人工智能導(dǎo)論智慧樹知到期末考試答案2024年

人工智能導(dǎo)論智慧樹知到期末考試答案2024年人工智能導(dǎo)論理解大腦包括兩個層面：宏觀和微觀。（）

A:對B:錯答案:錯在汽車零部件的檢測過程中，一些特殊部件零部件供應(yīng)商必須保證的工藝要求，而這些尺寸測量如果用人工進(jìn)行檢測，隨意有利于生產(chǎn)節(jié)拍，但是效率極其低下。因此在實際工業(yè)生產(chǎn)中，一般都采用高精度的視覺測量方案，雖然生產(chǎn)節(jié)拍有所降低，但效率大大提升。（）

A:對B:錯答案:錯現(xiàn)代認(rèn)知科學(xué)認(rèn)為理性不是根植于人類大腦和身體的。（）

A:對B:錯答案:錯基于樣本的遷移學(xué)習(xí)方法優(yōu)點：是方法簡單，實現(xiàn)容易。缺點：在于權(quán)重的選擇與相似度的度量依賴經(jīng)驗，且源域與目標(biāo)域的數(shù)據(jù)分布往往不同。（）

A:對B:錯答案:對生命的共同的基本目標(biāo)就是：生存和繁衍。（）

A:錯B:對答案:對科學(xué)樂觀主義的基礎(chǔ)是樂觀感性主義哲學(xué)，核心是知識論、認(rèn)識論。（）

A:對B:錯答案:錯神經(jīng)系統(tǒng)主要由2種細(xì)胞組成：分化神經(jīng)元和神經(jīng)膠質(zhì)細(xì)胞。兩種細(xì)胞的功能差異較大。（）

A:對B:錯答案:對有監(jiān)督學(xué)習(xí)的核心是聚類，無監(jiān)督學(xué)習(xí)的核心是分類。獨立分布數(shù)據(jù)更適合有監(jiān)督學(xué)習(xí)，非獨立數(shù)據(jù)更適合無監(jiān)督學(xué)習(xí)。（）

A:對B:錯答案:錯數(shù)據(jù)一般可分為模擬數(shù)據(jù)和數(shù)字?jǐn)?shù)據(jù)兩大類。（）

A:錯B:對答案:對卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模型之一，也是最重要的模型。其中，深度的意思是指隱藏層非常多。（）

A:錯B:對答案:對根據(jù)環(huán)境的所有信息是否可訪問，路徑規(guī)劃可以分為兩類：全局路徑規(guī)劃和局部路徑規(guī)劃。其中，全局路徑規(guī)劃的機(jī)器人在啟動前即已知道當(dāng)前環(huán)境的所有信息，而局部路徑規(guī)劃，則基本不知道環(huán)境信息。（）

A:對B:錯答案:對學(xué)習(xí)的目的是調(diào)整權(quán)值，以使網(wǎng)絡(luò)對任何的輸入都能得到期望的輸出。理想的情況是輸入和輸出一致，這樣，學(xué)習(xí)后的模型再用于處理數(shù)據(jù)時就可以得到比沒有學(xué)習(xí)的模型相對更加精確的結(jié)果。（）

A:錯B:對答案:對圖像識別、語音識別是人工智能目前應(yīng)用最廣泛的兩個領(lǐng)域。圖像識別領(lǐng)域面臨的用戶隱私保護(hù)和種族歧視等問題日益突出。（）

A:錯B:對答案:對機(jī)器視覺系統(tǒng)是指通過圖像攝取裝置將被攝取的目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和寬度、顏色等信息，轉(zhuǎn)換成數(shù)字信號，抽取目標(biāo)的特征，根據(jù)判別結(jié)果控制現(xiàn)場的設(shè)備動作或者進(jìn)行質(zhì)量檢測。（）

A:對B:錯答案:對知識圖譜利用符號知識發(fā)展可解釋人工智能，現(xiàn)階段深度學(xué)習(xí)已融合知識圖譜，故深度學(xué)習(xí)在現(xiàn)階段是可解釋的人工智能。（）

A:錯B:對答案:錯“實體-關(guān)系-實體”構(gòu)成的三元組就是知識圖譜的核心，也是組成知識圖譜的基本單位。（）

A:錯B:對答案:對數(shù)字圖像處理系統(tǒng)主要由圖像數(shù)字化設(shè)備（如掃描儀、數(shù)碼相機(jī)等）、圖像處理計算機(jī)（如PC）和圖像輸出設(shè)備（如打印機(jī)、繪圖儀等）組成。（）

A:對B:錯答案:對理性不具有離身性心智。理性的形成主要依賴人們?nèi)祟惿眢w的獨特性、大腦神經(jīng)網(wǎng)絡(luò)以及人們在世界上的日常具體活動。（）

