AI人工智能的几种常用算法概念
一、粒子群算法
粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为PSO，是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的交叉(Crossover) 和变异(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。
优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题.为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度.爬山法精度较高,但是易于陷入局部极小.遗传算法属于进化算法(EvolutionaryAlgorithms)的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解.遗传算法有三个基本算子:选择、交叉和变异.但是遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.1995年Eberhart博士和kennedy博士提出了一种新的算法;粒子群优化(ParticalSwarmOptimization-PSO)算法.这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性.
粒子群优化(ParticalSwarmOptimization-PSO)算法是近年来发展起来的一种新的进化算法(Evolu2tionaryAlgorithm-EA).PSO算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价
解的品质.但是它比遗传算法规则更为简单,它没有遗传算法的交叉(Crossover)和变异(Mutation)操作.它通过追随当前搜索到的最优值来寻找全局最优
二、遗传算法
遗传算法是计算数学中用于解决最佳化的，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。
主要特点
遗传算法是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。的共同特征为：
①首先组成一组候选解
②依据某些适应性条件测算这些候选解的适应度
③根据适应度保留某些候选解，放弃其他候选解
④对保留的候选解进行某些操作，生成新的候选解。
在遗传算法中，上述几个特征以一种特殊的方式组合在一起：基于染色体群的并行搜索，带有猜测性质的选择操作、交换操作和突变操作。这种特殊的组合方式将遗传算法与其它搜索算法区别开来。
遗传算法还具有以下几方面的特点：
(1)遗传算法从问题解的串集开始搜索，而不是从单个解开始。这是遗传算法与传统优化算法的极大区别。传统优化算法是从单个初始值求最优解的；容易误入局部最优解。遗传算法从串集开始搜索，覆盖面大，利于全局择优。
(2)遗传算法同时处理群体中的多个个体，即对搜索空间中的多个解进行评估，减少了陷入局部最优解的风险，同时算法本身易于实现并行化。
(3)遗传算法基本上不用搜索空间的知识或其他辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这一特点使得遗传算法的应用范围大大扩展。
(4)遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。
(5)具有自组织、自适应和自学习性。遗传算法利用进化过程获得的信息自行组织搜索时，适应度大的个体具有较高的生存概率，并获得更适应的基因结构。
三、贪婪算法
概念：贪婪算法是一种不追求最优解，只希望得到较为满意解的方法。
贪婪算法一般可以快速得到满意的解，因为它省去了为找最优解要穷尽所有可能而必须耗费的大量时间。贪婪算法常以当前情况为基础作最优选择，而不考虑各种可能的整体情况。例如平时购物找钱时，为使找回的零钱的硬币数最少，不考虑找零钱的所有各种发表方案，而是从最大面值的币种开始，按递减的顺序考虑各币种，先尽量用大面值的币种，当不足大面值币种的金额时才去考虑下一种较小面值的币种。这就是在使用贪婪算法。这种方法在这里总是最优，是因为银行对其发行的硬币种类和硬币面值的巧妙安排。如只有面值分别为1、5和11单位的硬币，而希望找回总额为15单位的硬币。按贪婪算法，应找1个11单位面值的硬币和4个1单位面值的硬币，共找回5个硬币。但最优的解应是3个5单位面值的硬币。
四、蚁群算法
蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。
自然界的种群相当广泛,但大部分都有以下的能力: 蚂蚁们总能找到食物源和蚂蚁窝之间的最短路径. 一旦这条最短路径被发现, 蚂蚁们就能在这条路上排成一行, 在食物源和蚂蚁窝之间搬运食物. 蚂蚁们是怎么做到的呢?
我们知道,2点间直线距离最短. 但蚂蚁们显然不具备这样的视力和智慧. 它们无法从远处看到食物源, 也无法计划一个合适的路径来搬运食物. 蚂蚁们采用的方法是全体在老窝的周围区域进行地毯式搜索.而他们之间的是通过分泌化学物质在爬过的路径上,这种化学物质叫(Pheromone).
蚂蚁们习惯选择信息素浓度高的路径. 下面的图解释了蚂蚁们的工作原理.
