1.框架表示法有什么特點？繼承性，自然性，結構性。
2.產(chǎn)生式表示法的優(yōu)點缺點：模塊性，清晰性，自然性，有效性
缺點：效率不高，不能表示具有結構關系的知識
3.什么是產(chǎn)生式系統(tǒng)，它是由什么組成的
把一組產(chǎn)生式放在一起，使其相互作用，協(xié)同合作，其中一個產(chǎn)生式得出的結論可供另一個產(chǎn)生式作為已知事實使用，從而得出問題的解，這樣的系統(tǒng)叫做產(chǎn)生式系統(tǒng)。產(chǎn)生式系統(tǒng)由：規(guī)則庫，推理機，綜合數(shù)據(jù)庫。
4.產(chǎn)生式表示法適合表示的知識：
由許多相對獨立的知識元組成的領域知識，且相互之間聯(lián)系不密切，不存在結構關系，如化學反應
具有經(jīng)驗性不確定的知識組成，且相關知識沒有統(tǒng)一，嚴格的理論要求如：故障診斷，醫(yī)療診斷
領域問題的求解過程可以被表示為一系列相對獨立的操作
5.命題：是一個非真即假的陳述句
6.什么是知識？知識的表示？，知識有哪些性質(zhì)？知識有哪些表示方法？知識表示：就是將人類知識模式化，形式化。知識：就是把有關的信息關聯(lián)起來的信息結構。知識的特性：不確定性（經(jīng)驗性，隨機性，模糊性，不完全性），相對正確性，可利用性與可表示性。知識表示方法：一階謂詞邏輯，產(chǎn)生式，框架，面向?qū)ο?#xff0c;人工神經(jīng)網(wǎng)絡，語義網(wǎng)絡表示
7.一階謂詞邏輯表示法的優(yōu)點：自然性，嚴密性，精確性，容易實現(xiàn) 缺點：不能表示不確定的知識，組合爆炸，效率低
8.什么是學習？什么是機器學習？機器學習研究什么的方面問題包括什么？學習系統(tǒng)包括什么？答：機器學習使計算機不斷的通過模仿人的學習行為，自動的通過學習來獲得知識和技能，并提高性能，實現(xiàn)自我完善。機器學習的研究方面的問題：學習機理，學習方法，學習系統(tǒng)。學習系統(tǒng)包括：環(huán)境，知識庫，學習，執(zhí)行與評價。學習：通過一些途徑而獲得知識，技能或認知的過程。
9.框架：描述對象所論屬性的數(shù)據(jù)結構
10.AI研究的三條主要途徑：符號主義，連接主義，行為主義。
11.知識的分類：作用范圍：常識性知識，領域性知識。作用及表示：事實性知識，規(guī)則性知識，控制性知識。確定性：確定性知識，和非確定性表示。
12.人工智能研究的基本內(nèi)容：機器思維（將機器外部得來的信息與機器內(nèi)部信息進行有目的的處理），機器行為（使機器具有人的行為能力，如說讀寫），機器感知（是機器有類似于人的感知能力），知識的表示（將知識模式化和形式化）（以機器視覺和機器聽覺為主），機器學習（使計算機能夠模擬人的學習行為，通過學習自動獲取知識的行為）知識的表示
13.人工智能的研究領域：博弈，自動定理證明，模式識別，機器視覺，機器人，智能機器檢索，專家系統(tǒng)，自動程序設計，人工神經(jīng)網(wǎng)絡
團隊協(xié)作中，主要研究的問題是各智能體之間合作與對話，主要包括分布式求解，和多智能體系統(tǒng)
14.分布式人工智能：是分布式計算與人工智能相結合的結果，具有操作性和交互性的特點。分布式求解：就是把問題劃分為多個相互合作，知識共享的模塊或者節(jié)點。多智能體系統(tǒng):是研究生智能體行為之間的相互協(xié)調(diào)。異同：這兩個領域都是研究知識，資源和控制的劃分的問題，分布式計算主要是一個全局的概念模型，問題，和成功標準，而多智能體系統(tǒng)則是研究的往往是一多個局部的模型概念，問題，成功標準，多智能體系統(tǒng)具有靈活性，適應性的特點，更適合人類社會的智能，能夠表現(xiàn)人類社會的動態(tài)變化。
15.人工智能的目標是用機器人實現(xiàn)人類的部分智能。智能的特征：1、具有感知能力2、具有記憶與思維能力3、具有學習能力4、具有行為能力。 人工智能就是用人工的方法在機器上實現(xiàn)的智能，也成為機器智能。人工智能是一門研究如何構造智能機器或智能系統(tǒng)，使它能夠模擬，延伸，擴展人類智能的學科。
