【文章內(nèi)容簡介】 OUT節(jié)點表中提到的節(jié)點當前都是OUT，則它是有效的(2) 條件證明。( CP(結(jié)論)(IN假設(shè))(OUT假設(shè)) )條件證明(CP)的證實表示有前提的論點，無論何時，只要在IN假設(shè)中的節(jié)點為IN, OUT假設(shè)中的節(jié)點為OUT, 則結(jié)論節(jié)點往往為IN，于是條件證明的證實有效。315 在什么情況下需要采用不確定推理或非單調(diào)推理?不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設(shè)316 下列語句是一些幾何定理，把這些語句表示為基于規(guī)則的幾何證明系統(tǒng)的產(chǎn)生式規(guī)則：(1) 兩個全等三角形的各對應角相等。(2) 兩個全等三角形的各對應邊相等。(3) 各對應邊相等的三角形是全等三角形。(4) 等腰三角形的兩底角相等。規(guī)則(1): IF 兩個三角形全等 THEN 各對應角相等規(guī)則(2): IF 兩個三角形全等 THEN 各對應邊相等規(guī)則(3): IF 兩個三角形各對應邊相等 THEN 兩三角形全等規(guī)則(4): IF 它是等腰三角形 THEN 它的兩底角相等第四章 計算智能（1）：神經(jīng)計算 模糊計算41 計算智能的含義是什么？它涉及哪些研究分支？貝茲德克認為計算智能取決于制造者提供的數(shù)值數(shù)據(jù)，而不依賴于知識。計算智能是智力的低層認知。主要的研究領(lǐng)域為神經(jīng)計算，模糊計算，進化計算，人工生命。42 試述計算智能（CI）、人工智能（AI）和生物智能（BI）的關(guān)系。計算智能是智力的低層認知，主要取決于數(shù)值數(shù)據(jù)而不依賴于知識。人工智能是在計算智能的基礎(chǔ)上引入知識而產(chǎn)生的智力中層認知。生物智能，尤其是人類智能，則是最高層的智能。即CI包含AI包含BI43 人工神經(jīng)網(wǎng)絡(luò)為什么具有誘人的發(fā)展前景和潛在的廣泛應用領(lǐng)域？人工神經(jīng)網(wǎng)絡(luò)具有如下至關(guān)重要的特性：(1) 并行分布處理適于實時和動態(tài)處理(2) 非線性映射給處理非線性問題帶來新的希望(3) 通過訓練進行學習一個經(jīng)過適當訓練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力，能夠解決那些由數(shù)學模型或描述規(guī)則難以處理的問題(4) 適應與集成神經(jīng)網(wǎng)絡(luò)的強適應和信息融合能力使得它可以同時輸入大量不同的控制信號，實現(xiàn)信息集成和融合，適于復雜，大規(guī)模和多變量系統(tǒng)(5) 硬件實現(xiàn)一些超大規(guī)模集成是電路實現(xiàn)硬件已經(jīng)問世，使得神經(jīng)網(wǎng)絡(luò)成為具有快速和大規(guī)模處理能力的網(wǎng)絡(luò)。44 簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和主要學習算法。生物神經(jīng)元大多數(shù)神經(jīng)元由一個細胞體(cell body或soma)和突(process)兩部分組成。突分兩類， 即軸突(axon)和樹突(dendrite)，軸突是個突出部分，長度可達1m，把本神經(jīng)元的輸出發(fā)送至其它相連接的神經(jīng)元。樹突也是突出部分，但一般較短，且分枝很多，與其它神經(jīng)元的軸突相連，以接收來自其它神經(jīng)元的生物信號。軸突的末端與樹突進行信號傳遞的界面稱為突觸(synapse)，通過突觸向其它神經(jīng)元發(fā)送信息。對某些突觸的刺激促使神經(jīng)元觸發(fā)(fire)。只有神經(jīng)元所有輸入的總效應達到閾值電平，它才能開始工作。此時，神經(jīng)元就產(chǎn)生一個全強度的輸出窄脈沖，從細胞體經(jīng)軸突進入軸突分枝。這時的神經(jīng)元就稱為被觸發(fā)。突觸把經(jīng)過一個神經(jīng)元軸突的脈沖轉(zhuǎn)化為下一個神經(jīng)元的興奮或抑制。學習就發(fā)生在突觸附近。