù)，適合在多解決器的硬件環(huán)境中工作，即含有分布解決的功效，是新型專家系統(tǒng)的一種特性。專家系統(tǒng)的分布解決特性規(guī)定專家系統(tǒng)做到功效合理均衡地分布，以及知識和數(shù)據(jù)適宜地分布，著眼點(diǎn)重要在于提高系統(tǒng)的解決效率和可靠性等。(2)多專家系統(tǒng)協(xié)同工作:各子專家系統(tǒng)間能夠互相通信，一種(或多個)子專家系統(tǒng)的輸出可能就是另一子專家系統(tǒng)的輸入。多專家系統(tǒng)的協(xié)同合作其著眼點(diǎn)重要在于通過多個子專家系統(tǒng)協(xié)同工作擴(kuò)大整體專家系統(tǒng)的解題能力。(3)高級語言和知識語言描述:為了建立專家系統(tǒng)，知識工程師只需用一種高級專家系統(tǒng)描述語言對系統(tǒng)進(jìn)行功效、性能以及接口描述，并用知識表達(dá)語言描述領(lǐng)域知識，專家系統(tǒng)生成系統(tǒng)就能自動或半自動地生成所要的專家系統(tǒng)。(4)含有自學(xué)習(xí)功效:提供高級的知識獲取與學(xué)習(xí)功效。能根據(jù)知識庫中已有知識和顧客對系統(tǒng)提問的動態(tài)應(yīng)答，進(jìn)行推理以獲得新知識，總結(jié)新經(jīng)驗，從而不停擴(kuò)充知識庫，這即所謂自學(xué)習(xí)機(jī)制。(5)引入新的推理機(jī)制:現(xiàn)存的大部分專家系統(tǒng)只能做演繹推理。新型專家系統(tǒng)中，除演繹推理外，還應(yīng)有歸納推理(涉及聯(lián)想、類比等推理)、多個非原則邏輯推理(例如非單調(diào)邏輯推理、加權(quán)邏輯推理等)以及多個基于不完全知識和含糊知識的推理等，在推理機(jī)制上應(yīng)有一種突破。(6)含有自糾錯和自完善能力：為了排錯必須首先有識別錯誤的能力，為了完善必須首先有鑒別優(yōu)劣的原則。有了這種功效和上述的學(xué)習(xí)功效后，專家系統(tǒng)就會隨著時間的推移，通過重復(fù)的運(yùn)行不停地修正錯誤，不停完善本身，并使知識越來越豐富。(7)先進(jìn)的智能人機(jī)接口：理解自然語言，實(shí)現(xiàn)語音、文字、圖形和圖像的直接輸入輸出是如今人們對智能計算機(jī)提出的規(guī)定，也是對新型專家系統(tǒng)的重要盼望。這首先需要硬件的有力支持，另首先先進(jìn)的軟件技術(shù)將使智能接口的實(shí)現(xiàn)大放異彩。12.BP算法的網(wǎng)絡(luò)構(gòu)造是什么?簡述BP算法的學(xué)習(xí)過程.B-P算法的網(wǎng)絡(luò)構(gòu)造是一種前向多層網(wǎng)絡(luò)。網(wǎng)絡(luò)中不僅含有輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)，并且含有一層或多層隱（層）節(jié)點(diǎn)，網(wǎng)絡(luò)中各解決單元間的連接如圖6.16所示。當(dāng)有信息向網(wǎng)絡(luò)輸入時，信息首先由輸入層傳遞到隱層節(jié)點(diǎn)，經(jīng)特性函數(shù)（人工神經(jīng)元）作用后，再傳至下一隱層。這樣一層一層傳遞下去，直到最后傳至輸出節(jié)點(diǎn)層進(jìn)行輸出。其間各層的激發(fā)函數(shù)規(guī)定是可微的，普通是選用S型函數(shù)。