附录A 计算机科学与技术学科综合考试人工智能真题

1、附录A计算机科学与技术学科综合考试人工智能真题 1999年计算机科学与技术学科综合考试真题 课程人工智能原理 一、选择题（共4分） 人工智能作为一门学科， N的诞生地 是（）。第1、在（）年诞生于（）。ISP语言是（）年提出的，MYCI(A)18 7 0(B)18 7 6(C)1880(D)1886(E)1890(F)18 95 (G)19 35(H)19 4 0(I)19 4 6(J)1950(K)1956(L)1960(M)3空格候选答案:(N)19 8 019 7第2、04空格候选答案:(1)Dover(2 )LasVega(3 )RiceUniversity(4)NewYork(5 )

2、Houston (6 )Chicago(7)Boston(8) London(9 )Dartmouth(10)Seartie(11) HarvardUniversity (12) OxfordUniversity(13)Universityof Camoridge(14)Birmingham(15)JohnsHoPkinsUniversity(16)Pennsylvania(17)RAND(18)IBMge(2 1 )Philadelphia(22)Denver (23)Montreal (24) Berkeley(25)CarnegieMelonUniversity (26) Michiga

3、n(27)MITs(28)KansasCity (29) Providence (30) StanfordUniversity二、填空题（共10分）)(20)(linandMarshalnklllSJFC91anoraosee1 .近年来，对人类智能的理解上形成了两种不同的观点，一种观点称做（）主义，另 种观即（）的观点，称做（）主义。常用的知识表示方法有逻辑表示法、（）、（）、（）、（）点，2.等。下图为Simon提出的学习模型，请填充空白框。（5分）将下式化为不含量词的子句3.三、 Xy z u P ( x , y , z,u )五、（10分）已知：规则可信度A-XCF(X，A) =0.8

4、B-XCF(X，B) =0.6C-XCF(X，C) =0.4XAD-Y CF(Y，XAD) =0.3证据可信度CF（A） =CF（B）=CF(C)=CF(D)=0.5。X、Y 的初始可信度 CF0(X)=O.l；CF0(Y)=O.2o要求用MYCIN的方法计算：l .结论X的可信度CF(X)；结论Y的可信度CF(Y)。2OOO年计算机科学与技术学科综合考试真题课程人工智能原理一、选择与填空(共1O分，每空O.5分).命题逻辑下，可以归结(消解resolution)的子句Cl和。2,在某解释 下C1和C2为真。则其归结式(消解式、resolvent)C在该解释下()。A.必真B.必假C.真假不能

5、断言.表达式G是不可满足的，当且仅当对所有的解释()。A.G为真B.G为假C.G为非永真(invalid)MYCIN系统中规定，证据A的可信度CF(A )的取值为()。A.CF(A)O B.OWCF(A)W1 C.1WCF(A)W1主观Bayes推理中，规定似然比(Likelihood)LS和LN应()。 A.NO B.WO C.O5 .在诞生初期，人工智能被定义为这样一个计算机科学的分支：它是研究()。人工智能 程序与通常意义下的程序比较它具有以下四个特点：()，()，()，()。用反演(refutation )归结证明定理，证明过程是这样结束的。若()，贝U 定理得证；若()，则证明失败。

6、在语义网络中，为了进行节点(结点，node )间节点属性的继承推理，规定了两个 约定俗成的链(弧，arc)，命名为()和()，用来标明类与子类、类与个体之间的关系。8 .产生式规则与蕴涵规则的区别在于：产生式规则()，而蕴涵规则()。MYCIN推理中，对证据的可信度CF(A)、CF(A1 )和CF(A2 )之间， 规定如下关系：CF (A)=()，CF(A1AA2) = ()，CF(A1VA2) = ()。主观Bayes推理中，规则E-H的不确定性是以似然比LS和LN描述的。LS 表示了规则成立的()性；LN表示了规则成立的()性。二、化下列逻辑表达式为不含存在量词的前束形(prenexfor

7、m)(5分)( X) ( Y) ( Z)P(Z)A Q(X, Z)-R(X, Y, f(a)四、对结论做假设H，有证据E1和E2，规则R1和R2。(1O分) R1：E1fH，LS = 2O，LN=1； R2：E2-H，LS = 3OO，LN=1。已知H的先验概率P(H)=O.O3。若证据E1和E2依次出现，按主观Bayes推 理，求H在此条件下的概率P (HmE1，E2)。(注意：每步应列出计算式，计算结果可取近似值。)2001年计算机科学与技术学科综合考试真题课程W人工智能原理一、选择与填空（共10分，每空0.5分）（1）标准逻辑（谓词逻辑）中，重言式（tautlogy ）是（）。A.永真B

