人工智能基础国防科技大学中国大学mooc课后章节答案期末考试题库2023年.pdf

人工智能基础.国防科技大学中国大学mooc课后章节答案期末考试题

库2023年

1.Agent的PEAS描述方法是从()方面描述Agent的?

参考答案:

传感器(Sensors)_性能测度(Performance)_执行器(Actuators)_环

境(Environment)

2.{P[x,f(y),B],P[x,f(B),B]}的最一般合一元是()。

{B/y}

3.谓词逻辑中使用归结进行定理的自动证明,与命题定理自动证明相比,宏观

上步骤相同,分别是:1)构造所有条件式以及和结论式取非的合取式;2)

将上述合取式化为可归结的子句集;3)对上述子句集中的子句进行归结,

如果归结为空则得证。关于谓词和命题中上述三个步骤的具体实施过程,下

面说法正确的是()。

在谓词和命题中第2步的实施过程不同,前者需要处理变量和量词一在谓词

和命题中第3步的实施过程不同,前者可能需要置换一在谓词和命题中第1

步的实施过程相同

4.假设P为假,Q为假,R为真。根据这种解释((P-Q)-R)-P的值是真()

错误

5.单层感知器其连接权值是(固定/可变)的,被赋予了学习的特性。

参考答案:

可变

6.在公式中Vymx(p(x,y)),存在量词位于全称量词的辖域内,我们允许所存在

的x可能依赖于y值。这种依赖关系明显地由函数所定义,它把每个y值

映射到存在的那个X。这种函数叫做0。

Skolem函数

7.某博弈树如下图所示,已知所有叶子节点的静态评估值,请使用a-0剪枝

进行扩展,确定剪枝位置。剪枝位置为()(多选)【图片】

B位置_D位置

8.在Agent决策过程中,环境不发生变化,但评价Agent的性能测度发生变

化,这样的环境被称为()任务环境。

半动态

9.生物神经元具有下列哪些特性?

不应期_阈值特性一时空整合一非线性映射

10.下面哪一个不是常见的分类方法()

回归分析方法

11.对于出租车自动驾驶Agent而言,()属于Agent的环境(Environment)

道路一被驾驶的出租车一行人一乘坐出租车的乘客

12.状态空间法把待解决的问题表示为状态空间图,其中问题的状态对应图的

(填写“节点"或‘'边”)。

节点

输出单元数目一问题要求一输入单元数目

14.有监督学习和无监督学习的区别,是前者的数据是有—(填“标签“、”特征"

等词语)的,而后者没有。

标签

15.使用含有标签的训练样本进行模型训练,对应的机器学习方法是:

有监督学习

16.通用图搜索算法中,利用两个表来存储不同类型的节点,其中表存储

已扩展的节点(填写OPEN或CLOSED)。

CLOSED##%_YZPRLFH_%##closed##%_YZPRLFH_%##Closed

17.Agent的三个要素包括()方面?

感知信息与动作决策之间的映射机制.对环境施加作用的能力_感知环境能力

18.()是一种能够权衡利弊得失的Agento

基于效用的Agent

19.某状态空间图及各边的真实代价如下,A、B、C、D、E等5个节点的h值

分别为8、7、5、2、0。请判断给定的h函数是否可纳?_(填是或否)

【图片】

20.使用归结进行命题定理的自动证明,若当前归结结果是()时,则定理得

证。

空子句

21.有监督学习的一般过程包括四个步骤:A.测试/验证;B.特征提取;C.应用

/预测;D.训练。这四个步骤正确的顺序是:

BDAC

22.下列关于Agent函数的说法正确的是()。

Agent函数通过Agent程序实现-Agent函数是从感知历史到动作的一种映

23.BP神经网络一定包括()

输入层-隐层_输出层

24.一阶谓词逻辑在形式上由下面几部分组成()。

个体词_量词一联结符一谓词

25.关于理性Agent中的理性表述不正确的是

理性是使期望的性能测度最大化一探索未知、学习与自主属于理性的重要表

26."一切反动派都是纸老虎”用谓词表示后二正确的是请使用谓词

IsReactionaries和IsPapertiger分别表示"是反动派"和"是纸老虎"。

团xIsReactionaries(x)-IsPapertiger(x)

27.新冠肺炎疫情(C0VID-19)初起时,肺部CT曾经作为判断感染与否及进展程

度的重要指标,人工智能专家在基于肺部CT等医学影像智能辅助诊断方面

也做出了努力和贡献。请判断下列哪些属于分类问题:

基于肺部影像机器学习的新冠诊断判别.基于肺部影像机器学习的是否会发

展为重症的预测

28.使用归结进行命题的自动定理证明,其思路可描述为三步,不包括下面哪个

步骤?

