1. 人工智能
从狭义的概念上来讲，人工智能是计算机科学中涉及研究，设计和应用智能机器的一个分支，是智能计算机系统的研究。从广义上来讲，人工智能是指人类智能行为规律、智能理论方面的研究。
2. 图灵试验
当一个人与一个封闭房间里的人或者机器交谈，如果他不能分辨自己问题的回答是计算机还是人给出，则称该机器是具有智能的。以往该试验几乎是衡量机器人工智能的唯一标准，但是从九十年代开始，现代人工智能领域的科学家开始对此试验提出异议。反对封闭式的，机器完全自主的智能。提出与外界交流的，人机交互的智能。
3. 归结原理
又称为消解原理。该原理是一种基于逻辑的、采用反证法的推理方法。由于其理论上的完备性，归结原理成为机器定理证明的主要方法。
4. 命题
描述事实、事物的状态、关系等性质的文字串，取值为真或假（表示是否成立）的句子。
5. 范式
范式是公式的标准形式，公式往往需要变换为同它等价的范式，以便对它们作一般性的处理。
6. 前束范式
A是一个前束范式，如果A中的一切量词都位于该公式的最左边（不含否定词），且这些量词的辖域都延伸到公式的末端。
7. Skolem标准形
前束范式中消去所有的存在量词，则称这种形式的谓词公式为Skolem标准形。
8. 文字
不含任何连接词的谓词公式。
9. 子句
一些文字的析取（谓词的和）。
10. 子句集
所有子句的集合。
11. 一阶逻辑
谓词中不再含有谓词的逻辑关系式。
12. 个体词
表示主语的词。
13. 谓词
刻画个体性质或个体之间关系的词。
14. 量词
表示数量的词。
15. 置换
可以简单的理解为是在一个谓词公式中用置换项去置换变量。置换是形如{t1/x1, t2/x2, …, tn/xn}的有限集合。其中，x1, x2, …, xn是互不相同的变量，t1, t2, …, tn是不同于xi的项（常量、变量、函数）；ti/xi表示用ti置换xi，并且要求ti与xi不能相同，而且xi不能循环地出现在另一个ti中。
16. 归类
设有两个子句C和D，若有置换σ使得C σ D 成立，则称子句C把子句D归类。
17. 支撑集
设有不可满足子句集S的子集T，如果S-T是可满足的，则T是支持集。
18. 公式G永真
对于G的所有解释，G都为真。
19. 公式G永假（矛盾）
没有一个解释使G为真。
20. 可满足
若A至少有一个成真赋值，则称A为可满足的。
21. 不可满足
若A一个成真赋值都没有，则称A为不可满足的。
22. 完全语义树
S的语义树是完全的，如果对该语义树的所有叶结点N来说，I(N)包含了S的原子集A＝{A1，A2，…}中的所有元素Ai或～Ai，i=1 … n。
23. 失败结点
当（由上）延伸到点N时，I(N)已表明了S的某子句的某个基例为假。但N以前尚不能判断这事实。就称N为失败结点。
24. 封闭语义树
如果S的完全语义树的每个分枝上都有一个失败结点，就称它是一棵封闭语义树。
25. 不确定性推理
建立在不确定性知识和证据的基础上的推理。
26. Bayes定理
设事件A1，A2，A3，…，A n中任意两个事件都不相容，则对任何事件B有下式成立：
上式称为Bayes公式。
27. 全概率公式
这是Bayes定理的另一种形式。
28. 贝叶斯网
由一个有向无环图（DAG）及描述顶点之间的概率表组成。其中每个顶点对应一个随机变量。这个图表达了分布的一系列有条件独立属性：在给定了父节点的状态后，每个变量与它在图中的非继承节点在概率上是独立的。该图抓住了概率分布的定性结构，并被开发来做高效推理和决策。
29. 知识
很难给出明确的定义，只能从不同侧面加以理解，不同的人有不同的理解：
Feigenbaum：知识是经过消减、塑造、解释和转换的信息。
Bernstein：知识是由特定领域的描述、关系和过程组成的。
Hayes-roth：知识是事实、信念和启发式规则。
从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。
30. 表示观
对于"什么是表示"这一基本问题的不同理解和采用的方法论。
31. 计算效率
不同于以前的多用计算复杂性来衡量一种智能系统的方法,而采用计算困难度来衡量。
32. 逻辑表示法
逻辑是一种重要的知识表示方法。使用逻辑法表示知识，须将以自然语言描述的知识，通过引入谓词、函数加以形式描述，获得有关的逻辑公式，进而以机器内码表示。
33. 知识库
由规则库和数据库组成。规则库是产生式规则的集合，数据库存放输入事实、外部数据库输入的事实以及中间结果和最后结果。
34. 推理机
是一个程序，控制协同规则库与数据库的运行，包含了推理方式和控制策略。推理方式有正向推理、反向推理和双向推理。
35. 产生式系统
把一组产生式放在一起，让它们互相配合，协同工作，一个产生式生成的结论可以供另一个产生式作为前提使用，以这种方式求得问题的解决，这样的系统就叫做产生式系统。
36. 与或图
各个事实之间的逻辑关系图。
37. 正向推理
是从已知事实出发，通过规则库求得结论。或称数据驱动方式为Bottom-up。
38. 反向推理
从目标出发，反向使用规则，求得已知事实，或称目标驱动方式也称自顶向下（Top-down）。
39. 双向推理
既自顶向下（Top-down）又自底向上（bottom-down）直至之间环节两个方向底结果相符便成功结束。显然，这种推理方式的推理网络较小，效率也较高。
40. 语义网络
是一种用实体及其语义关系来表达知识的有向图。结点：代表实体，表示各种事物、概念、情况、属性、状态、事件、动作等；弧：代表语义关系，表示它所连接的两个实体之间的语义联系。
41. 框架
是由若干结点和关系（统称为槽）构成的网络，是语义网络一般化的形式，与后者没有本质的差别。框架是表示某一类情景的结构化的一种数据结构，框架的最顶层是固定的一类事物，基于概念的抽象程度表现出自上而下的分层结构。框架由框架名和一些槽组成，每个槽有槽值，槽值就代表信息。
42. 对象
是由一组数据和与该组数据相关的操作构成的实体。在面向对象表示中类和类继承是一组重要概念。类由一组变量和一组操作组成，它描述了一组具有相同属性和操作的对象。每一个对象都属于某一类，每个对象都可由相关的类生成，换言之，对象是类的实例。一个类可以通过继承拥有另一类的全部变量和操作，继承是面向对象表示法的主要推理形式。同时，由于一个事物的描述都集中在一个类中，又体现了类的封装性。继承和封装是面向对象的两大特点。
43. 学习
是人类具有的一种重要智能行为。按照人工智能大师西蒙（Simon，1983）的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或相类似的任务时，会比现在做得更好或效率更高。西蒙对学习给出的定义本身，就说明了学习的重要作用。
44. 符号处理技术
基于符号演算的知识推理和知识学习技术。
45. 信息水平
信息的一般性程度，也就是适用范围的广泛性。这里的一般性程度是相对执行环节的要求而言的。高水平信息比较抽象，适用于更广泛的问题。该种信息需要具体化才能够成为知识；低水平信息比较具体，
是特殊的实例，只适用于个别的问题，需要归纳才能够成为知识。
46. 信息的质量
信息的正确性、是否是适当的选择和合理的组织。
