人工智能期末试题及答案
一单项选择题（每小题2分，共10分）1.首次提出“人工智能”是在（D）年
A.1946 B.1960 C.1916 D.1956
2.人工智能应用研究的两个最重要最广泛领域为：B
A.专家系统、自动规划 B.专家系统、机器学习
C.机器学习、智能控制 D.机器学习、自然语言理解
3.下列不是知识表示法的是 A 。
A：计算机表示法 B：“与/或”图表示法
C：状态空间表示法 D：产生式规则表示法
4.下列关于不确定性知识描述错误的是 C 。
A：不确定性知识是不可以精确表示的
B：专家知识通常属于不确定性知识
C：不确定性知识是经过处理过的知识
D：不确定性知识的事实与结论的关系不是简单的“是”或“不是”。
5.下图是一个迷宫，S0是入口，Sg是出口，把入口作为初始节点，出口作为目标节点，通道作为分支，画出从入口S0出发，寻找出口Sg的状态树。根据深度优先搜索方法搜索的路径是 C 。
A：s0-s4-s5-s6-s9-sg B：s0-s4-s1-s2-s3-s6-s9-sg
C：s0-s4-s1-s2-s3-s5-s6-s8-s9-sg D：s0-s4-s7-s5-s6-s9-sg
二 填空题（每空2分，共20分）1.目前人工智能的主要学派有三家：符号主义、 进化主义 和 连接主义 。
2.问题的状态空间包含三种说明的集合， 初始状态集合S、操作符集合F以及目标状态集合G。
3、启发式搜索中，利用一些线索来帮助足迹选择搜索方向，这些线索称为 启发式(Heuristic)信息。
4、计算智能是人工智能研究的新内容，涉及 神经计算、模糊计算和 进化计算等。
5、不确定性推理主要有两种不确定性，即关于 结论的不确定性和关于 证据的不确定性。
三名称解释（每词4分，共20分）人工智能 专家系统 遗传算法 机器学习 数据挖掘
答：
（1）人工智能
人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、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新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等
（2）专家系统
专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统
（3）遗传算法
遗传算法是一种以“电子束搜索”特点抑制搜索空间的计算量爆炸的搜索方法，它能以解空间的多点充分搜索，运用基因算法，反复交叉，以突变方式的操作，模拟事物内部多样性和对环境变化的高度适应性，其特点是操作性强，并能同时避免陷入局部极小点，使问题快速地全局收敛，是一类能将多个信息全局利用的自律分散系统。运用遗传算法(GA)等进化方法制成的可进化硬件(EHW)，可产生超出现有模型的技术综合及设计者能力的新颖电路，特别是GA独特的全局优化性能，使其自学习、自适应、自组织、自进化能力获得更充分的发挥，为在无人空间场所进行自动综合、扩展大规模并行处理(MPP)以及实时、灵活地配置、调用基于EPGA的函数级EHW，解决多维空间中不确定性的复杂问题开通了航向
（4）机器学习
机器学习(MachineLearning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎
（5）数据挖掘
数据挖掘是指从数据集合中自动抽取隐藏在数据中的那些有用信息的非平凡过程，这些信息的表现形式为：规则、概念、规律及模式等。它可帮助决策者分析历史数据及当前数据，并从中发现隐藏的关系和模式，进而预测未来可能发生的行为。数据挖掘的过程也叫知识发现的过程。
四 简答题（每小题5分，共30分）1. 人工智能有哪些研究领域和应用领域？
答：（1）研究领域
自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法
（2）应用领域
智能控制，机器人学，语言和图像理解，遗传编程
2. 简述模式识别的基本过程
答：（1）信息获取
（2）预处理：对获取信号进行规范化等各种处理（3）特征提取与选择：将识别样本构造成便于比较、分析的描述量即特征向量（4）分类器设计：由训练过程将训练样本提供的信息变为判别事物的判别函数（5）分类决策：对样本特征分量按判别函数的计算结果进行分类
3.状态空间法、谓词逻辑法和语义网络的要点分别是什么？
答：（1）状态空间法是以状态和算符为基础来表示和求解问题的，三个要点是：状态，算符，问题的状态空间
（2）谓词逻辑法要点：命题真值，论域与谓词，连接词和量词，项与合式公式，自由变元和约束变元
（3）语义网络要点：类属关系，包含关系，属性关系，时间关系，位置关系，相近关系，推论关系
4.简述Agent的定义和基本特征
答：（1）Agent定义：Agent指的是一种实体，而且是一种具有智能的实体。这种实体可以是智能软件、智能设备、智能机器人或智能计算机系统等等，甚至也可以是人
（2）Agent基本特征：
a.自主性
Agent具有属于其自身的计算资源和局部于自身的行为控制机制,能够在没有外界直接操纵的情况下,根据其内部状态和感知到的环境信息,决定和控制自身的行为。例如,SNMP中的agent就是独立运行在被管理单元上的自主进程。
b.交互性
Agent能够与其他Agent(包括人),用Agent通信语言实施灵活多样的交互,能够有效地与其他Agent协同工作。例如,一个Internet上的用户需要使用Agent通信语言向主动服务Agent陈述信息需求。
c.反应性
Agent能够感知所处的环境(可能是物理世界,操纵图形界面的用户,或其他Agent等),并对相关事件作出适时反应。例如,一个模拟飞机的Agent能够对用户的操纵作出适时反应。
d.主动性
Agent能够遵循承诺采取主动行动,表现出面向目标的行为。例如,一个Internet上的主动服务Agent,在获得新的信息之后能够按照约定主动将其提交给需要的用户;一个工作流管理Agent,能够按照约定将最新的工作进展情况主动通报给有关的工作站
5. 根据自己的理解给出人工神经网络的定义，并指出其特征。
答：（1）人工神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型 （2）特征：a.非线性非线性关系是自然界的普遍特性。大脑智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性 关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储量
b.非局限性一个神经网络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子
c.非常定性人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程
d.非凸性一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较稳定的状态。非凸性是指这种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样性
6. 有一个农夫带一只狐狸、一只小羊和一篮菜过河。假设农夫每次只能带一样东西过河，考虑安全，无农夫看管时，狐狸和小羊不能在一起，小羊和菜篮不能在一起。试设计求解该问题的状态空间，并画出状态空间图。
