国考的⼈⼯智能题型构成为：3道选择、3道简答和1道证明题；
分值：选择3分每道 + 简答4分每道 + 证明题9分 = 30分；
证明题9分必考原题，选择题9分也基本是这些⾥⾯的原题，相当于送18分；
选择题
1.使⽤神经⽹来求得分类问题的解，常使⽤的⽅法⾸先是通过（B）来实现的
A.增加神经⽹的层次
B.调整神经⽹的权值
C.增加神经⽹的输⼊节点
2.⾮单调推理是针对（ B ）⽽提出的⼀种推理⽅法
A. 知识获取
B. 知识不完全
C. 规则表⽰不规范
3.本体（ontology）是⼀种（ C ）
A. 实例学习算法
B. ⾮单调推理⽅法
C. 概念间关系的知识表⽰⽅法
4.⼈⼯智能优化算法是为了尽⼒求得（ C ）解。
A. 全局最优
B. 局部最优
C. 满意
5.框架是⼀种（ A ）⽅式。
A. 知识表⽰
B. 推理
6.BP⽹络很可能趋于（ A ）函数。
A. 任⼀连续
B. 任⼀
C. 任⼀离散
7.XXX神经元构成的简单的神经⽹络为感知器，它不能实现（ C ）。
A. “与”运算
B. “或”运算
C. “异或”运算
8.建⽴基于案例推理系统，主要花费在于（ A ）
A. 案例库
B. 推理机
C. 程序
9.构建⼀个多层神经⽹络，可实现逼近⼀个任意的（ B ）。
A. 函数
B. 连续函数
C. 只有有限个间断点的连续函数
10.⽀持向量机SVM是⼀种（ A ）算法。
A. ⼩样本下的统计机器学习
B. ⼤样本下的统计机器学习
C. ⼤样本下的实例机器学习
11.⾮单调推理是由于处理（ B ）问题提出来的。
A. 逻辑⽭盾
B. 知识不完全
C. 知识表
12.在MYCIN专家系统中，已知证据（事实）A和B的不确定性度量分别为CF(A)=0.3和CF(B)=0.5，那么证据A^B 的不确定性度量CF(A^B)=（
B ）。
A. 0.5
B. 0.3
C. 0.15
13.启发式搜索是使⽤（ C ）的⼀种搜索⽅法。
A. 深度优先策略
B. ⼴度优先策略
C. 经验知识
14.建造专家系统常使⽤依（ C ）的推理⽅法。
A. 证据理论
B. 概率知识
C. 产⽣式规则匹配
15.专家系统知识的规则表⽰是（ A ）的⼀类知识表⽰⽅法。
A. 知识库改变时，原推理程序不需改变
B. 知识库改变时，原推理程序需随之改变
C. 知识库改变时，原推理程序可能改变
16.本体（ontology）是⼀种（ C ）
A. 推理⽅法
B. 产⽣式系统的另⼀种表⽰⽅法
C. 概念和概念间关系的表⽰⽅法
17.百度、⾕歌的知识问答系统，所使⽤的主要技术是（ C ）。
A. 知识推理⽅法
B. ⾃然语⾔的语义理解
C. 简单的模式匹配⽅法
18.A*算法是⼀种（ C ）。
A. 深度优先搜索算法
B. ⼴度优先搜索算法
C. 可求得最优解的图搜索算法
19.使⽤神经⽹来求解问题，常⽤的⽅法是通过（ B ）来达到。
A. 增减神经⽹络的层次
B. 调整神经⽹的连接权值
C. 增减输⼊节点
20.启发式搜索是⼀种寻求问题（ C ）的⽅法。
A. 最优解
B. ⼀般通⽤解
C. 满意解
21.基于案例（case）的推理是归结推理⽅法的⼀种特例吗？（ B ）
A. 是
B. 不是
22.脚本（script）⽅法是⼀种结构化的推理⽅法吗？（ B ）
A. 是
B. 不是
23.不确定性推理是⼀种概率意义下的推理⽅法吗？（ A ）
A. 是
B. 不是
24.神经⽹络求解问题的过程中，（ B ）陷⼊局部极值点。
A. 不可能
B. 可能
C. 必然
25.提出⾮单调推理是由于（ B ）。
A. 处理逻辑⽭盾
B. 知识不完全
C. 知识表⽰⽅法
26.建造专家系统的主要花费在于（ B ）。
A. 建⽴推理机制
