2023知到答案 人工智能基础 完整智慧树网课章节测试答案
绪论单元测试1、单选题：人工智能的名字是
选项：A:AirJorden
B:AllenLverson
C:A-ClassIntelligence
D:ArtificialIntelligence
答案:【ArtificialIntelligence】
第一章单元测试1、单选题：第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。选项：A:AlphaFunB:AlphaGoodC:AlphaGoD:Alpha答案:【AlphaGo】
2、单选题：无需棋谱即可自学围棋的人工智能是（）选项：A:AlphaGoMasterB:AlphaGoZeroC:AlphaGoLeeD:AlphaGoFan答案:【AlphaGoZero】
3、单选题：世界上第一次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语选项：A:1954B:1957C:1955D:1956答案:【1956】
4、单选题：以下哪些不是人工智能概念的正确表述（）选项：A:人工智能是通过机器或软件展现的智能B:人工智能是研究和构建在给定环境下表现良好的智能体程序C:人工智能将其定义为人类智能体的研究D:人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事答案:【人工智能将其定义为人类智能体的研究】
5、单选题：下面不属于人工智能研究基本内容的是（）。选项：A:自动化B:机器思维C:机器感知D:机器学习答案:【自动化】
6、单选题：人工智能是研究、开发用于模拟、延伸和扩展人的（）的理论、方法、技术及应用系统的一门新的技术科学。选项：A:计算能力B:语言C:智能D:行为答案:【智能】
7、单选题：图灵测试的含义是（）选项：A:图灵测试是一种用来混淆的技术，它希望将正常的（可识别的）信息转变为无法识别的信息。B:图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。C:所谓的图灵测试就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。D:不存在图灵测试概念答案:【图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。】
8、单选题：下列不属于人工智能学派的是（）。选项：A:机会主义B:符号主义C:行为主义D:连接主义答案:【机会主义】
9、单选题：认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。这是（）学派的基本思想。选项：A:逻辑主义B:连接主义C:行为主义D:符号主义答案:【行为主义】
10、单选题：关于人工智能研究范式的连接主义，相关论述不正确的是（）选项：A:连接主义原理是模拟大脑神经网络及神经网络间的连接机制与学习算法。B:连接主义理论认为思维基本是神经元、人脑不同于电脑，并提出连接主义的大脑工作模式。C:连接主义起源于仿生学和人脑模型的研究。D:连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。答案:【连接主义学派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。】
11、单选题：人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）选项：A:深度学习方法研究人工神经网络的单层感知器学习结构。B:人工智能研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用，属于一门独立的技术学科。C:人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。D:机器学习专门研究计算机怎样模拟人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构以完善自身的性能，但是机器学习能力并非AI系统所必须的。答案:【人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。】
12、单选题：支持向量机可以看作是具有一层隐藏层的神经网络。支持向量机的理论基础是（）选项：A:控制论SB:视觉生理学C:生物神经学D:统计学答案:【统计学】
13、单选题：深度学习属于（）选项：A:行为主义B:连接主义C:符号主义D:逻辑主义答案:【连接主义】
14、单选题：下列不符合符号主义思想的是（）选项：A:认为智能不需要知识、不需要表示、不需要推理B:人工智能的核心问题是知识表示、知识推理C:源于数理逻辑D:认为人的认知基元是符号答案:【认为智能不需要知识、不需要表示、不需要推理】
