填空题

• 深度学习的核心是，使用一种通用的学习过程从数据中学习各层次的特征，而不是手工设计特征提取器。

• 1943年，麦克洛奇和皮兹提出M－P模型

• 不确定性推理：知识不确定性、证据不确定性

• 谓词表示：第二章书上课后习题

• 产生式系统由3个部分组成:规则库、综合数据库、控制系统（推理机）【第二章】

• 深度学习网络中激活函数的主要作用是引入非线性因素，从而增加神经网络的表达能力和拟合复杂函数的能力

• 知识表示是研究用计算机表示知识的可行性、有效性的一般方法，它既是一种数据结构 又是一种处理机制。

• 在启发式图搜索当中，通常用启发函数来表示启发性信息

• 机器学习研究如何使计算机具有类似于人的学习能力，使它能通过学习自动地获取知识

• 遗传算法的搜索过程是从空间的一个点集 (种群)到另一个点集 (种群)的搜索,而不像图搜索那样一般是从空间的一个点到另一个点地搜索。因而它实际是一种并行搜索, 适合大规模并行计算,而且这种种群到种群的搜索有能力跳出局部最优解。 遗传算法的适用性强, 除设计适应度函数外, 几乎不需要其他的先验知识。

• 所谓强化学习，是指从环境状态到行为映射的学习，以使系统行为从环境中获得的累积Reward(奖励值)最大。

• (不确定答案)深度循环神经网络在时间维度上非常深时、会存在梯度消失问题

• 根据神经网络的连接方式可分为前馈型、反馈型

• 应用归结原理证明定理的过程称为归结反演，又叫做消解反演

• 神经网络的学习规则有Delta学习规则、Hebb(赫布)学习规则

• 池化常用方法：平均池化、最大池化

• 深度神经网络中除了输入层和输出层，还主要包话:卷积层、下采样层、池化层、全连接层

• 人工智能主要分三大学派，分别是符号主义学派、连接主义学派和行为主义学派

论述题

• 进化算法(evolutionary algorithms，EA)是基于自然选择和自然遗传等生物进化机制的一种搜索算法
• 遗传算法（genetic algorithms，GA）：一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。

名词解释

• 图灵测试：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。
• 进化算法(evolutionary algorithms，EA)是基于自然选择和自然遗传等生物进化机制的一种搜索算法
• 进化算法特点
• 遗传算法（genetic algorithms，GA）：一类借鉴生物界自然选择和自然遗传机制的随机搜索算法,非常适用于处理传统搜索方法难以解决的复杂和非线性优化问题。
• 机器学习分类（第九章9.1.5）：
  • 按学习能力分类：
  1. 监督学习（有教师学习）
  2. 强化学习
  3. 非监督学习（无教师学习）
• 知识图谱（Knowledge Graph/Vault），又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。（第2章）
• 语义网络:是一种采用网络形式表示人类知识的方法。一个语义网络是一个带标识的有向图。其中，带有标识的结点表示问题领域中的物体、概念、事件、动作或者态势
• 专家系统是一种智能的计算机程序，它运用知识和推理来解决只有专家才能解决的复杂问题。

分析题

• 语义网络描述： 第二章书上习题（有答案）
• 归结反演，画出归结树:第三章习题和例题

综合题

• 搜索算法：A*算法，广度搜索、深度搜索，画出搜索树：书上第五章，搜素求解攻略
• 设计一个基于深度学习的（路面缺陷识别等）方案，写出详细的实验设计及实现步骤:包括但不限于问题分析、方法选择、模型设计、参数设置、训练测试及评价指标分析等内容。