刚开始离开窝的时候, 蚂蚁们有两条路径选择: R1和R2. 这两者机会相当. 蚂蚁们在爬过R1和R2的时候都留下了信息素. 但是, 由于R2的距离短, 所需要的时间就少, 而信息素会挥发, 所以蚂蚁们留在R2上的信息素浓度就高. 于是,越来越多的蚂蚁选择R2作为最佳路径, 即使它们是从R1来到食物源,也将选择R2返回蚂蚁窝. 而从老巢里出发的蚂蚁们也越来越倾向于R2. 在这样的趋势下, R1渐渐变的无人问津了
根据蚂蚁们选择路径的方法而得到的启发, Dr. Dorigo在1991年发表了(Ant algorithm). 十多年来, 蚂蚁算法,以及各种改进过的蚂蚁算法,被广泛的应用在实际生活的各个方面. 在应用中,它可以作为网络路由控制的工具. 在交通控制中, 它也成功解决了车辆调度问题.在图表制作中, 它被用来解决颜色填充问题. 此外, 它还可以被用来设计大规模的时刻表. 而问题,既在多个不同地点间往返的最佳路径选择问题, 应该算是蚂蚁算法最重要的用途了
人工智能经典考试题目,例题
基于规则的专家系统 1.基于规则的专家系统有5个部分组成：知识库、数据库、推理引擎、____和用户界面 A.解释设备 B.外部接口 C.开发者接口 D.调试工具 2.前向（正向）推理是数据驱动的。推理从已知的数据开始，依次执行每条可执行的规则，规则所产生的新的事实被加入到数据库中，直到没有规则可以被执行为止。请根据以下的数据库和知识库推出有哪些元素被加入到数据库中 A. N X Y Z B. L X Y Z C. N L X Z
D. L N X Y 3.关于专家系统，以下说法错误的是 A.允许不精确的推理，但不能处理不完整、不确定和模糊的数据 B.当数据不完账或模糊时，有可能会出错 C.当需要新知识时，很容易实现调整。 D.提供知识与处理过程明确分离的机制 4.对于规则的专家系统的缺点，下列说法错误的是 A.规则之间的关系不明确 B.低效的搜索策略 C.没有学习能力 D.没有统一的结构 5.对于规则的专家系统的优点，下列说确的是 A.规则之间的关系透明
B.高效的搜索策略 C.处理不完整、不确定的知识 D.具备学习能力 基于规则的专家系统中的不确定性管理 6.专家系统中不确定性知识的来源一般分为4种：弱暗示、____、未知数据，以及合并不同专家观点时的困难 A.不完整的信息 B.不一致的信息 C.不确定的信息 D.不精确的语言
7.有一同学，考试成绩数学不及格的概率是0.15，语文不及格的概率是0.05，两者都不及格的概率为0.03，在一次考试中，已知他数学不及格，那么他语文不及格的概率是多少？ A.0.2 B.0.25 C.0.4 D.0.6 8.掷三枚骰子，事件A为出现的点数之和等于5的概率为 A.1/18 B.1/36 C.1/72 D.1/108 9.下列哪个符合著名的贝叶斯公式 A.P(Ai/B) = P(Ai) x P(B/Ai) /Σ(P(Aj) x P(B/Aj)) B.P(Ai/B) = P(Ai) x P(Ai/B) /Σ(P(Aj) x P(B/Aj)) C.P(Ai/B) = P(B) x P(B/Ai) /Σ(P(Aj) x P(B/Aj))
人工智能的研究方向和应用领域
人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能之机器学习常见算法
人工智能之机器学习常见算法 摘要机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里小编为您总结一下常见的机器学习算法，以供您在工作和学习中参考。 机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。 学习方式 根据数据类型的不同，对一个问题的建模有不同的方式。在机器学习或者人工智能领域，人们首先会考虑算法的学习方式。在机器学习领域，有几种主要的学习方式。将算法按照学习方式分类是一个不错的想法，这样可以让人们在建模和算法选择的时候考虑能根据输入数据来选择最合适的算法来获得最好的结果。 监督式学习： 在监督式学习下，输入数据被称为训练数据，每组训练数据有一个明确的标识或结果，如对防垃圾邮件系统中垃圾邮件非垃圾邮件，对手写数字识别中的1，2，3，4等。在建立预测模型的时候，监督式学习建立一个学习过程，将预测结果与训练数据的实际结果进行比较，不断的调整预测模型，直到模型的预测结果达到一个预期的准确率。监督式学习的常见应用场景如分类问题和回归问题。常见算法有逻辑回归（LogisTIc Regression）和反向传递神经网络（Back PropagaTIon Neural Network） 非监督式学习： 在非监督式学习中，数据并不被特别标识，学习模型是为了推断出数据的一些内在结构。常见的应用场景包括关联规则的学习以及聚类等。常见算法包括Apriori算法以及k-Means 算法。 半监督式学习： 在此学习方式下，输入数据部分被标识，部分没有被标识，这种学习模型可以用来进行预
人工智能经典考试试题与答案(优选.)
最新文件---------------- 仅供参考--------------------已改成-----------word文本 --------------------- 方便更改 一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)陈述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D）蓝天 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制与元知识D)关系
11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨C2‘,若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D)冯.诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识与技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空1.5分，共30分) 1、不确定性类型按性质分：，， ，。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2 ）=、 CF（A1∨A2 ）= 4、图：指由与组成的网络。按连接同一节点的各边的逻辑关系又可分为与。 5、合一算法：求非空有限具有相同谓词名的原子公式集的 6、产生式系统的推理过程中，从可触发规则中选择一个规则来执行，被执行的规则称为。 7、P(B|A) 表示在规则中，证据A为真的作用下结论B为真的。 8、人工智能的远期目标是， 近期目标是。
探索大数据和人工智能最全试题
探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系
5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?