每個人腦大約含有10^1110^12個神經(jīng)元，每一神經(jīng)元又約有10^310^4個突觸。神經(jīng)元通過突觸形成的網(wǎng)絡(luò)，傳遞神經(jīng)元間的興奮與抑制。大腦的全部神經(jīng)元構(gòu)成極其復雜的拓撲網(wǎng)絡(luò)群體，用于實現(xiàn)記憶與思維。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元模型構(gòu)成。每個神經(jīng)元具有單一輸出，并且能夠與其它神經(jīng)元連接，存在許多輸出連接方法，每種連接方法對應于一個連接權(quán)系數(shù)。人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為2類，(1) 遞歸(反饋)網(wǎng)絡(luò)有些神經(jīng)元的輸出被反饋至同層或前層神經(jīng)元。信號能夠從正向和反向流通。Hopfield網(wǎng)絡(luò)，Elmman網(wǎng)絡(luò)和Jordan網(wǎng)絡(luò)是代表。(2) 前饋網(wǎng)絡(luò)具有遞階分層結(jié)構(gòu)，由一些同層神經(jīng)元間不存在互連的層級組成。從輸入層至輸出層的信號通過單向連接流通，神經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元之間的連接。多層感知器(MLP)，學習矢量量化網(wǎng)絡(luò)(LVQ)，小腦模型連接控制網(wǎng)絡(luò)(CMAC)和數(shù)據(jù)處理方法網(wǎng)絡(luò)(GMDH)是代表。人工神經(jīng)網(wǎng)絡(luò)的主要學習算法(1) 指導式(有師)學習根據(jù)期望和實際的網(wǎng)絡(luò)輸出之間的差來調(diào)整神經(jīng)元連接的強度或權(quán)。包括Delta規(guī)則，廣義Delta規(guī)則，反向傳播算法及LVQ算法。(2) 非指導(無導師)學習訓練過程中，神經(jīng)網(wǎng)絡(luò)能自動地適應連接權(quán)，以便按相似特征把輸入模式分組聚集。包括Kohonen算法，CarpenterGrossberg自適應諧振理論(ART)(3) 強化學習是有師學習的一種特例。它不需要老師給出目標輸出，而是由一個“評論員”來評介與給定輸入相對應的神經(jīng)網(wǎng)絡(luò)輸出的優(yōu)度。例如遺傳算法(GA)410 什么是模糊集合和隸屬函數(shù)或隸屬度？論域U模糊子集F隸屬函數(shù)序偶P119411 模糊集合有哪些運算，滿足哪些規(guī)律？并(取max)，交(取min)，補冪等律，交換律，結(jié)合律，分配律，吸收律，同一律，Demorgan律，復原律，對偶律，互補律不成立412 什么是模糊推理？有哪幾種模糊推理方法？模糊推理是建立在模糊邏輯基礎(chǔ)上的，一種不確定性推理方法，是在二值邏輯三段論基礎(chǔ)上發(fā)展起來的。它以模糊判斷為前提，動用模糊語言規(guī)則，推導出一個近似的模糊判斷結(jié)論。有許多模糊推理方法。在Zadeh法中，有2種重要的模糊推理規(guī)則：廣義取式(肯定前提)假言推理法(GMP)和廣義拒式(否定結(jié)論)假言推理法(GMT)，分別簡稱為廣義前向推理法和廣義后向推理法。413 有哪些模糊蘊含關(guān)系？模糊合取，模糊析取，基本蘊涵，命題演算，GMP推理，GMT推理414 什么叫模糊判決？有哪幾種常用的模糊判決方法？從推理得到的模糊集合中，取一個相對最能代表這個模糊集合的單值的過程就稱為解模糊或模糊判決。常用的模糊判決方法有：重心法，最大隸屬度法，系數(shù)加權(quán)平均法，隸屬度限幅元素平均法第五章 計算智能(2):進化計算 人工生命51 什么是進化計算？它包括哪些內(nèi)容？它們的出發(fā)點是什么？什么是？進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。出發(fā)點？52 試述遺傳算法的基本原理，并說明遺傳算法的求解步驟?；驹恚壳蠼獠襟E：(1) 隨機產(chǎn)生一個由確定長度的特征字符串組成的初始種群體(2) 對該字符串種群迭代地執(zhí)行下步的步驟[1]和步驟[2]，直到滿足停止準則為止： [1] 計算種群中每個個體字符中的適應值 [2] 應用復制，交叉和變異等遺傳算子產(chǎn)生下一代種群(3) 把在后代中出現(xiàn)的最好個體字符指定為遺傳算法的執(zhí)行結(jié)果，這個結(jié)果可以表示問題的一個解。