5.21设有如下两个模糊关系：
?0.30.70.2?R1??100.4?????00.51???0.20.8?R2??0.60.4?????0.90.1??请写出R1与R2的合成R1οR2。
解：R(1,1)=(0.3∧0.2)∨(0.7∧0.6)∨(0.2∧0.9)= 0.2∨0.6∨0.2=0.6
R(1,2)=(0.3∧0.8)∨(0.7∧0.4)∨(0.2∧0.1)= 0.3∨0.4∨0.1=0.4 R(2,1)=(1∧0.2)∨(0∧0.6)∨(0.4∧0.9)= 0.2∨0∨0.4=0.4 R(2,2)=(1∧0.8)∨(0∧0.4)∨(0.4∧0.1)= 0.8∨0∨0.1=0.8 R(3,1)=(0∧0.2)∨(0.5∧0.6)∨(1∧0.9)= 0.2∨0.6∨0.9=0.9 R(3,2)=(0∧0.8)∨(0.5∧0.4)∨(1∧0.1)= 0∨0.4∨0.1=0.4 因此有
?0.60.4??R1?R2??0.40.8??
??0.90.4??第六章
6.8 设有如下一组推理规则:
r1: IF E1 THEN E2 (0.6)
r2: IF E2 AND E3 THEN E4 (0.7) r3: IF E4 THEN H (0.8) r4: IF E5 THEN H (0.9)
且已知CF(E1)=0.5, CF(E2)=0.6, CF(E3)=0.7。求CF(H)=? 解：(1) 先由r1求CF(E2)
CF(E2)=0.6 × max{0,CF(E1)} =0.6 × max{0,0.5}=0.3
(2) 再由r2求CF(E4)
CF(E4)=0.7 × max{0, min{CF(E2 ), CF(E3 )}} =0.7 × max{0, min{0.3, 0.6}}=0.21 (3) 再由r3求CF1(H)
CF1(H)= 0.8 × max{0,CF(E4)} =0.8 × max{0, 0.21)}=0.168
(4) 再由r4求CF2(H)
CF2(H)= 0.9 ×max{0,CF(E5)} =0.9 ×max{0, 0.7)}=0.63
(5) 最后对CF1(H )和CF2(H)进行合成，求出CF(H) CF(H)= CF1(H)+CF2(H)+ CF1(H) × CF2(H) =0.692
6.15 设
U=V={1，2，3，4，5} 且有如下推理规则：
IF x is 少 THEN y is 多
其中，“少”与“多”分别是U与V上的模糊集，设 少=0.9/1+0.7/2+0.4/3 多=0.3/3+0.7/4+0.9/5 已知事实为
x is 较少 “较少”的模糊集为
较少=0.8/1+0.5/2+0.2/3 请用模糊关系Rm求出模糊结论。
Rm (1,1)=(0.9∧0)∨(1-0.9)=0.1
Rm (1,2)=(0.9∧0.3)∨(1-0.9)=0.3 Rm (1,3)=(0.9∧0.7)∨(1-0.9)=0.7 Rm (1,4)=(0.9∧0.9)∨(1-0.9)=0.7 Rm (2,1)=(0.7∧0)∨(1-0.7)=0.3 Rm (2,2)=(0.7∧0.3)∨(1-0.7)=0.3 Rm (2,3)=(0.7∧0.7)∨(1-0.7)=0.7 Rm (2,4)=(0.7∧0.9)∨(1-0.7)=0.7 Rm (3,1)=(0.4∧0)∨(1-0.4)=0.6 Rm (3,2)=(0.4∧0.3)∨(1-0.4)=0.6 Rm (3,3)=(0.4∧0.7)∨(1-0.4)=0.6 Rm (3,4)=(0.4∧0.9)∨(1-0.4)=0.6 Rm (4,1)=(0∧0)∨(1-0)=1 Rm (4,2)=(0∧0.3)∨(1-0)=1 Rm (4,3)=(0∧0.7)∨(1-0)=1 Rm (3,4)=(0∧0.9)∨(1-0)=1 即：
因此有(y应为小写)
即，模糊结论为：Y’={0.3, 0.3, 0.7, 0.8}
第七章
7.9 假设w1(0)=0.2, w2(0)=0.4, θ(0)=0.3, η=0.4，请用单层感知器完成逻辑或运算的学习过程。
解：根据“或”运算的逻辑关系，可将问题转换为：
输入向量：X1=[0, 0, 1, 1] X2=[0, 1, 0, 1] 输出向量：Y=[0, 1, 1, 1]
由题意可知，初始连接权值、阈值，以及增益因子的取值分别为： w1(0)=0.2, w2(0)=0.4, θ(0)=0.3，η=0.4