A:對B:錯答案:對人造傳入神經(jīng)系統(tǒng)由三大核心組件構(gòu)成：觸覺晶體管、人造神經(jīng)元和突觸感受器。（）

A:錯B:對答案:錯人工智能目前模擬的主要是外顯智能和理性智能部分。而情感、心理、精神等高級內(nèi)隱智能還遠(yuǎn)沒有實現(xiàn)。（）

A:對B:錯答案:對學(xué)習(xí)過程是漸進(jìn)的嘗試錯誤的過程，強(qiáng)化是學(xué)習(xí)成功的關(guān)鍵，這是學(xué)派的觀點。()

A:行為主義B:連接主義C:符號主義D:記憶主義答案:行為主義李亮的哥哥是醫(yī)生，用謂詞邏輯可以表示為Doctor（brother（Liliang））這里brother（Liliang）是（）。

A:函數(shù)B:一元謂詞C:常量D:變元答案:函數(shù)以下哪個學(xué)派認(rèn)為“人類智能產(chǎn)生于大腦的高層活動，是由大量簡單的單元通過復(fù)雜連接后并行運行的結(jié)果”？()

A:行為主義B:記憶主義C:連接主義D:符號主義答案:連接主義以下哪種學(xué)習(xí)是“根據(jù)對環(huán)境的探索，對正確的行動進(jìn)行獎勵，模擬生物探索環(huán)境與積累經(jīng)驗的過程”？()

A:無監(jiān)督學(xué)習(xí)B:強(qiáng)化學(xué)習(xí)C:有監(jiān)督學(xué)習(xí)D:半監(jiān)督學(xué)習(xí)答案:強(qiáng)化學(xué)習(xí)連接主義的代表成果是()。

A:神經(jīng)網(wǎng)絡(luò)B:專家系統(tǒng)C:啟發(fā)式算法D:機(jī)器定理程序答案:神經(jīng)網(wǎng)絡(luò)在遺傳算法中，的簡單方式是改變編碼串的某個位置上的基因()。

A:變異操作B:取符號操作C:交叉操作D:選擇操作答案:變異操作不適合用產(chǎn)生式表示法表示的知識是（）。

A:經(jīng)驗性知識B:可以表示為一系列相對獨立的求解問題的操作C:結(jié)構(gòu)性知識D:由許多相對獨立的知識元組成的領(lǐng)域知識答案:結(jié)構(gòu)性知識下面關(guān)于主成分分析的描述中，哪個是錯誤的。（）

A:使用主成分分析降維，沒有信息損失B:主成分分析形式上可看是原始向量各分量的線性組合C:主成分分析利用線性變換的方式實現(xiàn)降維D:主成分分析從本質(zhì)上是高維到低維的投影答案:使用主成分分析降維，沒有信息損失在粒子群算法中，以下哪個不是算法的基本參數(shù)()。

A:權(quán)重系數(shù)B:加速因子C:適應(yīng)度函數(shù)D:粒子數(shù)量答案:權(quán)重系數(shù)遺傳算法中，將問題結(jié)構(gòu)變換為串形式表示的過程為()。

A:編碼B:遺傳C:解碼D:變換答案:編碼假設(shè)輸入是一個300*300的彩色（RGB）圖像，并且使用卷積神經(jīng)網(wǎng)絡(luò),并且使用卷積層和100個過濾器，每個過濾器都是5*5的大小，請問這個隱藏層有多少個參數(shù)（包括偏置參數(shù)）？()

A:5*5*100B:5*5*3*300*300C:5*5*3*100+100D:5*5*100+100答案:5*5*3*100+100你有一個15*15*8的輸入，并使用“pad=2”進(jìn)行填充，填充后的尺寸是多少？()

A:17*17*8B:19*19*8C:19*19*10D:17*17*10答案:19*19*8在以下的四個散點圖中，適用于作線性回歸的散點圖為。（）

A:②③B:③④C:①②D:①③答案:①③在粒子群算法中，粒子的位置對應(yīng)鳥類覓食中的()。

A:食物的量B:每只鳥的位置C:食物最多的位置D:森林答案:每只鳥的位置你有一個63*63*16的輸入，有32個過濾器進(jìn)行卷積，每個過濾器的大小為7*7，步幅為1，你想要使用“same”的卷積方式，請問pading的值是多少？()

A:1B:7C:2D:3答案:3下面哪個不是線性判別分析的計算步驟（）。

A:計算類內(nèi)散布矩陣Sw和類間散度矩陣SbB:選擇前d'個特征矢量作為列矢量成變換矩陣C:計算樣本的均值μD:計算特征值和特征矢量答案:計算樣本的均值μ設(shè)有一個訓(xùn)練好的人工神經(jīng)元：2個輸入x1和x2，連接權(quán)重分別是w1=1和w2=-1，閾值θ=1，激勵函數(shù)為ReLU函數(shù)f(s)=max{0,s}。現(xiàn)輸入x1=1和x2=2，則該神經(jīng)元的輸出是()。

