从期末试卷反推：AI导论老师最想考察的10个重点与5个易错点（附卷积神经网络计算详解）

从期末试卷反推AI导论老师最想考察的10个重点与5个易错点附卷积神经网络计算详解每次期末考试前总有同学抱着厚厚的教材不知从何下手。作为经历过三次AI导论考试并担任过两年助教的老油条我发现试卷中80%的分数都集中在20%的知识点上。本文将带大家用逆向工程拆解两套典型复习题手把手教你抓住命题老师的出题逻辑。1. 高频考点Top10这些知识点必考1.1 卷积神经网络核心组件从12道相关题目来看CNN的考察重点永远是这三个黄金组合卷积层32×32输入5×5卷积核步长1这种计算题几乎每套题必出池化层最大池化vs平均池化的区别选择题高频选项全连接层BP神经网络与CNN的关系填空题常客计算示例输入矩阵32×32卷积核5×5步长1时输出尺寸(32-5)/11281.2 命题逻辑与谓词演算试卷中逻辑题占比高达25%重点掌握题型典型例题解题技巧真值计算(P∨Q)→R当PF,QF,RT时的值先算括号内再算蕴含量词消解Skolem函数应用条件看存在量词是否在全称辖域内置换与合一{t1/x1,t2/x2}中xi的类型只能是变元(变量)1.3 搜索算法对比A*算法、与或树搜索、α-β剪枝的区分常出现在多选题# 典型错误混淆搜索算法适用场景 if 问题有最优解: print(首选启发式搜索) # 正解 else: print(用深度优先) # 可能掉坑1.4 神经网络三大学派这组概念选择题必考符号学派专家系统、产生式规则连接学派BP神经网络、CNN行为学派强化学习、机器人控制1.5 机器学习分类框架三大学习类型及其代表算法监督学习SVM、决策树无监督学习聚类、降维强化学习Q-learning1.6 知识表示方法框架、语义网、产生式规则的对比常出现在判断题框架之间横向联系指什么填空题高频考点语义网继承性特点判断题常考陷阱1.7 归结原理与组合爆炸简答题常要求完成归结过程注意变量替换解释为什么会产生组合爆炸参考期末题二第4题1.8 博弈树求解方法两种代价计算方式必须掌握和代价法所有子节点代价求和最大代价法取子节点最大值1.9 BP神经网络特性选择题高频正确选项良好的函数逼近能力较强的泛化性能较好的容错性1.10 人工智能发展里程碑重要事件常考填空题1956年______会议标志AI诞生2006年______提出深度学习突破性观点2. 五大死亡陷阱这些题错得最冤2.1 池化层的分辨率误解典型错误池化不会降低图像分辨率判断题必考正解2×2池化会使特征图尺寸减半记忆口诀池化必降维2.2 与/或节点类型混淆易错场景希望树中的与节点所有子节点都在树中或节点任一子节点在树中即可助教提示遇到所有...都...描述优先考虑与节点2.3 卷积核与特征图关系高频计算错误误认为卷积核数量改变输入通道数正确关系每个卷积核生成一个特征图2.4 归结原理变量替换常见扣分点错误示范~A(x,y)∨B(y) 与 A(a,b) 直接归结未做合一替换 正确做法先用{a/x,b/y}替换后再归结2.5 启发式搜索信息性判断判断题陷阱h1(n)≤h2(n) ⇒ h1更有信息性错误实际应该比较的是接近真实代价的程度3. 卷积神经网络计算全流程拆解3.1 尺寸计算万能公式对于输入W×W卷积核F×F步长S填充P输出尺寸 (W - F 2P)/S 1典型考题输入32×32卷积核5×5步长1填充0 (32-50)/1128池化窗口4×4步长4 32/483.2 参数数量计算以卷积层为例参数数 (卷积核宽×卷积核高×输入通道数1)×输出通道数1是偏置项常被忽略3.3 反向传播要点链式法则逐层求导权重更新公式# 伪代码示例 for epoch in epochs: delta (output - target) * activation_derivative weights - learning_rate * delta * input4. 终极复习策略三步提分法4.1 知识图谱构建用思维导图串联核心概念人工智能 ├─ 知识表示 │ ├─ 框架 │ └─ 产生式 ├─ 机器学习 │ ├─ 监督学习 │ └─ 强化学习 └─ 神经网络 ├─ CNN └─ BP4.2 错题本制作要点按知识点分类记录标注错误原因概念不清/计算失误每周重做一次4.3 考前72小时冲刺第一天专攻计算题CNN尺寸、逻辑真值第二天背诵填空题AI历史、术语定义最后一天模拟简答题手写归结过程记得去年有个学弟靠这个方法最后三天从60分冲到85分。关键是要先搞定这些高频考点再去处理边角知识。