即其输入向量X(0)和连接权值向量W(0)可分别表示为： X(0)=(-1, x1 (0), x2 (0))
W(0)=(θ(0), w1(0), w2 (0))
根据单层感知起学习算法，其学习过程如下：
设感知器的两个输入为x1(0)=0和x2(0)=0，其期望输出为d(0)=0，实际输出为：
y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0)) =f(0.2*0+0.4*0-0.3)=f(-0.3)=0
实际输出与期望输出相同，不需要调节权值。
再取下一组输入：x1(0)=0和x2(0)=1，其期望输出为d(0)=1，实际输出为：
y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0)) =f(0.2*0+0.4*1-0.3)=f(0.1)=1
实际输出与期望输出相同，不需要调节权值。
再取下一组输入：x1(0)=1和x2(0)=0，其期望输出为d(0)=1，实际输出为：
y(0)=f(w1(0) x1(0)+ w2(0) x2(0)-θ(0)) =f(0.2*1+0.4*0-0.3)
=f(-0.1)=0
实际输出与期望输出不同，需要调节权值，其调整如下：
θ(1)=θ(0)+η(d(0)- y(0))*(-1)=0.3+0.4*(1-0)*(-1)= -0.1 w1(1)=w1(0)+η(d(0)- y(0))x1(0)=0.2+0.4*(1-0)*1=0.6 w2(1)=w2(0)+η(d(0)- y(0))x2(0)=0.4+0.4*(1-0)*0=0.4
再取下一组输入：x1(1)=1和x2(1)=1，其期望输出为d(1)=1，实际输出为：
y(1)=f(w1(1) x1(1)+ w2(1) x2(1)-θ(1)) =f(0.6*1+0.4*1+0.1)
=f(1.1)=1 实际输出与期望输出相同，不需要调节权值。
再取下一组输入：x1(1)=0和x2(1)=0，其期望输出为d(0)=0，实际输出为：
y(1)=f(w1(1) x1(1)+ w2(1) x2(1)-θ(1)) =f(0.6*0+0.4*0 + 0.1)=f(0.1)=1 实际输出与期望输出不同，需要调节权值，其调整如下：
θ(2)=θ(1)+η(d(1)- y(1))*(-1)= -0.1+0.4*(0-1)*(-1)= 0.3 w1(2)=w1(1)+η(d(1)- y(1))x1(1)=0.6+0.4*(0-1)*0=0.6 w2(2)=w2(1)+η(d(1)- y(1))x2(1)=0.4+0.4*(0-1)*0=0.4
再取下一组输入：x1(2)=0和x2(2)=1，其期望输出为d(2)=1，实际输出为：
y(2)=f(w1(2) x1(2)+ w2(2) x2(2)-θ(2)) =f(0.6*0+0.4*1 - 0.3)=f(0.1)=1
实际输出与期望输出相同，不需要调节权值。
再取下一组输入：x1(2)=1和x2(2)=0，其期望输出为d(2)=1，实际输出为：
y(2)=f(w1(2) x1(2)+ w2(2) x2(2)-θ(2)) =f(0.6*1+0.4*0 - 0.3)=f(0.3)=1
实际输出与期望输出相同，不需要调节权值。
再取下一组输入：x1(2)=1和x2(2)=1，其期望输出为d(2)=1，实际输出为：
y(2)=f(w1(2) x1(2)+ w2(2) x2(2)-θ(2)) =f(0.6*1+0.4*1 - 0.3)=f(0.7)=1 实际输出与期望输出相同，不需要调节权值。
至此，学习过程结束。最后的得到的阈值和连接权值分别为：
θ(2)= 0.3 w1(2)=0.6 w2(2)= 0.4
不仿验证如下：
对输入：“0 0”有y=f(0.6*0+0.4*0-0.3)=f(-0.3)=0 对输入：“0 1”有y=f(0.6*0+0.4*1-0.3)=f(0.1)=1 对输入：“1 0”有y=f(0.6*1+0.4*0-0.3)=f(0.3)=1 对输入：“1 1”有y=f(0.6*1+0.4*1-0.3)=f(0.7)=1
第八章
8.2 对下列每个语句给出文法分析树：
(1) John wanted to go the movie with Sally.