A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源
AI人工智能的几种常用算法概念
一、粒子群算法 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为PSO，是近年来发展起来的一种新的进化算法(（Evolu2tionary Algorithm - EA）。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的交叉(Crossover) 和变异(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。 优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题.为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度.爬山法精度较高,但是易于陷入局部极小.遗传算法属于进化算法(EvolutionaryAlgorithms)的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解.遗传算法有三个基本算子:选择、交叉和变异.但是遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解码,另外三个算子的实现也有许多参数,如交叉率和变异率,并且这些参数的选择严重影响解的品质,而目前这些参数的选择大部分是依靠经验.1995年Eberhart博士和kennedy博士提出了一种新的算法;粒子群优化(ParticalSwarmOptimization-PSO)算法.这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性. 粒子群优化(ParticalSwarmOptimization-PSO)算法是近年来发展起来的一种新的进化算法(Evolu2tionaryAlgorithm-EA).PSO算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价
人工智能数据库系统优化的捷径
人工智能数据库系统优化的捷径 摘要：SQL语句的优化是将性能低下的SQL语句转换成目的相同的性能优异的SQL语句。文中主要介绍了利用人工智能自动SQL优化技术来优化数据库系统，并且简要介绍了几种常见的数据库系统优化方法。人工智能自动SQL优化就是使用人工智能技术，自动对SQL语句进行重写，从而找到性能最好的等效SQL语句。 一数据库性能的优化 一个数据库系统的生命周期可以分成：设计、开发和成品三个阶段。在设计阶段进行数据库性能优化的成本最低，收益最大。在成品阶段进行数据库性能优化的成本最高，收益最小。 数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。根据统计，对网络、硬件、操作系统、数据库参数进行优化所获得的性能提升，全部加起来只占数据库系统性能提升的40%左右，其余的60%系统性能提升来自对应用程序的优化。许多优化专家认为，对应用程序的优化可以得到80%的系统性能的提升。 二应用程序的优化 应用程序的优化通常可分为两个方面：源代码和SQL语句。由于
涉及到对程序逻辑的改变，源代码的优化在时间成本和风险上代价很高，而对数据库系统性能的提升收效有限。 三为什么要优化SQL语句 SQL语句是对数据库进行操作的惟一途径，对数据库系统的性能起着决定性的作用。 SQL语句消耗了70%至90%的数据库资源。 SQL语句独立于程序设计逻辑，对SQL语句进行优化不会影响程序逻辑。 SQL语句有不同的写法，在性能上的差异非常大。 SQL语句易学，但难精通。 优化SQL语句的传统方法是通过手工重写来对SQL语句进行优化。DBA或资深程序员通过对SQL语句执行计划的分析，依靠经验，尝试重写SQL语句，然后对结果和性能进行比较，以试图找到性能较佳的SQL语句。这种传统上的作法无法找出SQL语句的所有可能写法，且依赖于人的经验，非常耗费时间。 四SQL优化技术的发展历程 第一代SQL优化工具是执行计划分析工具。这类工具针对输入的SQL语句，从数据库提取执行计划，并解释执行计划中关键字的含义。 第二代SQL优化工具只能提供增加索引的建议，它通过对输入的SQL语句的执行计划的分析，来产生是否要增加索引的建议。 第三代SQL优化工具不仅分析输入SQL语句的执行计划，还对输入的SQL语句本身进行语法分析，经过分析产生写法上的改进建议。
人工智能复习总结讲解-共30页
