计算思维与人工智能基础周勇课后习题答案.docx

1、一、选择题答案14BCBC第2章一、选择题答案15CBCAB610CCDDA11-12BC二、填空题答案-9的原码10001001、反码11110110、补码111101111. 111111001018倍2. -29.125三、简答题答案（部分）第2题二进制十进制八进制十六进制110011110314767110101.001153.187565.1435.30.100110.593750.460.9810000116710343第3题十进制二进制十六进制9711000016112810000000800.50.10.850.625110010.10132.A23611101100EC20.

2、0810100.000114.1第4题十进制补码35001000117.猴子吃桃问题。第一天摘了1534只桃子。x1i9x(x+1)*2/PUT'Numbersofpeachis8.递归求累加和。main|fmain9. 冒泡排序升序结果：第一趟7,4,11,12,5,9,34第二趟4,7,11,5,9,12,34第三趟4,7,5,9,11,12,34第四趟4,5,7,9,11,12,34第五趟4,5,7,9,11,12,34第六趟4,5,7,9,11,12,34选择排序降序结果：第一趟50,7,8,11,33,22,1第二趟50,33,8,11,7,22,1第三趟（50,33,22,

3、11,7,8,1第四趟50,33,22,11,7,8,1第五趟50,33,22,11,8,7,1第六趟50,33,22,11,8,7,1第7章1. 什么是人工智能？它的研究目标是什么？人工智能，就是人类智能的人工实现。具体来说，是指机器根据人类给定的初始信息来生成和调度知识、进而在目标引导下由初始信息和知识生成求解问题的策略并把智能策略转换为智能行为从而解决问题的能力。从学科的角度而言，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸、扩展人类智能的学科。这门学科最大的魅力在于为探索''智能理论''提供了一种媒介和实验平台：首先用计算机程序语言表达

4、这些理论，然后再在实际计算机上执行来进行测试和验证，其最终目标是建立关于智能的理论体系和让智能机器达到人类的智能水平。2. 简述人工智能研究各个发展阶段及其特点。略机器要通过图灵测试，所需要的主要技术有哪些？一台机器要通过图灵测试，它至少需要有下面的能力:1. 自然语言处理：实现用自然语言与计算机进行交流；2. 知识表示：存储它知道的或听到的、看到的；3. 自动推理：能根据存储的信息回答问题，并提出新的结论；4. 机器学习：能适应新的环境，并能检测和推断新的模式；人工智能有哪些重要的学派，它们的认知观是什么？人工智能的主要研究的学派有符号主义（SymbolicismSymbolicism）、连

5、接主义（ConnectionismConnectionisin）和行为主义（Actionism）。符号主义其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。连接主义其原理主要为神经网络及神经网络间的连接机制与学习算法。行为主义其原理为控制论及感知-动作型控制系统。符号主义，又称为逻辑主义、心理学派或计算机学派，认为人的认知基元是符号，而旦认知过程即符号操作过程。它认为智能是一个物理符号系统，计算机也是一个物理符号系统。因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。连接主义又称为仿生学派或生理学派，认为人的思维基元是神经元，而不是符号处理过程。

6、它对物理符号系统假设持反对意见，认为人脑不同于电脑，并提出连接主义的大脑工作模式，用于取代符号操作的电脑工作模式。行为主义又称为进化主义或控制论学派，认为人工智能的研究方法应采用行为模拟方法，也认为功能、结构和智能行为是不可分开的。不同的行为表现出不同的功能和不同的控制结构。认为智能取决于感知和行动（所以被称为行为主义），提出智能行为的“感知一动作”模式。3. 请列举人工智能研究的主要应用领域。问题求解与博弈、专家系统、模式识别、智能决策支持系统、自然语言处理、智能检索、自动驾驶、机器人学、人工智能+等。4. 你认为人工智能作为一门学科，今后的发展方向应该如何？略人工智能如何更好的和传统行业融

7、合，实现人工智能+?略第8章1.2.5.7略以变量m、f、s、v分别指示农夫、狐狸、小羊、菜,且每个变量只可取值1（表示在左岸）或。（表示在右岸）。问题状态可以四元组（ni、f、s、v）描述，设初始状态下均在左岸,目标状态下都到达右岸。从而，问题求解任务可描述为(1,I,1,1)->(0,0,0,0)设计二类操作算子:Lx、Rx,x为m、f、s、V时分别指示农夫独自，带狐狸，带小羊,带菜过河；状态空间图如下所示.由于Lx和Rx是互逆操作，故而解答路径可有无数条，但最近的只有二条;都是7个操作步。(0101)IRm)(0100)|Rs)(1110)0010)|Rm1010)|Ls(0000