(2) John wanted to go to the movie with Robert Redford. (3) I heard the story listening to the radio.
(4) I heard the kids listening to the radio.
第9章
9.2 Agent在结构上有什么特点？它是如何按照结构进行分类的？
Agent＝体系结构+程序
(1) 在计算机系统中，真体相当于一个独立的功能模块，独立的计算机应用系统。 (2) 真体的核心部分是决策生成器或问题求解器，起到主控作用 (3) 真体的运行是一个或多个进程，并接受总体调度
(4) 各个真体在多个计算机CPU上并行运行，其运行环境由体系结构支持。 结构分类及特点 (1) 反应式
只是简单地对外部刺激产生响应，没有内部状态 (2) 慎思式
是一个具有显式符号模型的基于知识的系统 (3) 跟踪式
是具有内部状态的反应式真体，通过找到一个条件与现有环境匹配的规则进行工 作，然后执行与规则相关的作用。
(4) 基于目标 真体的程序能够与可能的作用结果信息结合起来，以便选择达到目标的行为，只 要指定新的目标，就能够产生新的作用
(5) 基于效果 一个具有显式效果函数的真体能够比较由不同作用获得的效果，从而作出理性的 决策
(6) 复合式 在一个真体内组合多种相对独立和并行执行的智能形态，其结构包括感知，动作， 反应，建模，规划，通信和决策。
9.7 什么是协调、协作、协商？它们之间有什么联系和区别？
协商”指各方共同商量,例句：这个问题可以通过双方友好协商来解决.“协调”指对多个人或事物作统筹兼顾的调整,例句：对于大家的建议,我们将作进一步的协调.
第十章
9-4 先进专家系统有哪些主要特征？它有哪些主要类型？
解： (1) 并行分布式处理功能 (2) 多专家协同工作 (3) 更强的自学习能力 (4) 更新的推理机制 (5) 自纠错和自完善能力 (6) 先进的智能接口
(7) 更多的先进技术被引入和融合
9-9 什么是分布式专家系统？什么是协同式专家系统？它们的主要区别是什么？
分布式专家系统： 分布式专家系统（Distributed Expert System, DES）是具有并行分布处理特征的专家系统，它可以把一个专家系统的功能分解后，分布到多个处理机上去并行执行，从而在总体上提高系统的处理效率。其运行环境可以是紧密耦合的多处理器系统，也可以是松耦合的计算机网络环境。 协同式专家系统：
协同式专家系统（Cooperative Expert System, CES）亦称群专家系统，是一种能综合若干个相近领域或同一领域内不同方面专家系统相互协作、共同解决单个专家系统无法解决的更广领域或更复杂问题的专家系统。 区别：
从结构上它们有一定的相似之处，它们都涉及到多个分专家系统。但在功能上却有较大差异，分布式专家系统强调的是功能分布和知识分布，它要求系统必须在多个节点上并行运行；而协调式专家系统强调的则是各专家系统之间的协同，各分专家系统可以在不同节点上运行，也可以在同一个节点上运行。