答：以变量m、f、s、v分别指示农夫、狐狸、小羊、菜,且每个变量只可取值1(表示在左岸)或0(表示在右岸)。问题状态可以四元组(m、f、s、v)描述,设初始状态下均在左岸,目标状态下都到达右岸。从而,问题求解任务可描述为(1,1,1,1)->(0,0,0,0)
由于问题简单,状态空间中可能的状态总数为2×2×2×2=16,由于要遵从安全限制,合法的状态只有(除初、目状态外): 1110，1101，1011，1010，0101，0001，0010，0100；不合法状态有:0111,1000,1100,0011,0110,1001
设计二类操作算子:Lx、Rx,x为m、f、s、v时分别指示农夫独自,带狐狸,带小羊,带菜过河；状态空间图如下所示.由于Lx和Rx是互逆操作,故而解答路径可有无数条,但最近的只有二条;都是7个操作步
五．综述题（20分）1.（本题10分）对于八数码难题按下式定义估价函数：
f(x)=d(x)+h(x)
其中，d(x)为节点x的深度；h(x)是所有棋子偏离目标位置的曼哈顿距离（棋子偏离目标位置的水平距离和垂直距离和），例如下图所示的初始状态S0：8的曼哈顿距离为2；2的曼哈顿距离为1；1的曼哈顿距离为1；6的曼哈顿距离为1；h(S0)=5。
（1）用A*搜索法搜索目标，列出头三步搜索中的OPEN、CLOSED表的内容和当前扩展节点的f值。
（2）画出搜索树和当前扩展节点的f值。
解：（1）如下表
（2）搜索树如下图，右上角的数字是其估价函数值
2.(本题10)您认为《人工智能》课程的哪一部分内容对您的毕业设计或者您以后的工作特别有用？如果有，请叙述其原理；如果没有，请您谈谈人工智能的发展对人类有哪些的影响？
答：我认为人工智能的发展对人类的影响主要有以下五个方面
（1）劳务就业问题。由于人工智能能够代替人类进行各种脑力劳动，例如用专家系统代替管理人员或医生进行决策或诊断与治疗病人疾病，所以，将会使一部分人不得不改变他们的工种，甚至造成失业。人工智能在科技和工程中的应用，会使一些人失去介入信息处理活动(如规划、诊断、理解和决策等)的机会，甚至不得不改变自己的工作方式。
（2）社会结构变化。人们一方面希望人工智能和智能机器能够代替人类从事各种劳动，另一方面又担心它们的发展会引起新的社会问题。实际上，近十多年来，社会结构正在发生一种静悄悄的变化。
（3）思维方式与观念的变化。人工智能的发展与推广应用，将影响到人类的思维方式和传统观念，并使它们发生改变。过分地依赖计算机的建议而不加分析地接受，将会使智能机器用户的认知能力下降，并增加误解。
（4）心理上的威胁。人工智能还使一部分社会成员感到心理上的威胁，或叫做精神威胁。人们一般认为，只有人类才具有感知精神，而且以此与机器相别。如果有一天，这些人开始相信机器也能够思维和创作，那么他们可能会感到失望，甚至感到威胁。他们担心：有朝一日，智能机器的人工智能会超过人类的自然智能，使人类沦为智能机器和智能系统的奴隶。
（5）技术失控的危险。任何新技术最大危险莫过于人类对它失去了控制，或者是它落入那些企图利用新技术反对人类的人手中
智慧树人工智能基础期末考试题及答案2023已更新(今日/动态)
智慧树人工智能基础期末考试题及答案2022已更新(今日/动态)字体大小：大|中|小2022-10-0621:34阅读(358)评论(0)分类：智慧树人工智能基础期末及答案2022已更新(/动态),打开网址http://wk.pkbff.com即可查题，或者关注公众号{帅搜}即可查询答案!智慧树人工智能基础期末及答案2022已更新(/动态)，关注公众号{帅搜}即可查询，查题解析答案参考，大学网课，选修课外语类，财会类，建筑类，职业资格，学历考试，类，外贸类，计算机类等考试；而且还可以搜索超星印刷工程导论答案，是一个料下载与在线考试系统、,是各类考生顺利通过考试的好帮手!5.判定组织坏死，主要依据为A.胞浆呈红染，均质状B.间质胶原纤维肿胀、断裂C.细胞核浓缩、碎裂、溶解D.核有异型性E.细胞浊肿
【帅搜】公众号优势1、真题在线，在线更加轻松。2、智能分析题库，让你可以掌握知识。3、知识面覆盖非常广泛，走到哪学到哪。4、遇到难题直接搜，超多解析在线放送!5.科目全覆盖：,外语类,财会类,建筑类,职业资格,考试,类,外贸类,计算机类等。6.题库丰富：精选大学及各类职业资格目，题库又新又全，一款实实在在的考试助手与搜题神器。7.也可以在【帅搜】公众号里面查题比如智慧树人工智能基础期末及答案2022已更新(/动态)这个科目的答案
人工智能的名字是AArtificialIntelligenceBA-ClassIntelligenceCAllenLversonDAirJorden个击败人类职业围棋选手、个战胜围棋的人工智能机器人是由谷歌公司开发的（）。AAlphaGoodBAlphaFunCAlphaGoDAlpha无需棋谱即可自学围棋的人工智能是（）AAlphaGoMasterBAlphaGoZeroCAlphaGoFanDAlphaGoLee上次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语A1956B1957C1954D1955以下哪些不是人工智能概念的正确表述（）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D人工智能将其定义为人类智能体的研究下面不属于人工智能研究基本内容的是（）。A机器思维B机器学习C机器感知D自动化人工智能是研究、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。A行为B语言C智能D计算能力图灵测试的含义是（）A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。B不存在图灵测试概念C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。D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。下列不属于人工智能学派的是（）。A机会主义B连接主义C行为主义D符号主义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中与周围环境交互作用而表现出来。这是（）学派的基本思想。A符号主义B行为主义C连接主义D逻辑主义关于人工智能研究范式的连接主义，相关论述不正确的是（）A连接主义起源于仿生学和人脑模型的研究。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。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)。人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）A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系统所的。B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。C深度学习方法研究人工神经网络的单层感知器学习结构。D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。