2025計(jì)算機(jī)考研《人工智能》真題考試時(shí)間：______分鐘總分：______分姓名：______一、單項(xiàng)選擇題（請將正確選項(xiàng)的代表字母填寫在題干后的括號內(nèi)。每小題2分，共20分。）1.下列關(guān)于廣度優(yōu)先搜索（BFS）和深度優(yōu)先搜索（DFS）的描述中，正確的是（）。A.BFS總能找到更優(yōu)解（如路徑長度最短），而DFS無法保證最優(yōu)解B.BFS和DFS都只能用于無權(quán)圖C.BFS和DFS在遍歷圖時(shí)，訪問同一節(jié)點(diǎn)的順序總是相同的D.BFS通常比DFS占用更多的內(nèi)存空間2.在產(chǎn)生式規(guī)則系統(tǒng)R={規(guī)則1,規(guī)則2,...,規(guī)則N}中，規(guī)則一般表示為A→B，其中A是（）。A.動作B.結(jié)論C.前提D.變量3.下列算法中，不屬于盲目搜索算法的是（）。A.深度優(yōu)先搜索B.廣度優(yōu)先搜索C.最佳優(yōu)先搜索D.A*搜索4.在機(jī)器學(xué)習(xí)中，將數(shù)據(jù)劃分為不同的組，使得組內(nèi)數(shù)據(jù)相似度較高，組間數(shù)據(jù)相似度較低的過程稱為（）。A.分類B.聚類C.回歸D.降維5.決策樹算法中，常用的用于選擇分裂屬性（特征）的標(biāo)準(zhǔn)是（）。A.熵B.方差C.相關(guān)系數(shù)D.中位數(shù)6.支持向量機(jī)（SVM）通過尋找一個最優(yōu)超平面來劃分不同類別的數(shù)據(jù)，該超平面能最大化（）。A.分類精度B.準(zhǔn)確率C.實(shí)際間隔D.學(xué)習(xí)率7.下列關(guān)于神經(jīng)網(wǎng)絡(luò)的說法中，錯誤的是（）。A.神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型B.感知器是最簡單的神經(jīng)網(wǎng)絡(luò)模型，可以線性劃分?jǐn)?shù)據(jù)C.反向傳播算法是訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的主要方法D.神經(jīng)網(wǎng)絡(luò)的參數(shù)只能通過梯度下降法進(jìn)行優(yōu)化8.在機(jī)器學(xué)習(xí)模型評估中，用來衡量模型在未知數(shù)據(jù)上泛化能力的指標(biāo)通常是（）。A.訓(xùn)練集上的準(zhǔn)確率B.測試集上的準(zhǔn)確率C.驗(yàn)證集上的準(zhǔn)確率D.特征選擇率9.自然語言處理（NLP）中的詞嵌入技術(shù)（如Word2Vec）旨在將詞語映射為（）。A.高維向量B.低維向量C.離散標(biāo)簽D.概率分布10.下列關(guān)于強(qiáng)化學(xué)習(xí)的描述中，正確的是（）。A.強(qiáng)化學(xué)習(xí)的目標(biāo)是在有限步內(nèi)最大化累積獎勵B.強(qiáng)化學(xué)習(xí)需要預(yù)先定義好所有的狀態(tài)和動作C.強(qiáng)化學(xué)習(xí)agent通過與環(huán)境交互并接收獎勵來進(jìn)行學(xué)習(xí)D.強(qiáng)化學(xué)習(xí)主要解決監(jiān)督學(xué)習(xí)問題二、填空題（請將答案填寫在題干后的橫線上。每空2分，共20分。）1.在圖搜索算法中，啟發(fā)式函數(shù)h(n)的作用是估計(jì)從節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的______。2.一階謂詞邏輯比命題邏輯具有更強(qiáng)的表達(dá)能力，因?yàn)樗梢悦枋鼍哂衉_____和______的復(fù)雜對象和關(guān)系。3.決策樹算法中，常用的分裂準(zhǔn)則有信息增益（基于熵）和信息增益率，它們都是用來衡量分裂后______的降低程度。4.在支持向量機(jī)中，通過改變核函數(shù)可以將原始輸入空間映射到高維特征空間，這種方法稱為______。5.神經(jīng)網(wǎng)絡(luò)中，用于計(jì)算節(jié)點(diǎn)輸入加權(quán)和與偏置和的層稱為______。6.