47. 记忆学习
也称死记硬背学习或机械学习。这种学习方法不要求系统具有对复杂问题求解的能力，也就是没有推理技能，系统的学习方法就是直接记录问题有关的信息，然后检索并利用这些存储的信息来解决问题。48. 传授学习
即通过对计算机指点教授进行的学习方法。系统中已有一些通过某种方式得到的知识，传授学习就是通过人机对话，把用户一般性意见或建议具体化，或者协助用户补充和修改原有的知识库。系统把这些建议看成为要达到的目标，并通过规划求解出可直接执行的过程，因此系统要求具有推理的能力。学习使得系统性能有所改变（增强），或者是具有了新的能力。
49. 演绎学习
是基于演绎推理的一种学习。演绎推理是一种保真变换，即若前提为真时推出的结论也为真。在演绎学习中，学习系统由给定的知识进行演绎的保真推理，并存储有用的结论
50. 类比学习
就是寻找和利用事物间的可类比的关系，从已有的知识推导出未知的知识。
51. 实例学习
也称示例学习，是目前机器学习方法中最成熟的方法之一。它是一种归纳学习，是从若干实例（包括正例和反例）归纳出一般概念或规则的学习方法。
52. 发现学习
则是系统直接从环境中归纳总结出规律性知识的一种学习方法。即发现学习是指机器获取知识无须外部拥有该知识的实体的帮助，甚至蕴含在客观规律中的这类知识至今尚未被人所知，因此发现学习也是一种归纳学习，而且是一种高级的学习过程。它要求系统具有复杂的问题求解能力。
53. 变型空间法
是一种数据驱动的基于实例学习的空间搜索方法。这种方法对规则和实例都采用同一种表示形式。初始的假设规则集H包括满足第一个示教例子和全部规则。在得到下一个示教例子时，对集合H进行一般化或特殊化处理，最后使集合H收敛为仅含要求的规则。
54. 单个概念的学习
是提供给系统一个概念的若干正例和若干反例，系统由此构成规则空间，并可得到在这个规则空间中的一个概念。这个概念应包含所有的正例，但不包含任何反例。
55. 神经元
神经细胞，高级动物脑组织的基本单元。
56. 神经网络
神经网络（Neural Network，NN）指由大量神经元互连而成的网络。
57. 人工神经元网络
采用物理可实现的模型来模仿人脑神经细胞的结构和功能的系统。
58. 神经网络技术
主要各种人工神经网络模型及其学习算法的研究与应用技术，这一领域是当前人工智能研究的一个十分活跃，且很有前途的分支领域。
59. 前馈型网络
信号由输入层到输出层单向传输。每层的神经元仅与前层的神经元相连接，只接受前层传输来的信息。
60. 反馈型全互联网络
反馈型全互联网络是所有神经元之间都相互联接的网络，如Hopfiled和Boltgmann网络都是这种类型。
61. 网络规模
主要是指神经网络的结构参数，如多层网络层的数目，各层结点数。
62. 感知器
是由美国学者F. Rosenblatt于1957年提出的，它是一个由最简单的线性阈值元件组成的单层（或多层）神经元的神经网络。
63. 神经网络学习
神经网络的学习过程就是神经网络参数的设定过程。一个神经元网络结构确定之后，需要对一系列参数（权重、阈值等）进行有效的设定。这个过程叫做学习或训练过程，此时的方法叫学习算法。
64. BP学习算法
是一个依据梯度下降理论的很有效的算法，许多问题都可由它来解决。BP算法将一组样本的分类问题转变为一个系统非线性优化问题，采用优化中最普遍的梯度下降法，用迭代运算求解神经元之间的联结权值，加入隐层节点使优化问题的可调参数数目增加，从而可得到更精确的解。
65. 反馈网络
所有节点（神经元）都是具有同等的地位，没有层次差别。它们之间都可相互连接，同时也可以向自己反馈信号。所以反馈网络可以用一个完美的图来表示。
66. Hopfield神经网络
各个神经元之间是全互联的，即各个神经元之间是相互、双向连结的。这种连结方式使得网络中每个神经元的输出均反馈到同一层的其它神经元的输入上。这样网络如果设置得当，在没有外部输入的情况下也能进入稳定状态。
67. 模式识别
是神经网络最有应用前景的领域之一。模式识别是六十年代兴起的新兴科学分支，其主要研究内容是用计算机模拟生物、人的感知（感觉），对模式信息，如图像、文字、语音等，进行识别和分类。模式识别是个跨领域的科学研究分支，不仅仅涉及计算机科学的信息处理技术，而且涉及数学、心理学及人类的感觉与思维规律的探索。
68. 自然语言
是指人类语言集团的本族语，如汉语、英语、日语等，以及人类用与交流的非发声语言，如手语、旗语等。自然语言是相对于人造语言而言的。人造语言是指世界语或计算机的各种程序设计语言。
69. 自然语言理解
就是如何让计算机能正确处理人类语言，并据此作出人们期待的各种正确响应。自然语言理解的研究分为书面语理解和口语理解，相对而言，书面语比较规范，比起口语来说比较容易用机器处理。由于语言是思想的直接实现，社会的一切进步乃至生存都离不开语言（文字或非文字形式），这使得语言学几乎与所有的学科都存在着密切的联系。因此，自然语言理解的研究不但要运用语言学中的词汇、语法、句法、语用和语义学知识，而且还要涉及到大量的客观世界的知识以及与其相关学科的知识。
70. 句法分析
是对句子和短语的结构进行分析，找出词、短语等的相互关系以及各自在句子中的作用等。
71. 语法分析
是将单词之间的线性次序变换成一个显示单词如何与其它单词相关联的结构。确定语句是否合乎语法。
72. 语义分析
通过分析找出词义、结构意义及其结合意义，从而确定语言所表达的真正（实际）含义或概念。
73. 语用分析
研究语言所在的外界环境对语言使用所产生的影响。描述语言的环境知识、语言与语言使用者在某个给定语言环境中的关系。为确定真正含义，对表达的结构重新加以解释。
74. 短语结构语法
短语结构语法G可以用如下的四元组来定义：
G = (T，N，S，P)
其中，T是终结符的集合，终结符是指被定义的那个语言的词或符号；N是非终结结点的集合，这些符号不能出现在最终生成的句子中，是专门用来描述语法的。显然，T和N的并构成了符号集V，而且T和N 不相交。
V=T∪N
T∩N=φ
S是起始符，它是集合N中的一个成员。
P是一个产生式规则集。每条产生式具有如下的形式：
a→b
其中：a∈V+，b∈V*，且a≠b
V*: V中的符号所构成的全部字符串的集合，包括空字符。
V+: V*中除空字符之外的所有字符串的集合。
一部短语结构语法中，基本运算就是一个符号串重写的过程。
75. 句法分析器
根据一部特定的语法来确定一个句子的推导，就称它为一个句法分析器（parser）。
76. 乔姆斯基体系
对短语结构语法加一些条件，进行约束即可产生出乔姆斯基四种类型的语法。
·正则语法（regular grammars）：3型语法；
·上下文无关语法（context-free grammars）：2型语法；
·上下文有关语法（context-sensitive grammars）：1型语法；
·无约束短语结构语法：0型语法。型号越高，所受约束就越多，生成能力越弱，因此能生成的语言集也就越小。
77. 语言串理论
特定的句法范畴（名词、时态动词等）、一组基本串和规则来把某些基本串结合成为句串。最简单的句子仅有一个名为中心串的基本串组成。通过对句子中某基本串的一个元素左边或右边插一个附加串，任何串都可以形成一个更复杂的句串。
