人工智能導論知識點總結？《人工智能導論》復習知識點。多項選擇知識點1.人工智能、人工神經(jīng)網(wǎng)絡、機器學習等人工智能常用詞的英文及英文縮寫。人工智能人工神經(jīng)網(wǎng)絡機器學習深度學習，DL2.什么是強人工智能？

人工智能導論知識點總結？

《人工智能導論》復習知識點。

多項選擇知識點

1.人工智能、人工神經(jīng)網(wǎng)絡、機器學習等人工智能常用詞的英文及英文縮寫。

人工智能

人工神經(jīng)網(wǎng)絡

機器學習

深度學習，DL

2.什么是強人工智能？

強人工智能的觀點認為，有可能創(chuàng)造出真正能夠推理和解決問題的智能機器_解決這樣的機器會被認為是有意識和自我意識的。你可以獨立思考，制定出解決問題的最佳方案，你有自己的價值觀和世界觀體系。有各種像生物一樣的本能，比如生存和安全需求。在某種意義上，它可以被視為一種新的文明。

3.回溯算法的基本思想是什么？

能進就進。走一條路，能進則進，能退則退。;t，然后用另一種方法再試一次。

4.面向?qū)ο?、產(chǎn)生式系統(tǒng)、搜索樹的定義是什么？

面向?qū)ο笫且环N軟件開發(fā)方法和編程范式。面向?qū)ο蟮母拍詈蛻靡呀?jīng)超越了編程和軟件開發(fā)，擴展到數(shù)據(jù)庫系統(tǒng)、交互界面、應用結構、應用平臺、分布式系統(tǒng)、網(wǎng)絡管理結構、CAD技術、人工智能等領域。面向?qū)ο笫且环N理解和抽象現(xiàn)實世界的方法，是計算機編程技術發(fā)展到一定階段的產(chǎn)物。面向?qū)ο笫窍鄬τ诿嫦蜻^程而言的。面向?qū)ο蟮姆椒▽⑾嚓P的數(shù)據(jù)和方法作為一個整體來對待，從更高的層面對系統(tǒng)進行建模，更接近事物的自然運行模式。

把一組產(chǎn)生式放在一起，使它們相互配合，共同工作，一個產(chǎn)生式產(chǎn)生的結論可以作為另一個產(chǎn)生式的前提，并以這種解決問題的系統(tǒng)稱為產(chǎn)生式系統(tǒng)。

對于需要分析的方法，如深度優(yōu)先搜索和廣度優(yōu)先搜索(窮舉方法)和啟發(fā)式搜索(如最佳優(yōu)先搜索和A*算法)，用搜索樹來表示這類問題是最合適的。

5.機器學習的基本定義是什么？

機器學習是一種獲取新知識和技能并識別現(xiàn)有知識的研究。

6.智慧地球概念的背景是什么？

在新一代信息技術(如傳感技術、物聯(lián)網(wǎng)技術、移動通信技術、大數(shù)據(jù)分析、3D打印等)的大力支持下，)，地球上的一切都是可以感知的、互聯(lián)的、智能的。

背景是金融危機影響全球。

7.有什么關聯(lián)？

相關性是客觀現(xiàn)象的不確定的相互依賴性，即自變量的每個值，因變量受隨機因素的影響，其對應的值是不確定的。相關性分析中自變量和因變量沒有嚴格的區(qū)別，可以互換。

8.盲搜是什么意思？

盲搜索法也叫非啟發(fā)式搜索，是一種無信息搜索，一般只適合解決相對簡單的問題。盲搜索通常是按照預先確定的搜索策略進行搜索，而不考慮問題本身的特點。常用的盲搜索包括寬度優(yōu)先搜索和深度優(yōu)先搜索。

填空。

智力活動領域的理論貢獻？

控制論的建立創(chuàng)造了一門嶄新的學科控制論控制科學與工程人工智能的行為主義學派。

2.常見的盲搜索算法有哪些？

常用的盲搜索包括寬度優(yōu)先搜索和深度優(yōu)先搜索。

3.最好的優(yōu)先級搜索算法是什么？

最佳優(yōu)先搜索是一種啟發(fā)式搜索算法，也可以看作是廣度優(yōu)先搜索算法的改進。最佳優(yōu)先級搜索算法在廣度優(yōu)先搜索的基礎上，利用啟發(fā)式評價函數(shù)對要遍歷的點進行評價，然后選擇代價低的點進行遍歷，直到找到目標節(jié)點或遍歷完所有的點，算法結束。

4.機器學習算法的三種主要類型是什么？

監(jiān)督學習、非監(jiān)督學習和強化學習。

5.監(jiān)督學習的主要類型有哪些？

分類和回歸，見本書第127頁。

6.人工智能之父是什么？圖靈測試的意義是什么？

圖靈其意義在于促進計算機科學和人工智能的發(fā)展。

7.大數(shù)據(jù)時代，相關性和因果性有什么異同？

不同:因果關系很難輕易證明，但證明相關性的實驗花費較少，耗時較長。

相同:相關性為因果關系的研究奠定基礎。

8.產(chǎn)生式系統(tǒng)的形式規(guī)則集是如何表示的？

如果[條件]，則[操作]

9.機器學習算法基于什么理論？

機器學習(Machine Learning，ML)是一門交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復雜性理論等學科。