55 進化策略是如何描述的？最簡單的進化策略可描述如下：P13756 簡述進化編程的機理和基本過程，并以四狀態(tài)機為例說明進化編程的表示。機理？基本過程？P13957 遺傳算法、進化策略和進化編程的關(guān)系如何？有何區(qū)別？關(guān)系：它們都是模擬生物界自然進化過程而建立的魯棒性計算機算法。區(qū)別進化策略和進化編程把變異作為主要搜索算子，標準遺傳算法中，變異處于次要位置。交叉在遺傳法起著重要作用，而在進化編程中卻被完全省去，在進化策略中與自適應結(jié)合使用，起了很重要的作用。標準遺傳算法和進化編程都強調(diào)隨機選擇機制的重要性，而進化策略的選擇是完全確定的。進化策略和進化編程，確定地把某個個體排除在被選擇之外，而標準遺傳算法都對每個個體指定一個非零的選擇概率。58 人工生命是否從1987年開始研究？為什么？不是。1987年第一次人工生命研討會上，美國圣塔菲研究所非線性研究組的蘭頓正式提出了人工生命的概念，建立起人工生命新學科。20世紀，60年代，羅森布拉特研究感知機，斯塔爾建立細胞活動模型，林登邁耶提出了生長發(fā)育中的細胞交互作用數(shù)學模型。70年代，康拉德等人研究人工仿生系統(tǒng)中的自適應，進化和群體動力學，提出不斷完善的“人工世界”模型。細胞自動機被用于圖像處理?？淀f提出生命的細胞自動機對策論。80年代，人工神經(jīng)網(wǎng)絡(luò)再度興起，促進了人工生命的發(fā)展。59 什么是人工生命？請按你的理解用自己的語言給人工生命下個定義。1987年蘭德提出的人工生命定義為：人工生命是研究能夠演示出自然生命系統(tǒng)特征行為的人造系統(tǒng)。通過計算機或其它機器對類似生命的行為進行綜合研究，以便對傳統(tǒng)生物科學起互補作用。凡是具有自然生命現(xiàn)象和特征的人造系統(tǒng)，都可稱為人工生命。510 人工生命要模仿自然生命的特征和現(xiàn)象。自然生命有哪些共同特征？自然生命的共同特征和現(xiàn)象，包括但不限于：(1) 自繁殖，自進化，自尋優(yōu)(2) 自成長，自學習，自組織(3) 自穩(wěn)定，自適應，自協(xié)調(diào)(4) 物質(zhì)構(gòu)造(5) 能量轉(zhuǎn)換(6) 信息處理511 為什么要研究人工生命？具有重大的科學意義和廣泛的應用價值(1) 開發(fā)基于人工生命的工程技術(shù)新方法，新系統(tǒng)，新產(chǎn)品(2) 為自然生命的研究提供新模型，新工具，新環(huán)境(3) 延伸人類壽命，減緩衰老，防治疾病(4) 擴展自然生命，實現(xiàn)人工進化和優(yōu)生優(yōu)育(5) 促進生命科學，信息科學，系統(tǒng)科學的交叉與發(fā)展512 人工生命包括哪些研究內(nèi)容？其研究方法如何？研究內(nèi)容大致分為兩類：(1) 構(gòu)成生物體的內(nèi)部系統(tǒng)，包括腦，神經(jīng)系統(tǒng)，內(nèi)分泌系統(tǒng)，免疫系統(tǒng)，遺傳系統(tǒng)，酶系統(tǒng)，代謝系統(tǒng)(2) 生物體及其群體的外部系統(tǒng)，包括環(huán)境適應系統(tǒng)和遺傳進化系統(tǒng)研究方法主要可分為兩類：(1) 信息模型法，根據(jù)內(nèi)部和外部系統(tǒng)所表現(xiàn)出來的生命行為來建造信息模型(2) 工作原理法，生命行為所顯示的自律分散和非線性行為，其工作原理是混沌和分形，以此為基礎(chǔ)研究人工生命的機理。第六章 專家系統(tǒng)61 什么叫做專家系統(tǒng)?它具有哪些特點與優(yōu)點?專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。也就是說，專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應用人工智能技術(shù)和計算機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題。