B-P算法的學(xué)習(xí)過程以下：（a）選擇一組訓(xùn)練樣例，每一種樣例由輸入信息和盼望的輸出成果兩部分構(gòu)成。（b）從訓(xùn)練樣例集中取同樣例，把輸入信息輸入到網(wǎng)絡(luò)中。（c）分別計算經(jīng)神經(jīng)元解決后的各層節(jié)點(diǎn)的輸出。（d）計算網(wǎng)絡(luò)的實(shí)際輸出和盼望輸出的誤差。（e）從輸出層反向計算到第一種隱層，并按照某種能使誤差向減小方向發(fā)展的原則，調(diào)節(jié)網(wǎng)絡(luò)中各神經(jīng)元的連接權(quán)值。（f）對訓(xùn)練樣例集中的每一種樣例重復(fù)（c）—（e）的環(huán)節(jié)，直到對整個訓(xùn)練樣例集的誤差達(dá)成規(guī)定時為止。13.在什么狀況下需要采用不擬定推理或非單調(diào)推理？在日常生活中，人們普通所碰到的狀況是信息不夠完善、不夠精確，即所掌握的知識含有不擬定性。人們就是運(yùn)用這種不擬定性的知識進(jìn)行思維、推理，進(jìn)而求解問題。14.什么是產(chǎn)生式知識表達(dá)?給出這種表達(dá)辦法的優(yōu)缺點(diǎn)。產(chǎn)生式普通用于表達(dá)事實(shí)、規(guī)則以及它們的不擬定性度量，適合于表達(dá)事實(shí)性知識和規(guī)則性知識。基本形式IFPTHENQ，其中P是產(chǎn)生式的前提，用于指出該產(chǎn)生式與否可用的條件；Q是一組結(jié)論或操作，用于指出前提P所批示的條件被滿足時，應(yīng)當(dāng)?shù)贸龅慕Y(jié)論或應(yīng)當(dāng)執(zhí)行的操作。優(yōu)點(diǎn)：（1）自然性（2）模塊性（3）有效性（4）清晰性缺點(diǎn)：（1）效率不高（2）不能體現(xiàn)構(gòu)造性知識15.簡述自然語言理解的層次劃分及對應(yīng)的技術(shù)。詞法分析、句法分析、語義分析16.搜索辦法的啟發(fā)能力有哪幾個基本的度量辦法?滲入度是對一種搜索算法的搜索性能的度量，表達(dá)搜索集中指向某個目的的程度，而不是在無關(guān)的方向上徘徊。定義為：P=L/T其中，L是算法發(fā)現(xiàn)的解途徑的長度，T是算法在尋找這條解途徑期間所產(chǎn)生的節(jié)點(diǎn)（不涉及初始節(jié)點(diǎn)，涉及目的節(jié)點(diǎn)）有效分枝系數(shù)就是一棵搜索樹的平均分枝數(shù)．設(shè)搜索樹的深度是L，算法所產(chǎn)生的總節(jié)點(diǎn)數(shù)為T，有效分枝系數(shù)是B，則有B＋B2十…＋BL=T或B（BL-1）/（B-1）=T17.簡述狀態(tài)空間法三要點(diǎn)？三要點(diǎn)：(1)狀態(tài)（state）：表達(dá)問題解法中每一步問題狀況的數(shù)據(jù)構(gòu)造；(2)算符（operator）：把問題從一種狀態(tài)變換為另一種狀態(tài)的手段；(3)狀態(tài)空間辦法：基于解答空間的問題表達(dá)和求解辦法，它是以狀態(tài)和算符為基礎(chǔ)來表達(dá)和求解問題的。備注：用狀態(tài)空間表達(dá)問題的環(huán)節(jié)：（1）定義狀態(tài)的描述形式；（2）用所定義的狀態(tài)描述形式把問題的全部可能的狀態(tài)都表達(dá)出來，并擬定出問題的初始狀態(tài)集合描述和目的狀態(tài)集合描述；（3）定義一組算符，使得運(yùn)用這組算符可把問題由一種狀態(tài)轉(zhuǎn)變?yōu)榱硪环N狀態(tài)。