《人工智能》期末考試模擬試卷+答案一、單項選擇題（每題2分，共20分）1.圖靈測試的核心目的是驗證機器是否具備：A.計算能力B.自主學(xué)習(xí)能力C.人類級別的智能行為D.邏輯推理能力2.專家系統(tǒng)的核心組成部分是：A.知識庫與推理機B.數(shù)據(jù)庫與用戶界面C.傳感器與執(zhí)行器D.機器學(xué)習(xí)模型與訓(xùn)練數(shù)據(jù)3.在狀態(tài)空間搜索中，A算法的關(guān)鍵是：A.僅考慮路徑長度g(n)B.僅考慮啟發(fā)式函數(shù)h(n)C.同時考慮g(n)和h(n)且h(n)≤實際代價D.同時考慮g(n)和h(n)且h(n)≥實際代價4.以下屬于監(jiān)督學(xué)習(xí)任務(wù)的是：A.聚類分析用戶行為B.預(yù)測房價（已知歷史房價及相關(guān)特征）C.話題模型提取文檔主題D.異常檢測識別網(wǎng)絡(luò)攻擊5.知識表示中，“如果下雨，那么地濕”屬于哪種表示方法？A.框架表示法B.語義網(wǎng)絡(luò)C.產(chǎn)生式規(guī)則D.謂詞邏輯6.支持向量機（SVM）的核心思想是：A.最大化類別間的決策邊界B.最小化訓(xùn)練誤差C.構(gòu)建多層非線性網(wǎng)絡(luò)D.通過集成多個弱分類器提升性能7.以下哪項不是自然語言處理（NLP）的典型任務(wù)？A.情感分析B.圖像分割C.機器翻譯D.命名實體識別8.決策樹中，信息增益的作用是：A.評估特征對分類的貢獻(xiàn)度B.控制樹的深度防止過擬合C.計算樣本的類別熵D.確定葉子節(jié)點的預(yù)測結(jié)果9.強化學(xué)習(xí)中，“獎勵信號”的主要作用是：A.提供監(jiān)督學(xué)習(xí)的標(biāo)簽B.指導(dǎo)智能體優(yōu)化策略C.預(yù)處理輸入數(shù)據(jù)D.計算模型的損失函數(shù)10.以下關(guān)于神經(jīng)網(wǎng)絡(luò)的描述，錯誤的是：A.激活函數(shù)用于引入非線性特性B.深層網(wǎng)絡(luò)比淺層網(wǎng)絡(luò)更易訓(xùn)練C.梯度消失會導(dǎo)致深層網(wǎng)絡(luò)訓(xùn)練困難D.卷積神經(jīng)網(wǎng)絡(luò)（CNN）適合處理圖像數(shù)據(jù)二、填空題（每題2分，共20分）1.狀態(tài)空間表示法中，問題求解的本質(zhì)是在狀態(tài)空間中尋找從初始狀態(tài)到________的路徑。2.啟發(fā)式搜索的關(guān)鍵是設(shè)計合適的________函數(shù)，用于估計節(jié)點到目標(biāo)的代價。3.機器學(xué)習(xí)中，將數(shù)據(jù)分為訓(xùn)練集、驗證集和測試集的目的是________。4.知識工程的主要步驟包括知識獲取、________、知識驗證與系統(tǒng)測試。5.決策樹的劃分準(zhǔn)則除信息增益外，還包括________（寫出一種）。6.BP（BackPropagation）算法的核心是通過________將誤差從輸出層反向傳播至輸入層，調(diào)整權(quán)重。7.貝葉斯定理的數(shù)學(xué)表達(dá)式為P(A|B)=________。8.自然語言處理中的“詞嵌入”技術(shù)（如Word2Vec）的目標(biāo)是將詞語映射到________空間，捕捉語義關(guān)系。9.強化學(xué)習(xí)的三要素是智能體、環(huán)境和________。10.馬爾可夫性質(zhì)指的是，智能體的下一個狀態(tài)僅依賴于________，與更早的狀態(tài)無關(guān)。三、簡答題（每題8分，共32分）1.簡述廣度優(yōu)先搜索（BFS）與深度優(yōu)先搜索（DFS）的區(qū)別，并分別說明其優(yōu)缺點。