《人工智能基础——面向21世纪课程教材》何钦铭 著；高济；朱淼良
本书为“教育部面向21世纪课程教材”，系统介绍了人工智能的基本原理、方法和技术，并反映了国内外人工智能领域研究和应用的*进展。全书共9章，第一章阐述人工智能研究和应用的概况以及人工智能的发展；第二、三章介绍人工智能的基本概念、方法和技术，包括问题求解的基本方法和知识表示；第四章到第六章讨论人工智能技术的主要应用，包括：基于知识的系统、自动规划和配置、机器学习；第七章到第九章旨在拓广人工智能的研究和应用，包括非单调推理和软计算、机器感知、Agent技术和信息基础设施智能化。 本书内容丰富，叙述脉络清晰，同时配有丰富的习题，可作为高等院校计算机及有关专业本科生教材，也可供工程技术人员参考使用。本书也可与教育部新世纪网络课程项目中的“人工智能”课程配套使用。第一章 人工智能研究的发展和基本原则1.1 人工智能的研究和应用
1.2 人工智能研究的发展
1.3 人工智能研究的成果
1.4 人工智能研究的基本原则
1.5 存在的问题和发展前景
习题
参考文献
第二章 问题求解的基本方法
2.1 一般图搜索
2.2 问题归纳
2.3 基于归结的演绎推理
2.4 基于规则的演绎推理
本章小结
习题
参考文献
第三章 知识表示
3.1 知识和知识表示
3.2 产生式表示
3.3 结构化表示
3.4 知识表示的实用化问题
本章小结
习题
参考文献
第四章 基于知识的系统
4.1 KB系统的开发
4.2 设计基于产生式表示的KB系统开发工具
4.3 专家系统实例——MYCIN
4.4 问题求解的结构化组织
本章小结
习题
参考文献
第五章 自动规划和配置
5.1 经典规划技术
5.2 自动规划技术的新进展
5.3 自动配置
本章小结
习题
参考文献
第六章 机器学习
6.1 机器学习概论
6.2 示例学习
6.3 基于解释的学习
6.4 遗传算法
6.5 加强学习
6.6 基于范例的学习
6.7 知识发现与数据挖掘
本章小结
习题
参考文献
第七章 非单调推理和软计算
7.1 传统逻辑系统的局限性
7.2 非单调推理
7.3 不确定推理
7.4 模糊逻辑和模糊推理
7.5 神经网络
本章小结
习题
参考文献
第八章 机器感知
8.1 视觉与视觉图像
8.2 图像特征提取
8.3 视觉模型与识别
8.4 自然语言理解
8.5 机器翻译
本章小结
习题
参考文献
第九章 Agent技术和信息基础设施智能化
9.1 Agent技术的研究和发展
9.2 多Agent协作
9.3 Agent通信
9.4 信息基础设施的智能化
本章小结
习题
参考文献
内容简介:本书为“教育部面向21世纪课程教材”，系统介绍了人工智能的基本原理、方法和技术，并反映了国内外人工智能领域研究和应用的*进展。全书共9章，第一章阐述人工智能研究和应用的概况以及人工智能的发展；第二、三章介绍人工智能的基本概念、方法和技术，包括问题求解的基本方法和知识表示；第四章到第六章讨论人工智能技术的主要应用，包括：基于知识的系统、自动规划和配置、机器学习；第七章到第九章旨在拓广人工智能的研究和应用，包括非单调推理和软计算、机器感知、Agent技术和信息基础设施智能化。 本书内容丰富，叙述脉络清晰，同时配有丰富的习题，可作为高等院校计算机及有关专业本科生教材，也可供工程技术人员参考使用。本书也可与教育部新世纪网络课程项目中的“人工智能”课程配套使用。目录:第一章 人工智能研究的发展和基本原则1.1 人工智能的研究和应用
1.2 人工智能研究的发展
1.3 人工智能研究的成果
1.4 人工智能研究的基本原则
1.5 存在的问题和发展前景
习题
参考文献
第二章 问题求解的基本方法
2.1 一般图搜索
2.2 问题归纳
2.3 基于归结的演绎推理
2.4 基于规则的演绎推理
本章小结
习题
参考文献
第三章 知识表示
3.1 知识和知识表示
3.2 产生式表示
3.3 结构化表示
3.4 知识表示的实用化问题
本章小结
习题
参考文献
第四章 基于知识的系统
4.1 KB系统的开发
4.2 设计基于产生式表示的KB系统开发工具
4.3 专家系统实例——MYCIN
4.4 问题求解的结构化组织
本章小结
习题
参考文献
第五章 自动规划和配置
5.1 经典规划技术
5.2 自动规划技术的新进展
5.3 自动配置
本章小结
习题
参考文献
第六章 机器学习
6.1 机器学习概论
6.2 示例学习
6.3 基于解释的学习
6.4 遗传算法
6.5 加强学习
6.6 基于范例的学习
6.7 知识发现与数据挖掘
本章小结
习题
参考文献
第七章 非单调推理和软计算
7.1 传统逻辑系统的局限性
7.2 非单调推理
7.3 不确定推理
7.4 模糊逻辑和模糊推理
7.5 神经网络
本章小结