将子句集进行化简,化成析取范式的合取式的形式

29.P-Q的值在下列哪些解释下为真()。

P和Q均为真_P和Q均为假_P为假Q为真

30.状态空间法把待解决的问题表示为状态空间图,其中状态之间的转化关系

(或者算子)对应图的—(填写“节点“或“边“)。

31.产生式系统的组成部分包括()。

产生式规则一全局数据库一控制策略

32.婴儿饿了冲着妈妈哭而不对爸爸哭的这种行为模式,可以抽象为()类型

Agent

基于模型的反射Agent

33.对于吸尘器Agent而言,()属于Agent的执行器(Acuators)

移动机构一吸尘机构一充电机构

34.合理行为的Agent也被称为RationalAgent,是指对于每一个可能的感知序

歹U,根据已知的感知序列提供的证据和Agent具有的先验知识,能够选择

使其性能测度最大化的行动的Agento

正确

35,下列哪种说法正确的是()(多选)

聚类是根据数据的相似性将数据分为多类的过程一典型的聚类方法包括划分

法和层次法。一影响聚类的因素包括特征和距离函数

36.AI的英文缩写是()。

ArtificalIntelligence

37.关于搜索算法,下列哪几项是正确的()

宽度优先搜索算法不使用预估代价(也即h(n)=O)一在问题有解的情况时,

宽度优先搜索一定能找到解.在单位代价问题(也即每部代价都相同)中,

问题有解的情况时,宽度优先算法一定能够找到最优解

38.判断题:BP网络的激活函数必须是连续可微的()

39.人工神经网络的神经元之间的()可以随训练而改变,并决定信号传递的

强弱;

连接权重

40.针对同一问题设计的两个可纳的启发函数(拉1和拉2),如果对于任意节点,总

有拉1()泌2(),则称()更具信息。

hl(n)

41.K均值算法属于机器学习中的哪类算法

无监督学习的划分法

42.下列哪种是无监督学习算法?

K-means算法

43.影响K均值聚类结果的因素有:

聚类数目彩样本的相似性度量一聚类中心初始化

44.K近邻算法和K-means算法中的K的含义是一样的

45.半监督学习的训练数据集是小部分—(填“有"或"无")标签、其余大部分数

据则相反。

46.在框架和语义网络两种知识表示方法中,框架适合于表示结构性强的知识,

而语义网络则适合表示一些复杂的关系和联系的知识。

47.归结为空可以证明结论的正确,但归结不为空不能证明结论错误。

48.下列哪种说法是正确的()(多选)

有监督学习包括回归和分类两类问题一回归问题能够推出一个连续的输出一分

类问题能够推出一组离散的结果

49.下列()性能测度将导致吸尘器Agent具有勤奋劳动的行为模式。

奖励保持干净的Agent

50.人工智能历史上的达特茅斯会议召开于()年,标志着人工智能学科的诞

生。

1956

51.与「P)TQ等价的式子是()

P0Q

52.判断题:BP网络的学习是无监督学习()

53.人工神经网络的三要素包括:

神经元特性一网络拓扑结构一学习规则

54.单层感知器是一种—(线性/非线性)分类模型。

线性

55.将OPEN中的节点按照先进先出的策略进行组织(先发现的节点先扩展),

则算法被称为()。

宽度优先

56.从神经元传递信息过程看,它是一个()输入系统。

57.通用图搜索算法中,利用两个表来存储不同类型的节点,其中表存储

已知未扩展的节点(填写OPEN或CLOSED)