A:2B:-1C:0D:-2答案:0在粒子群算法中，粒子更新自身的飛行速度時，以下哪個不是需要考慮的部分()。

A:位置部分B:慣性部分C:認(rèn)知部分D:社會部分答案:位置部分以下關(guān)于人工智能（AI）的表述中，正確的有()。

A:人工智能機(jī)器達(dá)到的智能效果是機(jī)器本身自發(fā)產(chǎn)生的B:人工智能就是要讓機(jī)器的行為看起來就像是人所表現(xiàn)出的智能行為一樣C:人工智能使機(jī)器可以做那些人需要智能來做的事情D:人工智能機(jī)器就是外觀為人形的裝置答案:人工智能使機(jī)器可以做那些人需要智能來做的事情;人工智能機(jī)器達(dá)到的智能效果是機(jī)器本身自發(fā)產(chǎn)生的;人工智能就是要讓機(jī)器的行為看起來就像是人所表現(xiàn)出的智能行為一樣推理的方向有（）

A:雙向推理B:逆向推理C:正向推理D:混合推理答案:雙向推理###正向推理###混合推理###逆向推理感知器可以解決以下哪些問題()。

A:實現(xiàn)邏輯關(guān)系中的或B:實現(xiàn)邏輯關(guān)系中的異或C:實現(xiàn)邏輯關(guān)系中的非D:實現(xiàn)邏輯關(guān)系中的與答案:實現(xiàn)邏輯關(guān)系中的與;實現(xiàn)邏輯關(guān)系中的或;實現(xiàn)邏輯關(guān)系中的非是對于未知分類標(biāo)簽的樣本集進(jìn)行分類，是用已知分類的數(shù)據(jù)集訓(xùn)練出一個能夠預(yù)測數(shù)據(jù)類型的模型()。

A:回歸B:分類C:聚類D:降維答案:分類###聚類下列（）是搜索中需要解決的基本問題。

A:是否終止運行或是否會陷入一個死循環(huán)B:找到的解是否是最佳解。C:是否一定能找到一個解。D:時間與空間復(fù)雜性如何。答案:是否一定能找到一個解###找到的解是否是最佳解###時間與空間復(fù)雜性如何###是否終止運行或是否會陷入一個死循環(huán)為了達(dá)到智能，機(jī)器應(yīng)當(dāng)具備的能力包括和記憶能力()。

A:感知能力B:行為能力C:學(xué)習(xí)能力D:思維能力答案:行為能力###學(xué)習(xí)能力###感知能力###思維能力4常見的損失函數(shù)包括()。

A:均方誤差B:錯誤率C:SigmoidD:交叉熵答案:錯誤率###均方誤差###交叉熵框架表示法的特點包括（）。

A:繼承性B:模塊性C:自然性D:結(jié)構(gòu)性答案:結(jié)構(gòu)性###繼承性###自然性深度優(yōu)先搜索策略具有（）性質(zhì)。

A:為了保證找到解，應(yīng)選擇合適的深度限制值，或采取不斷加大深度限制值的辦法，反復(fù)搜索，直到找到解。B:在不具有對特定問題的任何有關(guān)信息的條件下，按固定的步驟（依次或隨機(jī)調(diào)用操作算子）進(jìn)行的搜索。C:當(dāng)搜索到某一個狀態(tài)時，它所有的子狀態(tài)以及子狀態(tài)的后裔狀態(tài)都必須先于該狀態(tài)的兄弟狀態(tài)被搜索。D:考慮特定問題領(lǐng)域可應(yīng)用的知識，動態(tài)地確定調(diào)用操作算子的步驟，優(yōu)先選擇較適合的操作算子，盡量減少不必要的搜索，以求盡快地到達(dá)結(jié)束狀態(tài)。答案:在不具有對特定問題的任何有關(guān)信息的條件下，按固定的步驟（依次或隨機(jī)調(diào)用操作算子）進(jìn)行的搜索。;當(dāng)搜索到某一個狀態(tài)時，它所有的子狀態(tài)以及子狀態(tài)的后裔狀態(tài)都必須先于該狀態(tài)的兄弟狀態(tài)被搜索。;為了保證找到解，應(yīng)選擇合適的深度限制值，或采取不斷加大深度限制值的辦法，反復(fù)搜索，直到找到解。ID3決策樹算法的不足之處有（）

A:沒有考慮缺失值B:特征選擇偏向高度分支屬性C:只能處理離散分布特征D:容易過擬合答案:特征選擇偏向高度分支屬性;容易過擬合;只能處理離散分布特征;沒有考慮缺失值關(guān)于最大最小距離算法的描述，正確的有（）。