78. 有限状态网络
状态（节点）和一组弧（状态间的连接）。包括一个起始状态。
79. 递归转移网络
对有限转移网络的一种扩展。每一条弧的标注不仅可以是一个终结符（词或词类），而且可以是一个用来指明另一个网络名字的非终结符。
80. 扩充转移网络
在以下三方面对递归转移网络作了扩充：
· 添置了一组寄存器(registers)用来存储分析过程中的得到的中间结果（如局部句法数）和有关信息（如名词短语的人称和数，某些成分的语义特征等）
· 每条弧上除了用句法范畴（如词类和短语标记）来标注以外，可以附加任意的测试（tests），只有当弧上的这种测试成功之后才能通过这条弧
· 每条弧上还可以附加某些动作（actions），当通过一条弧时，这些动作主要用来设置或修改寄存器的内容
81. 语料库
大量的能代表某一领域的语言现象的真实的语言材料的集合。
82. 词性标注
大多数自然语言中，一个单词有可能有多种词性，词性标注就是将句子中的各个词汇标注上在该句中的正确词性。
83. 马尔可夫过程
马尔可夫过程是一个随机过程{x(t):t∈T}，它具备这样的性质，即已知t时刻过程所处的状态x t = x(t)，在t时刻以后过程将要到达的状态与t时刻以前过程所处的状态无关，这个性质也称为过程的无后效性或马尔可夫性。
84. 动态规划
动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解。每一个解都对应于一个值，我们希望找到具有最优值的解。动态规划算法的基本思想是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。
85. n-gram模型
语言模型主要分为规则模型和统计模型两种。统计语言模型是用概率统计的方法来揭示语言单位内在的统计规律，其中n-gram模型简单有效，被广泛使用。n-gram模型基于这样一种假设，第n个词的出现只与前面n-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。这些概率可以通过直接从语料中统计n个词同时出现的次数得到。常用的是二元的bigram和三元的trigram。
86. 智能体
在某个环境中由传感器(sensors)感知外界，通过作效应器（effectors）对外界实施动作。
87. 正确动作
就是智能体的动作是成功的。
88. 全能智能体
全能智能体是要知道动作的效果，并根据效果进行动作。但实际上全能是不可能的。
89. 感知列
全部感知过程的记录称为感知列（percept sequence）。
90. 理想智能体
基于对外界的感知和自身拥有的知识，理想智能体对所有可能感知到的系列应该做的是尽量使得成功度量尺度达到最大化。
91. 理想映射(ideal mapping)
对于任何给定的感知序列都为理想智能体设计一个合理的反应序列。这个从感知序列到反应的映射成为理想映射。
92. 智能体自治性
智能体自治系统的行为是由它自身的经验所决定的。
小论知识与知识表示方法 摘要： 知识是人们在生产生活中经常使用的词汇，知识表示的过程是用一些约定的符号把知识编码成计算机可以接受的数据形式。知识的表示方法例如一阶谓词逻辑表示法，产生式表示法，语义网络表示法，框架表示法和过程规则表示法等等。目前，产生式表示法已经成了人工智能中应用最多的一种知识表示模式，尤其是在专家系统方面，产生式的基本形式P→Q 或者 IF P THEN QP是产生式的前提，也称为前件，它给出了该产生式可否使用的先决条件，由事实的逻辑组合来构成；Q是一组结论或操作，也称为产生式的后件，它指出当前题P 满足时，应该推出的结论或应该执行的动作。 关键字：知识；知识表示；产生式表示法 引言： 知识和知识表示方法是人们生活中必不可少的一部分，知识表示能力是指知识表示方法能否正确、有效地将推理所需要的各种知识表示出来，这是对知识表示方法的最为重要的要求。因为产生式表示方
法的自然性，有效性，一致性获得了所有人的肯定，成为构造专家系统的第一选择的知识表示方法。 正文： 1、知识 1.1知识的定义 知识是经过筛选和整理的信息，是对事物运动变化规律的表述，是人类对客观世界一种较为准确、全面的认识和理解。 1.2知识的特性 1）真假性及其相对性 2）不确定性 3）矛盾性或相容性 4）可表示性与可利用性 1.3知识的分类 1）叙述型知识，有关系统状态、环境、条件和问题的概念、定义和事实的知识。 2）过程型知识，有关系统变化、问题求解过程的操作、演算和运动的知识。 3）控制型知识，有关如何选择相应的操作、演算和行动的比较、判断、管理和决策的知识。 2、知识表示方法——产生式表示方法 “产生式”由美国数学家波斯特（E.POST）在1943年首先提出，它根据串代替规则提出了一种称为波斯特机的计算模型，模型中的每
人工智能复习重点 一、选择题。(30分) 1、人工智能英文：Artificial Intelligence（注意不是Rengongzhineng!!） 2、任课老师的名字：郑波尽邮箱：zhengbojin@https://www.doczj.com/doc/8512830059.html, 3、据说还会考亚里士多德的功绩……(你们自己去网上查查，老师说是常识来着) 4、可能会出选择题的几个点：黄帝的“指南车”、诸葛亮的“木牛流马”、亚里士多德的形 式逻辑、布莱尼茨的关于数理逻辑的思想、“机器人”一词的来源。 5、AI（人工智能）的本质问题：研究如何制造出人造的智能机器或系统，来模拟人类智能 活动的能力，以延伸人们智能的科学。 6、研究对象：模拟人类智能 7、研究目标:研究看上去具有人类智能的系统,解决需要人类智能才能解决的问题 二、简答题。 1、图灵测试：三个重点 （1）一个测试者，一个受试者，一台机器 （2）所有交流信息无泄漏 （3）如果提问者区分两者的正确率小于50%,则可以认为机器具有智能 2、希尔勒的中文屋子： 一个对中文一窍不通的，以英语作母语的人被关闭在一只有两个通口的封闭房间中。房间里有一本中英翻译手册。房外的人不断向房间内递进用中文写成的问题。房内的人便按照手册的说明，用中文回答出问题，并将答案递出房间。 （希尔勒中文屋子的实验表明用图灵测试来定义智慧还是远远不够充分的） 3、人工智能的思想流派： （1）基于符号处理的符号主义(Symbolism) 人类思维的基本单元是符号，思维过程是对符号的处理过程，自然语言也是用符号表示的 理论基础: 物理符号系统假设和有限合理性原理. 物理符号系统假设:物理符号系统是表现智能行为必要和充分的条件 有限合理性原理:人类行为表现出有限的合理性 （2）以人工神经网络为代表的连接主义(Connectionism) 人工神经网络是典型代表，其理论基础是脑模型。人工神经网络具有良好的自学习,自适应和自组织能力,以及大规模并行,分布式信息存储和处理的特点.可以处理不确定性问题. （3）以演化计算为代表的演化主义(Evolutionism) 模拟自然界的生物演化过程入手,以解决智能系统如何从环境中进行学习的问题. 理论基础为达尔文的进化论。 （4）以多智能体系统为代表的行为主义(Actionism) 在没有对简单的智能系统有清楚的了解和大量的实践以前，不可能准确地理解构造更为复杂的人类智能的方法。从简单的系统开始，逐步构造出更为复杂的系统理论基础为控制论Cybernetics 。 三、程序题 1、倒水问题（14分） 一个10升的桶里有10升水，现有3升和4升两个空桶，如何得到5升的水？用程序实现。
