一、名词解释（共20分）

        1.机器感知

        2.不确定性推理

        3.机器行为

        4.命题

        5.进化算法

二、简答题（共30分）

        1.简述基于证据理论的不确定推理方法的基本步骤

        2.简述粒子群优化算法的流程

        3.简述BP神经网络的学习过程

        4.简述遗传算法的一般步骤

        5.阐述专家系统的特点

三、综合题（共50分）

        1.用谓词公式表示以下内容（15分）

​            1）老李的儿子是教师

​            2）工程师Kimth为IBM公司工作

​            3）小李不踢足球也不打篮球。

        2.（10分）利用归结原理求解

                已知： 

​                    F1：如果x是y的父亲，y是z的父亲，则x是z的祖父

​                    F2：老李是大李的父亲

​                    F3：大李是小李的父亲 

                请问：谁和谁之间有祖孙关系

        3.（15分）宽度优先搜索和A搜索的算法流程图

        4.（10分）谈谈你对“深度学习”的理解

后记

客观来说，考试不会很难，或者说不会花费很多时间，基本上一个小时就能写完，因为概念背了就写上去，忘了就胡写，没有太多需要推理或者计算的地方。

但有几点需要吐槽的地方（放在代码栏里，可以直接跳过）：

  复习的粗细度，你难以评判对于一个知识点应该掌握到什么程度，今年的题目不难看出考的又细又粗
按理来说，证据理论应该涉及具体的计算，但考察的是基本步骤（完全没在意过，只看过一眼），这是粗
  专家系统有那么多的知识点，结果考专家系统的特点，在所有PPT里只占了一页，而且没有过多的解释，而且有那么多的特点，这都不是什么细粒度了，这是量子级别的知识点
  本以为会考一个搜索算法的画图，以及open表close表（本就很恶心了），结果考算法流程图？？！为了让不恶心而换一种恶心方法是吧
  深度学习。喷不了，一个只存在PPT目录里面的知识点，要不是去年考了，我还百度了一下，真就要破口大骂了

怎么说呢，总而言之就是复习的时候你会觉得很难受，因为知识点太多太杂，如果你要最求很高的分，就太折磨了，我连胶囊网络都背了，结果考试的时候发现考察的和你记忆的存在很多偏差。

但换个角度，由于都是概念的考察，注定分不会很低。而且纯以学习的角度来看，我觉得这门学科还是很有意思的，没有太复杂的知识，一切都是浅尝辄止

复习资料：

山东大学人工智能导论期末复习概念汇总-CSDN博客