人工智能周苏版作业答案2
【作业】知识表示1.知识与知识表示是人工智能中的一项重要的基本技术，它决定着人工智能如何进行（A）。A.知识学习B.知识存储C.知识产生D.知识爆炸2.在信息时代，有许多可以处理和存储大量信息的计算机系统。信息包括数据和事实。数据、事实、信息和知识之间存在着（C）关系。A.因果B.重叠C.层次D.网状3.下面关于知识的叙述中，不正确的是（B）。A.知识是信息接受者通过对信息的提炼和推理而获得的正确结论B.知识是铭刻在书本上不朽的真理C.知识是人对自然世界、人类社会以及思维方式与运动规律的认识与掌握D.知识是人的大脑通过思维重新组合和系统化的信息集合4.在人工智能中，从便于表示和运用的角度出发，将知识分为对象、（A）。A.B、C和DB.执行C.元知识D.事件和事件序列5.以下关于“知识表示”的叙述不正确或者不合适的是（C）。A.是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识B.是对知识的一种描述，或者说是一种计算机可以接受的用于描述知识的数据结构C.在知识组织的基础上产生知识表示方法D.是能够完成对专家的知识进行计算机处理的一系列技术手段6.对于人类而言，一个好的知识表示应该具有若干特征，但下面（D）不属于这个特征。A.它应该是透明的，即容易理解B.无论是通过语言、视觉、触觉、声音或者这些组合，都对我们的感官产生影响C.从所表示的世界的真实情况方面考查，它讲述的故事应该让人容易理解D.良好的表示与机器庞大的存储器和极快的处理速度其实无关7.一幅相关的图片或图形可以相对简洁地传达故事或消息。（B）是一种非正式的绘图，或者说是对场景、过程、心情或系统的概括。A.螺旋图B.图形草图C.圆饼图D.场景图8.（C）是知识表示的重要工具，因为它是表示状态、替代路径和可度量路径的自然方式。A.数组B.表C.图D.线段9.如果需要应用如最佳有限搜索算法这样的分析方法，使用（A）表示最合适。A.搜索树B.计算器C.矩阵D.图形10.本质上，人工智能与决策相关。如果需要一种好的方式来评估要求做出决策的环境。（B）通常使用一个IF[条件]THEN[动作]形式规则集来表示。A.搜索树B.产生式系统C.图形D.框架法11.（C）是一种基于继承、多态性和封装概念的编程范式，这种范式可以直观、自然地反映人类经验。A.产生式系统B.框架法C.面向对象D.图形12.（D）的知识表示方法是一种以对象为中心，把对象的属性、动态行为、领域知识和处理方法等有关知识封装在表达对象的结构中的混合知识表示形式。A.产生式系统B.图形C.搜索树D.面向对象13.（A）知识表示方法把某一特殊事件或对象的所有知识储存在一种复杂的数据结构中。A.框架法B.产生式系统C.搜索树D.面向对象14.（B）是知识表示中最重要的通用形式之一，它是通过概念及其语义关系来表达知识的一种网络图。A.框架法B.语义网络C.搜索树D.面向对象
【作业】机器人技术1.RoboCup机器人世界杯赛提出的最终目标是（B）。A.一支非人形机器人足球队与人类足球队按正式规则比赛B.一支完全自治的人形机器人足球队在正式比赛中战胜人类冠军队C.一支完全自治的人形机器人足球队参加国际足联的正式比赛D.RoboCup机器人世界杯赛与国际足联比赛合并2.实现RoboCup机器人世界杯赛提出的最终目标的规划时间是（A）年。A.50B.100C.20D.30 3.RoboCup有这样一种观点：RoboCup是一个标准问题，可以用来评价各种不同的理论、算法和体系结构。其实际含义是（A）。A.创造一个新的理论高度B.开发一种特别的通用设备C.鼓励一系列为下一代工业而发展的技术D.开发全新的社会娱乐生活4.机器感知是指能够使用（D）所输入的资料推断世界的状态。A.键盘B.鼠标器C.光电设备D.传感器5.机器感知研究如何用机器或计算机模拟，延伸和扩展（B）的感知或认知能力。A.机器B.人C.机器人D.计算机6.机器感知包括（A）等多种形式。A.B、C和DB.机器视觉C.机器听觉D.机器触觉7.机器智能研究如何提高机器应用的智能水平。这里的“机器”主要是指（D）。A.计算机B.自动化装置C.通信设备D.A、B和C 8.