在邏輯推理中，從已知前提和知識庫中推導(dǎo)出結(jié)論的過程稱為______。7.機(jī)器學(xué)習(xí)中，過擬合現(xiàn)象指的是模型在______上表現(xiàn)良好，但在______上表現(xiàn)較差。8.深度學(xué)習(xí)模型中，卷積神經(jīng)網(wǎng)絡(luò)（CNN）主要適用于處理______數(shù)據(jù)，而循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）主要適用于處理______數(shù)據(jù)。9.多智能體系統(tǒng)研究的是由多個智能體組成的系統(tǒng)的行為，其中智能體之間可能存在______或______。10.人工智能倫理關(guān)注AI技術(shù)發(fā)展與應(yīng)用中可能帶來的社會、道德、法律等問題，例如算法偏見、______和AI安全等。三、名詞解釋（請簡要解釋下列名詞的含義。每小題3分，共15分。）1.A*搜索算法2.產(chǎn)生式規(guī)則3.過擬合4.詞嵌入5.強(qiáng)化學(xué)習(xí)四、簡答題（請簡要回答下列問題。每小題5分，共20分。）1.簡述深度優(yōu)先搜索（DFS）的基本思想及其實(shí)現(xiàn)方式。2.與樸素貝葉斯分類器相比，支持向量機(jī)（SVM）的主要優(yōu)點(diǎn)是什么？3.簡述神經(jīng)網(wǎng)絡(luò)中反向傳播算法的基本原理。4.什么是自然語言處理（NLP）？請列舉三個NLP的主要應(yīng)用領(lǐng)域。五、計(jì)算題（請按題目要求進(jìn)行計(jì)算和分析。每小題10分，共20分。）1.考慮如下狀態(tài)空間圖，其中弧旁標(biāo)注了動作名稱和該動作的代價(jià)。使用A*搜索算法，以S為起點(diǎn)，G為目標(biāo)，采用h(n)=|x-xG|+|y-yG|（曼哈頓距離）作為啟發(fā)式函數(shù)，找到從S到G的最優(yōu)路徑，并說明每一步的選擇依據(jù)。（假設(shè)圖中節(jié)點(diǎn)坐標(biāo)已知，且只需展示搜索過程和最終路徑，無需詳細(xì)列出所有展開節(jié)點(diǎn)）（此處應(yīng)有圖示，但按要求不提供，請考生自行繪制或想象該圖）2.假設(shè)有一個數(shù)據(jù)集包含三個特征X1,X2,X3和一個分類標(biāo)簽Y。使用信息增益準(zhǔn)則來選擇劃分屬性。已知在劃分前，數(shù)據(jù)集D中有10個樣本，其中Y=0的有6個，Y=1的有4個。劃分屬性X1有兩個取值A(chǔ)和B，X2有三個取值C,D,E，X3有一個取值F。計(jì)算劃分屬性X1,X2,X3的信息增益。假設(shè)根據(jù)計(jì)算結(jié)果選擇X2進(jìn)行劃分，X2=C時(shí)得到子集D1（5個樣本，Y=0:3,Y=1:2），X2=D時(shí)得到子集D2（3個樣本，Y=0:2,Y=1:1），X2=E時(shí)得到子集D3（2個樣本，Y=0:1,Y=1:1）。計(jì)算在選擇了X2后，劃分屬性X1和X3的信息增益。（無需計(jì)算最終的最優(yōu)劃分，只需展示計(jì)算過程）六、綜合應(yīng)用題（請結(jié)合所學(xué)知識，分析并回答下列問題。共25分。）1.（15分）設(shè)計(jì)一個簡單的產(chǎn)生式規(guī)則系統(tǒng)，用于模擬一個“簡單的天氣預(yù)報(bào)”場景。該系統(tǒng)能根據(jù)“是否晴天”、“是否刮風(fēng)”、“是否下雨”這三個條件來預(yù)測“是否適合戶外活動”。請定義：a.系統(tǒng)的初始狀態(tài)（條件）。b.至少包含三條規(guī)則（形式為IF條件THEN結(jié)論）。c.寫出推理過程，展示如何根據(jù)給定的具體條件（例如：晴天、不刮風(fēng)、不下雨）推導(dǎo)出結(jié)論（是否適合戶外活動）。2.（10分）比較并分析神經(jīng)網(wǎng)絡(luò)與決策樹在處理復(fù)雜數(shù)據(jù)分類問題時(shí)的主要異同點(diǎn)。請從學(xué)習(xí)方式、對復(fù)雜數(shù)據(jù)模式的處理能力、可解釋性、訓(xùn)練時(shí)間和計(jì)算資源需求等方面進(jìn)行討論。試卷答案一、單項(xiàng)選擇題1.A2.C3.C4.B5.A6.C7.D8.C9.B10.C二、填空題1.