B. 收集知识建知识库
C. 程序设计
27.采⽤单元归结策略的归结⽅法是（ A ）。
A. 不完备的
B. 完备的
C. 不⼀定
28.使⽤神经⽹络来求得分类问题的解，实际常⽤的⼿法是通过（ B ）来达到。
A. 增减神经⽹络的层数
B. 调整神经⽹络的连接权值
C. 增减输⼊节点
29.本体（ontology）是⼀种（ C ）
A. 推理⽅法
B. 产⽣式系统的另⼀种形式
C. 概念和概念间关系的表⽰⽅法
30.从理论上讲没有当今计算机不能求解的问题（ B ）
A. 是
B. 不是
C. 尚⽆定论
31.像百度、⾕歌这类知识问答系统，所使⽤的主要技术是（ C ）。
A. ⾃然语⾔的语义理解⽅法
B. 知识推理⽅法
C. 简单的模式匹配⽅法
32.建造⼀个多层神经⽹络可逼近任意的（ B ）。
A. 函数
B. 连续函数
C. 不连续函数
33.⼦句C1 = ¬P∨Q∨R，C2 = P∨Q∨¬R的归结式为（ B ）。
A. 空⼦句
B. 重⾔式
C. Q
34.⽀持向量机SVM是⼀种（ A ）算法。
A. ⼩样本下的统计学习
B. ⼤样本下的统计学习
C. ⼤样本下的实例学习
35.建造⼀个基于案例（case）的推理系统，需研究的是给出（ C ）。
A. 归结推理算法
B. 不确定推理⽅法
C. 相似度计算⽅法
36.近年来机器学习最活跃的研究领域是（ C ）。
A. 实例学习
B. 基于解释的学习
C. 统计机器学习
37.建造专家系统常⽤的知识表⽰⽅法是（ C ）。
A. 逻辑法
B. 语义⽹
C. 产⽣式
38.⾮单调推理是针对（ C ）⽽提出的⼀种推理⽅法。
A. 逻辑⽅法
B. 规则表达不规范
C. 知识不完全
39.⼦句C1 = ¬P∨¬Q，C2 = P∨Q的归结式为（ B ）。
A. 空⼦句
B. 重⾔式
C. 任意⼦句
40.启发式搜索是寻求问题（ C ）解的⼀种⽅法。
A. 最优
B. ⼀般
C. 满意
41.单元归结法（ B ）⼀种完备的归结推理策略。
A. 是
B. 不是
42.启发式搜索是⼀种使⽤（ C ）的搜索⽅法。
A. 深度优先策略
B. 宽度优先策略
C. 经验知识
D. 数据库查询技术
43.⼦句C1 = ¬P∨Q，C2 = P∨¬Q的归结式（ A ）空⼦句。
A. 不是
B. 是
44.神经⽹络求解问题过程中，（ A ）陷⼊局部极值点。
A. 可能
B. 不可能
45.建造实⽤的专家系统，主要花费⽤在（ C ）。
A. 程序设计
B. 推理⽅法设计
C. 知识获取和建知识库
D. 建数据库
简答题
1.给出⼈⼯智能学科的⼏类推理⽅法。
演绎推理、归纳推理、默认推理
确定性推理、不确定性推理
单调推理、⾮单调推理
启发式推理、⾮启发式推理
2.给出“机器学习”概念的定义。
多领域的交叉学科，涉及概率论、数学、统计学等多门学科；专门研究计算机怎么模拟或实现⼈类的学习⾏为，以获取新知识，不断改善⾃⾝性
能；是⼈⼯智能的核⼼。
3.近⼏年机器学习的发展阶段。
近⼏年机器学习的领域迎来了⾃诞⽣以来的⼤爆发，随着数据量指数级的增加和计算机性能空前的提升，机器学习也开始更多向深度学习等领域不
断发展。⽬前在⾃动驾驶、图像识别、医疗诊断、⼤数据智能分析等等领域⼤⼒发展。
4.如何建⽴⼀个基于案例的法院审判系统。
5.如何⽤决策树进⾏⼆元分类。
决策树是⼀种监督学习，给定⼀堆样本，根据给定样本的属性和类别，通过学习得到⼀个分类。⼆元分类，是或者不是。
6.给出构成神经⽹基本单元–神经元的数学描述。
神经元的输出信号可以用数字信号 0 和 1 来表示
7.如何建⽴⼀个中医诊断专家系统？
8.说明线性归结法是逻辑完备的含义。
如果定理成⽴，使⽤这种归结⽅法必定会给出证明。