問題的求解過程是一種不停把算符作用于狀態(tài)的過程。（1）首先將合用的算符作用于初始狀態(tài)，以產(chǎn)生新的狀態(tài)；（2）然后再把某些合用的算符作用于新的狀態(tài)；（3）這樣繼續(xù)下去，直到產(chǎn)生的狀態(tài)為目的狀態(tài)為止。這時，就得到了問題的一種解。這個解是從初始狀態(tài)到目的狀態(tài)所用算符構(gòu)成的序列。18.同傳統(tǒng)的計算機(jī)程序相比，人工智能程序有哪些特點(diǎn)？（1）人工智能首先研究的是以符號表達(dá)的知識，而不是數(shù)值數(shù)據(jù)為研究對象（2）人工智能采用的是啟發(fā)式推理辦法,而不是常規(guī)算法（3）人工智能的控制構(gòu)造與知識領(lǐng)域是分離的，并允許出現(xiàn)不對的的解答19.什么是問題歸約？問題歸約的操作算子與普通圖搜索有何不同？問題規(guī)約是在問題求解過程中，將一種大的問題變成若干個子問題，子問題又能夠分解成更小的子問題，這樣始終分解到能夠直接求解為止，全部子問題的解就是原問題的解；并稱原問題為初始問題，可直接求解的問題為本原問題。問題規(guī)約的操作算子是一組變換規(guī)則，通過一種操作算子把一種問題化成若干個子問題。而普通圖搜索的操作算子是引發(fā)狀態(tài)中的某分量發(fā)生變化，從而使問題由一種具體狀態(tài)A變化為另一種具體狀態(tài)B的作用。使問題一種狀態(tài)變化為另一種狀態(tài)的手段稱為操作符或算符，操作符可為走步、過程、規(guī)則、數(shù)學(xué)算子、運(yùn)算符號或邏輯符號等。20.在選擇知識表達(dá)的辦法時，應(yīng)當(dāng)考慮哪些因素？(1）充足表達(dá)領(lǐng)域知識。（2）有助于對知識的運(yùn)用。（3）便于對知識的組織、維護(hù)與管理。（4）便于理解與實(shí)現(xiàn)。表達(dá)能力：能夠?qū)栴}求解所需的知識對的有效地體現(xiàn)出來，可理解性：所體現(xiàn)的知識簡樸、明了、易于理解，可訪問性：能夠有效地運(yùn)用所體現(xiàn)的知識，可擴(kuò)充性：能夠方便靈活地對知識進(jìn)行擴(kuò)充。表達(dá)范疇與否廣泛、與否適于推理、與否適于計算機(jī)解決、與否有高效的算法、能否表達(dá)不精確知識、能否模塊化、知識和元知識能否用統(tǒng)一的形式表達(dá)、與否加入啟發(fā)信息、過程性表達(dá)還是闡明性表達(dá)、表達(dá)辦法與否自然?？傊斯ぶ悄軉栴}的求解是以知識表達(dá)為基礎(chǔ)的，如何將已獲取的有關(guān)知識以計算機(jī)內(nèi)部代碼形式加以合理地描述、存儲、有效運(yùn)用便是知識表達(dá)所應(yīng)解決的問題。21.什么是蟻群算法？簡述其基本思想和基本構(gòu)造.根據(jù)螞蟻覓食過程的啟示，蟻群優(yōu)化算法是采用人工螞蟻行走路線選擇問題最優(yōu)解的一種算法。（1）每只人工螞蟻獨(dú)立地在問題解空間中搜索(行走)，當(dāng)碰到解的分支途徑時，隨機(jī)地選擇某條途徑行走，其中信息素濃度更高的途徑含有更大的選擇概率。途徑越短，信息素濃度越高。（2）隨著時間的推移，途徑短的信息素濃度越來越高，引導(dǎo)更多的螞蟻通過最優(yōu)的求解途徑，釋放出更多的信息素，而其它途徑上的信息素在揮發(fā)特性的作用下逐步消失，從而形成正反饋效應(yīng)。（3）最后整個蟻群在正反饋?zhàn)饔孟?，集中到代表最?yōu)解的途徑上，表明找到了最優(yōu)解。