最短路徑長度（或代價(jià)）2.個體（或?qū)ο螅?屬性（或性質(zhì)）3.不確定性（或熵）4.核技巧5.輸入層6.演繹推理（或推理）7.訓(xùn)練集/測試集8.圖像/圖像/序列/序列（順序可顛倒）9.協(xié)作/競爭10.隱私三、名詞解釋1.A*搜索算法：一種啟發(fā)式圖搜索算法，結(jié)合了廣度優(yōu)先搜索的完整性和貪婪最佳優(yōu)先搜索的效率，通過評估函數(shù)f(n)=g(n)+h(n)（其中g(shù)(n)是從起點(diǎn)到節(jié)點(diǎn)n的實(shí)際代價(jià)，h(n)是從節(jié)點(diǎn)n到目標(biāo)的啟發(fā)式估計(jì)代價(jià)）來選擇下一個要訪問的節(jié)點(diǎn)，保證在狀態(tài)空間樹中找到的路徑是代價(jià)最優(yōu)的。2.產(chǎn)生式規(guī)則：一種用于表示知識和進(jìn)行推理的格式，通常形式為“IF條件THEN動作/結(jié)論”，其中“條件”（前提）是觸發(fā)規(guī)則執(zhí)行的觸發(fā)器，“動作/結(jié)論”（結(jié)論）是在滿足條件時(shí)執(zhí)行的動作或得出的結(jié)論。3.過擬合：機(jī)器學(xué)習(xí)模型在訓(xùn)練數(shù)據(jù)上學(xué)習(xí)得過于完美，以至于不僅學(xué)習(xí)了數(shù)據(jù)中的潛在模式，還學(xué)習(xí)了數(shù)據(jù)中的噪聲和隨機(jī)波動。這導(dǎo)致模型在訓(xùn)練集上表現(xiàn)極好，但在未見過的新數(shù)據(jù)（測試集或驗(yàn)證集）上表現(xiàn)較差，泛化能力差。4.詞嵌入：一種將自然語言中的詞語映射為固定維度向量（通常是實(shí)數(shù)向量）的技術(shù)。這些向量能夠捕捉詞語之間的語義關(guān)系，使得語義相似的詞語在向量空間中距離較近。常見的詞嵌入方法包括Word2Vec、GloVe等。5.強(qiáng)化學(xué)習(xí)：一種無模型的機(jī)器學(xué)習(xí)范式，智能體（Agent）通過在環(huán)境中執(zhí)行動作（Action）并接收環(huán)境反饋（通常是獎勵或懲罰信號）來學(xué)習(xí)如何制定策略（Policy），以最大化累積獎勵。智能體通過試錯（Trial-and-Error）與環(huán)境交互進(jìn)行學(xué)習(xí)。四、簡答題1.DFS的基本思想是沿著一條路徑盡可能深入地探索，直到無法繼續(xù)前進(jìn)（到達(dá)葉子節(jié)點(diǎn)或已訪問節(jié)點(diǎn)）時(shí)，再回溯到上一個節(jié)點(diǎn)，沿另一條路徑繼續(xù)探索。實(shí)現(xiàn)方式通常使用棧（可以是顯式棧或遞歸調(diào)用棧）來存儲待訪問的節(jié)點(diǎn)。每次從棧頂取出一個節(jié)點(diǎn)，訪問它，并將其相鄰的未訪問節(jié)點(diǎn)加入棧中。2.SVM的主要優(yōu)點(diǎn)包括：a.對于高維數(shù)據(jù)，表現(xiàn)良好，甚至當(dāng)特征維度遠(yuǎn)大于樣本數(shù)量時(shí)。b.通過核技巧，可以有效處理非線性可分問題。c.理論基礎(chǔ)扎實(shí)，具有較好的數(shù)學(xué)解釋性。d.在小樣本數(shù)據(jù)集上通常表現(xiàn)穩(wěn)定。（與樸素貝葉斯相比，SVM不需要對特征進(jìn)行獨(dú)立性假設(shè)，對異常值不敏感，且對于非線性問題通過核函數(shù)可以取得很好的效果）。3.反向傳播算法的基本原理是：a.前向傳播：輸入數(shù)據(jù)通過網(wǎng)絡(luò)層逐層計(jì)算，得到輸出層的預(yù)測值。b.計(jì)算誤差：將網(wǎng)絡(luò)輸出與真實(shí)標(biāo)簽比較，計(jì)算損失函數(shù)（如均方誤差）得到的誤差。c.反向傳播誤差：從輸出層開始，逐層計(jì)算誤差相對于每個權(quán)重和偏置的梯度。d.更新權(quán)重：利用計(jì)算得到的梯度，根據(jù)優(yōu)化算法（如梯度下降）更新網(wǎng)絡(luò)中的所有權(quán)重和偏置，目標(biāo)是使損失函數(shù)最小化。4.