1．構成產生式系統的基本元素有
(綜合資料庫) (產生式規則) (控制系統),控制策略按執行規則的方式分類,分為
(搜尋策略
) (衝突消解策略
) (正向反向雙向推理
)三類。
2．歸結過程中控制策略的作用是給出控制策略，以使僅對選擇合適的子句間方可做歸結，避免（多餘的、不必要的歸結式出現）。常見的控制策略有（推理方向）（求解策略）（限制策略）（衝突消解策略）。
3．公式
g和公式s的子句集並不等值，但它們在（不可滿足）的意義下是一致的。
4．與或圖的啟發式搜尋演算法（
ao*演算法）的兩個過程分別是（圖生成的過程）和（計算耗散值的過程）。
5．人工智慧的研究途徑主要有兩種不同的觀點，一種觀點稱為（符號主義）,認為人類智慧型基本單元是（符號）。另一種觀點稱為（連線主義），認為智慧型的基本單元是（神經元）。
6．集合
{p(a,x,f
(g(y)),
p(z,f（
z）,f(u)))
的mgu
（最一般合一置換）為（ ）。
7．語義網路是對知識的（有向圖）表示方法，乙個最簡單的語義網路是乙個形如（結點1，弧，結點
2）的三元組，語義網路可以描述事物間多種複雜的語義關係、常用isa、ako弧表示節點間具有（具體與抽象、子類與超類）的分類關係。語義網路下的推理是通過（繼承和匹配）實現的。
8．按綜合屬性分類，機器學習可分為（連線）、（歸納）、（分類器系統）和遺傳演算法與分類器系統。乙個機器學習系統應有（環境）、（學校）、（知識庫）和（執行與評價）四個基本部分組成。
9．常用的知識表示法有邏輯表示法、（產生式表示法）、（語義網路表示法）、（指令碼表示法）、（過程表示法）等
10．有兩個
a*演算法a1和
a2，若a1比
a2有較多的啟發資訊，則
h1(n)(大於、等於、小於
) h2(n)
11．關於a演算法與a*演算法，若規定h(n)≥0，並且定義啟發函式：f*(n)=g*(n)+h*(n) 表示初始狀態s0經點n到目標狀態sg最優路徑的費用。其中g*(n)為s0到n的最小費用, h*(n)為到sg的實際最小費用。若令 h(n）≡0，則a演算法相當於（廣度優先演算法），因為上一層節點的（搜尋費用）一般比下一層的小。若（g(n)≡h(n）≡0）則相當於隨機演算法。若（g(n)≡0），則相當於最佳優先演算法。特別是當要求（h(n）<=h*(n)） 就稱這種a演算法為a*演算法。
12．群智慧型是指無智慧型或簡單智慧型的主體通過任何形式的聚集協同而表現出智慧型行為的特性。群智慧型潛在的兩大特點是
(並行性)和
(分布式)。其典型演算法有（蟻群演算法）和（粒子群演算法）。已有的群智慧型理論的研究和應用證明群智慧型方法是一種能夠有效解決（大多數全域性優化問題）的新方法。
13、蟻群演算法是模擬自然界中螞蟻尋找從巢穴到食物的最佳路徑的行為而設計的，螞蟻在遇到食物返回的路上會分泌（資訊素），資訊素會隨著時間慢慢揮發，且關鍵路徑上的資訊素相對濃度（高），蟻群演算法已被廣泛應用於許多優化問題中，其中有（車輛路徑問題的應用 郵政投遞 火車及汽車的排程 港口裝卸貨櫃 ）（聚類問題）（路由演算法設計）（圖著色）。
14、粒子群優化演算法是模擬（鳥群）或（蜂群）的覓食行為而設計的，其基本思想是通過群體中（個體之間的協作）和（資訊共享）來尋找最優解。粒子群優化演算法的應用領域有（軍事領域）（車輛路徑問題）（車輛排程）（港口裝卸貨櫃）。
15、遺傳演算法是以達爾文的自然選擇學說為基礎發展起來的。遺傳演算法的三種基本操作是（複製）（交叉）（變異）；在遺傳演算法中，衡量個體優劣的尺度是（適應度），它決定某些個體是繁殖或是消亡，同時也是驅動遺傳演算法的動力。
16、蟻群演算法是模擬自然界中螞蟻尋找從巢穴到食物的最佳路徑的行為而設計的，依據蟻群演算法的基本原理，蟻群演算法中的行為因子有
(範圍)(環境)(覓食規則
) (移動規則) (避障規則) (資訊素規則).