人工智能的主要内容和方法 人工智能（Artificial Intelligence，简称AI）是50年代兴起的一门新兴边缘学科，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能），也被认为是二十一世纪三大尖端技术之一（基因工程、纳米科学、人工智能）。广义的讲，人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流和在复杂环境中的行为。人工智能的一个长期目标是发明出可以像人类一样或能更好地完成以上行为的机器；另一个目标是理解这种智能行为是否存在于机器、人类或其他动物中。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 一、AI的主要内容 人工智能研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 知识表示是人工智能的基本问题之一，推理和搜索都与表示方法密切相关。常用的知识表示方法有：逻辑表示法、产生式表示法、语义网络表示法和框架表示法等。 常识，自然为人们所关注，已提出多种方法，如非单调推理、定性推理就是从不同角度来表达常识和处理常识的。
问题求解中的自动推理是知识的使用过程，由于有多种知识表示方法，相应地有多种推理方法。推理过程一般可分为演绎推理和非演绎推理。谓词逻辑是演绎推理的基础。结构化表示下的继承性能推理是非演绎性的。由于知识处理的需要，近几年来提出了多种非演绎的推理方法，如连接机制推理、类比推理、基于示例的推理、反绎推理和受限推理等。 搜索是人工智能的一种问题求解方法，搜索策略决定着问题求解的一个推理步骤中知识被使用的优先关系。可分为无信息导引的盲目搜索和利用经验知识导引的启发式搜索。启发式知识常由启发式函数来表示，启发式知识利用得越充分，求解问题的搜索空间就越小。典型的启发式搜索方法有A*、AO*算法等。近几年搜索方法研究开始注意那些具有百万节点的超大规模的搜索问题。 机器学习是人工智能的另一重要课题。机器学习是指在一定的知识表示意义下获取新知识的过程，按照学习机制的不同，主要有归纳学习、分析学习、连接机制学习和遗传学习等。 知识处理系统主要由知识库和推理机组成。知识库存储系统所需要的知识，当知识量较大而又有多种表示方法时，知识的合理组织与管理是重要的。推理机在问题求解时，规定使用知识的基本方法和策略，推理过程中为记录结果或通信需设数据库或采用黑板机制。如果在知识库中存储的是某一领域(如医疗诊断)的专家知识，则这样的知识系统称为专家系统。为适应复杂问题的求解需要，单一的专家系统向多主体的分布式人工智能系统发展，这时知识共享、主体间的协作、矛盾的出现和处理将是研究的关键问题。 二、AI的研究方法
人工智能的核心技术是什么？ 《人工智能标准化白皮书（2018）》 1 机器学习 机器学习（Machine Learning）是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。基于数据的机器学习是现代智能技术中的重要方法之一，研究从观测数据（样本）出发寻找规律，利用这些规律对未来数据或无法观测的数据进行预测。根据学习模式、学习方法以及算法的不同，机器学习存在不同的分类方法。 （1）根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。 监督学习 监督学习是利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型，实现对新数据/实例的标记（分类）/映射，最典型的监督学习算法包括回归和分类。监督学习要求训练样本的分类标签已知，分类标签精确度越高，样本越具有代表性，学习模型的准确度越高。监督学习在自然语言处理、信息检索、文本挖掘、手写体辨识、垃圾邮件侦测等领域获得了广泛应用。 无监督学习 无监督学习是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律，最典型的非监督学习算法包括单类密度估计、单类数据降维、聚类等。无监督学习不需要训练样本和人工标注数据，便于压缩数据存储、减少计算量、提升算法速度，还可以避免正、负样本偏移引起的分类错误问题。主要用于经济预测、异常检测、数据挖掘、图像处理、模式识别等领域，例如组织大型计算机集群、社交网络分析、市场分割、天文数据分析等。 强化学习 强化学习是智能系统从环境到行为映射的学习，以使强化信号函数值最大。由于外部环境提供的信息很少，强化学习系统必须靠自身的经历进行学习。强化学习的目标是学习从环境状态到行为的映射，使得智能体选择的行为能够获得环境最大的奖赏，使得外部环境对学习系统在某种意义下的评价为最佳。其在机器人控制、无人驾驶、下棋、工业控制等领域获得成功应用。 （2）根据学习方法可以将机器学习分为传统机器学习和深度学习。 传统机器学习 传统机器学习从一些观测（训练）样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测。相关算法包括逻辑回归、隐马尔科夫方法、支持向
个人精品文档资料
一、判断题(每题 2 分)
1.智慧社区包含的核心内容是它可以起到一个重要的桥梁作用，通过信息的收 集，通过大数据的分析，通过物联网使服务的提供能够和需求结合在一起，最 终使人们得到更加优质的、更加相对便宜的、更加有效的、更加个性化的服务。
正确
错误
2.农业社会的显著特征是以个人为个人提供基础服务为基础。 正确
错误
3.尽管中国 2015 年全面实施“二孩”政策，但对于人口老龄化的发展趋势是没 有根本改变的。
正确
错误
4.受尊重需求是马斯洛的需求层次理论中的最高层次。 正确
错误
5.养老服务链的形成可以直接使得老年服务商有针对性的布局服务网，提高效 率。
正确
错误
6.在老人生活中安装监控摄像头只是为了能更好的保障老人安全，不会影响日 常独立生活。
正确
错误
7.智慧养老若想实现自身价值，就必须将风险和预警服务结合起来。
欢迎大家下载学习
1
个人精品文档资料
正确 错误 8.当前社会中，最为突出的大数据环境是物联网。 正确 错误 9.日常生活中，我们的一举一动都在制造数据。 正确 错误 10.云计算提供的支撑技术，有效地解决了大数据的分析、研发的问题。 正确 错误 11.以大数据来促进我们健康管理的个性化和多元化。 正确 错误 12.医疗大数据主要来源于制药企业、临床数据、社保基金利用率和患者的数据。 正确 错误 13.医疗健康数据的应用主要有药物研究、门诊诊断、病人行为及其相关数据与 管理医疗社保基金。 正确 错误 14.人工智能在国际关系方面提出了新要求和挑战。
欢迎大家下载学习
2