A:如果從B或C選項得到距離大于前兩個聚類中心距離乘以某一常數(shù)，則生成新的聚類中心B:尋找所有樣本最小距離中的最小距離C:除了最初的兩個聚類中心，需要計算各樣本到當(dāng)前各個類別中心的距離，并尋找最小距離。D:尋找所有樣本最小距離中的最大距離答案:除了最初的兩個聚類中心,需要計算各樣本到當(dāng)前各個類別中心的距離,并尋找最小距離###尋找所有樣本最小距離中的最大距離###如果從B或C選項得到距離大于前兩個聚類中心距離乘以某一常數(shù),則生成新的聚類中心產(chǎn)生式系統(tǒng)求解問題的過程中包括（）。

A:匹配B:執(zhí)行C:推理D:沖突消解答案:匹配###沖突消解###執(zhí)行以下關(guān)于BP算法中的“前向”、“后向”正確的有()。

A:網(wǎng)絡(luò)的輸出由輸出層反向傳回至各隱層B:網(wǎng)絡(luò)的輸出誤差由輸出層反向傳回至各隱層C:網(wǎng)絡(luò)的輸入由輸入層前向傳至隱藏層再至輸出層D:網(wǎng)絡(luò)的輸出誤差由輸出層反向傳回至輸入層答案:網(wǎng)絡(luò)的輸出誤差由輸出層反向傳回至各隱層###網(wǎng)絡(luò)的輸入由輸入層前向傳至隱藏層再至輸出層一般遺傳算法的組成有()。

A:適應(yīng)度函數(shù)B:種群初始化C:編碼機(jī)制D:遺傳算子答案:適應(yīng)度函數(shù)###種群初始化###編碼機(jī)制###遺傳算子特征選擇的具體方法包括（）。

A:主成分分析法B:增l-減r法C:順序前進(jìn)法D:分支定界法E:順序后退法答案:分支定界法###順序前進(jìn)法###順序后退法###增l-減r法在聚類分析時，同樣的一組對象采用不同的特征進(jìn)行聚類，結(jié)果可能完全不同。（）

A:對B:錯答案:對不確定性推理所用的知識與證據(jù)不都是確定的，推出的結(jié)論也是不確定的。（）

A:對B:錯答案:對人工智能以智能為核心，研究生物智能活動規(guī)律，模擬智能行為的理論、方法和技術(shù)。()

A:錯B:對答案:對降維能夠提高分類器的泛化能力。（）

A:對B:錯答案:對過擬合是指模型的擬合曲線過于貼近訓(xùn)練數(shù)據(jù)的特征，但測試集上卻較差。()

A:對B:錯答案:對粒子群算法中，個體認(rèn)知分量表示粒子對其他粒子共享位置的思考。()

A:對B:錯答案:錯MP神經(jīng)元是一種固定權(quán)值的人工神經(jīng)元。()

A:錯B:對答案:對有監(jiān)督學(xué)習(xí)中，輸出變量為有限個離散變量的預(yù)測問題是回歸問題。()

A:對B:錯答案:錯在順序聚類算法中，需要設(shè)置閾值θ，θ越大，聚類的數(shù)量就越少。（）

A:錯B:對答案:對1956年，麥卡錫、明斯基等人在美國達(dá)特茅斯會議上給出了人工智能最標(biāo)準(zhǔn)的定義。()

A:對B:錯答案:錯單調(diào)推理中，隨著推理向前推進(jìn)及新知識的加入，推出的結(jié)論越來越接近最終目標(biāo)。（）

A:對B:錯答案:對在遺傳算法中，適應(yīng)度大的個體被選擇的概率大，但不是說一定能夠被選上。()

A:錯B:對答案:錯單層感知機(jī)可以解決邏輯關(guān)系中的異或問題()。

A:錯B:對答案:錯神經(jīng)元有兩個狀態(tài)：興奮、抑制。這兩個狀態(tài)由閾值決定。()

A:錯B:對答案:對求解問題系統(tǒng)不可能知道與實際問題有關(guān)的全部信息，因而無法知道該問題的全部狀態(tài)空間，也不可能用一套算法來求解所有的問題。（）

A:錯B:對答案:對進(jìn)化由出現(xiàn)的先后順序進(jìn)行排列正確的是：（）

A:大腦進(jìn)化、生命進(jìn)化、人類進(jìn)化、機(jī)器進(jìn)化B:生命進(jìn)化、人類進(jìn)化、大腦進(jìn)化、機(jī)器進(jìn)化C:生命進(jìn)化、大腦進(jìn)化、人類進(jìn)化、機(jī)器進(jìn)化D:大腦進(jìn)化、人類進(jìn)化、生命進(jìn)化、機(jī)器進(jìn)化答案:生命進(jìn)化、人類進(jìn)化、大腦進(jìn)化、機(jī)器進(jìn)化下列描述內(nèi)容錯誤的是：（）

