人工智能与专家系统(人工智能与专家系统课后答案)

 

第一章 绪论

（一）课程内容

人工智能的基本概念、人工智能的发展简史、人工智能的主要流派：符号主义，联结主义，行为主义的核心内容和主要方法、人工智能的主要研究领域。

（二）教学要求

了解人工智能的基本概念、人工智能的发展简史、人工智能的主要研究领域；掌握人工智能主要流派：符号主义，联结主义，行为主义的核心内容和主要方法。

（三）重点与难点

重点：人工智能的定义、特点。

难点：人工智能研究的各种学派

第二章 知识表示

（一）课程内容

知识与知识表示的概念、知识的特性，知识的分类、知识在人工智能中的重要意义，知识、信息、数据的定义以及它们之间的关系、一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法、状态空间法表示知识的方法、与或树表示知识的方法。

（二）教学要求

了解知识与知识表示的概念、知识的特性，知识的分类；掌握一阶谓词表示法，产生式表示法；理解知识在人工智能中的重要意义，知识、信息、数据的定义以及它们之间的关系，知识的特性，知识的分类；掌握一阶谓词逻辑表示法、产生式表示法、语义网络表示法、框架表示法、状态空间法表示知识的方法、与或树表示知识的方法。

（三）重点与难点

重点：知识的定义，一阶谓词表示法，产生式表示法，语义网络表示法，框架表示法，状态空间法表示知识的方法，与或树表示知识的方法。

难点：一阶谓词表示法，产生式表示法，语义网络表示法，框架表示法，状态空间法表示知识的方法，与或树表示知识的方法。

第三章 确定性推理方法

（一）课程内容

推理的基本概念、推理的分类方法、推理的方向、自然演绎的优缺点、自然演绎推理、谓词公式化为子句集的方法、鲁宾逊归结原理、归结反演、应用归结原理求解问题。

（二）教学要求

了解推理的基本概念、推理的分类方法、推理的方向、自然演绎的优缺点；掌握自然演绎推理、谓词公式化为子句集的方法、鲁宾逊归结原理、归结反演、应用归结原理求解问题。

（三）重点与难点

重点：推理的概念。自然演绎的推理方法。利用归结原理进行定理的证明和问题求解。

难点：利用归结原理进行定理的证明和问题求解。

第四章 不确定性推理方法

（一）课程内容

不确定性推理的基本概念、概率方法、主观Bayes方法、可信度方法、模糊推理方法。

（二）教学要求

了解不确定性推理的基本概念、模糊推理方法；掌握概率方法、主观Bayes方法、可信度方法。

互联网小常识：浏览器与服务器之间传送信息的协议是HTTP协议，用于传输网页等内容，使用TCP协议，默认端口号为80。

（三）重点与难点

重点：不确定性推理的基本概念、概率方法、主观Bayes方法、可信度方法。

难点：主观Bayes方法、可信度方法。

第五章 搜索求解策略

（一）课程内容

搜索的定义、利于状态图进行搜索的基本求解思想、宽度优先搜索策略、深度优先搜索策略、有界深度优先搜索策略、启发信息和估价函数的意义、启发式搜索、局部最佳优先算法和全局最佳优先算法。

（二）教学要求

了解搜索的定义、利于状态图进行搜索的基本求解思想、宽度优先搜索策略、深度优先搜索策略、有界深度优先搜索策略、启发信息和估价函数的意义；掌握图搜索、宽度优先搜索、深度优先搜索、有界深度优先搜索、启发式搜索、局部最佳优先算法和全局最佳优先算法。

互联网小常识：IEEE802局域网参考模型对应于OSI参考模型的数据链路层和物理层。但是将数据链路层拆分为LLC（逻辑链路控制子层）和MAC（介质访问控制子层）。

（三）重点与难点

重点：状态图搜索策略、宽度优先搜索策略、深度优先搜索策略、有界深度优先搜索策略、启发信息和估价函数的意义、启发式搜索、局部最佳优先算法和全局最佳优先算法。

难点：有界深度优先搜索策略、启发信息和估价函数的意义、启发式搜索、局部最佳优先算法和全局最佳优先算法。

第八章 人工神经网络及其应用

（一）课程内容

分别介绍神经元与神经网络、BP神经网络及其应用、Hopfield神经网络及其应用。

（二）教学要求

了解神经元与神经网络、BP神经网络及其应用、Hopfield神经网络及其应用。

（三）重点与难点

重点：神经元与神经网络、BP神经网络及其应用、Hopfield神经网络及其应用。

难点：BP神经网络及其应用、Hopfield神经网络及其应用。

第九章 机器学习

（一）课程内容

分别介绍机器学习的含义、机器学习的分类、机械式学习、示例学习、观测学习、类比学习。

（二）教学要求

了解机器学习的含义、机器学习的分类；掌握机公式学习、示例学习、观测学习、类比学习。

（三）重点与难点

重点：机器学习的含义和分类。机械式学习的定义和学习过程、示例学习的定义和学习过程、类比学习的定义和学习过程。观察学习与发现学习的定义。

难点：利用类比方法进行新概念的学习和求解问题的方法。

第十章 专家系统

（一）课程内容

专家系统的产生与发展、专家系统的种类、开发专家系统的基本要求、专家系统的含义、专家系统的一般特点、知识获取的任务、知识获取的主要途径、专家系统的基本结构、专家系统的建造步骤。

（二）教学要求

了解专家系统的产生与发展、专家系统的种类、开发专家系统的基本要求；理解专家系统的含义、专家系统的一般特点、知识获取的任务；掌握专家系统的基本结构；知识获取的主要途径；专家系统的建造步骤。

（三）重点与难点

重点：专家系统的基本结构。专家系统的建造步骤。

难点：专家系统的基本结构。专家系统的建造步骤

第十一章 专家系统设计语言Prolog

（一）课程内容

分别介绍归结原理与Prolog语句、Prolog例析、应用规则扩展示例程序、递归规则定义、Prolog程序结构、谓词与子句的用法、输入与输出、表与递归。

（二）教学要求

掌握归结原理与Prolog语句、Prolog例析、应用规则扩展示例程序、递归规则定义、Prolog程序结构、谓词与子句的用法、输入与输出、表与递归。

（三）重点与难点

重点：归结原理与Prolog语句、Prolog例析、应用规则扩展示例程序、递归规则定义、Prolog程序结构、谓词与子句的用法、输入与输出、表与递归。

难点：应用规则扩展示例程序、专家系统的设计。

互联网小常识：IEEE802.11b运作模式基本分为两种：点对点模式（ad hoc，无线网卡与无线网卡之间的通信方式，最多256台），基本模式（无线网络规模扩充或无线和有线网络并存时的通信方式，是802.11b最常用的工作模式，最多1024台）。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186