智能机器研究如何设计和制造具有更高智能水平的机器，特别是（A）。A.计算机B.厨房设备C.空调装置D.军工装备9.机器思维，如专家系统、机器学习、计算机下棋、计算机作曲、计算机绘画、计算机辅助设计、计算机证明定理、计算机自动编程等，可以概括为（B）思维。A.互联网B.计算机C.机器人D.传感器10.机器行为研究如何用（C）去模拟、延伸、扩展人的智能行为。A.电脑B.计算器C.机器D.机械手11.行为机器指具有（D）的机器，或者说，能模拟、延伸与扩展人的智能行为的机器。A.人形动作B.移动能力C.工作行为D.人工智能行为12.机器人是“（A）”，它是高级整合控制论、机械电子、计算机、材料和仿生学的产物。A.自动执行工作的机器装置B.造机器的人C.机器造的人D.主动执行工作任务的工人13.为了防止机器人伤害人类，科幻小说家艾萨克·阿西莫夫于（A）年在小说中提出了“机器人三原则”。A.1942B.2010C.1946D.2000 14.为了防止机器人伤害人类而提出的“机器人三原则”中不包括（B）。A.机器人不得伤害人类，或袖手旁观坐视人类受到伤害B.人类应尊重并不得伤害机器人C.原则上机器人应遵守人类的命令D.在不违背第一及第二原则下，机器人必须保护自己15.智能制造源于人工智能的研究，包含智能制造（A）和智能制造系统。A.技术B.理论C.工具D.行业16.智能制造系统IMS是一种由智能机器和（B）共同组成的一体化智能系统。A.机械手B.人类专家C.机器人D.车床
【作业】深度学习1.如果你想设计人工智能系统，那就要学习并分析这个星球上最自然的智能系统之一，即（A）。A.人脑和神经系统B.人脑和五官系统C.肌肉和血管系统D.思维和学习系统2.所谓神经网络，是指以人脑和神经系统为模型的（C）算法。A.倒档追溯B.直接搜索C.机器学习D.深度优先3.如今，ANN从股票市场预测到（A）和许多其他应用领域都有突出的应用表现。A.汽车自主控制B.模式识别C.经济预测D.A、B和C 4.人脑由（B）个神经元组成，这些神经元彼此高度相连。A.100~1000万B.100~1000亿C.50~500万D.50~500亿5.人脑是一种适应性系统，必须对变幻莫测的事物做出反应，而学习是通过修改神经元之间连接的（D）来进行的。A.顺序B.平滑度C.速度D.强度6.人类细胞之间的轴突-树突（轴突-神经元胞体或轴突-轴突）接触称为神经元的（A）。A.突触B.轴突C.树突D.髓鞘7.ANN是一种模仿生物神经网络，其中的（B）扮演了生物神经模型中突触的角色，用于调节一个神经元对另一个神经元的影响程度。A.细胞体B.权重C.输入通道D.输出通道8.现代神经网络是一种非线性统计性数据建模工具。典型的神经网络具有三个部分，除了（B）。A.结构B.尺寸C.激励函数D.学习规则9.人工智能在图像识别上已经超越了人类，支持这些图像识别技术的，通常是（D）。A.云计算B.因特网C.神经计算D.深度神经网络10.将ANN与模糊逻辑结合起来生成（C）网络，这个网络既有ANN的学习能力，同时也具有模糊逻辑的解释能力。A.模式识别B.人工智能C.神经模糊D.自动计算11.从研究角度看，（A）是基于多层神经网络的，海量数据为输入的，发现规则自学习的方法。A.深度学习B.特征学习C.模式识别D.自动翻译12.深度学习与传统的机器学习最主要的区别在于（C），即随着数据规模的增加其性能也不断增长。当数据很少时，深度学习算法的性能并不好。A.特征处理B.硬件依赖C.数据依赖性D.问题解决方法
【作业】图像处理1.模式识别原本是（A）的一项基本智能。A.人类B.动物C.计算机D.人工智能2.人工智能领域通常所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行（C）。A.分类和计算B.清洗和处理C.辨识和分类D.存储与利用3.要实现计算机视觉必须有图像处理的帮助，而图像处理依赖于（B）的有效运用。A.输入和输出B.模式识别C.专家系统D.智能规划4.模式识别是一门与概率与统计紧密结合的科学，主要分为三种，但下列（B）模式识别不属于其中之一。A.统计B.句法C.模糊D.智能5.