2.解釋“過擬合”現(xiàn)象及其產(chǎn)生原因，列舉至少3種緩解過擬合的方法。3.對比產(chǎn)生式規(guī)則表示法與框架表示法在知識表示上的特點（從結(jié)構(gòu)、適用場景、推理方式等方面分析）。4.簡述感知機（Perceptron）的工作原理，并說明其無法解決異或（XOR）問題的根本原因。四、算法分析題（每題10分，共20分）1.八數(shù)碼問題：給定初始狀態(tài)（如圖1）和目標(biāo)狀態(tài)（如圖2），假設(shè)啟發(fā)式函數(shù)h(n)為當(dāng)前狀態(tài)與目標(biāo)狀態(tài)不同位置的棋子數(shù)（不包含空格）。要求：（1）寫出初始狀態(tài)的g(n)（初始節(jié)點深度為0）和h(n)值；（2）畫出前兩層搜索樹（包含初始節(jié)點、子節(jié)點及f(n)=g(n)+h(n)值）；（3）說明A算法在此問題中是否能保證找到最優(yōu)解（需結(jié)合h(n)的性質(zhì)）。初始狀態(tài)：```12345786```目標(biāo)狀態(tài)：```12345678```2.決策樹訓(xùn)練：某數(shù)據(jù)集包含“天氣”（晴、雨）、“溫度”（高、低）、“是否出門”（是、否）三個屬性，部分?jǐn)?shù)據(jù)如下表。要求：（1）計算目標(biāo)屬性“是否出門”的信息熵H(D)；（2）計算特征“天氣”的信息增益Gain(D,天氣)；（3）判斷“天氣”和“溫度”哪個特征更適合作為根節(jié)點（需計算“溫度”的信息增益）。|天氣|溫度|是否出門||||-||晴|高|是||晴|低|是||雨|高|否||雨|低|否||晴|高|是||雨|低|否|五、綜合應(yīng)用題（8分）設(shè)計一個基于人工智能的智能客服系統(tǒng)，要求涵蓋自然語言處理（NLP）的核心模塊，并說明各模塊的功能及技術(shù)實現(xiàn)思路。答案一、單項選擇題1.C（圖靈測試通過人類與機器的對話，判斷機器是否具備類似人類的智能行為）2.A（專家系統(tǒng)依賴知識庫存儲領(lǐng)域知識，推理機利用知識進行邏輯推理）3.C（A算法的f(n)=g(n)+h(n)，且h(n)需滿足可采納性（h(n)≤實際代價）以保證最優(yōu)解）4.B（監(jiān)督學(xué)習(xí)需要標(biāo)簽數(shù)據(jù)，房價預(yù)測的歷史房價為標(biāo)簽）5.C（產(chǎn)生式規(guī)則的基本形式是“IF條件THEN結(jié)論”）6.A（SVM通過最大化類別間的間隔（決策邊界）提升泛化能力）7.B（圖像分割屬于計算機視覺任務(wù)）8.A（信息增益衡量特征對降低樣本類別不確定性的貢獻(xiàn)）9.B（強化學(xué)習(xí)中，獎勵信號是環(huán)境對智能體動作的反饋，用于優(yōu)化策略）10.B（深層網(wǎng)絡(luò)因梯度消失/爆炸問題，通常比淺層網(wǎng)絡(luò)更難訓(xùn)練）二、填空題1.目標(biāo)狀態(tài)2.啟發(fā)式（或h）3.評估模型的泛化能力（避免過擬合）4.知識表示5.信息增益率（或基尼指數(shù)）6.梯度下降（或誤差反向傳播）7.P(B|A)P(A)/P(B)8.低維稠密向量（或連續(xù)）9.獎勵信號10.當(dāng)前狀態(tài)（或當(dāng)前狀態(tài)和動作）三、簡答題1.區(qū)別與優(yōu)缺點：-BFS按層搜索，優(yōu)先擴展深度小的節(jié)點；DFS優(yōu)先擴展當(dāng)前路徑的最深節(jié)點。-優(yōu)點：BFS能保證找到最短路徑（最優(yōu)解）；DFS空間復(fù)雜度低（O(bm)，b為分支因子，m為最大深度）。