A:HAL通過捕獲激發(fā)人體運動的神經(jīng)電信號（肌電信號）識別人的運動意圖，基于運動意圖實現(xiàn)自主控制B:基于語料庫技術(shù)的工作原理是利用統(tǒng)計學(xué)和概率方法建立一個包含各種句型的雙語對照語料庫C:基于規(guī)則分析就是對源語言語句的詞法、語義、語法和句法進(jìn)行分析并進(jìn)行判斷和取舍,然后重新進(jìn)行排列組合,最后生成目標(biāo)語言D:生物映射系統(tǒng)和概率方法中，兩者所用地圖表示方式相同答案:生物映射系統(tǒng)和概率方法中，兩者所用地圖表示方式相同下面選項中，不屬于環(huán)境建模常用方法的是（）

A:柵格法B:可視圖法C:自由空間法D:人工勢場法答案:人工勢場法下面關(guān)于感知機(jī)的說法中，錯誤的是（）

A:感知機(jī)可以對異或問題進(jìn)行求解B:感知機(jī)由輸入層和輸出層組成C:感知機(jī)的本質(zhì)是一種適合用于將某些數(shù)據(jù)分為兩種類型的線性分類模型D:感知機(jī)是最簡單的人工神經(jīng)網(wǎng)絡(luò)模型答案:感知機(jī)可以對異或問題進(jìn)行求解下面選項說法錯誤的是（）

A:進(jìn)行大數(shù)據(jù)分析時，不是利用隨機(jī)樣本而是應(yīng)用全部數(shù)據(jù)進(jìn)行分析B:大數(shù)據(jù)的價值密度低C:大數(shù)據(jù)屬于批量式分析D:大數(shù)據(jù)中的數(shù)據(jù)之間交互頻繁答案:大數(shù)據(jù)屬于批量式分析下列不屬于強(qiáng)化學(xué)習(xí)難點的是：（）

A:狀態(tài)信息誤差大B:狀態(tài)和行為維度高C:樣本量過多D:模型限制答案:樣本量過多以下有關(guān)路徑搜索常用方法的說法錯誤的是（）

A:使用人工勢場法時，目標(biāo)點的周圍任意距離內(nèi)存在部分障礙物時容易造成路徑不可達(dá)現(xiàn)象B:人工勢場法能夠迅速搜索到無碰撞的路徑，靈活性強(qiáng)C:A*算法能夠求解出狀態(tài)空間搜索的最短路徑D:A*算法在搜索時占用內(nèi)存過大，搜索效率降低，不能保證得到最優(yōu)答案:使用人工勢場法時，目標(biāo)點的周圍任意距離內(nèi)存在部分障礙物時容易造成路徑不可達(dá)現(xiàn)象下列有關(guān)監(jiān)督學(xué)習(xí)分類方法的說法錯誤的是（）

A:KNN最近鄰法中，在分類時較大的K值能夠減小噪聲的影響，使類別之間的界限變得清晰B:樸素貝葉斯是一種允許以簡單直接的方式構(gòu)建分類器的方法C:決策樹學(xué)習(xí)的目的是處理未見示例能力強(qiáng)的決策樹D:支持向量機(jī)的方法適用于高維空間，并且可以有效地用于小型數(shù)據(jù)集答案:KNN最近鄰法中，在分類時較大的K值能夠減小噪聲的影響，使類別之間的界限變得清晰以下不屬于計算機(jī)模擬人類交流的過程的是（）

A:識別表達(dá)語言的語音內(nèi)容B:將語言轉(zhuǎn)換成相應(yīng)的語音C:理解語音所表達(dá)的語言意義D:將人發(fā)出的聲音轉(zhuǎn)換成語言答案:將人發(fā)出的聲音轉(zhuǎn)換成語言為了解決如何模擬人類的感性思維，例如視覺理解、直覺思維、悟性等，研究者找到一個重要的信息處理的機(jī)制是（）

A:專家系統(tǒng)B:智能代理C:模式識別D:人工神經(jīng)網(wǎng)絡(luò)答案:人工神經(jīng)網(wǎng)絡(luò)下列關(guān)于人類理性與人工智能的說法中，錯誤的有（）

A:人類理性的對于人類和人工智能都非常有意義的作用主要包括：認(rèn)知理性、方法理性、價值理性B:方法理性只注意方法、工具本身，強(qiáng)調(diào)理性的特性和功能值在于作為最有效的工具、手段去實現(xiàn)任何目的C:價值理性對人工智能的價值在于，為人工智能倫理、法制、道德的設(shè)計提供了理論和哲學(xué)基礎(chǔ)，使人工智能發(fā)展處于良性軌道上D:認(rèn)知理性是人類的高級智能，是強(qiáng)人工智能最終要實現(xiàn)的目標(biāo)能力之一，現(xiàn)階段的人工智能已具備認(rèn)知理性答案:認(rèn)知理性是人類的高級智能，是強(qiáng)人工智能最終要實現(xiàn)的目標(biāo)能力之一，現(xiàn)階段的人工智能已具備認(rèn)知理性以下關(guān)于人造突觸說法不正確的是（）