8、)4.设用SK=(SkoSki)表示问题的状态，Sko表示盘片A所在的柱号，Ski表示盘片B所在的柱号，全部可能的状态有九种：So=(l,l),Si=(l,2),S2=(l,3)S3=(2,l),S4=(2,2),Ss=(2,3)S6=(3,l),S7=(3,2),S«=(3,3)问题的初始状态集合为S=S«,目标状态集合为G=Sso算符分别用A(Lj)及B(iJ)。A(i,j)表示把A盘片从第i号柱移到第j号柱。B(i,j)与之同理。算符共有12个。在状态空间图中，从初始节点(1,1)到目标节点(3,3)的任何一条通路都是问题的一个解。其中最短的路径长度是3,它由3个算符

9、组成。例如：A(12),B(1,3”(23)。6.根节点的MAX值是3第9章1. 什么是机器学习？机器学习的研究目标是什么？关于机器学习迄今为止也没有一个被广泛认可的准确定义。从直观上理解，机器学习就是让机器（计算机）来模拟人类的学习功能，是一门研究怎样用机器来模拟或实现人类学习活动的一门学科。机器学习是人工智能中最具有智能特征的前沿研究领域之一。机器学习的研究主要集中在以下三个方面展开：一是认知模型的研究，目的是要通过对人类学习机理的研究和模拟，从根本上解决机器学习方面存在的种种问题；二是理论学习的研究，目的是要从理论上探索各种可能的学习方法，并建立起独立于具体应用领域的学习算法；三是面向任

10、务的研究，目的是要根据特定任务的要求建立相应的学习系统。2. 什么是监督学习？什么是无监督学习？监督学习是通过己有的训练样本（即己知数据以及其对应的输出）进行训练，从而得到一个最优模型，再利用这个模型将所有新的数据样本映射为相应的输出结果，对输出结果进行简单的判断从而实现分类的目的。无监督学习是用来学习的数据在没有任何类别信息以及给定目标值的情况下，通过学习寻求数据间的内在模式和统计规律，从而获得样本数据的结构特征。3. 简述解决机器学习问题的一般步骤。收集数据：可以使用很多方法收集样本数据，如制作网页爬虫工具从网站上抽取数据、智能设备发送过来的实测数据（温度、血压等）。获得数据的方法有很多，

11、为了确保实验的可验证性和准确性、节省时间和精力，一般采用公测数据集。输入数据：获得数据后，还必须确保数据格式符合要求，与收集数据的格式相比，处理算法要求的格式相对简单很多。数据预处理：为了从这些数字或符号（串）中抽取出对机器学习有效的信息，必须进行数据预处理，包括数据清理和特征提取等。数据预处理是一个非常重要的步骤，它影响着整个机器学习的成败。训练算法：机器学习算法从这一步才真正开始学习。根据算法的不同，第四步和第五步是机器学习算法的核心。我们将前三步得到的格式化数据输人到算法，从中抽取知识或信息。这里得到的知识需要存储为计算机可以处理的格式，方便后续步骤使用。如果使用无监督学习算法，由于不存

12、在目标变量值，故而也不需要训练算法，所有与算法相关的内容都集中在第五步。测试、验证模型：测试模型的目的是为了确定所建立模型是否满足实际应用的要求。测试数据应该和训练用的样本数据不一致，否则，测试所得的结果永远都是满意的。用测试数据对所建立模型进行测试，观察测试结果是否与实际情况是相符合。若与实际情况相符合，所建立模型就可对未知数据做预测，从而得到进一步的验证。4. 什么是聚类？常见的聚类算法有哪些？聚类(Clustering)是一种无监督的学习方法，目标是通过对无标记训练样本的学习来揭示数据的内在的性质和规律，为进-步的数据分析提供基础。聚类基于“物以类聚''的思想，通过计算对