图像识别是指利用（B）对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。A.专家B.计算机C.放大镜D.工程师6.图形刺激作用于感觉器官，人们辨认出它是经历过的某一图形的过程，称为（A）。A.图像再认B.图像识别C.图像处理D.图像保存7.图像识别是以图像的主要（C）为基础的。A.元素B.像素C.特征D.部件8.基于计算机视觉的图像检索可以分为类似文本搜索引擎的三个步骤，但下列（D）不属于其中之一。A.提取特征B.建立索引C.查询D.清晰9.图像识别的发展经历了三个阶段，但下列（B）不属于其中之一。A.文字识别B.像素识别C.物体识别D.数字图像处理与识别10.现代图像识别技术的一个不足是（A）。A.自适应性能差B.图像像素不足C.识别速度慢D.识别结果不稳定11.图像识别的主要方法有三种，但下列（C）识别不属于其中之一。A.统计模式B.结构模式C.像素模式D.模糊模式12.（D）是图像处理中的一项关键技术，一直都受到人们的高度重视。A.数据离散B.图像聚合C.图像解析D.图像分割13.具有智能图像处理功能的（A），相当于人们在赋予机器智能的同时为机器按上了眼睛。A.机器视觉B.图像识别C.图像处理D.信息视频14.图像处理技术的主要内容包括3个部分，但下列（B）不属于其中之一。A.图像压缩B.数据排序C.增强和复原D.匹配、描述和识别15.图像处理一般指数字图像处理。常见的处理有图像数字化、图像编码、图像增强、（D）等。A.图像复原B.图像分割C.图像分析D.A、B和C 16.机器视觉需要（A），以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。A.B、C和DB.图像信号C.纹理和颜色建模D.几何处理和推理17.计算机视觉要达到的基本目的是（D），以及根据多幅二维投影图像恢复出更大空间区域的投影图像。A.根据一幅或多幅二维投影图像计算出观察点到目标物体的距离B.根据一幅或多幅二维投影图像计算出目标物体的运动参数C.根据一幅或多幅二维投影图像计算出目标物体的表面物理特性；D.A、B和C 18.神经网络图像识别技术是在（B）的图像识别方法和基础上融合神经网络算法的一种图像识别方法。A.现代B.传统C.智能D.先进19.图像采集就是从（A）获取场景图像的过程，是机器视觉的第一步。A.终端设备B.数据存储C.工作现场D.离线终端20.图像分割就是按照应用要求，把图像分成不同（A）的区域，从中提取出感兴趣目标。A.特征B.大小C.色彩D.像素
《自动规划》习题1.与一些求解技术相比，（A）都属于高级的求解系统与技术。A.自动规划与专家系统B.图像处理与语音识别C.机器人与专家系统D.图像处理与机器人2.通常认为规划是一种与人类（B）的活动。A.不太有关B.密切相关C.偶尔为之D.将要开展3.下面关于“规划”的说法中，不正确或者不合适的是（D）。A.规划代表了一种非常特殊的智力指标，即为了实现目标而对活动进行调整的能力B.在日常生活中，规划意味着在行动之前决定其进程C.规划指的是在执行一个问题求解程序中任何一步之前，计算该程序几步的过程D.规划是一项随机的活动4.大多数规划都具有（C）结构。A.单一B.简单C.子规划D.复杂5.规划有几个突出的特点，但下面的（B）不属于这个特点之一。A.为了完成任务，可能需要完成一系列确定的步骤B.可能需要加强团队互动建设C.定义问题解决方案的步骤顺序可能是有条件的D.构成规划的步骤可能会根据条件进行修改6.自动规划是一种重要的技术。与一般问题求解相比，自动规划更注重于问题的（A）。A.求解过程B.求解结果C.分析过程D.分析结果7.自动规划要解决的问题，往往是（B）问题，而不是比较抽象的数学模型问题。A.数学模型B.真实世界C.抽象世界D.理论8.在研究自动规划时，往往以（C）与问题求解作为典型例子加以讨论，这是因为它能够得到形象的和直觉的检验。A.图像识别B.语音识别C.机器人规划D.数学模型9.在魔方的离散拼图和15拼图的移动方块拼图示例中，我们可以找到很熟悉的规划应用，其中包括（D）问题。A.国际象棋B.桥牌C.调度D.A、B和C10.规划本质上是一个（B）问题，就计算步骤数、存储空间、正确性和最优性而言，这些涉及到该技术的效率。A.算法B.搜索C.输出D.分析11.下列（D）不是启发式搜索技术。A.最小承诺搜索B.选择并承诺C.深度优先回溯D.自下而上12.部分有序规划（POP）通常有3个组成部分，下面（C）不属于其中。A.动作集B.顺序约束集C.数据集D.因果关系链集13.规划适用层次结构，也就是说，（A）所有的任务都处于同一个重要级别，一些任务必须在进行其他任务之前完成，而其他任务可能会交错进行。A.并不是B.通常C.一般D.几乎