第1章概述 1、重点掌握人工智能的几种定义。 2、掌握目前人工智能的三个主要学派及其认知观。 3、一般了解人工智能的主要研究范围和应用领域。 人工智能的三大学派及其认知观： (1)符号主义：认为人工智能起源于数理逻辑。 (2)连接主义：认为人工智能起源于仿生学，特别是对人脑模型的研究。 (3)行为主义：认为人工智能起源于控制论。 第2章确定性知识系统 ?重点掌握用谓词逻辑法、产生式表示、语义网络法、框架表示法来描述问题，解决 问题； ?重点掌握归结演绎推理方法 谓词逻辑法 一阶谓词逻辑表示法适于表示确定性的知识。它具有自然性、精确性、严密性及易实现等特点。 用一阶谓词逻辑法表示知识的步骤如下： （1）定义谓词及个体，确定每个谓词及个体的确切含义。 （2）根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。 （3）根据所要表达的知识的语义，用适当的连接符号将各个谓词连接起来，形成谓词公式。例1：设有下列事实性知识： 张晓辉是一名计算机系的学生，但他不喜欢编程序。 李晓鹏比他父亲长得高。 请用谓词公式表示这些知识。 （1）定义谓词及个体。 Computer(x):x是计算机系的学生。 Like(x,y):x喜欢y。 Higher(x,y):x比y长得高。 这里涉及的个体有：张晓辉(zhangxh),编程序(programming), 李晓鹏(lixp)，以及函数father(lixp)表示李晓鹏的父亲。 第二步：将这些个体代入谓词中，得到 Computer(zhangxh) ?Like(zhangxh, programming) Higher(lixp, father(lixp)) ?第三步：根据语义，用逻辑联结词将它们联结起来，就得到了表示上述知识的谓词 公式。 Computer(zhangxh)∧?Like(zhangxh, programming) Higher(lixp, father(lixp)) 例2：设有下列语句，请用相应的谓词公式把它们表示出来： （1）人人爱劳动。 （2）自然数都是大于零的整数。 （3）西安市的夏天既干燥又炎热。 （4）喜欢读《三国演义》的人必读《水浒》。 （5）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 （6）他每天下午都去打篮球。
未来人工智能的十大应用方向
未来人工智能的十大应用方向 导读: 随着人工智能理论和技术的不断完善，应用范围领域也在逐渐向多方向发展。未来，人工智能虽然不能向人类一样，拥有自己的意识和思维方式，但是这种自我思考的人工智能已经打破了常规。未来，人工智能带来的产品，或许将是人类智慧的“容器”。由此，对于未来人工智能应用方向，也将会成为热点。 关键字：人工智能机器视觉 人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是对人的意识、思维的信息过程的模拟。但不是人的智能，能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。从诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。正因为如此，人工智能的应用方向才十分之广。 1、机器视觉 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 人工智能能使机器能够担任一些需要人工处理的工作。而这些工作需要做一定的决策，要求机器能够自行的根据当时的环境做出相对较好的决策。这就需要计算机不仅仅能够计算，还能够拥有一定得智能。而要对周围的环境进做出好的决策就需要对周边的环境进行分析,即要求机器能够“看”到周围的环境，并能够理解它们。就像人做的那样。所以机器视觉是人工智能中非常重要的一个领域。 机器视觉在许多人类视觉无法感知的场合发挥重要作用，如精确定律感知、危险场景感知、不可见物体感知等，机器视觉更突出他的优越性。现在机器视觉已在一些领域的到应用，如零件识别与定位，产品的检验，移动机器人导航遥感图像分析，安全减半、监视与跟踪，国防系统等。它们的应用于机器视觉的发展起着相互促进的作用。 2、指纹识别 指纹识别技术把一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。每个人（包括指纹在内）皮肤纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的，并且终生不变。依靠这种唯一性和稳定性，我们才能创造指纹识别技术。
最新人工智能--经典考试试题与答案
一、选择题(每题1分，共15分) 1、AI的英文缩写是 A)Automatic Intelligence B)Artifical Intelligence C)Automatice Information D)Artifical Information 2、反演归结（消解）证明定理时，若当前归结式是（）时，则定理得证。 A)永真式B)包孕式（subsumed）C)空子句 3、从已知事实出发，通过规则库求得结论的产生式系统的推理方式是 A)正向推理B)反向推理C)双向推理 4、语义网络表达知识时，有向弧AKO 链、ISA 链是用来表达节点知识的（）。 A)无悖性B)可扩充性C)继承性 5、(A→B)∧A => B是 A)附加律B)拒收律C)假言推理D)US 6、命题是可以判断真假的 A)祈使句B)疑问句C)感叹句D)陈述句 7、仅个体变元被量化的谓词称为 A)一阶谓词B)原子公式C)二阶谓词D)全称量词 8、MGU是 A)最一般合一B)最一般替换C)最一般谓词D)基替换 9、1997年５月，著名的“人机大战”，最终计算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败，这台计算机被称为（） A）深蓝B）IBM C）深思D）蓝天 10、下列不在人工智能系统的知识包含的4个要素中 A)事实B)规则C)控制与元知识D)关系 11、谓词逻辑下，子句, C1=L∨C1‘, C2= ? L∨若σ是互补文字的（最一般）合一置换，则其归结式C=（） A) C1’σ∨C2’σB)C1’∨C2’C)C1’σ∧C2’σD)C1’∧C2’ 12、或图通常称为 A）框架网络B)语义图C)博亦图D)状态图 13、不属于人工智能的学派是 A)符号主义B)机会主义C)行为主义D)连接主义。 