人工智能基礎(chǔ)概念測(cè)試題與答案

這種功能稱之為()A、數(shù)據(jù)定義8、Boosting算法要求基學(xué)習(xí)器能對(duì)待定的數(shù)據(jù)分布進(jìn)行學(xué)習(xí)，這可通過(guò)()9、盡管人工智能學(xué)術(shù)界出現(xiàn)“百家爭(zhēng)鳴”的局面，但是18、()是一種基于貝葉斯法則為基礎(chǔ)的，通過(guò)概率手段進(jìn)行學(xué)習(xí)的方法。19、不屬于人工智能的學(xué)派是()21、新一代調(diào)度技術(shù)支持系統(tǒng)以運(yùn)行控制平臺(tái)、()兩種平臺(tái)協(xié)同A、云計(jì)算平臺(tái)(調(diào)控云)D、能量管理系統(tǒng)同范式的演變過(guò)程，目前正在從()轉(zhuǎn)向27、標(biāo)準(zhǔn)AdaBoost只適用于()任務(wù)B、K近鄰方法37、對(duì)于機(jī)器學(xué)習(xí)表述下列正確的是()。39、()是利用計(jì)算機(jī)將一種自然語(yǔ)言(源語(yǔ)言)43、個(gè)體學(xué)習(xí)器(),則集成越好法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)”,被視為計(jì)算機(jī)科學(xué)的一個(gè)分支，B、圖像識(shí)別D、專家系統(tǒng)A、假設(shè)與推理學(xué)習(xí)B、概念與分類學(xué)習(xí)53、支持?jǐn)?shù)據(jù)可視化的工具有()。54、如何解決不平衡數(shù)據(jù)集的分類問(wèn)題()。B、數(shù)據(jù)重采樣55、常見(jiàn)的聚類技術(shù)有()A、分層聚類B、K平均值聚類C、兩步聚類產(chǎn)品“以數(shù)據(jù)為中心”的特征不僅體現(xiàn)在“以數(shù)據(jù)為核心生產(chǎn)要素”,而且還57、NoSQL數(shù)據(jù)庫(kù)中采用的主要數(shù)據(jù)模型有()。58、常見(jiàn)的特征選擇方法有哪幾類()A、過(guò)濾式B、包裹式C、嵌入式D、指定式A、無(wú)監(jiān)督學(xué)習(xí)B、多媒體學(xué)習(xí)C、有監(jiān)督學(xué)習(xí)D、強(qiáng)化學(xué)習(xí)指A、計(jì)算機(jī)D、無(wú)人車68、一般來(lái)講，選擇統(tǒng)計(jì)量的標(biāo)準(zhǔn)有()三個(gè)。69、關(guān)于人臉?biāo)阉鞣?wù)，下列哪些說(shuō)法是正確的?索B、一個(gè)人臉集的大小不能超過(guò)10000張圖片70、按用途分類，專家系統(tǒng)可分為()A、診斷型解釋型A、正確B、錯(cuò)誤B、錯(cuò)誤73、人工智能發(fā)展歷程的第一次熱潮是20世紀(jì)50年代神經(jīng)網(wǎng)絡(luò)相關(guān)基礎(chǔ)82、2