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（）A视觉生理学B统计学C生物神经学D控制论S深度学习属于（）A连接主义B逻辑主义C符号主义D行为主义下列不符合符号主义思想的是（）A人工智能的核心问题是知识表示、知识推理B认为智能不需要知识、不需要表示、不需要推理C认为人的认知基元是符号D源于数理逻辑不属于自然语言处理的核心环节的是（）A知识的获取与表达B自然语言生成C语音语义识别D自然语言理解人工智能的近期目标在于研究机器来（）。A完全代替人类B代替人脑C制造智能机器D模仿和执行人脑的某些智力功能下列哪一个是“分类”任务的准确描述（）。A对每个项目进行排序B发现每个空间中输入的排布C预测每个项目实际的值D为每个项目分配一个类别下列对于分类概念描述不正确的是（）A*类的标准统一B*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)）。C*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D*类的结果有可能错误。在机器学习领域，分类的目标是指（）。A将具有相似名称的对象聚集B将具有相似形状的对象聚集C将具有相似特征的对象聚集D将具有相似值的对象聚集两种以上（不含两种）的分类问题被称为（）。A多分类B*类C归一化D*类器有关分类器的构造和实施步骤描述错误的是：（）A选定样本，将所有样本分成训练样本和测试样本两部分；B根据预测结果，计算必要的评估指标，评估分类模型的性能。C在训练样本上执行分类器算法，生成分类模型；D在训练样本上执行分类模型，生成预测结果；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（）A②③①④B③①②④C④①②③D①②③④下列算法中，不能够对给定样本进行分类的是（）。A决策树算法B神经网络C逻辑回归算法D梯度下降算法在测试样本上执行分类模型，可以（）。A生成预测结果B区分正样本C生成分类模型D区分负样本SVM是一种典型的（）模型A聚类B感知机C二类分类D神经网络把样本所属的类型和样本实现对应起来被称为()A*类B标注C训练D测试分类器测试的作用是A获得检测目标的分类B判断测试集样本标注是否合适C检验分类器的效果D判断测试集样本选择是否合适"下列叙述中关于归一化不正确的是（）A归一化也被称为标准化B归一化后，所有元素值范围在（0,1）C归一化后，所有元素值范围在[0,1]D归一化后，所有元素和为1"深度学习中，常用的归一化函数是（）函数ASoftMaxBMicroMaxCMicroMinDSoftMin有特征，无标签的机器学习是（）A强化学习B半监督学习C监督学习D无监督学习无监督学习可完成什么任务（）A*类、回归、聚类B*类C聚类D回归寻找数据之间的相似性并将之划分组的方法称为（）A聚类B*类C*组D回归"下列两个变量之间的关系中,哪个是函数关系（）A学生的和他的英语成绩B正方形的边长和面积C人的工作环境与健康D孩子的身高和父亲的身高"从某中学随机选取8名，其身高x(cm)和体重y(kg)的线性回归方程为y=0.849x-85.712，则身高172cm的男学生，又回归方程可以预报其体重（）。A小于60.316kgB为60.316kgC大于60.316kgD约为60.316kg以下不属于聚类算法的是（）。AK均值算法BAGNES算法CDIANA算法D朴素贝叶斯算法Z等于Ｘ，则Z与Ｘ之间属于（）A不完全相关B完全不相关C不相关D完全相关因：经常挑食；果：身材矮小。这组因、果之间属于（）关系。A完全相关B完全不相关C不完全相关D不相关（）是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组。A非监督学习B回归C*类D聚类现欲分析、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这时应采用（）；如果将体重分类，分成高、中、低这三种体重类型作为因变量，则采用（）。A逻辑回归逻辑回归B线性回归线性回归C线性回归逻辑回归D逻辑回归线性回归有特征，有部分标签的机器学习属于（）。A强化学习B无监督学习C监督学习D半监督学习下面两个两完全相关的是（）。A长方形的面积与边长B圆形的面积与直径C每天的温度和季节D孩子的身高与父亲身高机器学习包括：A无监督学习B监督学习C半监督学习D强化学习两个变量之间的关系包括：A不完全相关B不相关C负相关D完全相关下面哪一个不是聚类常用的算法（）。AAGNES算法BDIANA算法CSVM算法DK均值算法AGNES算法步骤正确的是（）。①将每个样本特征向量作为一个初始簇；②根据两个簇中近的数据点寻找近的两个簇；③重复以上第二、三步，直到达到所需要的簇的数量；④合并两个簇，生成新的簇的，并重新计算簇的*点。A①④③②B①②③④C①②④③D①④②③下面属于强化学习的是（）A用户每读一篇文章，就给这篇贴上分类标签，例如这篇是，下一篇是经济等；算法通过这些分类标签进行学习，获得分类模型；再有新的文章过来的时候，算法通过分类模型就可以给新的文章自动贴上标签了。B两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，则这两个变量之间的关系称为强化学习。C算法先少量给用户各类文章，用户会选择其感兴趣的文章阅读，这就是对这类文章的一种奖励，算根据奖励情况构建用户可能会喜欢的文章的“知识图”。D用户经常阅读类和经济类的文章，算法就把和用户读过的文章相类似的文章给你。"1943年，神经网络的开山之作《Alogicalcalculusofideasimmanentinnervousactivity》,由（）和沃尔特.皮茨完成。A唐纳德.赫布B沃伦.麦卡洛克C明斯基D罗素"感知机属于（）。A前馈神经网络BBP神经网络C生物神经网络D反馈神经网络被称为“神经网络之父”和“人工智能教父”的是（）。A赫布B鲁梅尔哈特C明斯基D辛顿反馈神经网络又称前馈网络。A对B错下列神经网络中哪种架构有反馈连接（）。A感知机B卷积神经网络C都不是D循环神经网络对于自然语言处理问题，哪种神经网络模型结构更适合？（）。A多层感知器B循环神经网络C感知器D卷积神经网络为解决单个输出的感知机无法解决的异或问题，需要用有至少（）个输出的感知机？A4个B3个C5个D2个使用感知机模型的前提是（）。A数据样本多B数据线性可分C数据线性不可分D数据样本少有关浅层神经网络的说确的是（）。A各神经元分层排列B神经元与前一层及后一层的神经元相连C同一层的神经元之间没有互相连接D是一种单向多层结构对于多层神经网络，BP（反向传播）算法的直接作用是（）。A科学评价训练模型B提供训练集、测试集样本C加快训练权值参数和偏置参数D提高神经网络特征表示*度"梯度下降算法的正确步骤是什么？（）(a)计算预测值和真实值之间的误差。(b)迭代跟新，直到找到佳权重(c)把输入传入网络，得到输出值(d)初始化随机权重和偏差(e)对每一个产生误差的神经元，改变相应的（权重）值以减小误差Aa,b,c,d,eBe,d,c,b,aCd,c,a,e,bDc,b,a,e,d"感知机是只含输入层和输出层的一种浅层神经网络，两个感知机输出解决了”异或”问题，进一步扩展到多感知机输出，并增加了偏置单元。关于偏置单元的作用正确的是（）。