习题
参考文献
第八章 机器感知
8.1 视觉与视觉图像
8.2 图像特征提取
8.3 视觉模型与识别
8.4 自然语言理解
8.5 机器翻译
本章小结
习题
参考文献
第九章 Agent技术和信息基础设施智能化
9.1 Agent技术的研究和发展
9.2 多Agent协作
9.3 Agent通信
9.4 信息基础设施的智能化
本章小结
习题
参考文献
《人工智能基础》PPT课件大全zip
《人工智能基础》第1章绪论.ppt《人工智能基础》第2章知识表示.ppt《人工智能基础》第3章搜索原理.ppt《人工智能基础》第4章推理技术.ppt《人工智能基础》第5章机器学习.ppt《人工智能基础》第6章专家系统.ppt《人工智能基础》第7章自动规划系统.ppt《人工智能基础》第8章自然语言理解.ppt《人工智能基础》第9章智能控制.ppt《人工智能基础》第10章人工智能程序设计.ppt2023知到答案 人工智能基础 完整智慧树网课章节测试答案
绪论单元测试1、单选题：人工智能的名字是
选项：A:AirJorden
B:AllenLverson
C:A-ClassIntelligence
D:ArtificialIntelligence
答案:【ArtificialIntelligence】
第一章单元测试1、单选题：第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。选项：A:AlphaFunB:AlphaGoodC:AlphaGoD:Alpha答案:【AlphaGo】
2、单选题：无需棋谱即可自学围棋的人工智能是（）选项：A:AlphaGoMasterB:AlphaGoZeroC:AlphaGoLeeD:AlphaGoFan答案:【AlphaGoZero】
3、单选题：世界上第一次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语选项：A:1954B:1957C:1955D:1956答案:【1956】
4、单选题：以下哪些不是人工智能概念的正确表述（）选项：A:人工智能是通过机器或软件展现的智能B:人工智能是研究和构建在给定环境下表现良好的智能体程序C:人工智能将其定义为人类智能体的研究D:人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事答案:【人工智能将其定义为人类智能体的研究】
5、单选题：下面不属于人工智能研究基本内容的是（）。选项：A:自动化B:机器思维C:机器感知D:机器学习答案:【自动化】
6、单选题：人工智能是研究、开发用于模拟、延伸和扩展人的（）的理论、方法、技术及应用系统的一门新的技术科学。选项：A:计算能力B:语言C:智能D:行为答案:【智能】
7、单选题：图灵测试的含义是（）选项：A:图灵测试是一种用来混淆的技术，它希望将正常的（可识别的）信息转变为无法识别的信息。B:图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。C:所谓的图灵测试就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。D:不存在图灵测试概念答案:【图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。】
8、单选题：下列不属于人工智能学派的是（）。选项：A:机会主义B:符号主义C:行为主义D:连接主义答案:【机会主义】
9、单选题：认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。这是（）学派的基本思想。选项：A:逻辑主义B:连接主义C:行为主义D:符号主义答案:【行为主义】
10、单选题：关于人工智能研究范式的连接主义，相关论述不正确的是（）选项：A:连接主义原理是模拟大脑神经网络及神经网络间的连接机制与学习算法。B:连接主义理论认为思维基本是神经元、人脑不同于电脑，并提出连接主义的大脑工作模式。C:连接主义起源于仿生学和人脑模型的研究。D:连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。答案:【连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。】