9.对⼀类问题求解来说，若有部分案例（case），⽽有较多的推理规则（知识），试问如何建造⼀个由基于案例推理和规则推理相结合的求解系
统，以使推理效率⾼⼜能求得问题的解。
10.已知北京市地图以及地图中任意两点A和B的最短路径算法，试给出⼀种计算A和B最短路径的启发式算法。
11.给出分类问题的描述，进⽽说明⽤于分类的有监督机器学习⽅法与⽆监督机器学习⽅法。
从给定的训练数据集中训练出一个函数，当新的数据到来时，就可根据这个函数预测出结果。
监督学习的训练集要求包括输入输出（特征和目标）。训练集中的目标是由人标注的。
12.给出建造基于案例（case）推理系统的主要步骤。
13.说明多Agent系统主要研究内容。
由分布在⽹络上的多个问题求解器松散耦合⽽形成的⼤型复杂系统。通常解决由⼀个单独个体的能⼒知识所不能解决的问题。每⼀个Agent知识
和问题求解能⼒有限，系统不存在全局控制，是分布式的；知识与数据都是分散的，计算是异步的。
14.说明当前机器学习领域的主要研究⽅⾯。
15.说明在专家系统中不确定推理的含义，以及建⽴⼀种不确定推理机制，要解决哪些问题。
不确定推理是在缺少⾜够信息的情况下作出判断，是⼈⼯智能的本质特征。需要解决不确定性的表⽰与度量、不确定性的匹配、不确定性的传递算
法以及不确定性的更新与合成等问题。
16.说明在⾃然语⾔处理中，机器理解了⼀段输⼊的“⾃然语⾔⽂本”的含义是什么。
信息抽取、⾃动⽂摘、语⾳识别技术、翻译模型、基于机器学习、基于深度学习，难点在于内容的有效界定、歧义和模糊性、不规范的输⼊、语⾔
的⾏为与计划、语⾳语调情感的理解。
17.近年来⼈⼯智能学科的研究热点，主要集中在哪⼏个⽅⾯。
18.说明数据挖掘的含义，并列举出⼏种数据挖掘⽅法。
从⼤量的数据中通过算法搜索出隐藏于其中信息的过程。神经⽹络法、决策树法、遗传算法、蚁群算法、A*算法。
19.说明框架（frame）表⽰的含义，并给出框架的⼀般表⽰形式。
框架通常由描述事物各反⾯的若⼲个槽组成，每个槽⼜拥有若⼲个侧⾯，每个侧⾯⼜有若⼲个值。
20.说明如何⽤基于案例的推理来构建⼀个医疗诊断系统。
21.给出常使⽤的描述Agent的逻辑模型，并说明使⽤这种模型带来的问题。
22.使⽤⽀持向量机算法SVM求解问题的关键点。
找到⼀个具有最⼤间隔超平⾯。
23.列举出常⽤的⼏种⼈⼯智能优化算法。
遗传算法、蚁群算法、模拟退⽕算法、神经⽹络算法。
24.给出近年来机器学习研究的趋势。
25.说明框架知识表⽰⽅法的组成，并以⼀辆汽车为例，⽤框架知识表⽰⽅法来表⽰这辆车的主要信息。
26.以建造医疗诊断专家系统为例，给出产⽣式表⽰的专家系统的结构图和推理机制。
27.阐明符号表⽰机制和连接（神经⽹）机制实现智能的主要区别。
28.近年来⼈⼯智能学科的研究热点，主要在哪⼏个⽅⾯？
29.说明Agent概念，以及多Agent系统的主要研究内容。
Agent是指驻留在某⼀环境下，能持续⾃主地发挥作⽤，具备驻留性、反应性、社会性、主动性等特征的计算智能体。
30.说明⼀种归结⽅法是完备的含义，并举出⼀种不完备的归结策略。
单元归结不完备。
31.已知⼀个基于规则的推理系统和⼀个基于案例的推理系统，为求得问题的解并有较⾼的推理效率，试给出⼀种将这两个系统相结合的推理系统
的结构图并简述⼯作流程。
32.⾃然语⾔理解的含义是什么？简述对⾃然语⾔表达的⽂本做理解的过程。
33.指出实例学习和基于解释学习的区别。
实例学习（归纳学习）：给出正例和反例，归纳出⼀个总的概念描述，使⽤于正例，排除所有反例。
解释学习：本质上是演绎学习，根据给定的领域知识进⾏保真的演绎推理，储存有⽤的结论，总结成以后求解类似问题的控制知识。