OPEN##%_YZPRLFH_%##open##%_YZPRLFH_%##Open

58.从神经元传递信息过程看,它是一个()输出系统。

59.卷积神经网络通过一系列创新组件来减少训练参数,简化训练过程和避免过

拟合。其中()大大减少了相邻两层神经元的权值数目

卷积层

60.关于单层感知器,以下说法正确的是()。

采用的是感知器学习规则.其学习信号为输出误差一作用函数为阈值型函数_

只有单层处理神经元

61.神经元是多输入多输出的信息处理单元。

62.双隐层感知器—(能/不能)解决任何复杂的分类问题。

63.卷积神经网络通过一系列创新组件来减少训练参数,简化训练过程和避免过

拟合。其中()实际上完成下采样,大大减少下一层神经元个数,降低特征

维数。

池化层

64.为了表示问题的隐式状态空间图,我们往往需要用合适的数据结构记下节点

的多个信息、,其中下面哪条信息一般不记录

子节点的指针

65.下面几个置换错误的是()。

{x/f(y)}

66.半监督学习的训练数据集是小部分—(有/无)标签、其余大部分数据则相

反。

67.针对同一问题设计的两个可纳的启发函数(九1和拉2),如果对于任意节点n,

总有hl(n)泌2(n),则称()更具信息。

68.使用归结的方法进行命题的自动定理证明,虽然归结为空可以证明该定理正

确,但归结不为空也不能证明该定理错误。

69.关于命题定理的归结证明,下面说法正确的是

归结过程中,只要出现两个互补文字进行归结的情况,就表示归结为空,

则得证,即使“剩下”没用过的子句也没关系

70.(3z)(Vy){(3x)P(x,y,z)V(3q)(Vw)(3e)Q(q,w,e,z))在消去存在量词后,正确的

为()。

(0y)P(gl(y),y,A)0(0w)Q(g2(y),w,g3(y,w),A)}

71.谓词逻辑下,子句P=LVC1,Q=~>LvC2,若£是两个子句的合一元,。是最

THE END
1.第四范式申请图机器学习任务处理专利,无需用户关注底层代码实现逻辑金融界2024年10月24日消息,国家知识产权局信息显示,第四范式(北京)技术有限公司申请一项名为“图机器学习任务的处理方法、装置、设备及存储介质”的专利,公开号CN 118798268 A,申请日期为2023年9月。 专利摘要显示,本公开涉及一种图机器学习任务的处理方法、装置、设备及存储介质。响应于用户输入的图机器学习任务描述https://www.163.com/dy/article/JF90M85S0519QIKK.html
2.传统机器学习算法总结和整理传统机器学习算法基础知识和公式推导 专栏作者 naruto? 一个深耕风控领域的算法工程师 知乎影响力 获得933 次赞同 · 322 次喜欢 · 2542 次收藏 已更内容 · 20 frudar算法理解 该算法是kdd2016年的最佳论文,主要解决的是从两类结点组成的关系网络图(二部图)中找出内部联系密切和外部联系稀疏的密集https://www.zhihu.com/column/c_1489372446931718144
3.机器学习基础:案例研究法Coursera机器学习基础:案例研究法https://www.coursera.org/learn/ml-foundations
4.机器学习核心概念完全解析(建议收藏)刚接触机器学习框架 TensorFlow 的新手们,这篇由 Google 官方出品的常用术语词汇表,一定是你必不可少的入门资料!本术语表列出了基本的机器学习术语和 TensorFlow 专用术语的定义,希望能帮助您快速熟悉 TensorFlow 入门内容,轻松打开机器学习世界的大门。 A https://blog.51cto.com/u_15343816/3695919
5.机器学习方法(豆瓣)机器学习是以概率论、统计学、信息论、最优化理论、计算理论等为基础的计算机应用理论学科,也是人工智能、数据挖掘等领域的基础学科。 《机器学习方法》全面系统地介绍了机器学习的主要方法,共分三篇。第一篇介绍监督学习的主要方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机https://book.douban.com/isbn/978-7-302-59730-8/
6.浅析现有专利价值评估方法存在问题及优化机制近年来机器学习被大力推广并得到迅速发展,更多的机器学习方法也被应用到专利价值评估中。目前机器学习法主要有决策树、神经网络、支持向量机等方法,在选择评估指标和构建评估指标价值体系时可以运用。在专利价值评估过程中存在人为主观性判断等问题,基于分类回归树模型构建专利价值评估体系可以弥补以上不足,这一算法相比基于https://www.yuannuoip.com.cn/page37?article_id=130