A施加干扰，网络死循环，以达到输出收敛B解决异或问题C属于一种多层隐含层D计算网络传播偏差信息深度学习是一种多层神经网络的模拟认知训练方法，多层神经网络包含多个隐含层感知层，也称作卷积神经网络(CNN)，它的研究热潮兴起于本世纪初期。A对B错深度学习可以具有几个隐藏层（）。A4个B3个C1个D2个深度学习中常用的函数不包括（）。AReLU函数BSigmoid函数Csign函数DSin函数深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了函数。A对B错神经网络中，线性模型的表达能力不够时，可引入（）来添加非线性因素。A偏置单元B函数C线性函数D*类函数下列关于神经网络说确的是（）。A非线性B不如决策树稳定C高速寻找优化解D具有自学习、自组织、自适应性视网膜上对弱光敏感的是A视锥细胞B瞳孔C视杆细胞D视神经计算机中存储的图像是A数字图像B模拟图像C彩像D黑白图像数字图像的小单位是：A*辨率B像素C点D位图像的空间离散化叫做：A采样B量化C二值化D灰度化计算机处理图像时的三原色是：A红、黄、绿B红、黄、蓝C蓝、绿、黄D红、绿、蓝计算机显示器使用的颜色模型是ARGBBYUVCHSVDCMYK已知的古老的照片是由__完成的A达芬奇BWillamH.F.TalbotCRussellA.KirschDJosephN.Niepce以下哪个不是图像的基本运算A代数运算B逻辑运算C块运算D点运算可以将图中的相应区域进行遮盖的运算是A图像除法B图像乘法C图像减法D图像加法以下不属于图像增强方法的是A均值滤波B对比度展宽C直方图均衡D伪彩色常用的图像分割方法不包括A基于区域的方法B基于视觉观察的方法C基于阈值的方法D基于边缘检测的方法图像压缩的目的是A降低分辨率B减少图像的信息量C增加数据量D去除图像中的冗余信息关于图像梯度，说法不正确的是A边缘梯度值要比平滑纹理梯度值小B相邻像素之间的差值称为图像梯度C垂直梯度图中，水平方向的边缘会比较清楚D水平梯度图中竖向的边缘会比较清楚关于视频的说法不正确的是A视频是基于“视觉暂留”现象B我们常见的视频一般是20帧/秒C视频是图像序列D视频时离散的可以检测出图像中运动的方向和大小的方法是A差分B光流法C背景差分D梯度直方图CNN的基本结构不包括A全连接层B反向池化层C前向池化层D卷积层关于卷积层的说法，错误的是A卷积核的参数值是人为的B卷积核的尺寸是由人为的C卷积层可以作为神经网络的隐藏层D特征图是为卷积层的终输出池化层的作用不包括A实现特征分类B实现不同尺度特征的提取C降低特征图的分辨率D解决卷积计算量过大的问题CNN中用来完成分类的是A池化层B全连接层C卷积层DReLU函数依据自然语言是处理系统的输入还是输出，自然语言处理完成的功能可以划分为以下两类。A自然语言表达B自然语言生成C自然语言读写D自然语言理解自然语言处理作为人工智能领域重要的一个研究方向，其技术发展与人工智能的发展历史一样，主要有以下两类方法。A基于字典的方法B基于规则的方法C基于统计的方法D基于深度学习的方法导航软件里面郭德纲的声音是怎么制作的。A语音识别B本人录制C语音合成D词典查询下列技术属于自然语言处理范畴的有哪些。A机器翻译B字典查询C相似度检测D摘要抽取小Q弟弟聪明好学，下列哪些功能是它能够完成的。A翻译英语B网上订餐C教他说话D解释成语下列哪一个选项是由微软公司研发的。A小冰BQ小弟C贤二机器僧DSiri下列哪些属于词法分析的范畴A新词发现B词性标注C*词D命名实体识别中文分词中，按照遍历搜索的方向不同可以分为哪些类别A双向匹配B正向匹配C中间匹配D逆向匹配在词法分析里，需要处理的小单位是是什么A词B短语C句子D字对于词性标注的主要方法包括哪些。A基于统计的和基于规则的相结合的方法B基于语义的标注方法C基于统计的方法D基于规则的方法下列哪些是基于词典的切词方法的缺陷。A歧义消解的能力差B切分正确率不高C简单易行D开发周期短所谓的命名实体包括哪些？A机构名B地名C人名D时间依存关系分析是将次分成哪两类？A名词B动词C核心词D依存词常见的语义表示包括等表示方法。A语义网络表示B基于框架的表示C基于神经网络的方法D一阶逻辑表示传统的自然语言处理哪种方法建立的模型A基于神经网络的方法B基于深度学习的方法C基于规则的方法D基于统计的方法下列哪些是词袋模型存在的缺陷。A随着词典规模越来越大，词袋模型维度变得越来越大B会带来维度灾难C模型有效值分布越来越稀疏，计算需求会越来越高，而计算效率会越来越低。D从词袋模型得到的词向量不能反映词与词之间的关系下列哪一种形式是主要的信息载体。A图像B音频C文字D视频下列哪一个神经网络模型更适合于自然语言处理A卷积神经网络CNNB循环神经网络RNNCBP神经网络模型DHopfield神经网格模型人工智能的名字是AArtificialIntelligenceBA-ClassIntelligenceCAllenLversonDAirJorden个击败人类职业围棋选手、个战胜围棋的人工智能机器人是由谷歌公司开发的（）。AAlphaGoodBAlphaFunCAlphaGoDAlpha无需棋谱即可自学围棋的人工智能是（）AAlphaGoMasterBAlphaGoZeroCAlphaGoFanDAlphaGoLee上次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语A1956B1957C1954D1955以下哪些不是人工智能概念的正确表述（）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D人工智能将其定义为人类智能体的研究下面不属于人工智能研究基本内容的是（）。A机器思维B机器学习C机器感知D自动化人工智能是研究、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。A行为B语言C智能D计算能力图灵测试的含义是（）A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。B不存在图灵测试概念C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。D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。下列不属于人工智能学派的是（）。A机会主义B连接主义C行为主义D符号主义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中与周围环境交互作用而表现出来。这是（）学派的基本思想。A符号主义B行为主义C连接主义D逻辑主义关于人工智能研究范式的连接主义，相关论述不正确的是（）A连接主义起源于仿生学和人脑模型的研究。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。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)。人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）A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系统所的。B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。C深度学习方法研究人工神经网络的单层感知器学习结构。