8、.永假C.非永真（invalid）（2）反演（refutation ）归结（消解,resolution ）证明定理时，若当前归结式（消解式,resolvent ）是（），贝0 定理得证。A.永真式B.包孕式（subsumed） C.空子句（3）MYCIN系统中规定，若证据A的可信度CF（A）=0，则意味着（）。A.证据不可信B.对证据一无所知C.证据可信（4）主观Bayes推理中，规则E-H，其LS = LN=1，这意味着（）。A.E对H没有影响B.E支持H C.E支持H（5）开发专家系统所要解决的基本问题有3个，那就是知识的获取、知识的表示和（）； 知识表示的方法主要有（），（），（），（）

9、。（6）反演归结的支持集策略规定：参加归结的子句应这样选取：（），而其归结式应并入（）内。（7）谓词逻辑下，子句C1=L1VCZ1，C2=-L2VCZ2，若CT是互补句节的（）的合一子，则其归结式（消解式，resolvent）C=（）。（8）以反演归结证明子句集S不可满足的过程中，当前归结式是（）或（），则可 删除。（9）语义网络是（）表示的节点1，有向弧，节点2三元式联结而成的。其节点表 示（），其弧表示（）。（10）PROSPECTOR系统中的规则，由专家指定其LS、LN的值，由似然比定 义知：LS、LN与0（零）比较应LS、LN皆（）0，并且，若指定LS1，则LN应指定（）；反之亦然。二

10、、计算证据对结论的不确定性的影响（7分）已知规则R1、R2的可信度：R1，AfX，CF（X，A）=0.8R2，B X，CF（X，B）=0.6证据可信度CF（A）=CF（B）=0.5，X的初始CF0（X）=0. 1，现逐次引用R1、R2，要求用MYCIN的方法计算结论X的可信度CF（X）。三、用标准逻辑（经典逻辑，谓词逻辑）的子句集表示下述刑侦知识，并用反演归结的线性 策略证明结论。（9分）现定义如下谓词（其项变量X，Y，Z，皆为全称变量）。Thief（X）某人X是贼；Likes（X，Y）某人X喜欢某物Y；Maysteal（X，Y）某人X可能会偷窃某物Y。（1）用子句集表示下属刑侦知识：iJoh

11、n是贼。iiPaul 喜欢酒（wine）。iiPaul （也）喜欢奶酪（cheese）iv如果Paul喜欢某物则J ohn也喜欢某物。v如果某人是贼，而且他喜欢某物，则他就可能会偷窃该物。（2）求证结论：J ohn可能会偷窃什么？即求证目标：Maysteal（John,Z）,Z=?（提示：建议将求证目标作为顶子句，按线性策略进行反演消解，注明每次消解式的置换及其父子句的编号。）附录B计算机科学与技术学科综合考试真题参考解答1999年综合考试人工智能真题参考解答一、（K），（9），（L），（30）二、1.（符号主义），（仿生学），（联结主义）2.（框架表示法），（语义网络表示法），（面向对象表示

12、法），（产生式表示法）3.五、解：考虑X、Y具有初始可信度，所以使用更新法计算结论可信度。X的可信度更新值计算由于证据初始值 CF(A)=CF(B)=CF(C)=CF(D)=0.5 1，所以，使用公式(4.2.10)。由规则rl：CF(X/A)=CF0(X)+CF(A)XCF(X，A)CF0(X)XCF(A)XCF(X，A)=0.1+0.5X0.80.1X0.5X0.8=0.46由规则r2：CF(X/A，B)=CF(X/A)+CF(B)XCF(X，B)CF(X/A)XCF(B)XCF(X，B)=0.46+0.5X0.60.46X0.5X0.6=0.622由规则r3：CF(X/A，B，C)=CF