11、单选题：人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）选项：A:深度学习方法研究人工神经网络的单层感知器学习结构。B:人工智能研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用，属于一门独立的技术学科。C:人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。D:机器学习专门研究计算机怎样模拟人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构以完善自身的性能，但是机器学习能力并非AI系统所必须的。答案:【人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。】
12、单选题：支持向量机可以看作是具有一层隐藏层的神经网络。支持向量机的理论基础是（）选项：A:控制论SB:视觉生理学C:生物神经学D:统计学答案:【统计学】
13、单选题：深度学习属于（）选项：A:行为主义B:连接主义C:符号主义D:逻辑主义答案:【连接主义】
14、单选题：下列不符合符号主义思想的是（）选项：A:认为智能不需要知识、不需要表示、不需要推理B:人工智能的核心问题是知识表示、知识推理C:源于数理逻辑D:认为人的认知基元是符号答案:【认为智能不需要知识、不需要表示、不需要推理】
15、单选题：不属于自然语言处理的核心环节的是（）选项：A:知识的获取与表达B:语音语义识别C:自然语言生成D:自然语言理解答案:【语音语义识别】
16、单选题：人工智能的近期目标在于研究机器来（）。选项：A:代替人脑B:模仿和执行人脑的某些智力功能C:制造智能机器D:完全代替人类答案:【模仿和执行人脑的某些智力功能】
第二章单元测试1、单选题：下列哪一个是“分类”任务的准确描述（）。选项：A:为每个项目分配一个类别B:对每个项目进行排序C:预测每个项目实际的值D:发现每个空间中输入的排布答案:【为每个项目分配一个类别】
2、单选题：下列对于分类概念描述不正确的是（）选项：A:分类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法B:分类的标准统一C:分类的结果有可能错误。D:分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型（即我们通常所说的分类器(Classifier)）。答案:【分类的标准统一】
3、单选题：在机器学习领域，分类的目标是指（）。选项：A:将具有相似形状的对象聚集B:将具有相似特征的对象聚集C:将具有相似名称的对象聚集D:将具有相似值的对象聚集答案:【将具有相似特征的对象聚集】
4、单选题：两种以上（不含两种）的分类问题被称为（）。选项：A:多分类B:归一化C:分类器D:二分类答案:【多分类】
5、单选题：有关分类器的构造和实施步骤描述错误的是：（）选项：A:在训练样本上执行分类器算法，生成分类模型；B:选定样本，将所有样本分成训练样本和测试样本两部分；C:在训练样本上执行分类模型，生成预测结果；D:根据预测结果，计算必要的评估指标，评估分类模型的性能。答案:【在训练样本上执行分类模型，生成预测结果；】
6、单选题：分类器是基于现有数据构造出一个模型或者函数，以将数据库中的数据映射到给定类别，从而可以应用于数据预测。常包含以下步骤：①在训练样本上执行分类器算法，生成分类模型。②在测试样本上执行分类模型，生成预测结果。③选定样本（包含正样本和负样本），将所有样本分成训练样本和测试样本。④根据预测结果，计算必要的评估指标，评估分类模型的性能。构造和实施分类器的正确顺序为（）选项：A:②③①④B:④①②③C:①②③④D:③①②④答案:【③①②④】
7、单选题：下列算法中，不能够对给定样本进行分类的是（）。选项：A:决策树算法B:逻辑回归算法C:神经网络D:梯度下降算法答案:【梯度下降算法】
8、单选题：在测试样本上执行分类模型，可以（）。选项：A:区分正样本B:生成分类模型C:区分负样本D:生成预测结果答案:【生成预测结果】
9、单选题：SVM是一种典型的（）模型选项：A:感知机B:聚类C:二类分类D:神经网络答案:【二类分类】
10、单选题：把样本所属的类型和样本实现对应起来被称为()选项：A:分类B:标注C:训练D:测试答案:【标注】
11、单选题：分类器测试的作用是选项：A:判断测试集样本选择是否合适B:判断测试集样本标注是否合适C:检验分类器的效果D:获得检测目标的分类答案:【检验分类器的效果】
12、单选题：下列叙述中关于归一化不正确的是（）选项：A:归一化也被称为标准化B:归一化后，所有元素和为1C:归一化后，所有元素值范围在（0,1）D:归一化后，所有元素值范围在[0,1]答案:【归一化后，所有元素值范围在（0,1）】
13、单选题：深度学习中，常用的归一化函数是（）函数选项：A:
SoftMin
B:
SoftMax
C:
MicroMin
D:
MicroMax
答案:【
SoftMax
】