人工智能基础 2025 春季学期的重点，来源于计算机速通之家 | QQ 群号：468081841。
🙇♂️🙇♂️🙇♂️时间仓促，有不足之处烦请及时告知。邮箱hez2z@foxmail.com 或者在 速通之家 群里 @9¾。
题型
-
简答题
40分 -
计算题
20-30分 -
证明题
15-20分 -
综合题
20分
融合版
第一章
- 智能的定义（什么是智能，人工智能）
- 人工智能的学派（特点，优缺点）
- 三个学派（主张，模型…）
第二章
- 谓词公式表示知识,谓词逻辑
- 产生式系统的构成（各部分作用）
- 语义网络表示知识（必考）（连词量词的表示）
第三章
- 归结演绎推理（重要）
- 谓词演算等价式、子句和子句集、子句集化简、鲁滨逊归结原理、置换合一、归结反演
- 化子句集或证明题
第四章
- 状态空间（知道概念）
- 盲目搜索（宽度、深度）（open表、close表动态变化情况）
- 启发式搜索（重要）（评估函数、A与A*算法（看例题八字码游戏））
- 问题规约（AND-OR图、解图、极大极小过程、α-β过程）
- 与或图的启发式搜索
- 博弈的博弈树推导
第五章
- （200%有计算题）
- 主观贝叶斯方法（区分几率和概率、几率表示证据、组合证据的计算、不确定性的更新（证据为真/假对应的公式））
- 可信度方法（不确定性推理算法、综合可信度计算）
- 证据理论（**概率分配函数、信任函数、似然函数、类概率函数（核心）**的概念与公式）
第六章
- 机器学习概念（学习与机器学习，学习系统的基本要求、基本模型、四部分构成（各部分简单概念）
- 学习系统（各个学习部件之间的关系）
- 机器学习分类（基于xx的分类）
- 归纳学习（了解）
- 决策树学习（ID3算法）
FROM 热血煎贤鱼
第 一章
- 三个学派（主张，模型…）
第 二章
- 谓词逻辑
- 语义网络
第 三章
- 子句集化简
- 归结演绎推理
第 四章
- 盲目搜索（关注open表的变化）
- 启发式搜索（重点掌握）
- 与或图的启发式搜索
- 博弈的博弈树推导
第 五章
- 主观Bayes方法
- 可信度的计算
- 证据理论（主要是概率分配函数，信任函数，似然函数，类概率函数）
第 六章
- 学习系统（各个学习部件之间的关系）
- ID3算法（重点掌握）
FROM 青￡茶，老师 dsf
第一 章
- 智能的定义（什么是智能，人工智能）
- 人工智能的学派（特点，优缺点）
第二 章
- 谓词公式表示知识
- 产生式系统的构成（各部分作用）
- 语义网络表示知识（必考）（连词量词的表示）
第三 章
- 归结演绎推理（重要）（谓词演算等价式、子句和子句集、子句集化简、鲁滨逊归结原理、置换合一、归结反演）（化子句集或证明题）
第四 章
- 状态空间（知道概念）
- 盲目搜索（宽度、深度）（open表、close表动态变化情况）
- 启发式搜索（重要）（评估函数、A与A*算法（看例题八字码游戏））
- 问题规约（AND-OR图、解图、极大极小过程、α-β过程）
第五 章
- （200%有计算题）
- 主观贝叶斯方法（区分几率和概率、几率表示证据、组合证据的计算、不确定性的更新（证据为真/假对应的公式））
- 可信度方法（不确定性推理算法、综合可信度计算）
- 证据理论（概率分配函数、信任函数、似然函数、类概率函数（核心）的概念与公式）
第六 章
- 机器学习概念（学习与机器学习，学习系统的基本要求、基本模型、四部分构成（各部分简单概念））
- 机器学习分类（基于xx的分类）
- 归纳学习（了解）
- 决策树学习（ID3算法）