工业机器人系统操作员岗位介绍及前景 人工智能系张宇琪 工业机器人的出现对制造业来说是一次重要的变革，用机械的力量来处理大量的繁琐的、公式化的人力工作，不仅可以节省人工费，还可以进一步提高工作的效率。有人说工业机器人专业没什么技术含量，也没什么合适的工作岗位。这话现在已经被打脸了，工业机器人系统操作员这一职位已经横空出世，工业机器人专业的学子即将成为就业市场的天之骄子！ ●那什么是工业机器人系统操作员呢？ 工业机器人系统操作员是指使用示教器、操作面板等人机交互设备及相关机械工具对工业机器人、工业机器人工作站或系统进行调试、装配、编程、工艺参数更改、工装夹具更换及其他辅助作业的人员。 ●工业机器人系统操作员的主要工作任务是什么？ 1、使用示教器、操作面板等人机交互设备进行生产过程的参数设定与修改、菜单功能的选择与配置、程序的选择与切换； 2、进行工业机器人系统工装夹具等装置的检查、确认、更换与
复位； 3、按照工艺指导文件等相关文件的要求完成作业准备； 4、按照装配图、电气图、工艺文件等相关文件的要求，使用工具、仪器等进行工业机器人工作站或系统装配； 5、使用示教器、计算机、组态软件等相关软硬件工具对工业机器人、可编程逻辑控制器、人机交互界面、电机等设备和视觉、位置等传感器进行程序编制、单元功能调试和生产联调； 6、观察工业机器人工作站或系统的状态变化并做相应操作，遇到异常情况执行急停操作等； 7、填写设备装调、操作等记录。 近几年随着智能制造的快速发展，作为智能制造业半壁江山的工业机器人步入一个高速发展的阶段。有数据显示，2018年我国工业机器人市场规模约为62.3亿美元，在庞大的市场规模下工业机器人技术人才却面临用工荒，工业机器人领域出现了“一将难求”的情况。 工业机器人系统操作员就业前景好吗？ 岗位需求大。随着工业机器人销量的不断突破，实况应用下，工业机器人维护人才的缺口较为突出，而机器人工程师的就业薪资也是
人工智能词汇表 (技术文章) 阿天发表于:04-12-08 20:42 1，AI: AI是人工智能英文单词Artificial Intelligence的缩写。 2，人工智能: 人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。 3，产生式系统: 产生式系统是Post于1943年提出的一种计算形式体系里所使用的术语，主要是使用类似于文法的规则，对符号串作替换运算。到了60年代产生式系统成为认知心理学研究人类心理活动中信息加工过程的基础，并用它来建立人类认识的模型。到现在产生式系统已发展成为人工智能系统中最典型最普遍的一种结构，例如目前大多数的专家系统都采用产生式系统的结构来建造。产生式系统由综合数据库、一组产生式规则（规则集）和一个控制系统（控制策略）三部分组成，称为产生式系统的三要素。 4，产生式系统的三要素: 产生式系统的三要素是综合数据库、一组产生式规则（规则集）和一个控制系统（控制策略）。 5，产生式规则: 产生式规则是知识表示的一种形式，其形式如下： IF <前件> THEN <后件> 其中规则的<前件>表达的是该条规则所要满足的条件，规则的<后件>表示的是该规则所得出的结论，或者动作。规则表达的可以是与待求解的问题有关的客观规律方面的知识，也可以是对求解问题有帮助的策略方面的知识。 6，八数码游戏（八数码问题）: 八数码游戏（八数码问题）描述为：在3×3组成的九宫格棋盘上，摆有八个将牌，每一个将牌都刻有1-8八个数码中的某一个数码。棋盘中留有一个空格，允许其周围的某一个将牌向空格移动，这样通过移动将牌就可以不断改变将牌的布局。这种游戏求解的问题是：给定一种初始的将牌布局或结构（称初始状态）和一个目标的布局（称目标状态），问如何移动将牌，实现从初始状态到目标状态的转变。 7，传教士和野人问题（M-C问题）: 传教士和野人问题描述为：有N个传教士和N个野人来到河边准备渡河，河岸有一条船，每次至多可供k人乘渡。问传教士为了安全起见，应如何规划摆渡方案，使得任何时刻，在河的两岸以及船上的野人数目总是不超过传教士的数目（允许在河的某一岸或者在船上只有野人而没有传教士）。 8，路径:
《人工智能》教学大纲 课程名称：人工智能 英语名称：Artificial Intelligence 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术 修（制）订人： 修（制）订日期：2009年2月 审核人： 审核日期： 审定人： 审定日期： 一、课程的性质和目的 （一）课程性质 人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业拓展选修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。 （二）课程目的 1、基本理论要求： 课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。要求学生了解人工智能的主要思想和方法。 2、基本技能要求： 学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand 域概念和Horn 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS ）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A 算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D —S 证据理论等，利用数值分析中常用方法进行正确计算。 3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。 二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时） …… ………………………………………………………………装……订……线…………………………………………………………………………………………………………… …………………………
人工智能专业重要词汇表 1、A开头的词汇： Artificial General Intelligence/AGI通用人工智能 Artificial Intelligence/AI人工智能 Association analysis关联分析 Attention mechanism注意力机制 Attribute conditional independence assumption属性条件独立性假设Attribute space属性空间 Attribute value属性值 Autoencoder自编码器 Automatic speech recognition自动语音识别 Automatic summarization自动摘要 Average gradient平均梯度 Average-Pooling平均池化 Accumulated error backpropagation累积误差逆传播 Activation Function激活函数 Adaptive Resonance Theory/ART自适应谐振理论 Addictive model加性学习 Adversarial Networks对抗网络 Affine Layer仿射层 Affinity matrix亲和矩阵 Agent代理/ 智能体 Algorithm算法 Alpha-beta pruningα-β剪枝 Anomaly detection异常检测 Approximation近似 Area Under ROC Curve／AUC R oc 曲线下面积 2、B开头的词汇 Backpropagation Through Time通过时间的反向传播Backpropagation/BP反向传播 Base learner基学习器 Base learning algorithm基学习算法 Batch Normalization/BN批量归一化 Bayes decision rule贝叶斯判定准则 Bayes Model Averaging／BMA贝叶斯模型平均 Bayes optimal classifier贝叶斯最优分类器 Bayesian decision theory贝叶斯决策论 Bayesian network贝叶斯网络