7.机器学习已经与政策评估方法,例如事件研究法结合起来识别政策1.机器学习之KNN分类算法介绍: Stata和R同步实现(附数据和代码),2.机器学习对经济学研究的影响研究进展综述,3.陈硕: 回顾与展望经济学研究中的机器学习,4.最新: 运用机器学习和合成控制法研究武汉封城对空气污染和健康的影响!5.Top, 机器学习是一种应用的计量经济学方法, 不懂将来面临淘汰危险!6.Top前沿: 农业http://www.360doc.com/content/21/0507/01/45289182_975931520.shtml
8.《机器学习》第10章降维与度量分析样本的特征数称为维数(dimensionality),当维数非常大时,也就是现在所说的“维数灾难”,具体表现在:在高维情形下,数据样本将变得十分稀疏,因为此时要满足训练样本为“密采样”的总体样本数目是一个触不可及的天文数字,训练样本的稀疏使得其代表总体分布的能力大大减弱,从而消减了学习器的泛化能力;同时当维数很高时,计https://www.jianshu.com/p/db8f15c3fe56
9.图像预处理之图像去重2.图像比对法:通过对图像的直方图或灰度共生矩阵等特征进行比对来识别重复图像。 3.机器学习法:通过训练机器学习模型来识别重复图像,例如使用卷积神经网络(CNN)。 4.特征提取法:通过提取图像的特征,例如 SIFT 等,并将其映射到一个空间中,以识别重复图像。 https://developer.aliyun.com/article/1268209
10.用于对抗体进行分类的系统和方法与流程在一些实施例中,本文提供的方法将定向进化与机器学习相组合以基于输入氨基酸序列开发新蛋白质。在一些实施例中,所提供的方法可以鉴定改善所述结合蛋白的一种或多种性质的氨基酸序列,例如,抗体与抗原或两种或更多种抗原(例如,多特异性)结合的亲和力或特异性的增加。https://www.xjishu.com/zhuanli/05/202080036250.html
11.2018年医疗保险学术论文评选结果公示2. 人工智能集成机器学习方法对医疗保险基金费用控制的探索 作者:吴静 陈信桢 王振刚 熊光练 华中科技大学同济医学院公共卫生学院 华中科技大学同济医学院附属同济医院 3. 城乡居民医保整合背景下的基金可持续性研究 作者:张心洁 周绿林 江苏大学管理学院 4. 基于精算模型测算下的生育保险与职工医疗基本保险整合路径探索https://www.mohrss.gov.cn/SYrlzyhshbzb/zwgk/gggs/tg/201905/t20190516_317940.html
12.万字长文解读电商搜索——如何让你买得又快又好方法词表穷举法,规则解析法,机器学习方法 1.1.1.4 意图识别的难点 输入不规范,不同的用户对同一诉求的表达存在差异。 多意图,“苹果” 可以是产品词,也可以是品牌词;可以是手机,也可以是水果。 数据冷启动。当用户行为数据较少时,很难获取准确的意图。 https://maimai.cn/article/detail?fid=1491647480&efid=3et1sa5sE1zd64aDT-YEwg
13.总结:Bootstrap(自助法),Bagging,Boosting(提升)简书.pdf在小样本数据集上,Bootstrap方法可以有效地利用有限的信息,提高模型的准确性。对于集成学习而言,理解Bootstrap、Bagging、Boosting等概念,对于设计和实现有效的机器学习系统至关重要。 展开 资源推荐 资源详情 资源评论 Boosting算法简介 浏览:101 Boosting算法简介笔记 Boosting算法简介笔记 Boosting算法简介笔记 统计https://download.csdn.net/download/qq_15141977/11859590
14.数据挖掘的定义及算法今日头条数据挖掘通常与计算机科学有关,并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。 数据挖掘的对象 数据的类型可以是结构化的、半结构化的,甚至是异构型的。发现知识的方法可以是数学的、非数学的,也可以是归纳的。最终被发现了的知识可以用于信息管理、https://www.elecfans.com/news/1704976.html