15、单选题：不属于自然语言处理的核心环节的是（）选项：A:知识的获取与表达B:语音语义识别C:自然语言生成D:自然语言理解答案:【语音语义识别】
16、单选题：人工智能的近期目标在于研究机器来（）。选项：A:代替人脑B:模仿和执行人脑的某些智力功能C:制造智能机器D:完全代替人类答案:【模仿和执行人脑的某些智力功能】
第二章单元测试1、单选题：下列哪一个是“分类”任务的准确描述（）。选项：A:为每个项目分配一个类别B:对每个项目进行排序C:预测每个项目实际的值D:发现每个空间中输入的排布答案:【为每个项目分配一个类别】
2、单选题：下列对于分类概念描述不正确的是（）选项：A:分类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法B:分类的标准统一C:分类的结果有可能错误。D:分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型（即我们通常所说的分类器(Classifier)）。答案:【分类的标准统一】
3、单选题：在机器学习领域，分类的目标是指（）。选项：A:将具有相似形状的对象聚集B:将具有相似特征的对象聚集C:将具有相似名称的对象聚集D:将具有相似值的对象聚集答案:【将具有相似特征的对象聚集】
4、单选题：两种以上（不含两种）的分类问题被称为（）。选项：A:多分类B:归一化C:分类器D:二分类答案:【多分类】
5、单选题：有关分类器的构造和实施步骤描述错误的是：（）选项：A:在训练样本上执行分类器算法，生成分类模型；B:选定样本，将所有样本分成训练样本和测试样本两部分；C:在训练样本上执行分类模型，生成预测结果；D:根据预测结果，计算必要的评估指标，评估分类模型的性能。答案:【在训练样本上执行分类模型，生成预测结果；】
6、单选题：分类器是基于现有数据构造出一个模型或者函数，以将数据库中的数据映射到给定类别，从而可以应用于数据预测。常包含以下步骤：①在训练样本上执行分类器算法，生成分类模型。②在测试样本上执行分类模型，生成预测结果。③选定样本（包含正样本和负样本），将所有样本分成训练样本和测试样本。④根据预测结果，计算必要的评估指标，评估分类模型的性能。构造和实施分类器的正确顺序为（）选项：A:②③①④B:④①②③C:①②③④D:③①②④答案:【③①②④】
7、单选题：下列算法中，不能够对给定样本进行分类的是（）。选项：A:决策树算法B:逻辑回归算法C:神经网络D:梯度下降算法答案:【梯度下降算法】
8、单选题：在测试样本上执行分类模型，可以（）。选项：A:区分正样本B:生成分类模型C:区分负样本D:生成预测结果答案:【生成预测结果】
9、单选题：SVM是一种典型的（）模型选项：A:感知机B:聚类C:二类分类D:神经网络答案:【二类分类】
10、单选题：把样本所属的类型和样本实现对应起来被称为()选项：A:分类B:标注C:训练D:测试答案:【标注】
11、单选题：分类器测试的作用是选项：A:判断测试集样本选择是否合适B:判断测试集样本标注是否合适C:检验分类器的效果D:获得检测目标的分类答案:【检验分类器的效果】
12、单选题：下列叙述中关于归一化不正确的是（）选项：A:归一化也被称为标准化B:归一化后，所有元素和为1C:归一化后，所有元素值范围在（0,1）D:归一化后，所有元素值范围在[0,1]答案:【归一化后，所有元素值范围在（0,1）】
13、单选题：深度学习中，常用的归一化函数是（）函数选项：A:
SoftMin
B:
SoftMax
C:
MicroMin
D:
MicroMax
答案:【
SoftMax
】
人工智能期末考试复习
人工智能期末考试复习选择题1.1997年5月,闻名的“人机大战”,最终运算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败,这台运算机被称为(A)2.下列不在人工智能系统的知识包含的4个要素中（D）或图通常称为（D）4.不属于人工智能的学派是（B）5.人工智能的含义最早由一位科学家于1950年提出,同时同时提出一个机器智能的测试模型,请问那个科学家是（C）6.要想让机器具有智能,必须让机器具有知识。因此,在人工智能中有一个研究领域,要紧研究运算机如何自动猎取知识和技能,实现自我完善,这门研究分支学科叫(B)。7.人工智能的目的是让机器能够____,以实现某些脑力劳动的机械化。8.盲人看不到一切物体,他们可以通过辨别人的声音识别人,这是智能的__B__方面。9.连接主义认为人的思维基元是___B_。10.第一个神经元的数学模型-MP模型是__A__年诞生的。11.下列哪个不是人工智能的研究领域（D）12.家用扫地机器人具有自动避障、清扫、自动充电等功能，这主要体现了信息技术中的（A）填空题知识点人工智能是什么？AI是什么？人工智能的三大学派人工智能的分类主要研究和应用领域有哪些？