自然語言處理（NLP）是人工智能的一個子領(lǐng)域，致力于研究如何讓計(jì)算機(jī)能夠理解、處理、生成和交流人類語言。主要應(yīng)用領(lǐng)域包括：a.機(jī)器翻譯b.情感分析c.語音識別與合成d.信息檢索與抽取e.對話系統(tǒng)（如聊天機(jī)器人）五、計(jì)算題1.（假設(shè)圖如下，S->A->B->G，代價(jià)分別為1,2,1）搜索過程：-初始化開放列表OL={S(0,h(S)=∞)},關(guān)閉列表CL={}。目標(biāo)G坐標(biāo)假設(shè)為(3,3)。-擴(kuò)展S:OL={A(1,h(A)=2),B(2,h(B)=2)},CL={S}。-擴(kuò)展A:OL={B(2,h(B)=2),C(2,h(C)=3)},CL={S,A}。選擇h(n)最小的B。-擴(kuò)展B:B已在CL中，跳過。-擴(kuò)展C:OL={D(3,h(D)=2)},CL={S,A,B}。-擴(kuò)展D:D已在CL中，跳過。-回溯到A，檢查其未訪問鄰居（假設(shè)有E坐標(biāo)(3,1),h(E)=2）:OL={E(3,h(E)=2)},CL={S,A,B,C}。-擴(kuò)展E:E已在CL中，跳過。-回溯到S，檢查未訪問鄰居（假設(shè)有F坐標(biāo)(0,1),h(F)=3）:OL={F(0,h(F)=3)},CL={S,A,B,C,E}。-擴(kuò)展F:F已在CL中，跳過。-回溯到C，檢查未訪問鄰居（假設(shè)有G坐標(biāo)(3,3),h(G)=0）:OL={G(3,h(G)=0)},CL={S,A,B,C,E,F}。-擴(kuò)展G:G到達(dá)目標(biāo)，搜索結(jié)束。最終最優(yōu)路徑：S->A->B->G?？偞鷥r(jià)：1+2+1=4。2.計(jì)算信息增益G(S,X)：Entropy(D)=-(6/10)log2(6/10)-(4/10)log2(4/10)=-(0.6)log2(0.6)-(0.4)log2(0.4)≈0.971。G(S,X1):D1(Y=0:3,Y=1:2),Entropy(D1)=-(3/5)log2(3/5)-(2/5)log2(2/5)≈0.971。D2(Y=0:2,Y=1:1),Entropy(D2)=-(2/3)log2(2/3)-(1/3)log2(1/3)≈0.918。D3(Y=0:1,Y=1:1),Entropy(D3)=0。G(S,X1)=Entropy(D)-[(5/10)Entropy(D1)+(3/10)Entropy(D2)+(2/10)Entropy(D3)]≈0.971-[(5/10)*0.971+(3/10)*0.918+(2/10)*0]≈0.971-0.802=0.169。G(S,X2):D1(Entropy=0.971),D2(Entropy=0.918),D3(Entropy=0)。G(S,X2)=Entropy(D)-[(5/10)Entropy(D1)+(3/10)Entropy(D2)+(2/10)Entropy(D3)]≈0.971-0.802=0.169。G(S,X3):X3只有一個取值F，無法劃分，其信息增益為0。比較增益：G(S,X1)=0.169,G(S,X2)=0.169,G(S,X3)=0。選擇X1或X2進(jìn)行第一次劃分。計(jì)算在X2劃分后的增益：G(D1,X1):D1已知，計(jì)算其X1的子集增益。假設(shè)D1在X1下有子集類似D3（Y=0:1,Y=1:1），則Entropy=0。G(D1,X1)=0.971-0=0.971。G(D2,X1):假設(shè)D2在X1下有子集類似D3（Y=0:1,Y=1:1），則Entropy=0。G(D2,X1)=0.918-0=0.918。G(D1,X3):D1在X3下有子集類似D3（Y=0:1,Y=1:1），則Entropy=0。G(D1,X3)=0.971-0=0.971。G(D2,X3):D2在X3下有子集類似D3（Y=0:1,Y=1:1），則Entropy=0。G(D2,X3)=0.918-0=0.918。（注：此處具體子集劃分假設(shè)是為了完成計(jì)算示例，實(shí)際題目應(yīng)給出具體劃分結(jié)果。）六、綜合應(yīng)用題1.a.初始狀態(tài)：是否晴天？否；是否刮風(fēng)？否；是否下雨？否。b.規(guī)則1：IF是否晴天？是AND是否下雨？否THEN是否適合戶外活動？是。c.規(guī)則2：IF是否刮風(fēng)？