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)/1+1=28
1.2 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P=F,Q=F,R=T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-learning）
1.6 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： (32-5+0)/1+1=28
- 池化窗口4×4，步长4： 32/4=8
3.2 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 * input
4. 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。