“图灵实验”是什么？具体解释实验过程人工智能代表作品人工智能与计算机的区别知识表示法状态空间法问题归约法谓词逻辑法(PredicateLogic)量词连接词示例与或图表示可解节点一般定义不可解节点的一般定义机器学习定义机器学习的分类机器学习的算法神经网络的定义神经元模型神经网络的特点神经网络的分类网上说法ppt零散说法前馈神经网络反馈式神经网络神经网络的构成常用的激活函数普遍神经网络的三层神经元分别是：感知机模型概念BP神经网络人工神经网络的基本功能卷积的计算代码KNN算法思想和步骤，电影分类的代码理解K-means的算法思想和代码解释还是以ppt为主，因为这篇文章可能不全选择题1.1997年5月,闻名的“人机大战”,最终运算机以3.5比2.5的总比分将世界国际象棋棋王卡斯帕罗夫击败,这台运算机被称为(A)A.深蓝B.IBMC.深思D.蓝天
2.下列不在人工智能系统的知识包含的4个要素中（D）A.事实
B.规则
C.操纵和元知识
D.关系
或图通常称为（D）A.框架网络B.语义图C.博亦图D.状态图
4.不属于人工智能的学派是（B）A.符号主义
B.机会主义
C.行为主义
D.连接主义。
5.人工智能的含义最早由一位科学家于1950年提出,同时同时提出一个机器智能的测试模型,请问那个科学家是（C）A.明斯基
B.扎德
C.图灵
D.冯.诺依曼
6.要想让机器具有智能,必须让机器具有知识。因此,在人工智能中有一个研究领域,要紧研究运算机如何自动猎取知识和技能,实现自我完善,这门研究分支学科叫(B)。A.专家系统
B.机器学习
C.神经网络
D.模式识别
7.人工智能的目的是让机器能够____,以实现某些脑力劳动的机械化。A.具有完全的智能
B.和人脑一样考虑问题
C.完全代替人
D.模拟、延伸和扩展人的智能
8.盲人看不到一切物体,他们可以通过辨别人的声音识别人,这是智能的__B__方面。A.行为能力
B.感知能力
C.思维能力
D.学习能力
9.连接主义认为人的思维基元是___B_。A.符号
B.神经元
C.数字
D.图形
10.第一个神经元的数学模型-MP模型是__A__年诞生的。A.1943
B.1958
C.1982
D.1986
11.下列哪个不是人工智能的研究领域（D）A、机器证明
B、模式识别
C、人工生命
D、编译原理
12.家用扫地机器人具有自动避障、清扫、自动充电等功能，这主要体现了信息技术中的（A）A、人工智能技术
B、网络技术
C、多媒体技术
D、数据管理技术
填空题在谓词公式中,紧接于量词之后被量词作用的谓词公式称为该量词的辖域,而在一个量词的辖域中与该量词的指导变元相同的变元称为约束变元,其他变元称为自由变元
人工神经网络属于反馈网络有BP网络
ANN中文意义是：人工神经网络
知识点人工智能是什么？一般解释：人工智能就是用人工的方法在机器（计算机）上实现的智能，或称机器智能
人工智能学科：从学科的角度来说，人工智能是一门研究如何构造智能机器或智能系统，使之能模拟、延伸、扩展人类智能的学科
人工智能能力：从智能能力的角度来说，人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动
AI是什么？AI：表示人工智能，即ArtificialIntelligence，缩写为AI人工智能是一门通过计算过程力图理解和模仿智能行为的学科
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学
人工智能的三大学派符号主义学派连接主义学派行为主义学派人工智能的分类领域人工智能通用人工智能或跨领域人工智能混合增强人工智能主要研究和应用领域有哪些？“图灵实验”是什么？具体解释实验过程1950年图灵提出了著名的“图灵测试”，一种测试机器是不是具备人类智能的方法。
测试主持人提出问题，机器和人同时回答，如果人类无法区分说明机器具有模仿人的能力，即智能。
例如这里连续问同一个问题，回答没有差异，我们会说像个机器人，不是人是机器一般，很机械，不应变
机器回答：
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的。
问：请再次回答，你会下国际象棋吗？
答：是的。
人回答：
问：你会下国际象棋吗？
答：是的。
问：你会下国际象棋吗？
答：是的，我不是已经说过了吗？
问：请再次回答，你会下国际象棋吗？
答：你烦不烦，干嘛老提同样的问题
人工智能代表作品IBM“深蓝”
AlphaGo
人工智能与计算机的区别知识表示法状态空间法，问题规约法，谓词逻辑法，语义网络法
状态空间法问题归约法我的理解就是递归先把问题分解为子问题及子-子问题，然后解决较小的问题。对该问题的某个具体子集的解答就意味着对原始问题的一个解答
谓词逻辑法(PredicateLogic)逻辑语句：一种形式语言，它能够把逻辑论证符号化，并用于证明定理，求解问题。