D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。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（）A视觉生理学B统计学C生物神经学D控制论S深度学习属于（）A连接主义B逻辑主义C符号主义D行为主义下列不符合符号主义思想的是（）A人工智能的核心问题是知识表示、知识推理B认为智能不需要知识、不需要表示、不需要推理C认为人的认知基元是符号D源于数理逻辑不属于自然语言处理的核心环节的是（）A知识的获取与表达B自然语言生成C语音语义识别D自然语言理解人工智能的近期目标在于研究机器来（）。A完全代替人类B代替人脑C制造智能机器D模仿和执行人脑的某些智力功能下列哪一个是“分类”任务的准确描述（）。A对每个项目进行排序B发现每个空间中输入的排布C预测每个项目实际的值D为每个项目分配一个类别下列对于分类概念描述不正确的是（）A*类的标准统一B*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)）。C*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D*类的结果有可能错误。在机器学习领域，分类的目标是指（）。A将具有相似名称的对象聚集B将具有相似形状的对象聚集C将具有相似特征的对象聚集D将具有相似值的对象聚集两种以上（不含两种）的分类问题被称为（）。A多分类B*类C归一化D*类器有关分类器的构造和实施步骤描述错误的是：（）A选定样本，将所有样本分成训练样本和测试样本两部分；B根据预测结果，计算必要的评估指标，评估分类模型的性能。C在训练样本上执行分类器算法，生成分类模型；D在训练样本上执行分类模型，生成预测结果；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（）A②③①④B③①②④C④①②③D①②③④下列算法中，不能够对给定样本进行分类的是（）。A决策树算法B神经网络C逻辑回归算法D梯度下降算法在测试样本上执行分类模型，可以（）。A生成预测结果B区分正样本C生成分类模型D区分负样本SVM是一种典型的（）模型A聚类B感知机C二类分类D神经网络把样本所属的类型和样本实现对应起来被称为()A*类B标注C训练D测试分类器测试的作用是A获得检测目标的分类B判断测试集样本标注是否合适C检验分类器的效果D判断测试集样本选择是否合适"下列叙述中关于归一化不正确的是（）A归一化也被称为标准化B归一化后，所有元素值范围在（0,1）C归一化后，所有元素值范围在[0,1]D归一化后，所有元素和为1"深度学习中，常用的归一化函数是（）函数ASoftMaxBMicroMaxCMicroMinDSoftMin有特征，无标签的机器学习是（）A强化学习B半监督学习C监督学习D无监督学习无监督学习可完成什么任务（）A*类、回归、聚类B*类C聚类D回归寻找数据之间的相似性并将之划分组的方法称为（）A聚类B*类C*组D回归"下列两个变量之间的关系中,哪个是函数关系（）A学生的和他的英语成绩B正方形的边长和面积C人的工作环境与健康D孩子的身高和父亲的身高"从某中学随机选取8名，其身高x(cm)和体重y(kg)的线性回归方程为y=0.849x-85.712，则身高172cm的男学生，又回归方程可以预报其体重（）。A小于60.316kgB为60.316kgC大于60.316kgD约为60.316kg以下不属于聚类算法的是（）。AK均值算法BAGNES算法CDIANA算法D朴素贝叶斯算法Z等于Ｘ，则Z与Ｘ之间属于（）A不完全相关B完全不相关C不相关D完全相关因：经常挑食；果：身材矮小。这组因、果之间属于（）关系。A完全相关B完全不相关C不完全相关D不相关（）是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组。A非监督学习B回归C*类D聚类现欲分析、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这时应采用（）；如果将体重分类，分成高、中、低这三种体重类型作为因变量，则采用（）。A逻辑回归逻辑回归B线性回归线性回归C线性回归逻辑回归D逻辑回归线性回归有特征，有部分标签的机器学习属于（）。A强化学习B无监督学习C监督学习D半监督学习下面两个两完全相关的是（）。A长方形的面积与边长B圆形的面积与直径C每天的温度和季节D孩子的身高与父亲身高机器学习包括：A无监督学习B监督学习C半监督学习D强化学习两个变量之间的关系包括：A不完全相关B不相关C负相关D完全相关下面哪一个不是聚类常用的算法（）。AAGNES算法BDIANA算法CSVM算法DK均值算法AGNES算法步骤正确的是（）。①将每个样本特征向量作为一个初始簇；②根据两个簇中近的数据点寻找近的两个簇；③重复以上第二、三步，直到达到所需要的簇的数量；④合并两个簇，生成新的簇的，并重新计算簇的*点。A①④③②B①②③④C①②④③D①④②③下面属于强化学习的是（）A用户每读一篇文章，就给这篇贴上分类标签，例如这篇是，下一篇是经济等；算法通过这些分类标签进行学习，获得分类模型；再有新的文章过来的时候，算法通过分类模型就可以给新的文章自动贴上标签了。B两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，则这两个变量之间的关系称为强化学习。C算法先少量给用户各类文章，用户会选择其感兴趣的文章阅读，这就是对这类文章的一种奖励，算根据奖励情况构建用户可能会喜欢的文章的“知识图”。D用户经常阅读类和经济类的文章，算法就把和用户读过的文章相类似的文章给你。"1943年，神经网络的开山之作《Alogicalcalculusofideasimmanentinnervousactivity》,由（）和沃尔特.皮茨完成。A唐纳德.赫布B沃伦.麦卡洛克C明斯基D罗素"感知机属于（）。A前馈神经网络BBP神经网络C生物神经网络D反馈神经网络被称为“神经网络之父”和“人工智能教父”的是（）。A赫布B鲁梅尔哈特C明斯基D辛顿反馈神经网络又称前馈网络。A对B错下列神经网络中哪种架构有反馈连接（）。A感知机B卷积神经网络C都不是D循环神经网络对于自然语言处理问题，哪种神经网络模型结构更适合？（）。A多层感知器B循环神经网络C感知器D卷积神经网络为解决单个输出的感知机无法解决的异或问题，需要用有至少（）个输出的感知机？A4个B3个C5个D2个使用感知机模型的前提是（）。A数据样本多B数据线性可分C数据线性不可分D数据样本少有关浅层神经网络的说确的是（）。A各神经元分层排列B神经元与前一层及后一层的神经元相连C同一层的神经元之间没有互相连接D是一种单向多层结构对于多层神经网络，BP（反向传播）算法的直接作用是（）。A科学评价训练模型B提供训练集、测试集样本C加快训练权值参数和偏置参数D提高神经网络特征表示*度"梯度下降算法的正确步骤是什么？（）(a)计算预测值和真实值之间的误差。(b)迭代跟新，直到找到佳权重(c)把输入传入网络，得到输出值(d)初始化随机权重和偏差(e)对每一个产生误差的神经元，改变相应的（权重）值以减小误差Aa,b,c,d,eBe,d,c,b,aCd,c,a,e,bDc,b,a,e,d"感知机是只含输入层和输出层的一种浅层神经网络，两个感知机输出解决了”异或”问题，进一步扩展到多感知机输出，并增加了偏置单元。