2023-2024 20231302《计算机基础与程序设计》第十周学习总结

作业信息

这个作业属于哪个课程	2023-2024-1-计算机基础与程序设计
这个作业要求在哪里	2023-2024-1计算机基础与程序设计第十周作业
这个作业的目标	信息系统、数据库与SQL、人工智能与专家系统、人工神经网络、模拟与离散事件、排队系统、天气与地震模型、图形图像
作业正文	https://www.cnblogs.com/9q2z2z/p/17871037.html

教材学习内容总结

《计算机科学概论》

• 第十二章中，学习了信息系统的概念并了解了三个最流行的一般应用信息系统，即电子表格、数据库管理系统和电子商务。在电子表格中，介绍了电子制表软件与电子数据表公式的内容，并且说明了它的实际应用。数据库管理系统是一组软件和数据的结合，由物理数据库、数据库引擎、数据库模式组成，而结构化查询语言SQL是用于管理和查询数据的综合性关系数据库语言。在最后则简要介绍了电子商务的发展历史与现状。

• 第十三章中，围绕人工智能，一种研究对人类思想建模和应用人类智能的计算机系统的学科展开，介绍了用于判断一个计算机系统是否是智能的方法，即图灵测试，与AI问题的各个方面，包括知识表示、专家系统、神经网络、自然语言处理、机器人学。专家系统是基于人类专家知识的软件系统，它面向目标且将记录之前的反应从而避免问无关的问题，能够提供有用的指示。人工神经网络由大量的人工神经元组成，这些神经元通过连接权重相互连接。人工神经网络可以用于模拟和解决各种复杂的问题，通过调整其中的权和阈值，可以实现想要的结果。

• 第十四章中，学习了模拟，设计复杂系统的模型并为观察结果而对该模型进行实验，离散事件由实体、属性和事件构成，排队也是一种离散事件模型，可以分析排队长度、等待时间、服务利用率等性能指标。这些分析可以帮助优化排队系统的设计，以提高服务质量和效率。

《C语言程序设计》

指针变量是用以存储变量地址值的变量，用“类型关键字 * 指针变量名”来定义，需要记得对指针进行初始化。指针运算符有间接寻址的功能，可以模拟按引用调用改变主函数对应形参变量的值，用作函数指针。

教材学习中的问题和解决过程

• 问题1：人工神经网络中每个输入值的权是怎么来的？是人为定义的还是由其他因素决定的？

• AI回答：在人工神经网络中，每个输入值的权重是由网络的训练过程来确定的，而不是人为定义的或由其他因素决定的。权重是神经网络中连接的参数之一，用于调整输入值在网络中传递的强度或重要性。

• 在神经网络的训练过程中，通过一系列的迭代和优化算法，网络会自动学习到适当的权重，以最好地拟合训练数据和实现所需的任务。这个过程通常称为反向传播算法（Backpropagation），它通过计算网络的输出与预期输出之间的误差，并根据误差来更新网络中的权重。

• 反向传播算法利用梯度下降优化方法，通过不断调整权重，使网络能够逐渐减小误差，并提高对输入数据的表示和预测能力。在每次训练迭代中，网络会根据误差的梯度值来更新每个连接的权重，以使误差最小化。

• 因此，权重是通过神经网络的训练过程自动学习得到的，并且网络会根据输入数据的特征和目标任务进行适应性调整。

• 问题2：我看到书中的包孕体系结构的最后一部分提到20世纪90年代，一种改进的方法流行起来，它把规划与分布式世界中的一组行为结合了起来。我想详细的了解一下。

• AI回答：在20世纪90年代，确实出现了一种改进的方法，将规划与分布式世界中的一组行为结合在一起。这种方法被称为多智能体系统（Multi-Agent Systems，MAS）。

• 多智能体系统是由一组相互独立但相互作用的智能体组成的系统。每个智能体都具有自己的目标、知识和能力，并且能够感知环境、进行决策和执行行动。智能体之间通过通信、协调和合作来实现系统级的目标。

• 在多智能体系统中，规划是指通过推理和决策来制定行动方案的过程。每个智能体可以根据自己的知识和感知到的信息进行规划，并通过与其他智能体的协调来实现整体的规划目标。这种集体的规划方法可以适应分布式环境中的不确定性和动态性，并允许系统中的智能体相互协作以达到共同的目标。

• 多智能体系统的应用非常广泛，包括机器人协作、无人机系统、分布式传感器网络、交通管理等领域。通过结合规划和分布式行为，多智能体系统能够在复杂的环境中实现自主决策和协作，以应对各种挑战和任务。

• 我的追问：这可不可以看作是一种物联网呢？

• 基于前面的对话内容，将规划与分布式世界中的一组行为结合的方法与物联网有一些相似之处，但它们并不完全相同。

• 物联网（Internet of Things，简称IoT）是指通过互联网将各种物理设备、传感器和其他对象连接起来，实现数据的交互和共享，从而实现智能化和自动化的系统。物联网的核心是连接和通信，通过传感器和网络技术，将物理设备和系统连接到一起，使它们能够相互交互和协作。

• 而基于Agent的建模和多Agent系统更强调个体智能体之间的交互和协作。它们将系统建模为一组相互作用的智能体，每个智能体都有自己的状态、行为和目标，并能够与其他智能体进行通信和协调。这些智能体可以是虚拟的、具有人工智能的代理，也可以是真实的物理实体。这种方法更侧重于模拟和分析个体之间的相互作用和协作，以及整个系统的宏观行为。

• 因此，虽然物联网和基于Agent的建模/多Agent系统都涉及到分布式世界中的行为和相互作用，但它们的重点和方法略有不同。物联网更关注设备和系统的连接和通信，而基于Agent的建模/多Agent系统更注重个体智能体之间的交互和协作。

基于AI的学习