A:該種新型人工突觸不但成功地模仿了人腦中的突觸傳遞信號的方式，但是能效不能超過了傳統(tǒng)計算機(jī)B:它就像真的突觸一樣，但它的確是人工設(shè)計的有機(jī)電子器件，這是一種此前沒有出現(xiàn)的嶄新的器件C:此外，這種器件在很多關(guān)鍵參數(shù)上也優(yōu)于無機(jī)器件D:這種人工突觸提高了計算機(jī)模擬人腦的效率，有力地促進(jìn)了該領(lǐng)域的發(fā)展答案:該種新型人工突觸不但成功地模仿了人腦中的突觸傳遞信號的方式，但是能效不能超過了傳統(tǒng)計算機(jī)人工智能是知識與智力的綜合，其中下列不是智能的特征的是（）

A:具有感知能力B:具有自我推理能力C:具有學(xué)習(xí)能力以及自適應(yīng)能力D:具有記憶與思維的能力答案:具有自我推理能力狀態(tài)空間法三要點不包括：（）

A:算符B:狀態(tài)C:狀態(tài)空間方法D:算法答案:算法下列選項中哪一個是正確的計算機(jī)視覺技術(shù)流程（）

A:目標(biāo)提取->目標(biāo)識別->目標(biāo)分析->圖像采集B:圖像采集->目標(biāo)提取->目標(biāo)識別->目標(biāo)分析C:目標(biāo)提取->目標(biāo)識別->圖像采集->目標(biāo)分析D:圖像采集->目標(biāo)提取->目標(biāo)分析->目標(biāo)識別答案:圖像采集-目標(biāo)提取-目標(biāo)識別-目標(biāo)分析以下有關(guān)機(jī)器人視覺關(guān)鍵技術(shù)的說法錯誤的是（）

A:雙目立體視覺技術(shù)對障礙物的檢測主要是基于立體視覺的方法B:微波雷達(dá)測距技術(shù)性能相對穩(wěn)定但成本高，而且空間的覆蓋面積有限,彼此之間有可能會產(chǎn)生一些電磁干擾C:基于局部特征不變量的方法:在描述圖像局部區(qū)域和處理外來噪音方面有著優(yōu)良特性D:基于區(qū)域的分割算法對噪聲具有一定的抗干擾能力，區(qū)域特性的選取也比較簡單答案:基于區(qū)域的分割算法對噪聲具有一定的抗干擾能力，區(qū)域特性的選取也比較簡單下列不屬于模式的直觀特性為：（）

A:相似性B:可推測性C:可觀察性D:可區(qū)分性答案:可推測性以下關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)說法正確的是（）

A:采用BP算法調(diào)整參數(shù)，即采用迭代算法來訓(xùn)練整個網(wǎng)絡(luò)。隨機(jī)設(shè)定初值，計算當(dāng)前網(wǎng)絡(luò)的輸出，然后根據(jù)當(dāng)前輸出和樣本真實標(biāo)簽之間的差去改變前面各層的參數(shù)，直到收斂B:其優(yōu)勢在于可通過學(xué)習(xí)一種深層非線性網(wǎng)絡(luò)結(jié)構(gòu)，實現(xiàn)復(fù)雜函數(shù)逼近，表征輸入數(shù)據(jù)分布式表示C:采用逐層訓(xùn)練機(jī)制。采用該機(jī)制的原因在于如果采用BP機(jī)制，對于一個deepnetwork（7層以上），殘差傳播到最前面的層將變得很小，出現(xiàn)所謂的gradientdiffusion（梯度擴(kuò)散）D:二者均采用分層結(jié)構(gòu)，系統(tǒng)包括輸入層、隱層（多層）、輸出層組成的多層網(wǎng)絡(luò)，只有相鄰層節(jié)點之間有連接，同一層以及跨層節(jié)點之間相互無連接，每一層可以看作是一個logistic回歸模型答案:二者均采用分層結(jié)構(gòu)，系統(tǒng)包括輸入層、隱層（多層）、輸出層組成的多層網(wǎng)絡(luò)，只有相鄰層節(jié)點之間有連接，同一層以及跨層節(jié)點之間相互無連接，每一層可以看作是一個logistic回歸模型;采用BP算法調(diào)整參數(shù)，即采用迭代算法來訓(xùn)練整個網(wǎng)絡(luò)。隨機(jī)設(shè)定初值，計算當(dāng)前網(wǎng)絡(luò)的輸出，然后根據(jù)當(dāng)前輸出和樣本真實標(biāo)簽之間的差去改變前面各層的參數(shù)，直到收斂;采用逐層訓(xùn)練機(jī)制。采用該機(jī)制的原因在于如果采用BP機(jī)制，對于一個deepnetwork（7層以上），殘差傳播到最前面的層將變得很小，出現(xiàn)所謂的gradientdiffusion（梯度擴(kuò)散）數(shù)據(jù)按產(chǎn)生主題方式分類屬于次外層的數(shù)據(jù)有：（）