14、人工智能的含义最早由一位科学家于1950年提出，并且同时提出一个机器智能的测试模型，请问这个科学家是 A)明斯基B).扎德C)图林D)冯.诺依曼 15.要想让机器具有智能，必须让机器具有知识。因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识与技能，实现自我完善，这门研究分支学科叫（）。 A)专家系统B)机器学习C)神经网络D)模式识别 二、填空题(每空1.5分，共30分) 1、不确定性类型按性质分：，， ，。 2、在删除策略归结的过程中删除以下子句：含有的子句;含 有的子句;子句集中被别的子句的子句。 3、对证据的可信度CF（A）、CF（A1）、CF（A2）之间，规定如下关系： CF（~A）=、CF（A1∧A2 ）=、 CF（A1∨A2 ）= 4、图：指由与组成的网络。按连接同一节点的各边的逻辑关系又可分为与。 5、合一算法：求非空有限具有相同谓词名的原子公式集的
人工智能算法综述
人工智能算法综述人工智能算法大概包括五大搜索技术，包括一些早期的搜索技术或用于解决比较简单问题的搜索原理和一些比较新的能够求解比较复杂问题的搜索原理，如遗传算法和模拟退火算法等。 1、盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。包括图搜索策略，宽度优先搜索和深度优先搜素。 1、图搜索(GRAPH SERCH)策略是一种在图中寻找路径的方法。在有关图的表示方法中，节点对应于状态，而连线对应于操作符。 2、如果搜素是以接近其实节点的程度依次扩展节点的，那么这种搜素就叫做宽度优先搜素( breadth-first search。 3、深度优先搜索属于图算法的一种，英文缩写为DFS即Depth First Search其过程 简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次。 二、启发式搜索 盲目搜索的不足之处是效率低，耗费过多的时间和空间。启发信息是进行搜索技术所需要的一些有关具体问题的特性的信息。利用启发信息的搜索方法叫做启发式搜索方法。 启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。 3、博弈树搜索 诸如下棋、打牌、竞技、战争等一类竞争性智能活动称为博弈。博弈有很多种，我们讨论最简单的"二人零和、全信息、非偶然" 博弈，其特征如下： (1对垒的MAX MIN双方轮流采取行动，博弈的结果只有三种情况：MA)方胜，MIN方败；MIN方胜，MAX方败；和局。 (2 在对垒过程中，任何一方都了解当前的格局及过去的历史。 (3 任何一方在采取行动前都要根据当前的实际情况，进行得失分析，选取对自 已为最有利而对对方最为不利的对策，不存在掷骰子之类的"碰运气"因素即双方都是很理智地决定自己的行动。 在博弈过程中，任何一方都希望自己取得胜利。因此，当某一方当前有多个行
人工智能与数据挖掘
机器学习与数据挖掘姓名：xxx班级：计xxx学号：xxxxx
机器学习与数据挖掘 随着互联网突飞猛进的发展，数据总量呈爆炸式增长，数据量从TB级别升到ZB级别别IDC报告称，未来10年数据总量将会增加50倍，应对如此的数据总量，相应管理数据仓库的服务器将增加10倍。目前主流的软件已经无法在合理的时间内针对如此数量级别的数据进行撷取、管理、处理并整理成能为决策提供帮助的信息。美国政府率先提出并启动了“大数据研究和发展计划”，标志着大数据已上升到国家意志，大数据时代到来。 数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。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。 机器学习”是人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知，没有学习能力的系统很难被认为是具有智能的。目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。事实上，由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要设法对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。 “数据挖掘”和“知识发现”通常被相提并论，并在许多场合被认为是可以相互替代的术语。对数据挖掘有多种文字不同但含义接近的定义，例如“识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程”。其实顾名思义，数据挖掘就是试图从海量数据中找出有用的知识。大体上看，数据挖掘可以视为机器学习和数据库的交叉，它主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。数据挖掘与机器学习的关系如图一所示： 数据挖掘 数据分析技术数据管理技术 机器学习数据库 图一数据挖掘与机器学习的关系 实际上，机器学习和数据挖掘技术已经开始在多媒体、计算机图形学、计算机网络乃至