特點：(1) 啟發(fā)性專家系統(tǒng)能運用專家的知識與經(jīng)驗進行推理、判斷和決策(2) 透明性專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提高對專家系統(tǒng)的信賴感。(3) 靈活性專家系統(tǒng)能不斷地增長知識，修改原有知識，不斷更新。優(yōu)點：(1) 專家系統(tǒng)能夠高效率、準確、周到、迅速和不知疲倦地進行工作。(2) 專家系統(tǒng)解決實際問題時不受周圍環(huán)境的影響，也不可能遺漏忘記。(3) 可以使專家的專長不受時間和空間的限制，以便推廣珍貴和稀缺的專家知識與經(jīng)驗。(4) 專家系統(tǒng)能促進各領(lǐng)域的發(fā)展，它使各領(lǐng)域?qū)＜业膶I(yè)知識和經(jīng)驗得到總結(jié)和精煉，能夠廣泛有力地傳播專家的知識、經(jīng)驗和能力。(5) 專家系統(tǒng)能匯集多領(lǐng)域?qū)＜业闹R和經(jīng)驗以及他們協(xié)作解決重大問題的能力，它擁有更淵博的知識、更豐富的經(jīng)驗和更強的工作能力。(6) 軍事專家系統(tǒng)的水平是一個國家國防現(xiàn)代化的重要標志之一。(7) 專家系統(tǒng)的研制和應用，具有巨大的經(jīng)濟效益和社會效益。(8) 研究專家系統(tǒng)能夠促進整個科學技術(shù)的發(fā)展。專家系統(tǒng)對人工智能的各個領(lǐng)域的發(fā)展起了很大的促進作用，并將對科技、經(jīng)濟、國防、教育、社會和人民生活產(chǎn)生極其深遠的影響。62 專家系統(tǒng)由哪些部分構(gòu)成?各部分的作用為何?(1) 知識庫(knowledge base)知識庫用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識，包括事實、可行操作與規(guī)則等。(2) 綜合數(shù)據(jù)庫(global database)綜合數(shù)據(jù)庫又稱全局數(shù)據(jù)庫或總數(shù)據(jù)庫，它用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)(信息)，即被處理對象的一些當前事實。 (3) 推理機(reasoning machine)推理機用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。推理機能夠根據(jù)知識進行推理和導出結(jié)論，而不是簡單地搜索現(xiàn)成的答案。(4) 解釋器(explanator)解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其它候選解的原因。(5) 接口(interface)接口又稱界面，它能夠使系統(tǒng)與用戶進行對話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。系統(tǒng)則通過接口，要求用戶回答提問，并回答用戶提出的問題，進行必要的解釋。63 建造專家系統(tǒng)的關(guān)鍵步驟是什么?是否擁有大量知識是專家系統(tǒng)成功與否的關(guān)鍵，因而知識表示就成為設(shè)計專家系統(tǒng)的關(guān)鍵(1) 設(shè)計初始知識庫問題知識化, 知識概念化, 概念形式化, 形式規(guī)則化, 規(guī)則合法化(2) 原型機(prototype)的開發(fā)與試驗建立整個系統(tǒng)所需要的實驗子集，它包括整個模型的典型知識，而且只涉及與試驗有關(guān)的足夠簡單的任務(wù)和推理過程(3) 知識庫的改進與歸納反復對知識庫及推理規(guī)則進行改進試驗，歸納出更完善的結(jié)果64 專家系統(tǒng)程序與一般的問題求解軟件程序有何不同?開發(fā)專家系統(tǒng)與開發(fā)其它軟件的任務(wù)有何不同?一般應用程序與專家系統(tǒng)的區(qū)別在于：前者把問題求解的知識隱含地編入程序，而后者則把其應用領(lǐng)域的問題求解知識單獨組成一個實體，即為知識庫。知識庫的處理是通過與知識庫分開的控制策略進行的。更明確地說，一般應用程序把知識組織為兩級：數(shù)據(jù)級和程序級；大多數(shù)專家系統(tǒng)則將知識組織成三級；數(shù)據(jù)、知識庫和控制。 在數(shù)據(jù)級上，是已經(jīng)解決了的特定問題的說明性知識以及