假設(shè)m只螞蟻在都市間移動，協(xié)作異步地得到問題的解。每只螞蟻的一步轉(zhuǎn)移概率由都市之間連邊的兩類參數(shù)決定：一是信息素值，二是可見度，即先驗值。信息素的更新有兩種：一是揮發(fā)，也就是全部途徑上的信息素以一定的比率減少，模擬自然蟻群的信息素隨時間揮發(fā)的過程；二是增強(qiáng)，給評價值“好”的邊增強(qiáng)信息素。螞蟻向下一都市的移動是通過一種隨機(jī)原則來實(shí)現(xiàn)的，也就是運(yùn)用現(xiàn)在存儲的信息，計算出到下一種都市的概率，并按此概率實(shí)現(xiàn)上一步的移動，如此重復(fù)，越來越靠近最優(yōu)解。（輪盤賭選擇算法）螞蟻在尋找過程中，或找到一種解后，會評定該解或解的一部分的優(yōu)化程度，并把評價信息保存在有關(guān)連接的信息素中。22.什么是過程性知識表達(dá)？給出它的優(yōu)缺點(diǎn)過程性知識表達(dá)可將所要表達(dá)的知識及如何使用這些知識的控制性方略一起隱式地表達(dá)為一種求解問題的過程。優(yōu)點(diǎn)：（1）表達(dá)效率高（2）推理控制容易實(shí)現(xiàn)缺點(diǎn)：（1）知識庫不易維護(hù)（2）合用的表達(dá)范疇較窄23.理解ID3算法樹以代表訓(xùn)練樣本的單個節(jié)點(diǎn)開始。如果樣本都在同一種類，則該節(jié)點(diǎn)成為葉節(jié)點(diǎn)，用該類標(biāo)記。否則，算法使用信息增益作為啟發(fā)信息，選擇能夠最佳的將樣本分類的屬性。該屬性成為該節(jié)點(diǎn)的鑒定屬性。（全部屬性均為離散值，對于持續(xù)屬性需先進(jìn)行離散化）。對測試屬性的的每個已知值，創(chuàng)立一種分支。算法使用同樣的過程，遞歸形成每個劃分上的樣本鑒定樹。一旦一種屬性出現(xiàn)在一種結(jié)點(diǎn)上，就不會出現(xiàn)在該節(jié)點(diǎn)的任何后裔上。遞歸劃分環(huán)節(jié)僅當(dāng)下列條件之一成立時停止：（1）給定結(jié)點(diǎn)全部樣本屬于同一類，無需劃分；（2）現(xiàn)在屬性集為空，沒有剩余屬性能夠用來進(jìn)一步劃分（3）現(xiàn)在結(jié)點(diǎn)包含的樣本集合為空，不能劃分屬性選擇度量：在樹的每個結(jié)點(diǎn)上使用信息增益度量選擇測試屬性。選擇含有最高信息增益的屬性作為現(xiàn)在結(jié)點(diǎn)的測試屬性。該屬性使得對成果劃分中的樣本分類所需要的信息量最小（直觀理解即是生成鑒定樹局部較低），并反映劃分的最小隨機(jī)性。這種信息理論辦法使得對一種對象分類所需要的盼望測試數(shù)目達(dá)成最小，并確保找到一顆簡樸的樹。24.有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)的區(qū)別是什么?在監(jiān)督學(xué)習(xí)中，假定我們懂得每一輸入對應(yīng)的盼望輸入，并運(yùn)用學(xué)習(xí)系統(tǒng)的誤差，不停校正系統(tǒng)的行為在無監(jiān)督學(xué)習(xí)中，我們不懂得學(xué)習(xí)系統(tǒng)的盼望輸出25.開發(fā)專家系統(tǒng)的基本規(guī)定是什么?采用原型法開發(fā)專家系統(tǒng)要通過哪幾個環(huán)節(jié)?基本規(guī)定：1)

選擇適宜的領(lǐng)域及問題2)

建造專家系統(tǒng)的可行性3)