关于偏置单元的作用正确的是（）。A施加干扰，网络死循环，以达到输出收敛B解决异或问题C属于一种多层隐含层D计算网络传播偏差信息深度学习是一种多层神经网络的模拟认知训练方法，多层神经网络包含多个隐含层感知层，也称作卷积神经网络(CNN)，它的研究热潮兴起于本世纪初期。A对B错深度学习可以具有几个隐藏层（）。A4个B3个C1个D2个深度学习中常用的函数不包括（）。AReLU函数BSigmoid函数Csign函数DSin函数深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了函数。A对B错神经网络中，线性模型的表达能力不够时，可引入（）来添加非线性因素。A偏置单元B函数C线性函数D*类函数下列关于神经网络说确的是（）。A非线性B不如决策树稳定C高速寻找优化解D具有自学习、自组织、自适应性视网膜上对弱光敏感的是A视锥细胞B瞳孔C视杆细胞D视神经计算机中存储的图像是A数字图像B模拟图像C彩像D黑白图像数字图像的小单位是：A*辨率B像素C点D位图像的空间离散化叫做：A采样B量化C二值化D灰度化计算机处理图像时的三原色是：A红、黄、绿B红、黄、蓝C蓝、绿、黄D红、绿、蓝计算机显示器使用的颜色模型是ARGBBYUVCHSVDCMYK已知的古老的照片是由__完成的A达芬奇BWillamH.F.TalbotCRussellA.KirschDJosephN.Niepce以下哪个不是图像的基本运算A代数运算B逻辑运算C块运算D点运算可以将图中的相应区域进行遮盖的运算是A图像除法B图像乘法C图像减法D图像加法以下不属于图像增强方法的是A均值滤波B对比度展宽C直方图均衡D伪彩色常用的图像分割方法不包括A基于区域的方法B基于视觉观察的方法C基于阈值的方法D基于边缘检测的方法图像压缩的目的是A降低分辨率B减少图像的信息量C增加数据量D去除图像中的冗余信息关于图像梯度，说法不正确的是A边缘梯度值要比平滑纹理梯度值小B相邻像素之间的差值称为图像梯度C垂直梯度图中，水平方向的边缘会比较清楚D水平梯度图中竖向的边缘会比较清楚关于视频的说法不正确的是A视频是基于“视觉暂留”现象B我们常见的视频一般是20帧/秒C视频是图像序列D视频时离散的可以检测出图像中运动的方向和大小的方法是A差分B光流法C背景差分D梯度直方图CNN的基本结构不包括A全连接层B反向池化层C前向池化层D卷积层关于卷积层的说法，错误的是A卷积核的参数值是人为的B卷积核的尺寸是由人为的C卷积层可以作为神经网络的隐藏层D特征图是为卷积层的终输出池化层的作用不包括A实现特征分类B实现不同尺度特征的提取C降低特征图的分辨率D解决卷积计算量过大的问题CNN中用来完成分类的是A池化层B全连接层C卷积层DReLU函数依据自然语言是处理系统的输入还是输出，自然语言处理完成的功能可以划分为以下两类。A自然语言表达B自然语言生成C自然语言读写D自然语言理解自然语言处理作为人工智能领域重要的一个研究方向，其技术发展与人工智能的发展历史一样，主要有以下两类方法。A基于字典的方法B基于规则的方法C基于统计的方法D基于深度学习的方法导航软件里面郭德纲的声音是怎么制作的。A语音识别B本人录制C语音合成D词典查询下列技术属于自然语言处理范畴的有哪些。A机器翻译B字典查询C相似度检测D摘要抽取小Q弟弟聪明好学，下列哪些功能是它能够完成的。A翻译英语B网上订餐C教他说话D解释成语下列哪一个选项是由微软公司研发的。A小冰BQ小弟C贤二机器僧DSiri下列哪些属于词法分析的范畴A新词发现B词性标注C*词D命名实体识别中文分词中，按照遍历搜索的方向不同可以分为哪些类别A双向匹配B正向匹配C中间匹配D逆向匹配在词法分析里，需要处理的小单位是是什么A词B短语C句子D字对于词性标注的主要方法包括哪些。A基于统计的和基于规则的相结合的方法B基于语义的标注方法C基于统计的方法D基于规则的方法下列哪些是基于词典的切词方法的缺陷。A歧义消解的能力差B切分正确率不高C简单易行D开发周期短所谓的命名实体包括哪些？A机构名B地名C人名D时间依存关系分析是将次分成哪两类？A名词B动词C核心词D依存词常见的语义表示包括等表示方法。A语义网络表示B基于框架的表示C基于神经网络的方法D一阶逻辑表示传统的自然语言处理哪种方法建立的模型A基于神经网络的方法B基于深度学习的方法C基于规则的方法D基于统计的方法下列哪些是词袋模型存在的缺陷。A随着词典规模越来越大，词袋模型维度变得越来越大B会带来维度灾难C模型有效值分布越来越稀疏，计算需求会越来越高，而计算效率会越来越低。D从词袋模型得到的词向量不能反映词与词之间的关系下列哪一种形式是主要的信息载体。A图像B音频C文字D视频下列哪一个神经网络模型更适合于自然语言处理A卷积神经网络CNNB循环神经网络RNNCBP神经网络模型DHopfield神经网格模型无需棋谱即可自学围棋的人工智能是（）AAlphaGoZeroBAlphaGoLeeCAlphaGoFanDAlphaGoMaster上次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligence”这一术语A1954B1956C1957D1955以下哪些不是人工智能概念的正确表述（）A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人工智能是通过机器或软件展现的智能D人工智能将其定义为人类智能体的研究下面不属于人工智能研究基本内容的是（）。A机器学习B机器感知C机器思维D自动化人工智能是研究、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。A智能B计算能力C行为D语言图灵测试的含义是（）A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。B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。C不存在图灵测试概念D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。下列不属于人工智能学派的是（）。A机会主义B符号主义C行为主义D连接主义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中与周围环境交互作用而表现出来。这是（）学派的基本思想。A符号主义B逻辑主义C行为主义D连接主义关于人工智能研究范式的连接主义，相关论述不正确的是（）A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。B连接主义起源于仿生学和人脑模型的研究。C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)。D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。人工智能(AI)、机器学习、深度学习三者关系论述正确的是（）A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系统所的。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深度学习方法研究人工神经网络的单层感知器学习结构。