2014 秋季学期硕士生《人工智能原理》试题题签
2014 年 12 月 31 日
注意:所有答案都写在答题纸上,请在答题纸上标清题号再写答案。
1.(7 分)分别用框架结构和语义网络表示下面的命题句子。
哈尔滨工业大学是一所著名的高等学府,设有本科生院、研究生院、成教学
院和国际教育学院,所有学院的本科生都必修计算机导论,战老师是教学名名师,
他主讲计算机导论这门课。
2.(7 分)如图 1 所示为一棵博弈树,假设 A 在极大值层,请描述 α-β 剪枝
的全过程并标注 A~K 结点的变化情况(注:被剪枝掉的节点不需标注)。
图 1 一棵博弈树
3.(8 分)对于图 2 所示的八数码问题,定义启发函数为 f(x)=d(x)+w(x),其
中 d(x)表示搜索树的深度;h(x)是启发函数,表示估计放错位置的数字的个数,
请画出这棵搜索树并给出全部扩展节点的 f 值。
2 8 3
1 6 4
7
5
1 2 3
8
4
7 6 5
初始状态 目标状态
图 2 八数码问题
第 1 页 共 3 页
4.(8 分)有三名警察押解三名犯人过河,只有一条船,每次最多载两人。
如果在任何一边岸上犯人数大于警察数且警察数不为零,则犯人就会对警察不
利。如果每个警察和每个犯人都能划船,(假设不存在犯人划船逃跑的情形)请
设计一种过河方法,且:
(1)确定一种搜索方法;
(2)按你设计的搜索方法写出过河规则;
(3)画出搜索图。
5.(共 15 分)假设有如下一个多连通贝叶斯网络,其中 F 是证据节点,给定的
状态为 F=T,C 是查询节点。其条件概率表如节点旁所示,c|a 表示在 A=T 条件
下 C=T,f|d,e 表示在 D=F 和 E=T 条件下 F=T。
b|a 0.7
b|a 0.2
B
a 0.5
A
c|a 0.3
C
c|a 0.8
d|b,c 0.7
D
d|b,c 0.2
d|b,c 0.4
E
e|c 0.9
e|c 0.2
f|d,e 0.3
d|b,c 0.7
F
f|d,e 0.8
f|d,e 0.7
f|d,e 0.2
(1)(6 分)考虑似然加权采样算法,如果给定事件 A=T,试就算法中调用的
Weighted-Sample 函数写出各节点的状态,节点状态向量按照 A 到 F 的次序,同
时给出 w 的值。该函数返回后,W 向量结果是什么?随后再给定 A=F,也依次
写出状态向量的值、w 值及 W 向量结果。
(2)(3 分)查询节点 C 的马尔科夫覆盖包括哪些节点?按字母序写出。
(3)(6 分)考虑吉布斯采样算法,如果分别给定贝叶斯网的 2 个节点向量状态
(按照 A→F 次序)如下:(注意 F 为证据变量)和,
试在 for 循环中各进行一次采样,分别给出新的非证据变量状态值和 N 向量的值。
6.(5 分)设在一个贝叶斯网络中,糖果包装节点为支配节点,包装颜色为红色
(r)和绿色(g)2 种,为红色的概率是;被其支配的节点为口味节点,分为樱桃口
味(c)和柠檬口味(l)2 种。现在增加一个被支配的节点为空心节点,分为有空心(h)
第 2 页 共 3 页
和无空心(n)2 种,且数据总量 N 不变。增加节点之前和之后网络的形式分别如
图(a)和(b)所示。试列出前后 2 个 log 似然计算公式,公式中要恰当地使用前述符
号,并通过公式说明:数据似然性 L 在节点增加之后不会降低。注意:L 指的是
似然概率取负 log。
图(a) 图(b)
B
B
F
F
H
7.(6 分,每题 3 分)回答下述 2 个问题:
(1)试举例说明,EM 算法尽管在初始时为所求解的概率设置了统一值,也会
随着对数据的不断计算而朝着真实值改变。
(2)简要说明潜在因子模型对于降维问题的解决思路。
8.(4 分)假设采用多个相互独立的分类器进行二值分类学习,每个分类器的误
差概率为i,其中 i 是分类器编号,最终分类判定采取简单多数策略。试说明:
一般而言多分类器策略所得结果要好于单分类器。
第 3 页 共 3 页