17、近年有學著提出的人工魚群演算法（artificial fish swarm algorithm-afsa）是模仿自然界中魚群的行為而提出來的解決問題的演算法，從模擬魚群的（覓食）行為、（集群）行為、（跟隨）行為和（隨機游動）行為等方面來模擬自然界中的魚群行為。
18、遺傳演算法將「優勝劣汰，適者生存」的（生物進化原理）引入優化引數形成的編碼串群體中，按所選擇的（適應度函式）並通過遺傳中的（複製）、（交叉）及（變異）對個體進行（篩選），（適應度高）的個體被保留下來，組成新的群體，新的群體既繼承了上一代的資訊，又優於上一代。
19、決策樹是一種知識概念表示方法，能表示（與或）規則；是一種（圖形符號表示）。而人工神經網路（anns
）是（非圖形符號）表示法，又是一種函式表示法；即從大量的資料中（抽取規則函式）。人工神經網路對於訓練資料中的「錯誤」資料的（錯誤健壯性很好）。 人工神經網路的訓練學習過程中有乙個稱為「學習速率η」的常數，η取值過大會（引起漂移），η取值過小會（收斂速度太慢，學習效率不高）。
20、多層神經網路的學習過程中有一種是反向傳播演算法（
back propagation-bp
），其基本思想是利用（輸出單元的誤差再計算上一層單元的誤差），以次向上傳播，俗稱反向傳播。又稱（逆推學習）演算法。
21、歸納學習需要的預先假定，稱為歸納偏置，歸納學習演算法隱含了歸納偏置，候選消除演算法的歸納偏置是（對待考慮假設的一種限定）-
所以又稱限定偏置。id3是一種典型的決策樹學習方法，id3的歸納偏置有兩點，分別是（優先選擇較短的樹而不是較長的 ），（選擇那些資訊增益高的屬性里根節點較近的樹 ）。
22、自然語言處理是研究用機器處理人類語言的理論和技術,又叫
(自然語言理解、計算語言學、人類語言技術）, 它研究能實現人與計算機之間用自然語言進行有效通訊的各種理論和方法
, 自然語言處理研究面臨的兩大困難是
(歧義)和
(病構),其中歧義分為（注音歧義）（ 分詞歧義）（ 短語歧義）（ 語用歧義）四個方面.
23貝葉斯網就是乙個在弧的連線關係上加入連線強度的因果關係網路 。 有兩個部分組成，其一是
dag，即：（有向無環圖）；其二是cpt
，即：（條件概率表）。貝葉斯網路通常使用三種推理是（因果推理），（診斷推理），（辯解推理）。
25在確定性推理模型中可信度因子cf(h,e)(知識的靜態強度 )取值範圍為（[-1,1]）；主觀bayes方法中規定規則的靜態強度ls,ln的值應（不能同時 ＞１或 ＜１，可同時＝1）
人工智慧知識普及
很多人對人工智慧的理解可能還僅僅停留在乙個基本概念的層度，沒有能深入理解，近年來這個概念也多由於一些事件，如圍棋下過人類之類的事件所引爆。這裡簡要的普及下。這個圖表明了三者間的關係。人工智慧是乙個大課題。細分下看 人工智慧 簡單的說就是讓計算機有智慧型。比如我發現了乙個規律，房價 年份 240.2 ...
人工智慧知識體系探索
以下是我 個人針對人工智慧的初步規劃 人工智慧 artificial intelligence 英文縮寫為ai。它是研究 開發用於模擬 延伸和擴充套件人的智慧型的理論 方法 技術及應用系統的一門新的技術科學。人工智慧是一門極富挑戰性的科學，包含計算機知識 心理學 高階數學和哲學等專業知識。同時，人工...
效能知識點二
之前講到重排，布局的時候使用flex時，比使用inline block和float時重排更快，所以在布局時可以優先考慮flex。h5新增srcset，sizes和元素用來做響應式，雖然對效能有提高，但是要準備很多的，只能是看情況使用。我們知道瀏覽器的渲染機制，只有css和dom載入完了，構建rend...