人工智能十大算法总结
5-1 简述机器学习十大算法的每个算法的核心思想、工作原理、适用 情况及优缺点等。 1）C4.5 算法： ID3 算法是以信息论为基础，以信息熵和信息增益度为衡量标准，从而实现对数据的归纳分类。ID3 算法计算每个属性的信息增益，并选取具有最高增益的属性作为给定的测试属性。C4.5 算法核心思想是ID3 算法，是ID3 算法的改进，改进方面有： 1）用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2）在树构造过程中进行剪枝 3）能处理非离散的数据 4）能处理不完整的数据 C4.5 算法优点：产生的分类规则易于理解，准确率较高。 缺点： 1)在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 2)C4.5 只适合于能够驻留于内存的数据集，当训练集大得无法在内存容纳时程序无法运行。 2）K means 算法： 是一个简单的聚类算法，把n 的对象根据他们的属性分为k 个分割，k < n。算法的核心就是要优化失真函数J,使其收敛到局部最小值但不是全局最小值。 其中N 为样本数，K 是簇数，rnk b 表示n 属于第k 个簇，uk 是第k 个中心点的值。 然后求出最优的uk 优点：算法速度很快 缺点是，分组的数目k 是一个输入参数，不合适的k 可能返回较差的结果。 3）朴素贝叶斯算法： 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。算法的基础是概率问题，分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。朴素贝叶斯假设是约束 性很强的假设，假设特征条件独立， 但朴素贝叶斯算法简单，快速，具有较小的出错率。在朴素贝叶斯的应用中，主要研究了电子邮件过滤以及文本分类研究。 4)K 最近邻分类算法（KNN） 分类思想比较简单，从训练样本中找出K个与其最相近的样本，然后看这k个样本中哪个类别的样本多，则待判定的值（或说抽样）就属于这个类别。缺点： 1）K 值需要预先设定，而不能自适应 2）当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K 个邻居中大容量类的样本占多数。 该算法适用于对样本容量比较大的类域进行自动分类。 5)EM 最大期望算法 EM 算法是基于模型的聚类方法，是在概率模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量。E步估计隐含变量，M步估计其他参数，交替将极值推向最大。EM 算法比K-means 算法计算复杂，收敛也较慢，不适于大规模数据集和高维数据，但比K-means 算法计算结果稳定、准确。EM 经常用在机器学习和计算机视觉的数据集聚（Data Clustering）领域。 6）PageRank 算法
数据库技术实现与人工智能融合的方法
数据库技术实现与人工智能融合的方法 发表时间：2019-09-16T15:23:49.090Z 来源：《基层建设》2019年第17期作者：张培颖[导读] 摘要：在现实生活中，数据库技术和人工智能有着紧密的联系，在人们思想地位中，人工技能只是具备单一的理论性，数据库则是大量的应用在实际操作中。 天津中发智能科技有限公司天津 300392摘要：在现实生活中，数据库技术和人工智能有着紧密的联系，在人们思想地位中，人工技能只是具备单一的理论性，数据库则是大量的应用在实际操作中。人工智能在发展初期的时候，就和数据库有着紧密联系，任何一个数据系统都是应用计算机进行操作，人工智能将使得计算机在实际使用中发挥出最大功效，以展现出人工智能和数据库的融合作用。下面就基于作者实际工作经验，简要的分析数据库 技术实现人工智能融合的方向，希望对相关从业人员有所帮助。 关键词：数据库发展；人工智能；融合方法 1 数据库的现阶段发展现状分析 1.1数据库飞速的发展 数据库的先进技术主要是计算机的重要分支点，充分展现出高科技技术重要性，数据库有着突破性的进展，在数据库的形成最初过程中，以网状数据库和关系数据库为主，而这两种数据库的使用还存在着诸多和不足之处，经过发明和研究，人们创造出技术先进、使用性方便的数据库管理系统，可以有效的弥补数据库中存在的不足之处。 在人们的生活、工作过程中，数据库起到重要的作用，在当前社会正处在高科技的发展阶段，应用先进的系统能够对工作负担进行降低，以有效的提升工作的效率，数据库对数值的保存和计算有着绝对的优势，数据库不仅能够长久性的保存相关数值，还能够对近期数值进行准确计算。如果说某单位计算员工的工资，以往的人工计算方式需要计算出勤、迟到、薪酬、奖金，每一项数据都应手动计算，降低工作效率的同时存在数值偏差现象，而数据库的使用不但准确率较高，且计算时间较短，在短时间内计算出准确数值，是数据库存在的优点之一。 1.2 数据库安全使用性能 数据库的使用范围较为广泛，现如今的工作学习中都离不开数据库的应用，为人们提供方便快捷的有利条件。以往的模式中主要以文件管理为主，只是单一的保管文件，并且文件存放比较分散，工作中需要寻找资料时，往往需要大量时间，而数据库避免了这一现象的发生，数据库保存数据较为集中，相关的数据只保存在一个表格当中，工作中可对相应数值一目了然，避免查找的繁琐过程，提高工作效率。