人工智能与机器学习密不可分，和图像处理、模式识别有什么关系
在我的理解里，要实现计算机视觉必须有图像处理的帮助，而图像处理倚仗与模式识别的有效运用，而模式识别是人工智能领域的一个重要分支，人工智能与机器学习密不可分。纵观一切关系，发现计算机视觉的应用服务于机器学习。各个环节缺一不可，相辅相成。
计算机视觉（computervision）：用计算机来模拟人的视觉机理获取和处理信息的能力。就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。
计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。
机器视觉需要图象信号，纹理和颜色建模，几何处理和推理，以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。
图像处理（imageprocessing）：用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。
图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。
图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。
模式识别(PatternRecognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。
模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（SupervisedClassification）和无监督的分类(UnsupervisedClassification)两种。模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等，属于概念识别研究的范畴，是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。
模式识别研究主要集中在两方面：
一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴；
二是在给定的任务下,如何用计算机实现模式识别的理论和方法。
应用计算机对一组事件或过程进行辨识和分类，所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。
模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。
机器学习(MachineLearning)是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。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统都普遍缺少学习的能力。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。
机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。
人类研究计算机的目的，是为了提高社会生产力水平，提高生活质量，把人从单调复杂甚至危险的工作中解救出来。今天的计算机在计算速度上已经远远超过了人，然而在很多方面，特别是在人类智能活动有关的方面例如在视觉功能、听觉功能、嗅觉功能、自然语言理解能力功能等等方面，还不如人。