13、象个体或对象类之间的相似程度，将满足相似条件的对象个体或对象类分入同一类(簇)内：不满足相似条件的对象个体或对象类分入不同类(簇)中，使划分结果满足类内元素相似度高、类间元素相似程度低的要求。主要的聚类算法可以划分为以下4个类型：基于划分的聚类方法：代表算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法等；基于层次的聚类方法：代表算法有BIRCH算法、CURE算法、CHAMELEON算法等；基于密度的聚类方法：代表算法有DBSCAN算法、OPTICS算法、DENCLUE算法等：基于网格的聚类方法：代表算法有ST1NG算法、CLIQUE算法、WAVE-CLUSTER算法等。5

14、. 什么是分类？常见的分类算法有哪些？分类(Classification)是机器学习的-项重要任务，是指在数据库的各个对象中找出共同特征，并按照分类模型把它们进行分类。分类分析时将依据“训练集”数据的类标号，对类进行准确的描述或者建立模型，该模型能够很好地拟合输入数据中类标号和属性集之间的联系，还要能正确地预测未知样本的类标号。常见的分类算法有决策树、贝叶斯、k-近邻、支持向量机。6. 给定贷款申请样本数据集，如表9-6所示，请回答以卜问题：(1)决策树ID3算法会选择哪个属性作为根节点？(2)构造该决策树。表9-6贷款申请样本数据集序号年龄工作信息房产信息信贷情况类别1青年无无_般否2青年无

15、无好否3青年有无好是4青年有有_般是5青年无无_般否6中年无无一般否7中年无无好否8中年有有好是9中年无有非常好是10中年无有非常好是11老年无有非常好是12老年无有好是13老年有无好是14老年有无非常好是15老年无无一般否解：假定样本集为S,分别以A,B,C,。分别表示年龄、工作、房产和信贷情况4个特征，苗，刃,。3分别表示特征A的取值青年、中年和老年；"0分别表示特征B的取值无工作和有工作；3,C2分别表示特征C的取值无房产和有房产；CLC2,C3分别表示特征D的取值信贷情况一般、信贷情况好和信贷情况非常好，然后计算各特征对数据集S的信息增益值。对于给定的数据集S,其期望信息量为

16、：M(S)=-(9/15)log2(9/15)-(6/15)log?(6/15)=0.971bits选取属性A作为根节点的期望信息量为：8(S,A)=£(属性A取值为A,的概率)xM(q.)=(5/15)你)+(5/15)M(%)+(5/15)M(%)=0.888则属性A的信息增益值为：M(S)-B(S,A)=0.971-0.888=0.083bits同理，可求得属性B的信息增益值为:M(S)-B(S,B)=0.971-0.647=0.324bits属性C的信息增益值为：M(S)-B(S,C)=0.971-0.551=0.42bits属性。的信息增益值为：M(S)-B(S,D)=0.

17、971-0.608=0.363bits最后比较各特征的信息增益值，由于特征C（房产信息）的信息增益值最大，所以选择特征C作为根节点的特征。它将训练数据集划分为两个子集G（取值为有）和C2（取值为无）。由于G只有同一类样本点，所以它成为一个叶节点，节点类标记为“有七对于C2则需要从特征A（年龄），B（工作信息）和。（信贷情况）中选择新的特征。计算各个特征的信息增益，分别为：M（G）-伙。2，人）=（）.252M（C2）-B（C2,B）=0.918M（C2）-B（C2,D）=0.474选择信息增益最大的特征3（工作信息）作为节点特征。B有2个取值，一个对应“有”的子节点，包含3个样本，他们属于同一

18、类，所以这是一个叶节点，类标记为“有”：另一个对应''无''（无工作）的子节点，包含6个样本，属于同一类，这也是一个叶节点，类标记为“无"。7. 假设数据集。中有10个数据对象（用二维空间的点表示），分别是:A(4,D,人(3,8),人(8,5),鸟(9,5),垃(2,4)用(3,3),4(4.9),0(4,8),G(9,6),C3(2,2)用K-means聚类算法将这些数据进行聚类，距离计算办法采用欧氏距离。解:首先给定聚类数K=3,随机选取凤，g，3作为初始类的中心点，分别是=4(4,1)，刀2=反(2,4)，m3=q(2,2)，开始迭代。第一次迭