数据库还具备一致性与可维护性，保证了数据库的安全性与可靠性，数据库的具有防止数据丢失与越权使用两种性能，由于数据库的存放时间较长，对保存时间没有规定，使用数值不存在限制，提升数据数值的使用性。数据库数值具有一致性的使用特点，任何数值都具有唯一性，减少数值差的存在，为工作提供便利条件，提高工作效率。数据库的最大的优点便是故障修护系统，数据库具有相应的数据库管理系统，可发现数据库的使用故障，并对数据库进行及时修复，防止整体数据库的破坏为工作带来不必要麻烦，数据库的修复系统可在较短时间内进行数据恢复，体现出数据库使用的方便性。 1.3 数据库的种类模式 数据库的种类与数值有着紧密联系，数值是指由组织形成的数据组成，数据分为逻辑结构与物理结构，两者密切配合提升数据库的使用效率。数据的逻辑结构主要以逻辑思维的角度观察数据，对数据进行透彻性分析，发现数值存在的问题，及时进行数据修改，避免工作中产生数据误差现象。 2 人工智能概况 在1956年，麦卡锡等人第一次使用人工智能这一术语，标志着人工智能正式诞生。人工智能是控制论、信息论、系统论、计算机科学、神经生理学、心理学、数学、哲学等学科相互交叉渗透的产物，它与空间技术、能源技术一起被称为世界三大尖端技术。各领域的专家学者将人工智能与本专业技术相结合，取得了一个又一个令人注目的成果。虽然人工智能的发展经历了风风雨雨，但它已取得的成就不得不令人惊叹。人工智能的不断发展，已产生许多分支，模糊逻辑、专家系统、神经网络、遗传算法是其中最为活跃的四大分支。 3 人工智能的实现 为了将人工智能的理论研究成果应用于实际，人们发明了多种方法。目前大部分的人工智能应用系统是在冯?诺依曼结构的通用数字计算机或通用算机上运行求得结果。这种用软件实现的方法灵活性强但速度较慢。从原理上讲，几乎所有的编程语言均可用于解决人工智能算法，但从编程的便捷性和运行效率考虑，最好选用“人工智能语言”。常用的人工智能语言有传统的函数型语言Lisp、逻辑型语言Prolog 及面向对象语言Smalltalk、VC++及VB等。 为了缩短人工智能应用程序的开发周期，人们还研制出了多种专用开发工具，如MathWorks公司推出的高性能数值计算可视化软件Matlab中包含有神经网络工具箱，提供了许多Matlab函数。另外，还有多种专家系统工具用于开发特定领域的专家系统，如INSIGHT、GURU、CLIPS、ART等。这些实用工具为开发人工智能应用程序提供了便利条件。在硬件方面，随着微电子技术的发展，出现了非冯诺依曼结构微处理器，给人工智能信息处理带来了新的生机和活力。DSP是其中的典型产品，它放弃了冯诺依曼结构而采用了哈佛结构，即将程序指令与数据的存储空间分开，各有自己的数据与地址总线，使得处理数据和指令可以同时进行，大大提高了运行速度。在那些因受传统微处理器速度和结构限制而难以实现复杂算法及难以达到要求速度的场合，可考虑选用DSP。高速DSP芯片已被认为是模拟神经特性的理想工具，并可直接用在将来的神经网络计算机中。同时，各大芯片生产厂商已研制出各种专用模糊芯片和神经网络芯片，用专用芯片比用软件方法实现速度快得多，当系统较复杂或速度要求较高时，可选用这些专用芯片，但专用芯片的价格较昂贵。 4 实现数据技术与人工智能结合的重要性 4.1 人工智能系统的应用 人工智能系统是相对人类智能而言，主要是指在机械或电子产品中加入智能设备，使其使用功能有所提升。人工智能主要利用先进的电子技术进行仿生学研究，从整体结构模拟人脑活动。电子计算机是人工智能技术的重要表现，其具有高效、快速的特点，在计算机的使用过程中必须受到人脑的控制，在接收相应的指令后方可进行工作。人工智能是由人造机器产生的，随着人们不断传入新知识，计算机使用范围将更广。
人工智能算法梳理及解析
研究与开发 Research & Development 63当前，伴随网络及计算机技术的长足发展，人工智 能随着深度学习技术应用的突破取得极大进展，各种落 地应用及概念产品层出不穷，人们对其在生产生活中的 革命性创新充满期待。捋顺人工智能算法脉络，解析基 本算法应用场景，可使我们对人工智能技术有一个更为 理性深入和全面的理解及思考。1 人工智能技术理解 纵观人工智能技术发展历史，人工智能在实现上可 归类为六种途径，即符号主义、连接主义、学习主义、 行为主义、进化主义和群体主义[1]。六种途径并非泾渭 分明，它们只是从不同的角度提出了解决方案，如学习 主义就用到了人工神经网络来实现。目前流行的机器学 习以及深度学习算法实际上是符号主义、连接主义以及 行为主义理论的进一步拓展。 对于机器学习的理解，笔者认为可以从三个问题 入手，即学什么、怎么学、做什么。首先，机器学习需 要学习的内容是能够表征此项任务的函数，即能够实现 人们需要的输入和输出的映射关系，从信息论的角度 来看，其学习的目标是确定两个状态空间内所有可能取王蕴韬 中国信息通信研究院 北京 100037 摘 要?文章旨在梳理当前人工智能主流算法脉络，简析其原理及应用场景，帮助人们更加理性深入地对人工智能技术有一个比较全面的理解和思考。文章在对人工智能技术背后数学理论及实际应用的分析基础上，对机器学习算法主要任务、深度学习发展动因、深度学习算法应用进行梳理和分析，提取出人工智能算法主要能够完成的三类任务，并在技术层面针对人工智能下一步发展做出了分析和展望。 