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（）A视觉生理学B控制论SC统计学D生物神经学深度学习属于（）A逻辑主义B符号主义C行为主义D连接主义下列不符合符号主义思想的是（）A人工智能的核心问题是知识表示、知识推理B认为人的认知基元是符号C认为智能不需要知识、不需要表示、不需要推理D源于数理逻辑不属于自然语言处理的核心环节的是（）A自然语言理解B语音语义识别C自然语言生成D知识的获取与表达人工智能的近期目标在于研究机器来（）。A完全代替人类B模仿和执行人脑的某些智力功能C代替人脑D制造智能机器下列哪一个是“分类”任务的准确描述（）。A发现每个空间中输入的排布B预测每个项目实际的值C为每个项目分配一个类别D对每个项目进行排序下列对于分类概念描述不正确的是（）A*类的标准统一B*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)）。C*类的结果有可能错误。D*类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法在机器学习领域，分类的目标是指（）。A将具有相似值的对象聚集B将具有相似特征的对象聚集C将具有相似形状的对象聚集D将具有相似名称的对象聚集两种以上（不含两种）的分类问题被称为（）。A归一化B*类C*类器D多分类有关分类器的构造和实施步骤描述错误的是：（）A在训练样本上执行分类器算法，生成分类模型；B在训练样本上执行分类模型，生成预测结果；C选定样本，将所有样本分成训练样本和测试样本两部分；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。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（）A②③①④B③①②④C①②③④D④①②③下列算法中，不能够对给定样本进行分类的是（）。A逻辑回归算法B梯度下降算法C决策树算法D神经网络在测试样本上执行分类模型，可以（）。A生成分类模型B生成预测结果C区分正样本D区分负样本SVM是一种典型的（）模型A神经网络B二类分类C感知机D聚类把样本所属的类型和样本实现对应起来被称为()A训练B*类C标注D测试分类器测试的作用是A判断测试集样本选择是否合适B检验分类器的效果C判断测试集样本标注是否合适D获得检测目标的分类"下列叙述中关于归一化不正确的是（）A归一化后，所有元素值范围在[0,1]B归一化后，所有元素和为1C归一化也被称为标准化D归一化后，所有元素值范围在（0,1）"深度学习中，常用的归一化函数是（）函数AMicroMinBSoftMaxCMicroMaxDSoftMin有特征，无标签的机器学习是（）A无监督学习B监督学习C半监督学习D强化学习无监督学习可完成什么任务（）A*类、回归、聚类B*类C聚类D回归寻找数据之间的相似性并将之划分组的方法称为（）A*组B回归C聚类D*类"下列两个变量之间的关系中,哪个是函数关系（）A孩子的身高和父亲的身高B正方形的边长和面积C学生的和他的英语成绩D人的工作环境与健康"从某中学随机选取8名，其身高x(cm)和体重y(kg)的线性回归方程为y=0.849x-85.712，则身高172cm的男学生，又回归方程可以预报其体重（）。A为60.316kgB大于60.316kgC约为60.316kgD小于60.316kg以下不属于聚类算法的是（）。ADIANA算法BK均值算法CAGNES算法D朴素贝叶斯算法Z等于Ｘ，则Z与Ｘ之间属于（）A完全不相关B不完全相关C完全相关D不相关因：经常挑食；果：身材矮小。这组因、果之间属于（）关系。A不相关B完全相关C不完全相关D完全不相关（）是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组。A*类B聚类C回归D非监督学习现欲分析、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这时应采用（）；如果将体重分类，分成高、中、低这三种体重类型作为因变量，则采用（）。A线性回归逻辑回归B逻辑回归逻辑回归C逻辑回归线性回归D线性回归线性回归有特征，有部分标签的机器学习属于（）。A无监督学习B监督学习C半监督学习D强化学习下面两个两完全相关的是（）。A长方形的面积与边长B每天的温度和季节C圆形的面积与直径D孩子的身高与父亲身高机器学习包括：A强化学习B监督学习C无监督学习D半监督学习两个变量之间的关系包括：A完全相关B不相关C不完全相关D负相关下面哪一个不是聚类常用的算法（）。AK均值算法BSVM算法CDIANA算法DAGNES算法AGNES算法步骤正确的是（）。①将每个样本特征向量作为一个初始簇；②根据两个簇中近的数据点寻找近的两个簇；③重复以上第二、三步，直到达到所需要的簇的数量；④合并两个簇，生成新的簇的，并重新计算簇的*点。A①④②③B①④③②C①②③④D①②④③下面属于强化学习的是（）A用户每读一篇文章，就给这篇贴上分类标签，例如这篇是，下一篇是经济等；算法通过这些分类标签进行学习，获得分类模型；再有新的文章过来的时候，算法通过分类模型就可以给新的文章自动贴上标签了。B两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，则这两个变量之间的关系称为强化学习。C用户经常阅读类和经济类的文章，算法就把和用户读过的文章相类似的文章给你。D算法先少量给用户各类文章，用户会选择其感兴趣的文章阅读，这就是对这类文章的一种奖励，算根据奖励情况构建用户可能会喜欢的文章的“知识图”。"1943年，神经网络的开山之作《Alogicalcalculusofideasimmanentinnervousactivity》,由（）和沃尔特.皮茨完成。A唐纳德.赫布B沃伦.麦卡洛克C明斯基D罗素"感知机属于（）。A前馈神经网络B反馈神经网络C生物神经网络DBP神经网络被称为“神经网络之父”和“人工智能教父”的是（）。A鲁梅尔哈特B辛顿C赫布D明斯基反馈神经网络又称前馈网络。A错B对下列神经网络中哪种架构有反馈连接（）。A感知机B卷积神经网络C循环神经网络D都不是对于自然语言处理问题，哪种神经网络模型结构更适合？（）。A卷积神经网络B循环神经网络C感知器D多层感知器为解决单个输出的感知机无法解决的异或问题，需要用有至少（）个输出的感知机？A3个B5个C2个D4个使用感知机模型的前提是（）。A数据样本少B数据线性不可分C数据样本多D数据线性可分有关浅层神经网络的说确的是（）。A各神经元分层排列B神经元与前一层及后一层的神经元相连C是一种单向多层结构D同一层的神经元之间没有互相连接对于多层神经网络，BP（反向传播）算法的直接作用是（）。A加快训练权值参数和偏置参数B提供训练集、测试集样本C科学评价训练模型D提高神经网络特征表示*度"梯度下降算法的正确步骤是什么？（）(a)计算预测值和真实值之间的误差。(b)迭代跟新，直到找到佳权重(c)把输入传入网络，得到输出值(d)初始化随机权重和偏差(e)对每一个产生误差的神经元，改变相应的（权重）值以减小误差Ad,c,a,e,bBa,b,c,d,eCe,d,c,b,aDc,b,a,e,d"感知机是只含输入层和输出层的一种浅层神经网络，两个感知机输出解决了”异或”问题，进一步扩展到多感知机输出，并增加了偏置单元。关于偏置单元的作用正确的是（）。