3.簡答知識點

1.大數(shù)據(jù)時代的思維變革？

1.樣本人群

2.接受數(shù)據(jù)的混淆

3.數(shù)據(jù)的相關性

2.人工智能的主要應用有哪些？

深度學習、自然語言處理、計算機視覺、智能機器人、自動編程、數(shù)據(jù)挖掘。

3.知識表示有哪些？

敘事表征和程序表征

4.線性回歸和邏輯回歸的比較。

參考文獻1:線性回歸模型中，輸出一般是連續(xù)的，對于每個輸入X，都有對應的輸出Y..因此，模型的定義域和值域可以是無限的。

但是對于邏輯回歸，輸入可以是連續(xù)的[-∞，∞]，但輸出一般是離散的，通常只有兩個值{0，1}。

參考文獻2:logistic回歸的模型是非線性模型，sigmoid函數(shù)，也叫l(wèi)ogistic回歸函數(shù)。但本質(zhì)上是線性回歸模型，因為除了sigmoid映射函數(shù)，其他所有步驟和算法都是線性回歸?？梢哉f，邏輯回歸是有線性回歸理論支撐的。

而線性模型無法實現(xiàn)sigmoid的非線性形式，sigmoid可以輕松處理0/1分類問題。

5.人工智能時代的重要工作。

數(shù)據(jù)科學家，機器學習工程師，數(shù)據(jù)標簽專業(yè)人士，AI硬件專家，數(shù)據(jù)保護專家。

6.為什么大數(shù)據(jù)時代更重視關聯(lián)關系？

相關實驗花費少，耗時少。它為我們提供了一個新的視角，提供的視角非常清晰。

7.如何理解語義網(wǎng)？

語義網(wǎng)絡是知識表示的最重要的一般形式之一，是一種靈活而富有表現(xiàn)力的知識表示方法。它是通過概念及其語義關系來表達知識的網(wǎng)絡圖。

8.神經(jīng)元和神經(jīng)網(wǎng)絡的關系？神經(jīng)元如何工作。

關系:神經(jīng)網(wǎng)絡從這種自然范式中汲取靈感，設計人工神經(jīng)網(wǎng)絡。

原理:一個神經(jīng)元由一個細胞體和一個突起組成。有兩種類型的過程，軸突和樹突。

樹突和軸突協(xié)同工作，實現(xiàn)神經(jīng)元之間的信息傳遞。

軸突末端和樹突之間的界面稱為突觸，它向其他神經(jīng)元發(fā)送信息。學習發(fā)生在突觸附近，突觸將通過一個神經(jīng)元軸突的脈沖轉(zhuǎn)化為下一個神經(jīng)元的興奮信號或抑制信號。

刺激某些突觸導致神經(jīng)元觸發(fā)，只有當神經(jīng)元所有輸入的總效應達到閾值水平時，它才開始工作。

綜合應用題知識點

1.常用的機器學習算法有哪些？它們各自的特點和應用領域是什么？

回歸算法:它是分類和預測離散值最快的機器算法之一。

KNN算法:最基本和簡單的算法之一，用于分類，比較數(shù)據(jù)點的距離，并將每個點分配到其最近的組。

決策樹算法:一組 "弱 "學習者被集合在一起形成一個強大的算法。主要用于分類和回歸，但在模型中更多用作弱分類器。

貝葉斯算法:通過尋找樣本所屬的聯(lián)合步，然后通過貝葉斯公式計算樣本的后驗概率。用于文本分析、分類

聚類算法:找到元素之間的共性，并據(jù)此分組。

神經(jīng)網(wǎng)絡算法:通過尋找某種非線性模型來擬合數(shù)據(jù)，主要用于圖像處理。

2.專家系統(tǒng)各模塊的概念、結構和功能是什么？。

專家系統(tǒng)是模擬人類專家解決領域問題的計算機程序系統(tǒng)。

人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲得

人機界面:系統(tǒng)和用戶之間的界面。

知識庫:存儲專家提供的知識

推理機:當前問題的條件或已知消息似乎與知識庫中的規(guī)則相匹配，得到新的理論，得到解決問題的結果。

解釋者:可以根據(jù)用戶解釋結論和解決過程；;的問題。

綜合數(shù)據(jù)庫:專門用來存儲推理過程中需要的原始數(shù)據(jù)、中間結果和最終結論。

動作控制系統(tǒng)由什么組成？

運動控制系統(tǒng)的基本架構包括:

1.運動控制器:用于生成軌跡點(期望輸出)和閉合位置反饋回路。許多控制器也可以在內(nèi)部關閉速度回路。

運動控制器主要分為三類，即基于PC的、專用的控制器和PLC。其中，基于PC的運動控制器廣泛應用于電子、EMS等行業(yè)。專用控制器的代表行業(yè)有風電、光伏、機器人、成型機械等，而PLC在橡膠、汽車、冶金等行業(yè)更受青睞。

2.驅(qū)動器或放大器:用于將來自運動控制器的控制信號(通常是速度或扭矩信號)轉(zhuǎn)換成更高功率的電流或電壓信號。更先進的智能驅(qū)動可以自行關閉位置環(huán)和速度環(huán)，以獲得更精確的控制。

3.執(zhí)行機構:如液壓泵、液壓缸、直線執(zhí)行機構或馬達，用于輸出運動。

4.反饋傳感器:如光電編碼器、分解器或霍爾效應器件等。，用于將致動器的位置反饋給位置控制器，以閉合位置控制回路。許多機械部件用于將執(zhí)行機構的運動形式轉(zhuǎn)換成所需的運動形式，包括齒輪箱、軸、滾珠絲杠、齒形帶、聯(lián)軸器以及直線和旋轉(zhuǎn)軸承。