A:應(yīng)用服務(wù)器日志B:電子商務(wù)在線交易C:各種數(shù)據(jù)庫中的數(shù)據(jù)D:社交媒體答案:社交媒體###電子商務(wù)在線交易下列選項中混合智能應(yīng)用與其技術(shù)對應(yīng)正確的是（）

A:“意識”駕駛汽車——腦機(jī)接口混合智能B:外骨骼機(jī)器人——外骨骼混合智能C:意識操控機(jī)器人——腦機(jī)接口混合智能D:人造感覺神經(jīng)——腦機(jī)接口混合智能答案:“意識”駕駛汽車——腦機(jī)接口混合智能;意識操控機(jī)器人——腦機(jī)接口混合智能;外骨骼機(jī)器人——外骨骼混合智能機(jī)器人發(fā)展經(jīng)歷了哪幾代（）

A:機(jī)械式機(jī)器人B:智能機(jī)器人C:自適應(yīng)機(jī)器人D:程序控制機(jī)器人答案:程序控制機(jī)器人###自適應(yīng)機(jī)器人###智能機(jī)器人關(guān)于搜索與求解，描述正確的是（

）。

A:所有的智能活動過程，都可以看作或者抽象為一個基于搜索的問題求解B:搜索是為了達(dá)到某一目標(biāo)而多次進(jìn)行某種操作、運算、推理或計算的過程C:搜索可以看作人類和其他生物所具有的一種元知識D:搜索是人在求解問題時不知現(xiàn)成解法的情況下所采取的一種普遍方法答案:所有的智能活動過程，都可以看作或者抽象為一個基于搜索的問題求解###搜索可以看作人類和其他生物所具有的一種元知識###搜索是為了達(dá)到某一目標(biāo)而多次進(jìn)行某種操作、運算、推理或計算的過程###搜索是人在求解問題時不知現(xiàn)成解法的情況下所采取的一種普遍方法降維方法：（）

A:通過近似線性化爸原始特征變?yōu)檩^少的新特征B:從原始特征中挑選出一些最有代表性的特征來C:通過映射和變換把原始特征變?yōu)檩^少的新特征D:從原始特征中挑選出一些出現(xiàn)次數(shù)較多的特征來答案:通過映射和變換把原始特征變?yōu)檩^少的新特征;從原始特征中挑選出一些最有代表性的特征來以下有關(guān)環(huán)境建模常用方法說法錯誤的是（）

A:自由空間法比較靈活，隨著環(huán)境中物體的復(fù)雜度的增加，計算效率始終保持不變B:Voronoi圖法使得路徑較遠(yuǎn)地遠(yuǎn)離障礙物，安全性比較高，計算較復(fù)雜，能夠選擇最優(yōu)路徑C:柵格法具有二值信息，有利于計算機(jī)的建模、存儲和更新D:可視圖法適用于各種多邊形，但是對于邊緣較為平滑的障礙物具有一定的局限性答案:Voronoi圖法使得路徑較遠(yuǎn)地遠(yuǎn)離障礙物，安全性比較高，計算較復(fù)雜，能夠選擇最優(yōu)路徑;自由空間法比較靈活，隨著環(huán)境中物體的復(fù)雜度的增加，計算效率始終保持不變屬于深度學(xué)習(xí)與淺層學(xué)習(xí)區(qū)別的是：（）

A:分類或預(yù)測更加容易B:強(qiáng)調(diào)了模型結(jié)構(gòu)的深度C:利用大數(shù)據(jù)來學(xué)習(xí)特征，更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息D:明確突出了特征學(xué)習(xí)的重要性答案:分類或預(yù)測更加容易###利用大數(shù)據(jù)來學(xué)習(xí)特征,更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息###強(qiáng)調(diào)了模型結(jié)構(gòu)的深度###明確突出了特征學(xué)習(xí)的重要性感知器作為人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)模型其獨特的意義是：（）

A:正是因為不能解決非線性分類問題的缺陷，啟發(fā)了后來的各種人工神經(jīng)網(wǎng)絡(luò)模型B:由于其簡單易理解，作為人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的入門模型是恰如其分C:感知機(jī)旨在求出將輸入空間中的實例劃分為兩類的分離超平面D:人工神經(jīng)網(wǎng)絡(luò)用于解決線性分類問題的開創(chuàng)性工作答案:人工神經(jīng)網(wǎng)絡(luò)用于解決線性分類問題的開創(chuàng)性工作###正是因為不能解決非線性分類問題的缺陷,啟發(fā)了后來的各種人工神經(jīng)網(wǎng)絡(luò)模型###由于其簡單易理解,作為人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的入門模型是恰如其分深度卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被廣泛應(yīng)用于（）