A属于一种多层隐含层B施加干扰，网络死循环，以达到输出收敛C计算网络传播偏差信息D解决异或问题深度学习是一种多层神经网络的模拟认知训练方法，多层神经网络包含多个隐含层感知层，也称作卷积神经网络(CNN)，它的研究热潮兴起于本世纪初期。A对B错深度学习可以具有几个隐藏层（）。A1个B2个C3个D4个深度学习中常用的函数不包括（）。Asign函数BSin函数CReLU函数DSigmoid函数深度学习是含有一个隐含层的多层神经网络模型的强化学习，训练过程加入了函数。A对B错神经网络中，线性模型的表达能力不够时，可引入（）来添加非线性因素。A*类函数B函数C偏置单元D线性函数下列关于神经网络说确的是（）。A非线性B高速寻找优化解C不如决策树稳定D具有自学习、自组织、自适应性视网膜上对弱光敏感的是A瞳孔B视锥细胞C视杆细胞D视神经计算机中存储的图像是A黑白图像B数字图像C模拟图像D彩像数字图像的小单位是：A像素B点C*辨率D位图像的空间离散化叫做：A采样B灰度化C量化D二值化计算机处理图像时的三原色是：A红、黄、绿B红、绿、蓝C红、黄、蓝D蓝、绿、黄计算机显示器使用的颜色模型是ARGBBYUVCCMYKDHSV已知的古老的照片是由__完成的A达芬奇BWillamH.F.TalbotCJosephN.NiepceDRussellA.Kirsch以下哪个不是图像的基本运算A逻辑运算B块运算C代数运算D点运算可以将图中的相应区域进行遮盖的运算是A图像减法B图像加法C图像乘法D图像除法以下不属于图像增强方法的是A均值滤波B对比度展宽C直方图均衡D伪彩色常用的图像分割方法不包括A基于视觉观察的方法B基于区域的方法C基于阈值的方法D基于边缘检测的方法图像压缩的目的是A去除图像中的冗余信息B减少图像的信息量C降低分辨率D增加数据量关于图像梯度，说法不正确的是A垂直梯度图中，水平方向的边缘会比较清楚B相邻像素之间的差值称为图像梯度C水平梯度图中竖向的边缘会比较清楚D边缘梯度值要比平滑纹理梯度值小关于视频的说法不正确的是A视频是基于“视觉暂留”现象B视频时离散的C我们常见的视频一般是20帧/秒D视频是图像序列可以检测出图像中运动的方向和大小的方法是A梯度直方图B差分C光流法D背景差分CNN的基本结构不包括A前向池化层B卷积层C反向池化层D全连接层关于卷积层的说法，错误的是A卷积核的参数值是人为的B特征图是为卷积层的终输出C卷积核的尺寸是由人为的D卷积层可以作为神经网络的隐藏层池化层的作用不包括A解决卷积计算量过大的问题B实现不同尺度特征的提取C实现特征分类D降低特征图的分辨率CNN中用来完成分类的是A卷积层B全连接层C池化层DReLU函数依据自然语言是处理系统的输入还是输出，自然语言处理完成的功能可以划分为以下两类。A自然语言生成B自然语言读写C自然语言表达D自然语言理解自然语言处理作为人工智能领域重要的一个研究方向，其技术发展与人工智能的发展历史一样，主要有以下两类方法。A基于深度学习的方法B基于统计的方法C基于规则的方法D基于字典的方法导航软件里面郭德纲的声音是怎么制作的。A本人录制B语音合成C语音识别D词典查询下列技术属于自然语言处理范畴的有哪些。A相似度检测B字典查询C摘要抽取D机器翻译小Q弟弟聪明好学，下列哪些功能是它能够完成的。A教他说话B翻译英语C网上订餐D解释成语下列哪一个选项是由微软公司研发的。A贤二机器僧BSiriC小冰DQ小弟下列哪些属于词法分析的范畴A新词发现B*词C命名实体识别D词性标注中文分词中，按照遍历搜索的方向不同可以分为哪些类别A双向匹配B中间匹配C正向匹配D逆向匹配在词法分析里，需要处理的小单位是是什么A词B短语C句子D字对于词性标注的主要方法包括哪些。A基于语义的标注方法B基于统计的方法C基于统计的和基于规则的相结合的方法D基于规则的方法下列哪些是基于词典的切词方法的缺陷。A歧义消解的能力差B简单易行C切分正确率不高D开发周期短所谓的命名实体包括哪些？A人名B机构名C时间D地名依存关系分析是将次分成哪两类？A动词B名词C依存词D核心词常见的语义表示包括等表示方法。A基于神经网络的方法B语义网络表示C基于框架的表示D一阶逻辑表示传统的自然语言处理哪种方法建立的模型A基于规则的方法B基于统计的方法C基于深度学习的方法D基于神经网络的方法下列哪些是词袋模型存在的缺陷。A会带来维度灾难B从词袋模型得到的词向量不能反映词与词之间的关系C随着词典规模越来越大，词袋模型维度变得越来越大D模型有效值分布越来越稀疏，计算需求会越来越高，而计算效率会越来越低。下列哪一种形式是主要的信息载体。A视频B文字C音频D图像下列哪一个神经网络模型更适合于自然语言处理A循环神经网络RNNBHopfield神经网格模型C卷积神经网络CNNDBP神经网络模型家居空间设计应该拥有特点有（）A色彩情感化B居室空间生态化C风格个性化D空间简单化交房时要向开发商索要三书二表一报告，其中一报告指的是什么（）A《建筑工程质量报告》B《住宅质量报告》C《面积实测报告》D《建筑竣工验收报告》2021年11月19日物流与供应链数字化的本质是价值重构。超星工程训练（广东工业大学）答案物流和供应链的数字化是的科学和现代的组织方式的融合。超星中国概况答案它所要推动的是重构组织模式，包括物流组织模式，包括供应链的组织模式，从而不断的提高物流与供应链的网络化、智慧化、服务化水平。通过推进物流与供应链的数字化来把握发展动力转换的新格局。在之前，经济发展的动力主要是两个方面一个是制造业、一个是服务业。现在来看，经济发展的动力未来也是两个方面，一个是科技创新。第二个是基础设施建设。基于基础设施建设的动力这个大的背景下，我们有为基础设施建设提供原材料的产能优势，但是没有产业优势。链条很短，只有生产环节，两头都在别人手里。智慧树人工智能基础期末及答案2022已更新(/动态)所以说我们要把握这样的机遇，一定要把我们的产能优势变为产业优势，供应链的数字化、物流的数字化必不可少。第二，从物流领域来讲，通过物流与供应链的数字化来重构生产组织方式，延伸产业链条，实现产业之间的生产要素和生产条件的优化配置、有序协同、提率、降低成本。
荆州荆州
智慧树人工智能基础期末及答案2022已更新(/动态)经取得了较好的成绩。在新格局下，物流与采购联合会如何发挥行业组织职能，推进数字化进程？我有几点思考。首先要数字化思维。我将数字化思维归纳为四个词链接、共生、当下、创新。我们自己要树立这样的思维，我们要把这样的数字化的思维推广到物流领域、供应链领域。其次，超星数学建模（山东联盟）网课答案我们在做数字化工作时，一定要把握住物流和供应链数字化的基本方向，即着力于推动基于产业互联网为载体的产业融合。第三，要把握住数字化推进的重点。第四，要把握住我们推进物流和供应链数字化的基本路径。第五，要发挥我们平台的优势，超星希腊文明初探网课答案来引导物流和供应链领域的数字化进程。第六，要夯实基础，即我们要加强标准化的工作。通过全体员工的努力，使得公司在近几年稳健发展，成为业务遍布全国的信誉度较高的业内知名公司，公司成立至今，已先后为航运，石油，水利，电力，港口建设等相关行业提供了千余次水下工程服务。
哈尔滨南岗
智慧树人工智能基础期末及答案2022已更新(/动态)
已投稿到企业博客:可可老师文章标签:智慧树人工智能基础期末及答案2022已更新(/动态)智慧树答案知到答案知到APP答案
分享到：阅读(358)评论(0)顶(0)顶一下分享打印上一篇：智慧树知到分析化学（内蒙古农业大学）
下一篇：智慧树家具设计（山东联盟）单元测试答