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。
人工智能及其在智能家居领域的应用实践 在百度里输入智能两个字，我们可以得到智能手机、智能手环、智能眼镜等词汇就映入眼中，但智能究竟是什么？人工智能又是什么？人工智能与我们的生活有什么联系呢？我想就这三个话题谈谈我的 一些认识和了解。 百度百科对“智能”下的定义是：从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果就产生了行为和语言，将行为和语言的表达过程称为“能力”，两者合称“智能”，将感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程，它是智力和能力的表现。 智能及智能的本质是古今中外许多哲学家、脑科学家一直在努力探索和研究的问题，但至今仍然没有完全了解，以致智能的发生与物质的本质、宇宙的起源、生命的本质一起被列为自然界四大奥秘。近些年来，随着脑科学、神经心理学等研究的进展，人们对人脑的结构和功能有了初步认识，但对整个神经系统的内部结构和作用机制，特别是脑的功能原理还没有认识清楚，有待进一步的探索。 至于人工智能，维基百科给出的定义是：人工智能（Artificial Intelligence, AI）亦称机器智能，是指由人工制造出来的系统所表现出来的智能。通常人工智能是指通过普通电脑实现的智能。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做出反应的智能机器。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能
完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。所谓的智能手机、智能手环、智能眼镜等等，以目前的科技水平来看这些物件本身并不会自主思考，也没有人脑一样一系列的复杂思考过程，它们的智能只是在科技领域的术语，可以相对于三十年前的手机手环和眼镜等，现在的设备在信息处理和与人交互方面有了质的飞跃，我想这可能是冠以智能名义的原因吧。人工智能的研究领域很广，主要包括机器人、语言识别、图像识别、自然语言处理和专家系统等。我们比较熟悉的智能家居，就是人工智能衍化的一个细小分支。 智能家居是在互联网的影响之下物联化体现。智能家居通过物联网技术将家中的各种设备（如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、影音服务器、影柜系统、网络家电等）连接到一起，提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比，智能家居不仅具有传统的居住功能，兼备建筑、网络通信、信息家电、设备自动化，集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境，提供全方位的信息交互功能。帮助家庭与外部保持信息交流畅通，
2019年度人工智能与健康考试答案 1.当前人工智能重点聚焦（）大领域。（分） 2.到（）年，几乎所有的算法都使用了深度学习的方法。（分） 3.（）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 4.生物特征识别技术不包括（）。（分）
A.体感交互 B.指纹识别 C.人脸识别 D.虹膜识别 教授Tomaso Poggio明确指出，过去15年人工智能取得的成功，主要是因为（）。（分） A.计算机视觉 B.语音识别 C.博弈论 D.机器学习 6.（）是指在各个领域都比人类要强的人工智能。（分） A.超人工智能 B.强人工智能 C.弱人工智能 D.人工智能 7.（）宣布启动了“先进制造伙伴计划”“人类连接组计划”“创新神经技术脑研究计划”。（分） A.中国 B.日本 C.美国 D.德国 8.我国在语音语义识别领域的领军企业是（）。（分） A.科大讯飞 B.图谱科技 C.阿里巴巴 D.华为
9.（）是人以自然语言同计算机进行交互的综合性技术，结合了语言学、心理学、工程、计算机技术等领域的知识。（分） A.语音交互 B.情感交互 C.体感交互 D.脑机交互 10.《“健康中国2030”规划纲要》中提到，全民健康是建设健康中国的（）。（分） A.必然要求 B.基础条件 C.核心要义 D.根本目的 11.最经典的西方健康研究——佛雷明翰研究开始于（）。（分） 年 年 年 年 12.在2017年国务院印发的（）中规定了我国到2030年人工智能发展三步走的部署和设想。（分） A.《中华人民共和国国民经济和社会发展第十三个五年规划纲要》 B.《关于积极推进“互联网+”行动的指导意见》 C.《“互联网+”人工智能三年行动实施方案》 D.《新一代人工智能发展规划》 13.据清华原副校长施一公教授研究，中国每年有265万人死于（），占死亡人数的28%。（分） A.癌症 B.心脑血管疾病 C.神经退行性疾病 D.交通事故
关于人工智能的英文 随着科学技术近年来突飞猛进的发展，计算机及相关智能化应用在各个领域中占据了越来越重要的地位下面是为你整理的关于人工智能的英文，供大家阅览! 人工智能英文版作文篇一don’t rely too much on computers nowadays, a large number of people are becoming increasingly dependent on their pc. they might use such computer software as qq or fetion to stay in touch with their family and friends. they may surf the internet to find useful information for them or to help their work done. anyway, reasons for relying on computers are uncountable. however, relying excessively on computers can bring about lots of problems. first and for most, computers can make people lazy. computers are faster than human in calculation, more capable in getting things done all at one time. once a person has such an assistant, he or she can be addicted to getting helped. thus, when they run into problems, instead of thinking by themselves and trying their best to figure things out, the lazy version of them may just turn to