13、(X/A，B)+CF(C)XCF(X，C)CF(X/A，B)XCF(C)XCF(X，C)=0.622+0.5X0.40.622X0.5X0.4=0.698CF(X/A，B，C )即是X的可信度之更新值。Y的可信度更新值计算由规则r4：首先求出CF(XAD)=minCF(X)，CF(D)= min0.698，0.5= 0.5由于规则XAD-Y的前提XAD之可信度CF(XAD)=O.公式(4.2.10),得到CF(Y/XAD)=CFO(Y)+CF(XAD)XCF(YXCF(XAD)XCF(Y,XAD)=0.2+0.5X0.30.2X0.5X0.3=0.2+0.150.2X0.15 =0.32故结论

14、Y之可信度的更新值为CF(Y) =0.32。答：X的更新后的可信度为CF(X)=0.6 9 8,Y的更新后的可信度为CF(Y)= 0.32。2000年综合考试人工智能真题参考解答一、选择与填空1. (A) 2. (B) 3.(C) 4. (A)(使计算机来完成能表现出人类智能的任务的学科)(以符号表示的知识而不是数值数据为研究对象)(采用的是启发式推理方法，而不是常规的算法)3控制结构与领域知识是分离的)(允许出现不正确的解答)(归结出空子句NIL),(归结不出空子句NIL)(AKO), (ISA)(可以用于不精确推理，本身没有真值)，(只能用于精确推理，(CF (A)=CF(A), (CF(

15、A1AA2)=mi (A2), (CF(A1VA2)=maxCF(A1),CF(A2)(充分性)，(必要性)二、解：(x)(y)( z)P(z)AQ(x,z)fR(x,(x ) ( y) (z)P(z)A Q(x, z ) V R (x ) ( y ) ( z)P(z)V Q(x, z ) V R (y) P ( g ( y ) V Q ( b , g ( y ) V R ( b , y ,四、解：由题意得如图所示的推理网络。由于日的先验概率P(H)=0. 式(4.3.12),对H的概率进行更新：P(H/E1)=LS1XP(H)(LS1 1)XP(H)+12 0X0.0319X0.03+1=0

16、.3825V1,所以，仍要使用/XAD)CF0(Y)本身有真值)nCF(A1),CFy,f(a)(x , y , f ( a ) x , y , f ( a ) f ( a )0 3,依据规则R1和公将0.3 8 2再作为H的先验概率，应用规则R2： P(H/E1,E2) = LS2XP(H/E1)(LS2-1)XP(H/E1)+1300X0.382(300-1)X0.382 + 1=0.99462001年综合考试人工智能真题参考解答一、选择与填空1. (A) 2. (C) 3. (B) 4. (A)(知识推理)，(谓词逻辑法)，(产生式表示法)，(语义网络表示法)，(框架表示法)(至少应有一

17、个子句是由目标公式的否定所得到的子句或是它们的后裔)，(子句集)(L1，L2)，(C=(C1o - L1o )U(C2o - L2o )(单文字)，(重言式)(有向图)，(概念、事物、事件、情况等)，(节点间的语义联系)(3)，(1)二、解：由于证据初始值CF(A)=CF(B)=0.50，CF(X，9 8 3附录B计算机科学与技术学科综合考试真题参考解答A)=0.80，故应用公式的上半部分：由规则R1：CF(X/A)=CF0(X)+CF(A)XCF(X，A)-CF0(X)XCF(A) XCF(X，A)=0.1+0.5X0.8-0.1X0.5X0.8=0.46由于 CF(X/A)=0.460，C

18、F(X，B)=0.6 0，所以对规则R2同样 应用公式(4.2.10 )的上半部分：CF(X/A，B)=CF(X/A)+CF(B)XCF(X，B)-CF(X/A)X CF(B)XCF(X，B)=0.46+0.5X0.6-0.46X0.5X0.6=0.622答：用MYCIN方法求得的结论X的可信度为0.6 2 2。三、解：第一步：定义谓词，将已知条件用谓词公式表示出来，并化成子句集。定义谓词：thief(x):表示x是贼；likes(x，y)：表示某人x喜欢某物y；maysteal(x，y)：表示某人x可能会偷某物y。将已知事实表示成谓词公式，并化成子句集：iJohn是贼。thief(John)S1=thief(John)Ii Paul 喜欢酒(wine)。lii Paul (也)喜欢奶酪(cheese)。likes(Paul，wine)Alikes(Paul，cheese)S2=likes(Paul，wine)，likes(Paul，cheese)iv如果Paul喜欢某物则John也喜欢某物。( y ) ( 1 ikes (Pau 1 , y )1 ikes (J o h n , y )S3= likes(Paul