19、代：分别计算数据集中其余每个对象到这3个类中心点的距离，并将其分配给距离最近的中心点所代表的簇，这样就可以得到3个簇，分别是：&=角，A3,用，C2,&=人2,为2，位，位，G,&=C3对这个结果重新计算每个簇的均值。将虚拟中心点更新为，冷=(7.5,4.25),?2=(3.2,6.4),小3=(2,2)o第二次迭代：重复第一次迭代中的方法，得到新的3个簇为：K|=A3,&,C2,K2=A2,B4,Ci,K3=Ai,B2,B3X3更新后的中心点为?I=(8.6,5.3),皿=(3.6,8.3),四=(2.75,2.5)。第三次迭代：重复第一次迭代中的方法，得到新

20、的3个簇为：K=A3,MG,K2=“2,&,G，K3=A",&,C3比较第三次与第二次的迭代结果，可以发现：每个簇中的数据不再被重新分配，聚类结果稳定，则算法终止。8. 数据集S如表9-7所示，试根据前7个样木构造ID3决策树，并预测样本禹的类别。表9-7数据集S归(S)=(3/7)log?(3/7)-(4/7)log2(4/7)=0.5239+0.4613=0.9852bits样本属性人属性B类别Sb。qS?a0qS3%b2qs6c2S56侃qb2c2SJ如C2S&a2b解：对于给定的数据集5,其期望信息量为：选取属性A作为根节点的期望信息量为:000000

21、000-211111110-1311110011-7610110100-128100()0000第5题如果一个有符号数占有n位，那么它的最大值是+（2E）°第6题字符ASCII（十进制）ASCII（十六进制）ASCII（二进制）D684401000100d10064011001003513300110011空格322000100000第3章一、选择题答案15ACBDC610CDCBD1115DCCBC1620CBCBC2125AABDD2628BCC二、填空题答案1. 硬件系统软件系统输入设备存储器控制器运算器输出设备3.38文档资料；应用软件4. 处理器管理存储管理设备管理文件管理

22、作业管理实时5. 执行状态就绪状态等待状态内存分配内存保护地址映射内存扩充6. 地址映射B(S,A)=Z(属性人取值为A的概率)xM()=(3/7)M(%)+(3/7)M0)+(1/7)M(c2=(3/7)x0+(3/7)x0.9183+(1/7)x0=0.3936则属性A的信息增益值为：M(S)-B(SyA)=0.9852-0.3936=0.5916bits同理，可求得属性8的信息增益值为：M(S)-B(S,B)=0.9852-0.6793=0.3059bits比较属性A和属性B的信息增益值，确定属性A为根节点。它将样本数据划分为三个子集A(取值为%)、用(取值为)和A3(取值为角)。由于样

23、本子集4、用中的所有样本都是同一类的，所以它们成为一个叶节点，节点类标记分别为“q”和“q"；对于样本子集A2则需要对属性B的取值进行讨论，因此依据不同的取值，可得最终的决策树:根据以上决策树，可知第8个样本$8的类别为7. 指令C2.C3.A4.A5. 客户机，服务器同轴电缆、双绞线、光纤6. 集线器局域网、城域网、广域网7. 1986年8月25日，瑞士日内瓦时间4点11分，北京时间11点11分，由当时任高能物理所ALEPH组（ALEPH是在西欧核子中心高能电子对捅机LEP上进行高能物理实验的一个国际合作组，我国科学家参加了ALEPH组，高能物理所是该国际合作组的成员单位）组长的吴

24、为民，从北京发给ALEPH的领导位于瑞士日内瓦西欧核子中心的诺贝尔奖获得者斯坦伯格（JackSteinberger）的电子邮件是中国第一封国际电子邮件。1989年8月，中国科学院承担了国家计委立项的''中关村教育与科研示范网络"（NCFC）中国科技网（CSTNET）前身的建设。1989年，中国开始建设国家级四大骨干网络联网。1991年，在中美高能物理年会上，美方提出把中国纳入互联网络的合作计划。1994年4月，NCFC率先与美国NSFNET直接互联，实现了中国与Internet全功能网络连接，标志着我国最早的国际互联网络的诞生。中国科技网成为中国最早的国际互联网络。1994年，中国第一个全国性TCP/IP互联网CERNET示范网工程建成，并于同年先后建成。1994年，国家级四大骨干网络联网（中国教育与科研计算机网，中国科学技术网，中国金桥信息网，中国公用计算机互联网）建成。1994年，中国终于获准加入互联网，并在