一、考试科目基本要求及适用范围概述

    基本要求：要求考生全面、系统地掌握人工智能的基本概念、基本原理、典型方法和若干应用实例，并且能灵活运用所学知识阐述解决实际问题的方法和途径。

    适应报考的专业：模式识别与智能系统、机械电子工程各专业

二、试题题型包括简答题、计算题。

三、考试内容

（一）知识表示方法

1. 知识表示方法基本概念；

2. 一阶谓词、语义网络、面向对象、状态空间、与/或树等表示法。

（二）确定性推理方法

1. 确定性推理基本概念；

2. 命题逻辑、谓词逻辑、自然演绎推理、归结推理、归结过程等方法；

（三）不确定推理方法

1. 不确定推理基本概念；

2. 可信度、主观Bayes、证据理论、模糊推理等；

（四）搜索策略

1. 搜索的基本概念；

2. 盲目、启发式、与/或树、博弈树等搜索方法。

（五）机器学习

1. 机器学习、传授式学习、归纳学习、基于解释的学习等基本概念；

2. ID3判定树算法；

3. 深度学习基本原理。

（六）人工智能应用

1. 自然语言理解、专家系统基本概念；

2. 人工神经网络与遗传算法基本概念；

3. 数据挖掘基本概念；

四、考试要求

（一）知识表示方法

1. 掌握知识表示方法基本概念；

2. 掌握一阶谓词逻辑表示法进行语句表示；

3. 熟练掌握语义网络表示法进行知识表示；

4. 掌握面向对象的表示法的概念；

5. 掌握状态空间表示法求解、与/或树表示法对问题进行表示。

（二）确定性推理方法

1. 掌握确定性推理、命题逻辑基本概念；

2. 掌握谓词逻辑、自然演绎推理对问题进行推理；

3. 灵活应用归结推理方法进行问题求解；

4. 掌握归结过程的控制策略对问题进行归结。

（三）不确定推理方法

1. 了解不确定推理基本概念；

2. 掌握可信度方法计算规则可信度；

3. 掌握主观Bayes方法计算结论的概率；

4. 了解证据理论基本概念；

5. 掌握模糊推理的基本方法。

（四）搜索策略

1. 了解搜索的基本概念；

2. 熟练掌握盲目搜索策略，对状态空间图进行宽度优先搜索、深度优先搜索、有界深度优先搜索，代价树的宽度优先搜索、深度优先搜索；

3. 掌握启发式搜索策略基本概念，对状态图进行求解；

4. 掌握与/或树的盲目搜索、与/或树的有序搜索，按和代价法等求解代价；

5. 熟练掌握博弈树的启发式搜索，利用α-β剪枝技术对博弈树进行剪枝。

（五）机器学习

1. 了解机器学习、传授式学习、归纳学习、解释学习基本概念；

2. 掌握ID3判定树算法，开展实例计算，了解深度学习基本原理。

（六）人工智能应用

1. 掌握自然语言理解、专家系统、人工神经网络、数据挖掘等基本概念。

五、主要参考教材 

张仰森，黄改娟编著，《人工智能教程（第2版）》，高等教育出版社，2016年9月。