这种现状无法满足一些高级应用的要求。例如，我们希望计算机能够及早地发现路上的可疑情况并提醒汽车驾驶员以避免发生事故，我们更希望计算机能帮助我们进行自动驾驶，目前的技术还不足以满足诸如此类高级应用的要求，还需要更多的人工智能研究成果和系统实现的经验。
什么是人工智能呢？
人工智能，是由人类设计并在计算机环境下实现的模拟或再现某些人智能行为的技术。一般认为，人类智能活动可以分为两类：感知行为与思维活动。模拟感知行为的人工智能研究的一些例子包括语音识别、话者识别等与人类的听觉功能有关的“计算机听觉”，物体三维表现的形状知识、距离、速度感知等与人类视觉有关的“计算机视觉”，等等。模拟思维活动的人工智能研究的例子包括符号推理、模糊推理、定理证明等与人类思维有关的“计算机思维”，等等。
从图像处理和模式识别发展起来的计算机视觉研究对象之一是如何利用二维投影图像恢复三维景物世界。计算机视觉使用的理论方法主要是基于几何、概率和运动学计算与三维重构的视觉计算理论，它的基础包括射影几何学、刚体运动力学、概率论与随机过程、图像处理、人工智能等理论。
计算机视觉要达到的基本目的有以下几个：
(1)根据一幅或多幅二维投影图像计算出观察点到目标物体的距离；
(2)根据一幅或多幅二维投影图像计算出目标物体的运动参数；
(3)根据一幅或多幅二维投影图像计算出目标物体的表面物理特性；
(4)根据多幅二维投影图像恢复出更大空间区域的投影图像。
计算机视觉要达到的最终目的是实现利用计算机对于三维景物世界的理解，即实现人的视觉系统的某些功能。
在计算机视觉领域里，医学图像分析、光学文字识别对模式识别的要求需要提到一定高度。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术。在计算机视觉的大多数实际应用当中，计算机被预设为解决特定的任务，然而基于机器学习的方法正日渐普及，一旦机器学习的研究进一步发展，未来“泛用型”的电脑视觉应用或许可以成真。
人工智能所研究的一个主要问题是：如何让系统具备“计划”和“决策能力”？从而使之完成特定的技术动作（例如：移动一个机器人通过某种特定环境）。这一问题便与计算机视觉问题息息相关。在这里，计算机视觉系统作为一个感知器，为决策提供信息。另外一些研究方向包括模式识别和机器学习（这也隶属于人工智能领域，但与计算机视觉有着重要联系），也由此，计算机视觉时常被看作人工智能与计算机科学的一个分支。
机器学习是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。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演译。
为了达到计算机视觉的目的，有两种技术途径可以考虑。
•第一种是仿生学方法，即从分析人类视觉的过程入手，利用大自然提供给我们的最好参考系——人类视觉系统，建立起视觉过程的计算模型，然后用计算机系统实现之。
•第二种是工程方法，即脱离人类视觉系统框框的约束，利用一切可行和实用的技术手段实现视觉功能。此方法的一般做法是，将人类视觉系统作为一个黑盒子对待，实现时只关心对于某种输入，视觉系统将给出何种输出。
这两种方法理论上都是可以使用的，但面临的困难是，人类视觉系统对应某种输入的输出到底是什么，这是无法直接测得的。而且由于人的智能活动是一个多功能系统综合作用的结果，即使是得到了一个输入输出对，也很难肯定它是仅由当前的输入视觉刺激所产生的响应，而不是一个与历史状态综合作用的结果。
不难理解，计算机视觉的研究具有双重意义。其一，是为了满足人工智能应用的需要，即用计算机实现人工的视觉系统的需要。这些成果可以安装在计算机和各种机器上，使计算机和机器人能够具有“看”的能力。其二，视觉计算模型的研究结果反过来对于我们进一步认识和研究人类视觉系统本身的机理，甚至人脑的机理，也同样具有相当大的参考意义。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：1.学习了哪些知识，计算机视觉才算入门？2.计算机视觉在智能交通领域，主要有哪几方面的应用？3.计算机视觉影响人工智能的发展方式，主要有哪五种？多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站