-缺點：BFS空間復(fù)雜度高（O(b^d)，d為解深度）；DFS可能陷入無限循環(huán)或無法找到解（若解存在于更深層）。2.過擬合現(xiàn)象及緩解方法：-過擬合指模型在訓(xùn)練集上表現(xiàn)很好，但在新數(shù)據(jù)（測試集）上表現(xiàn)差，原因是模型過度學(xué)習(xí)了訓(xùn)練數(shù)據(jù)中的噪聲或細(xì)節(jié)。-緩解方法：增加數(shù)據(jù)量、正則化（L1/L2正則）、早停（提前終止訓(xùn)練）、特征選擇（減少冗余特征）、集成學(xué)習(xí)（如隨機森林）。3.產(chǎn)生式規(guī)則與框架表示法對比：-結(jié)構(gòu)：產(chǎn)生式規(guī)則是“IF-THEN”的條件-結(jié)論對；框架是包含槽（屬性）和側(cè)面（屬性值）的結(jié)構(gòu)化描述。-適用場景：產(chǎn)生式適合表示因果關(guān)系或經(jīng)驗性知識（如專家系統(tǒng)）；框架適合表示固定結(jié)構(gòu)的概念（如“人”的特征：姓名、年齡）。-推理方式：產(chǎn)生式通過匹配規(guī)則前件觸發(fā)推理（正向/反向推理）；框架通過繼承槽值和填充缺省值推理。4.感知機原理及XOR問題：-工作原理：感知機是二分類線性模型，通過權(quán)重向量w和偏置b，對輸入x計算y=sign(w·x+b)，若預(yù)測錯誤則更新權(quán)重。-無法解決XOR的原因：XOR問題的樣本在二維空間中線性不可分，而感知機只能學(xué)習(xí)線性決策邊界。四、算法分析題1.八數(shù)碼問題：（1）初始狀態(tài)g(n)=0（深度0），h(n)=1（僅“6”位置錯誤）。（2）前兩層搜索樹：-初始節(jié)點（f=0+1=1）可移動空格到“5”或“8”下方，生成兩個子節(jié)點：-子節(jié)點1（空格與5交換）：狀態(tài)為```12345786```g(n)=1，h(n)=2（空格和6位置錯誤），f=3。-子節(jié)點2（空格與8交換）：狀態(tài)為```12345786→實際應(yīng)為空格與8交換后：12345768```g(n)=1，h(n)=2（6和8位置錯誤），f=3。（3）A算法能保證最優(yōu)解，因為h(n)（不同位置棋子數(shù)）是可采納的（h(n)≤實際移動次數(shù)），滿足A算法的最優(yōu)性條件。2.決策樹訓(xùn)練：（1）H(D)：總樣本6個，“是”3個，“否”3個。H(D)=-(3/6)log?(3/6)-(3/6)log?(3/6)=1bit。（2）計算“天氣”的信息增益：-天氣=晴：樣本3個（是3，否0），H(D1)=-(3/3)log?(3/3)-0=0。-天氣=雨：樣本3個（是0，否3），H(D2)=-0-(3/3)log?(3/3)=0。Gain(D,天氣)=H(D)-[3/6H(D1)+3/6H(D2)]=1-0=1。（3）計算“溫度”的信息增益：-溫度=高：樣本2個（是2，否1），H(D3)=-(2/3)log?(2/3)-(1/3)log?(1/3)≈0.918。-溫度=低：樣本4個（是1，否3），H(D4)=-(1/4)log?(1/4)-(3/4)log?(3/4)≈0.811。Gain(D,溫度)=1-[3/60.918+3/60.811]≈1-0.8645=0.1355。因此，“天氣”的信息增益（1）大于“溫度”（0.1355），更適合作為根節(jié)點。五、綜合應(yīng)用題智能客服系統(tǒng)設(shè)計：核心模塊及功能：1.意圖識別：將用戶輸入文本分類到預(yù)設(shè)的意圖類別（如查詢、投訴、退款）。技術(shù)實現(xiàn)：基于預(yù)訓(xùn)練語言模型（如BERT）的文本分類，或使用支持向量機（SVM）結(jié)合TF-IDF特征。2.實體抽?。簭挠脩糨斎胫刑崛￡P(guān)鍵信息（如訂單號、日