形式语言：严格地按照相关领域的特定规则，以数学符号（符号串）形式描述该领域有关客体的表达式
量词“对全额的”、“对任意的”等词在逻辑中被称为全称量词，记作“∀”
“存在一个”、“至少一个”等词在逻辑中被称为**存在量词**，记作“∃”
连接词与、合取（conjunction)：用连词∧把几个公式连接起来而构成的公式或、析取（disjunction）：用连词∨把几个公式连接起来而构成的公式
蕴涵（Implication）:“=>”表示“如果—那么”（IF—THEN）关系，其所构成的公式叫做蕴涵。
非（Not）表示否定，～、—均可表示
示例与或图表示可解节点一般定义终叶节点是可解节点(因为它们与本原问题相关连)。：
如果某个非终叶节点含有或后继节点，那么只要当其后继节点至少有一个是可解的时，此非终叶节点才是可解的。
如果某个非终叶节点含有与后继节点，那么只有当其后继节点全部为可解时，此非终叶节点才是可解的
不可解节点的一般定义没有后裔的非终叶节点为不可解节点。
全部后裔为不可解的非终叶节点且含有或后继节点，此非终叶节点才是不可解的。
后裔至少有一个为不可解的非终叶节点且含有与后继节点，此非终叶节点才是不可解的
机器学习：machinelearning
机器学习定义机器学习就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术
机器学习的分类监督式学习无监督式学习半监督式学习强化学习监督学习，输入数据被称为训练数据，每组训练数据有一个明确的标识或结果无监督学习，数据并不被特别标识，学习模型是为了推出数据的一些内在结构监督学习和无监督学习的区别：训练集目标是否被标注强化学习的本质是自动进行决策，并且可以连续决策
机器学习的算法KNNK近邻算法决策树朴素贝叶斯分类逻辑回归支持向量机KMeans神经网络神经网络的定义神经元模型神经网络的特点类神经网络是模式识别和误差最小化的过程，在每一次经验中提取和学习信息。类神经网络可以处理连续型和类别型的数据，对数据进行预测。神经网络是有监督学习。神经网络可以构建成非线性的模型，模型的精确度高神经网络有良好的推广性，对于未知的输入亦可得到正确的输出。类神经网络可以接受不同种类的变量作为输入，适应性强。神经网络可应用的领域相当广泛，模型建构能力强。神经网络具模糊推论能力，允许输出入变量具模糊性，归纳学习较难具备此能力神经网络的分类这一点ppt上没找到我网上找的
网上说法按性能分：连续型和离散型网络，或确定型和随机型网络。按拓扑结构分：前向网络和反馈网络。按学习方法分：有监督的学习网络和无监督的学习网络
ppt零散说法前馈神经网络，反馈神经网络，卷积神经网络，循环神经网络
前馈神经网络前馈神经网络是指信息只朝一个方向流动，也就是数据在神经元之间的流动方向是单向的，没有循环。
这种网络而在分类过程中数据只能向前传送，直到到达输出层，层间没有向后的反馈信号，因此被称为前馈网络
感知机网络，卷积网络是前馈神经网络
反馈式神经网络反馈式神经网络是指数据在神经元之间的流动方向是双向关系，神经元会输出到其他所有的神经元，也会接收其他神经元的输出成为输入
bp网络是反馈神经网络
神经网络的构成常用的激活函数普遍神经网络的三层神经元分别是：输入层、隐藏层、输出层，为了是模型的精度更高可以增加隐藏层的层数
感知机模型概念感知机网络（PerceptronNetworks）是一种特殊的前馈神经网络：无隐藏层，只有输入层和输出层无法拟合复杂结构
BP神经网络BP算法是一种将输出层误差反向传播给隐藏层进行参数更新的方法。将误差从后向前传递，将误差分摊给各层所有单元，从而获得各层单元所产生的误差，进而依据这个误差来让各层单元负起各自责任、修正各单元参数
人工神经网络的基本功能卷积的计算代码KNN算法思想和步骤，电影分类的代码理解KNN（k-NearestNeighbor）又被称为近邻算法，它的核心思想是：物以类聚，人以群分。假设一个未知样本数据x需要归类，总共有N个类别，那么离x距离最近的有k个邻居，这k个邻居里最多类别的就认为是样本X的类别，也就是说x的类别完全由邻居来推断出来。所以我们可以总结出其算法步骤为：1、计算测试对象到训练集中每个对象的距离2、按照距离的远近排序3、选取与当前测试对象最近的k的训练对象，作为该测试对象的邻居4、统计这k个邻居的类别频率5、k个邻居里频率最高的类别，即为测试对象的类别我们可以简化为：找邻居+投票决定
K-means的算法思想和代码解释K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。kmeans算法流程1）随机选取k个点作为初始质心/种子点(这k个点不一定属于数据集，k个点就代表有k类)2）分别计算每个数据点到k个质心点的距离，离哪个质心点最近，就属于哪类3）重新计算k个质心点的坐标(简单常用的方法是求坐标值的平均值作为新的坐标值)4）重复2、3步，直到质心点坐标不变或者循环次数完成