关键词?人工智能；机器学习；深度学习；回归；分类；聚类人工智能算法梳理及解析 值之间的关系，使得熵尽可能最低[2]。其次，机器怎么学。要实现学习目标，就要教给机器一套评判的方法，而不同于告诉机器每个具体步骤如何操作的传统方法，这需要对机器描述过程演进为对机器描述结果。从数学角度来看，就是为机器定义一个合适的损失函数，能够合理量化真实结果和训练结果的误差，并将之反馈 给机器继续作迭代训练。最后，机器学习究竟要做什 么，其实主要做三件事，即分类(Classification)、回归(Regression)和聚类(Clustering)，其中分类和回归属于监督学习的范畴，而聚类则属于非监督学习的范畴。目前多数人工智能落地应用的背后，都是通过对现实问题抽象成相应的数学模型，分解为这三类基本任务的有机组合，并对其进行建模求解的过程。2 机器学习算法分类这里，我们首先讨论当前的三大最常见的机器学习任务及其常用算法[3]。首先是回归。回归是一种用于连续型数值变量预测和建模的监督学习算法；回归任务的特征是具有数值型目标变量的标注数据集。回归算法有很多种，其中最为
探索大数据与人工智能习题库
《探索大数据与人工智能》习题库 单选 1、Spark Streaming是什么软件栈中的流计算 A. Spark B. Storm C. Hive D. Flume 2、下列选项中,不是大数据发展趋势的是 A. 大数据分析的革命性方法出现 B. 大数据与与云计算将深度融合 C. 大数据一体机将陆续发布 D. 大数据未来可能会被淘汰 3、2011年5月是哪家全球知名咨询公司在《Big data: The next frontier for innovation, competition and productivity 》研究报告中指出,数据已经渗透到每一个行业和业务职能之中,逐渐成为重要的生产因素的 A.比尔·恩门 B. 麦肯锡 C. 扎克伯格 D. 乔图斯 4、以下哪个属于大数据在电信行业的数据商业化方面的应用 A.精准广告 B. 网络管理 C. 网络优化 D. 客服中心优化 5、以下哪个不属于大数据在电信行业的应用 A.数据商业化 B. 物流网络 C. 企业运营 D. 客户关系管理 6、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A.首席数据官 B. 首席科学家 C. 首席执行官 D. 首席架构师 7、下列选项中,不是kafka适合的应用场景是 A.日志收集 B. 消息系统 C. 业务系统 D.流式处理 8、下列选项中,哪个不是HBASE的特点 A.面向行 B. 多版本 C. 扩展性 D. 稀疏性 9、在数据量一定的情况下,MapReduce是一个线性可扩展模型,请问服务器数量与处理时间是什么关系 A.数量越多处理时间越长 B. 数量越多处理时间越短 B.数量越小处理时间越短D.没什么关系 10、在Spark的软件栈中,用于机器学习的是 A.Spark Streaming B. Mllib C. GraphX 11、Spark是在哪一年开源的 A.1980 B. 2010 C. 1990 D. 2000 12、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是
人工智能-课后作业
第一章：P23 1.人工智能 人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能 第二章：P51 5.（1）有的人喜欢打篮球，有的人喜欢踢足球，有的人既喜欢打篮球又喜欢踢足球。 定义谓词：LIKE(x,y):x喜欢y。 PLAY(x,y):x打（踢）y。 MAN(x):x是人。 定义个体域：Basketball，Soccer。 （ $x)(MAN(x) → LIKE(x,PLAY(x,Basketball))) ∨（ $y)(MAN(y) → LIKE(y,PLAY(y,Soccer))) ∨（ $z)(MAN(z) →LIKE(z,PLAY(z,Basketball)) ∧ LIKE(z,PLAY(z,Soccer)) (2)并不是每个人都喜欢花。 定义谓词：LIKE（x,y)：x喜欢y。 P(x)：x是人 定义个体词：flower ?("x)(P(x) → LIKE(x,flower)) (3)欲穷千里目，更上一层楼。 定义谓词：S(x)：x想要看到千里远的地方。 H(x):x要更上一层楼。 （"x)(S(x) → H(x)) 6. 产生式通常用于表示具有因果关系的知识，其基本形式是： P→Q 或者 If P Then Q [Else S] 其中，P是前件，用于指出该产生式是否可用的条件。Q是一组结论或者操作，用于指出当前提P满足时，应该得出的结论或者应该执行的操作。 区别：蕴含式只能表示精确知识；而产生式不仅可以表示精确知识，还可以表示不精确知识。 产生式中前提条件的匹配可以是精确的，也可以是非精确的；而谓词逻辑蕴含式总要求精确匹配。 7.一个产生式系统一般由三部分组成：规则集、全局数据库、控制策略。 步骤：1）初始化全局数据库，把问题的初始已知事实送入全局数据库中 2）若规则库中存在尚未使用的规则，而且它的前提可与全局数据库中的已知事实匹配，则转3），若不存在则转5） 3）执行当前选中的规则，并对该规则做标记，把该规则执行后得到的结论送入全局数据库中。如果该