2016 人工智能复习重点 题型：选择、填空、简答、推理、计算。各20分 主要内容： AI三大学派、 AI应用领域、 图灵测试、 谓词逻辑表示法 语义网络表示法 产生式表示法 与或树，解树，可解节点的含义及解释、 归结\子句、置换、合一 状态空间\产生式系统 盲目搜索、启发式搜索(求解城市最短路径相关例题要着重看) 演绎推理和归结推理 可信度算法和bayse算法 ID3算法 【第一章绪论】 1、三大学派及其对人工智能发展历史的不同看法 符号主义：认为人工智能源于数理逻辑。符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。 联结主义：认为人工智能源于仿生学，特别是人脑模型的研究。 行为主义：认为人工智能源于控制论。这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看做新一代的“控制论动物”，是一个基于感知－动作模式的模拟昆虫行为的控制系统。 2.人工智能的研究及应用领域 人工智能研究及应用领域很多，主要研究领域包括问题求解、机器学习、专家系统、模式识别、自动定理证明、自然语言理解等。 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，它包含问题的表示、分解、搜索与归约等。 机器学习：学习是人类智能的主要标志和获得知识的基本手段；机器学习(自动获取新的事实及新的推理算法)是使计算机具有智能的根本途径；机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。学习是一个有特定目的的知识获取过程，其内部表现为新知识结构的不断建立和修改，而外部表现为性能的改善。 专家系统：一般地说，专家系统是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，能够利用人类专家的知识和解决问题的方法来解决该领域的问题。发展
计算机科学与技术概论结业作业 人工智能技术简介及发展趋势 院系：信息科学与技术学院计算机科学与技术系 姓名：尹颜朋 学号：2011508009
前言 人工智能（Artificial Intelligence）, 英文缩写为 AI, 是一门综合了计算机科学、生理学、哲学的交叉学科。人工智能的研究课题涵盖面很广，从机器视觉到专家系统，包括了许多不同的领域。这其中共同的基本特点是让机器学会“思考” 。为了区分机器是否会“思考”（thinking），有必要给出“智能”（intelligence）的定义。究竟“会思考”到什么程度才叫智能？比方说，解决复杂的问题，还是能够进行概括和发现关联? 还有什么是“知觉”（perception），什么是“理解”（comprehension）等等？对学习过程、语言和感官知觉的研究为科学家构建智能机器提供了帮助。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿由上百亿个神经元组成的人脑的行为, 去思考宇宙中最复杂的问题。或许衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。他认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。 人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究；从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。 人工智能始终处于计算机发展的最前沿。高级计算机语言、计算机界面及文字处理器的存在或多或少都得归功于人工智能的研究。人工智能研究带来的理论和洞察力指引了计算技术发展的未来方向。现有的人工智能产品相对于即将到来的人工智能应用可以说微不足道，但是它们预示着人工智能的未来。对人工智能更高层次的需求已经并会继续影响我们的工作、学习和生活。 第一章人工智能的产生 人工智能, 英文单词 artilect,来源于雨果·德·加里斯的著作
《人工智能》详细教学大纲 《人工智能》教学大纲 课程代码：130234 课程性质：专业必修 学分学时数： 5/80 适用专业：计算机应用技术 一、课程的性质和目的 （一）课程性质 人工智能是计算机科学理论基础研究的重要组成部分，人工智能课程是计算机科学技术专业的专业拓展选修课。通过本课程的学习使学生了解人工智能的提出、几种智能观、重要研究领域，掌握人工智能求解方法的特点。掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题等。 （二）课程目的 1、基本理论要求： 课程介绍人工智能的主要思想和基本技术、方法以及有关问题的入门知识。要求学生了解人工智能的主要思想和方法。 2、基本技能要求： 学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand 域概念和Horn 子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS ）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A 算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes 方法、D —S 证据理论等，利用数值分析中常用方法进行正确计算。 3、职业素质要求：结合实战，初步理解和掌握人工智能的相关技术。 二、教学内容、重（难）点、教学要求及学时分配 第一章：人工智能概述（2学时） 1、讲授内容： （1） 人工智能的概念 （2） 人工智能的研究途径和方法 ………………………………………………