16.知識表示：結構化、半結構化、非結構化。表示方法分為：符號表示法和連接機制表示法。符號表示法是用各種包含具體含義的符號,以各種不同的方式和順序組合起來表示知識的。連接機制表示法是用神經(jīng)網(wǎng)絡表示知識的一種方法。目前用得較多的知識表示方法有:一階謂詞邏輯表示法、產(chǎn)生式表示法、框架表示法、語義網(wǎng)絡表示法、狀態(tài)空間表示法、神經(jīng)網(wǎng)絡表示法、腳本表示法、法及面向?qū)ο蟊硎痉ā?br /> 17.人工智能研究的基本內(nèi)容：知識表示、機器感知、機器思維、機器學習（研究如何使計算機具有類似人的學習能力，使它能通過學習自動的獲取知識）、機器行為
18.人們在對各種事物進行分析、綜合并最后做出決策時，通常是從已知的事實出發(fā)，通過運用已掌握的知識，找出其中蘊涵的事實，或歸納出新的事實。這一過程通常稱為推理，即從初始證據(jù)出發(fā)，按某種策略不斷運用知識庫中的已知知識,逐步推出結論的過程稱為推理。
19. 數(shù)學理論 實際應用效果 收斂性，泛化性。穩(wěn)定性。
推理方式及其分類：從推出結論的途徑來劃分：演繹推理，歸納推理，默認推理
從所用知識的確定性來分：確定性推理和不確定性推理。按是否越來越接近目標可以分為單調(diào)推理和非單調(diào)推理。按是否有啟發(fā)性知識來分：啟發(fā)性知識和非啟發(fā)性知識。按推理方向分可以分為正向推理（從已知事實出發(fā)，得出問題的結論），逆向推理（從已有結論出發(fā)，得到已知事實），雙向推理（既有自頂向上的推理，也有自頂向下的推理）
若推理出現(xiàn)沖突時，采用沖突解決策略，啟用選擇排序，一般常用的排序有：就近排序，規(guī)模排序，按匹配度排序，按已知事實的新鮮度排序，按條件個數(shù)排序，按規(guī)則的針對性排序等。
1.不確定性：知識的不確定性與證據(jù)的不確定性。：知識的不確定性表示，證據(jù)的不確定性表示，不確定性的度量
2.寬度優(yōu)先策略和深度優(yōu)先策略的不同：寬度優(yōu)先策略始終時在同一級節(jié)點中考察的，一級中考察完畢再進入另一級節(jié)點中考察，它是自頂向下一層一層逐漸搜索的，是一個橫向的搜索，其搜索是完備的。得到的解是最優(yōu)的解。 深度優(yōu)先搜索是在每一層中只允許一個擴展節(jié)點，一直縱向進行知道不能再前進時，返回上一級節(jié)點沿著另一級方向繼續(xù)前進，它是從根節(jié)點出發(fā)一支一支搜索的，屬于縱向的搜索，是不完備的搜索，得到的解不一定是最優(yōu)解。什么情況下使用：在不要求求解速度，并且目標節(jié)點的深度較深的情況下，寬度優(yōu)先大于深度優(yōu)先。在要求求解速度，且目標節(jié)點的深度較淺的情況下，深度優(yōu)先好于寬度優(yōu)先。
3.什么是搜索？有那兩大類？，兩者的區(qū)別是什么？：在搜索中需要解決是否一定能找到一個解，是否終止運行，找到的解是否是最佳解，搜索過程的時間復雜度與空間復雜度性如何等基本問題。兩大類：盲目搜索（是在部隊特定問題的任何有關信息的條件下，按固定的步驟進行的搜索）和啟發(fā)式搜索（考慮特定問題領域可應用的知識，動態(tài)的確定調(diào)用操作算子的步驟優(yōu)先選擇較合適的操作算2子）->：寬度優(yōu)先搜索，深度優(yōu)先搜索，代價樹優(yōu)先搜索。區(qū)別：盲目搜索效率不高適用于解決簡單問題，而另一個相反效率高，可以解決復雜問題求解。
4.進化算法是基于自然選擇和自然遺傳等生物的進化機制的一種搜索算法（迭代算法）
5.生物進化的設計原則：穩(wěn)定性原則，收斂性原則，穩(wěn)定性原則，適應性原則，生物類比原則。
6.基本遺傳操作有:交叉，選擇，變異
7.遺傳編碼主要包含5個基本要素：參數(shù)編碼，初始群體的設定，適應度函數(shù)的設計，遺傳操作設計，控制參數(shù)設定。
8.遺傳算法中起核心作用的是交叉算子
9.專家系統(tǒng)的定義：專家系統(tǒng)是一種智能的計算機，他運用知識和推理來解決只有專家才能解決的復雜問題。專家系統(tǒng)的特點：具有專家水平的專業(yè)知識，具有啟發(fā)性，具有靈活性，具有透明性，具有交互性。類型：設計型專家系統(tǒng)，解釋型專家系統(tǒng)，診斷性專家系統(tǒng)，預測型專家系統(tǒng)，規(guī)劃型專家系統(tǒng)，控制型專家系統(tǒng)，監(jiān)督型專家系統(tǒng)，修理型專家系統(tǒng)，教學型專家系統(tǒng)，調(diào)試型專家系統(tǒng)。應用：醫(yī)學，計算機系統(tǒng)，電子學，工程，地質(zhì)學，軍事學科等
10.專家系統(tǒng)一般包括：人機接口，推理解，知識庫，數(shù)據(jù)庫，知識獲取機構，解釋機構。