⼆者区别：都需要具体例⼦，但是学习⽅式完全不同；归纳学习需要⼤量实例（正和反），解释学习只需要单个例⼦（对单个实例中的概念进⾏描
述总结，变成⼀般性知识）。
33.试说明使⽤神经⽹络识别汉字的主要步骤。
34.试⽐较专家系统和基于案例（case）推理系统的结构、推理机制。
35.试说明数据挖掘技术的含义，并列举出⼏种常⽤的数据挖掘⽅法。
从⼤量的数据中通过算法搜索出隐藏于其中信息的过程。神经⽹络法、决策树法、遗传算法、蚁群算法、A*算法。
36.若案例（case）不够充⾜，⽽有⾜够的规则（知识），试问如何构建⼀个包含有基于案例推理和基于规则推理的推理系统，以使推理效率提⾼
⽽且总能求得问题的解。
37.什么是数据挖掘？常见的数据挖掘⽅法？
从⼤量的数据中通过算法搜索出隐藏于其中信息的过程。神经⽹络法、决策树法、遗传算法、蚁群算法、A*算法。
38.产⽣式表达知识的⽅法，及推理过程。
39.什么是知识？知识的⼏种表达⽅式。
证明题
试使⽤线性归结法，证明A1∧A2∧A3→B
其中 A1 = (∀x){¬(D(x)→E(x))→( ∃y)(F(x,y)∧H(y))}
A2 = (∃x){D(x)∧G(x)∧(∀y)(F(x,y)→G(y))}
A3 = (∀x)(¬E(x)∨¬G(x))
B = (∃x)(H(x)∧G(x))
解：要证明A1∧A2∧A3→B，也就是要证明A1∧A2∧A3∧¬B是永假式。
A1 : (∀x){(D(x)∧¬E(x))→( ∃y)(F(x,y)∧H(y))}
<=> (∀x){(D(x)→E(x))∨( ∃y)(F(x,y)∧H(y))}
<=> (∀x){(¬D(x)∨E(x))∨( ∃y)(F(x,y)∧H(y))}
<=> (∀x)( ∃y){(¬D(x)∨E(x))∨(F(x,y)∧H(y))}
<=> (∀x){(¬D(x)∨E(x)∨(F(x,y))∧(¬D(x)∨E(x)∨H(y))}
<=> (¬D(x)∨E(x)∨(F(x,f(x)))∧(¬D(x)∨E(x)∨H(f(x)))
得到⼦句集：①¬D(x)∨E(x)∨(F(x,f(x)) ②¬D(x)∨E(x)∨H(f(x))
A2 : (∃x){D(x)∧G(x)∧(∀y)(F(x,y)→G(y))}
<=> (∃x)(∀y){D(x)∧G(x)∧(F(x,y)→G(y))}
<=> (∃x)(∀y){D(x)∧G(x)∧(¬F(x,y)∨G(y))}
<=> D(x)∧G(x)∧(¬F(x,y)∨G(y))
得到⼦句集：③D(a) ④G(a) ⑤¬F(a,y)∨G(a)
A3 : (∀x)(¬E(x)∨¬G(x))
<=>¬E(x)∨¬G(x)
得到⼦句集：⑥¬E(x)∨¬G(x)
¬B: ¬(∃x)(H(x)∧G(x))
<=> (∀x)(¬H(x)∨¬G(x))
<=> ¬H(x)∨¬G(x)
得到⼦句集：⑦¬H(x)∨¬G(x)
线性归结：
-
⑧¬E(a) — ⑥④归结∅={x/a}
-
⑨¬D(a)∨H(f(a)) — ⑧②归结∅={x/a}
-
⑩H(f(a)) — ⑨③归结
-
⑪¬G(f(a)) — ⑩⑦归结∅={x/f(a)}
-
⑫¬F(a,f(a)) — ⑪⑤归结∅={f(a)/y}
-
⑬¬D(a)∨E(a) — ⑫①归结∅={x/a}
-
⑭E(a) — ⑬③归结
-
⑮¬G(a) — ⑭⑥归结
-
⑯NIL — ⑮④归结
结果是NIL，命题得证。
线性归结法相关资料
基本过程
-
将已知条件化作子句集
-
将结论的否定化作子句集
-
从所有子句集中选取两个可归结的子句进行归结
-
重复过程3，直到出现空子句NIL为止，这时，证明在所给已知条件下结论成立。
真题
用到的基础知识