人工智能 王兆程161190090 摘要 近几年来，随着技术的不断进步，人工智能领域得到了长足的发展，其范围已经远远的超出了计算机科学的范畴，成为一个独立的科学分支，是近几年来的热门领域。本文主要阐述了人工智能的概念，并分析近几年来人工智能的技术的发展及所遇到的问题。 关键字人工智能机器学习通用智能 1 引言 人工智能领域自出现以来就受到人们的追捧，大型公司像谷歌和facebook已经在这个领域上投入巨大，中国的公司像百度也在进行着积极的探索。但是，尽管人工智能技术已经有了很大的提升，其应用领域却非常狭窄，不能泛化。可以说人工智能领域还处在一个开始阶段，还有很多问题需要解决。 2 人工智能的概念 由于人类对自身智能理解的局限性，所以说很难定义什么是真正人工制造的智能。尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”这也代表了大多数人对人工智能的理解，即人工智能是研究人类所具有的智能，进而使计算机具备人的智能，通过计算来完成以往依靠人力来完成的工作。也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 人工智能由计算机技术产生，但现今的人工智能已经涵盖了包括语言学，心理学在内的诸多学科，其范围已经远远超出了计算机技术的范围，拥有自己的体系，成为一个独立的学科分支。 另外，因为人工智能是研究运用人类智能的学科，所以其思维方式不仅仅局限在计算机中常用的逻辑思维，还包括图像思维，灵感思维等，也就是说机器人要对所接触到图像，声音甚至是感觉等，进行思考和运算，以达到和人类通过思考的结果最大程度上相似，甚至更好。就像数学对其他基础学科的作用，数学在人工智能领域也是必不可少的，数学思维及运算是计算机进行“思考”的主要或者是唯一的方法。 3 人工智能的发展 人工智能是计算机科学的一个分支。1950年，阿兰图灵最早在其书籍《计算机与智能》中提及人工智能的思想，之后在1956年由约翰麦卡锡提出人工智能的概念。同年，卡内基梅隆大学研究出第一个人工智能的软件。而在1964年，MIT则研究出了能进行自然语言学习的人工智能软件。之后的1965年，约瑟夫·魏岑研究出了能与人类进行交流的软件。 之后的人工智能有两个发展方向。一种是走向实体，创造出能与人进行交流，
Letter A Accumulated error backpropagation 累积误差逆传播 Activation Function 激活函数 Adaptive Resonance Theory/ART 自适应谐振理论 Addictive model 加性学习 Adversarial Networks 对抗网络 Affine Layer 仿射层 Affinity matrix 亲和矩阵 Agent 代理/ 智能体 Algorithm 算法 Alpha-beta pruning α-β剪枝 Anomaly detection 异常检测 Approximation 近似 Area Under ROC Curve／AUC Roc 曲线下面积 Artificial General Intelligence/AGI 通用人工智能 Artificial Intelligence/AI 人工智能 Association analysis 关联分析 Attention mechanism 注意力机制 Attribute conditional independence assumption 属性条件独立性假设Attribute space 属性空间 Attribute value 属性值 Autoencoder 自编码器 Automatic speech recognition 自动语音识别 Automatic summarization 自动摘要 Average gradient 平均梯度 Average-Pooling 平均池化 Letter B Backpropagation Through Time 通过时间的反向传播Backpropagation/BP 反向传播 Base learner 基学习器 Base learning algorithm 基学习算法 Batch Normalization/BN 批量归一化 Bayes decision rule 贝叶斯判定准则 Bayes Model Averaging／BMA 贝叶斯模型平均 Bayes optimal classifier 贝叶斯最优分类器 Bayesian decision theory 贝叶斯决策论 Bayesian network 贝叶斯网络 Between-class scatter matrix 类间散度矩阵 Bias 偏置/ 偏差 Bias-variance decomposition 偏差-方差分解 Bias-Variance Dilemma 偏差–方差困境 Bi-directional Long-Short Term Memory/Bi-LSTM 双向长短期记忆Binary classification 二分类 Binomial test 二项检验
人工智能在自动化学科中的应用 社会的进步和人类的长寿要求生产力更加发达,要求人类的经济生活更加智能化,以节省宝贵的人类时间去做其它有益的事情。自动化领域的革新需要人工智能的大力支持,而人工智能在自动化学科方面的优势在这个领域也确实能够得到极大的发挥,促进自动化的发展进步。 自动化是研究与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发以及电子与计算机应用等领域的一门学科。实现机械的自动化,让机械部份脱离人类的直接控制和操作自动实现某些过程是自动化和人工智能研究的交汇点。积极运用人工智能的知识。 人工智能在电力系统运行控制中的应用综述人工智能技术(AI)广泛应用于求解非线性问题中,在电力系统的控制、管理、运行等领域发挥着重要的作用。阐述了专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中各自的应用特点,展望了人工智能技术在电力系统中的发展趋势,指出混合智能是人工智能的重要发展方向之一。 电力系统应用人工智能的起因电力系统运行控制的一个基本目标就是在经济合理的条件下向用户提供高质量的电能。为此,有必要对电力系统进行规划、监视和控制。随着电力系统规模的不断增加,能源管理系统(EMS)运行人员所面临的决策任务也日趋加大,这使得运行人员很难保证电力系 简要介绍了现有的高级人工智能技术的发展概况及其实现方法,全面综述了模糊逻辑(F L)、专家系统(ES)、人工神经网络(ANN)和遗传算法(GA)等典型人工智能技术在电能质量控制中的应用情况及国内外的研究现状,并就值得进一步研究的问题及今后的主要研究方向进行了展望. 近年来,电能质量问题受到人们越来越广泛的关注.对电能质量问题的正确诊断和处理 需要高水平的专家知识,并且所需要的专家知识不是仅仅在某一个领域,而是涉及到电气工程中的许多领域,如电子驱动、传感器、旋转电机、变压器、电力电子、电能传输与供应、保护、谐波、信号分 人工智能在智能传感器领域的应用 传感器在自动化信息系统中的重要性不言而喻,它的特性的好坏、输出信息的可靠性对整个系统的质量至关重要。各行各业的自动化程度的迅速提高,特别是工业生产的自动化程度的提高,对传感器的性能提出了更高的要求。传统的传感器技术由于存在着性能不稳定、可靠性差、准确度低等缺点已经不能够满足自动化技术迅猛发展的需要。而人类在人工智能方面取得的进展为人工智能与传感器技术的结合———新型智能传感器的出现提供了契机。