11.機器學習主要包含三個方面：學習機理，學習方法，學習系統(tǒng)（由：環(huán)境，學習，知識庫，學習，執(zhí)行與評價四個基本部分組成）
12.機器學習的分類：按系統(tǒng)的學習能力分：監(jiān)督學習，非監(jiān)督學習。按所學知識的表示：邏輯表示法學習，產(chǎn)生式表示法學習，框架表示法學習。
按機器應用領域分：專家系統(tǒng)，機器人學，自然語言處理，圖像識別，博弈，數(shù)學，音樂。按學習方法是否可用符號表示：符號表示法和非符號表示法。按學習方法分類：機械式學習（機械式學習通過直接記憶或者存儲外部環(huán)境所供的信息達到學習的目的，并在以后通過對知識庫的檢索得到相應的知識直接用來求解問題。），示例學習（示例學習是通過從環(huán)境中取得若干與某概念有關的例子,經(jīng)歸納得出一般性概念的種學習方法。在這種學習方法中，外部環(huán)境(教師)提供一-組例子(正例和反例),然后從這些特殊知識中歸納出適用于更大范圍的一般性知識，它將覆蓋所有的正例并排除所有反例），指導式學習（指導式學由*都環(huán)境向系統(tǒng)提供一股性的指示或建議,系統(tǒng)把它們具體地轉(zhuǎn)化為細節(jié)知識并送人知識庫中。在學習過程中要反復 對形成的知識進有評價，使其不斷完師。指華武華習是一種比較實用的學習方法，目前應用得較多。
），類比學習，解釋學習。
13.智能體的特性：自主性，反應性，社會性，進化性。
14.智能體的結構：程序+體系結構
15.多智能體的特點：mas中每個智能體具有獨立性和自主性；同一個mas中的智能體可以是異構的；mas是一個協(xié)調(diào)式的系統(tǒng)，個各智能體之間相互協(xié)調(diào)合作可以解決大規(guī)模的復雜問題；mas支持分布式應用，具有良好的模塊性，易于擴展，設計簡單靈活；Mas按面向?qū)ο蟮姆椒嬙於鄬哟?#xff0c;多元化的智能體，降低了系統(tǒng)的復雜性，也降低了各智能體問題求解的復雜性；mas是一個集成系統(tǒng)，他采用集成技術將各個子系統(tǒng)集成起來；在mas中智能體之間相互通信彼此協(xié)調(diào)，并行的求解問題，提高了效率；在mas中不同領域的專家系統(tǒng)，同一領域的不同專家系統(tǒng)可以協(xié)作求解單一專家系統(tǒng)。
16.多智能體的基本類型：BDI模型，協(xié)商模型，協(xié)作規(guī)劃模型，自協(xié)調(diào)模型。
17.多智能體的體系結構和各自的特點：網(wǎng)絡結構（里的Agent都是直接通信的，通信和狀態(tài)知識都是固定的），聯(lián)盟結構（相近的agent通過叫協(xié)助者的agent進行交互，較遠的是由局部Agent的協(xié)助者agent協(xié)作完成），黑板結構（與聯(lián)盟結構有相似之處，不同的是局部agent把信息存放在存取的黑板上，實現(xiàn)局部數(shù)據(jù)共享）
18.通信類型：tell和Ask通信，使用形式語言通信。
19.通信方式：黑板系統(tǒng)，消息對話系統(tǒng)
20.協(xié)調(diào)和協(xié)作是mas研究的核心問題。協(xié)調(diào)：是一組智能體在完成集體活動時相互作用的性質(zhì)。協(xié)作：是指一組非對抗的智能體之間保持行為的協(xié)調(diào)的一個特例。協(xié)調(diào)有：基于集中規(guī)劃的協(xié)調(diào)，基于社會規(guī)劃的協(xié)調(diào)，基于協(xié)商的協(xié)調(diào)，基于對策論的協(xié)調(diào)。協(xié)作有：協(xié)作型，自私型，完全自私型，完全協(xié)作型，自私型與協(xié)作型共存型。
21.多智能體的協(xié)商：協(xié)商協(xié)議，協(xié)商策略，協(xié)商處理
22.黑板模型是知識源，黑板，監(jiān)控機。

我們考試的大題：
盲目搜索和啟發(fā)式搜索的區(qū)別？
K-means算法的原理？
井字棋代碼的原理和偽代碼（阿爾法-貝塔剪枝）
對人工智能算法的看法？
人工智能的形成（發(fā)展）？
Agent的優(yōu)點？

總結

以上是生活随笔為你收集整理的人工智能复习（期末考试）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。