A:目標(biāo)圖像采集B:目標(biāo)識別C:目標(biāo)分類D:目標(biāo)提取答案:目標(biāo)圖像采集###目標(biāo)提取###目標(biāo)識別###目標(biāo)分類深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的區(qū)別有哪些（）

A:深度學(xué)習(xí)解決的更多是感知問題，強(qiáng)化學(xué)習(xí)解決的主要是決策問題B:深度學(xué)習(xí)的學(xué)習(xí)過程是靜態(tài)的，而強(qiáng)化學(xué)習(xí)是動態(tài)的C:深度學(xué)習(xí)部分有有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之分，強(qiáng)化學(xué)習(xí)無此分類D:深度學(xué)習(xí)的訓(xùn)練樣本是有標(biāo)簽的，而強(qiáng)化學(xué)習(xí)沒有答案:深度學(xué)習(xí)的訓(xùn)練樣本是有標(biāo)簽的,而強(qiáng)化學(xué)習(xí)沒有###深度學(xué)習(xí)的學(xué)習(xí)過程是靜態(tài)的,而強(qiáng)化學(xué)習(xí)是動態(tài)的###深度學(xué)習(xí)解決的更多是感知問題,強(qiáng)化學(xué)習(xí)解決的主要是決策問題###深度學(xué)習(xí)部分有有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之分,強(qiáng)化學(xué)習(xí)無此分類以下關(guān)于人工智能和機(jī)器智能說法正確的是（）

A:人工智能的依附載體是機(jī)器，就像人和動物有一個身體一樣，機(jī)器就是人工智能的“身體”有“身體”的機(jī)器會像人或動物一樣有感知、認(rèn)知、語言、行為等多樣的智能B:從人與機(jī)器的智能產(chǎn)生機(jī)制角度看，機(jī)器依托非自然的機(jī)制可以產(chǎn)生不同于人類的智能甚至智慧C:相對于人或動物的智能而言，機(jī)器的智能不是自然進(jìn)化產(chǎn)生的，而是人工創(chuàng)造的D:非自然智能或非生物智能稱為人工智能，相對于自然智能而言，以人類制造或發(fā)明的機(jī)器為載體實現(xiàn)的非生命智能稱為機(jī)器智能答案:對至今由人工智能機(jī)器制造的藝術(shù)領(lǐng)域有：（）

A:美術(shù)B:文學(xué)C:影視創(chuàng)作D:音樂答案:文學(xué)###美術(shù)###音樂###影視創(chuàng)作下面關(guān)于機(jī)器視覺系統(tǒng)的說法中，正確的有（）

A:可選取合適的光學(xué)系統(tǒng)，采集適合處理的圖象是實現(xiàn)最終功能的關(guān)鍵B:開發(fā)穩(wěn)定可靠的圖象處理軟件是視覺檢測的核心任務(wù)C:可靠的執(zhí)行機(jī)構(gòu)和人性化的人機(jī)界面是完成視覺檢測的基本條件D:機(jī)器視覺系統(tǒng)主要包括光學(xué)系統(tǒng)、圖像處理系統(tǒng)、執(zhí)行機(jī)構(gòu)及人機(jī)界面四部分答案:開發(fā)穩(wěn)定可靠的圖象處理軟件是視覺檢測的核心任務(wù)###機(jī)器視覺系統(tǒng)主要包括光學(xué)系統(tǒng)、圖像處理系統(tǒng)、執(zhí)行機(jī)構(gòu)及人機(jī)界面四部分強(qiáng)化學(xué)習(xí)的方法主要有（）

A:逆強(qiáng)化學(xué)習(xí)（InverseRL）B:深度強(qiáng)化學(xué)習(xí)（DRL)C:基于價值的強(qiáng)化學(xué)習(xí)（Value-basedRL)D:基于策略的強(qiáng)化學(xué)習(xí)（Policy-basedRL)答案:基于價值的強(qiáng)化學(xué)習(xí)(Value-basedRL)###基于策略的強(qiáng)化學(xué)習(xí)(Policy-basedRL)###深度強(qiáng)化學(xué)習(xí)(DRL)###逆強(qiáng)化學(xué)習(xí)(InverseRL)以下推理中產(chǎn)生式系統(tǒng)的推理包括（）

A:正向推理B:逆向推理C:雙向推理D:簡單推理答案:雙向推理###正向推理###逆向推理對于卷積神經(jīng)網(wǎng)絡(luò)說法正確的有：（）

A:卷積神經(jīng)網(wǎng)絡(luò)中的池化層的目的是降低特征圖的維度，進(jìn)而降低卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)量，減少過擬合B:卷積神經(jīng)網(wǎng)絡(luò)具有天然的網(wǎng)絡(luò)權(quán)重值共享和網(wǎng)絡(luò)局部稀疏性連接的特性C:卷積神經(jīng)網(wǎng)絡(luò)在圖像分類、目標(biāo)檢測、語義分割等