初識人工智能智慧樹知到期末考試答案章節(jié)答案2024年海南軟件職業(yè)技術(shù)學(xué)院

初識人工智能智慧樹知到期末考試答案+章節(jié)答案2024年海南軟件職業(yè)技術(shù)學(xué)院所有人工智能的研究都圍繞著（）展開。

答案:計算機(jī)人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點是透明性，即能解釋結(jié)果。這一說法（）

答案:錯從研究角度來看，深度學(xué)習(xí)基于單層神經(jīng)網(wǎng)絡(luò)的，并以海量數(shù)據(jù)作為輸入。這一說法（）。

答案:錯語音理解是指利用（）等人工智能技術(shù)進(jìn)行語句自動識別和語意理解。

答案:知識表達(dá)和組織“機(jī)器人”-robot一詞，源自（）

答案:《羅梭的萬能工人》舞臺?。ǎ┦菆D像處理中的一項關(guān)鍵技術(shù)，一直收到人們的高度重視。

答案:圖像分割與大腦中的一個神經(jīng)元可以連接一定距離內(nèi)的任意神經(jīng)元不同，人工神經(jīng)網(wǎng)絡(luò)具有（）的層、連接和數(shù)據(jù)傳輸?shù)姆较颉?/p>

答案:離散神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)是在（）的圖像識別方法和基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法的一種圖像識別方法。

答案:傳統(tǒng)信用卡欺詐線索往往來源于對（）的分析。

答案:銀行所有數(shù)據(jù)準(zhǔn)確而迅速地提取語音信號的（）是語音處理的關(guān)鍵。

答案:參數(shù)人類在處理某些信息方面明顯優(yōu)于機(jī)器，是因為人累具有（）的機(jī)制。

答案:內(nèi)置的隨機(jī)訪問和關(guān)聯(lián)決策樹法的優(yōu)點是（），不需要長時間構(gòu)造過程，描述簡單，易于理解，分類速度快。

答案:決策過程可見多個智能代理在一個系統(tǒng)中是（）作業(yè)的。

答案:其余三個選項都對神經(jīng)元一般由由3部分組成，下面（）不屬于。

答案:細(xì)胞核神經(jīng)網(wǎng)絡(luò)法模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，是一種通過（）來學(xué)習(xí)非線性預(yù)測模型。

答案:訓(xùn)練在數(shù)據(jù)挖掘中，分類、估值和預(yù)測3種方法屬于（）的數(shù)據(jù)挖掘。

答案:有指導(dǎo)下面（）不屬于計算機(jī)視覺要達(dá)到的基本目的。

答案:根據(jù)一幅或多幅二維投影圖像計算出目標(biāo)物體的立體特性圖像采集就是從（）獲取場景圖像的過程，是機(jī)器視覺的第一步。

答案:工作現(xiàn)場機(jī)器智能研究如何提高機(jī)器應(yīng)用的智能水平。這里的“機(jī)器”主要是指（）。

答案:其余選項都對下面（）屬于專家系統(tǒng)其他典型特征。

答案:其余三個選項都是（）事件被看作是人工智能與機(jī)器人學(xué)歷史上的一座里程碑。

答案:1997年5月，深藍(lán)計算機(jī)擊敗了國際象棋世界冠軍圖像處理技術(shù)的主要內(nèi)容包括3個部分，其中不包括（）。

答案:數(shù)據(jù)排序在大數(shù)據(jù)時代，無需再緊盯事物之間的（），而應(yīng)該尋找事物之間的（），這會給人們提供非常新穎且有價值的觀點。

答案:因果關(guān)系，相關(guān)關(guān)系機(jī)器學(xué)習(xí)希望計算機(jī)系統(tǒng)能夠利用（）來改善自身的性能，因此該領(lǐng)域一直是人工智能的核心研究領(lǐng)域。

答案:經(jīng)驗人工智能是人類智能的延伸，也是人類價值系統(tǒng)的延伸。在其發(fā)展的過程中，應(yīng)當(dāng)包含對（）的正確考量。

答案:人類倫理價值遺傳算法模擬了自然選擇和遺傳中發(fā)生的繁殖、交配合基因突變現(xiàn)象，采用遺傳結(jié)合、遺傳（）及自然選擇來生成實現(xiàn)規(guī)則。

答案:交叉變異下列（）不屬于圖像識別的方法。

答案:非結(jié)構(gòu)模式識別2018年和2019年，梁旭良杰世界人工智能大會都在中國（）城市召開。

答案:上海深度學(xué)習(xí)徹底顛覆了（）的范式，開啟了數(shù)據(jù)驅(qū)動的表示學(xué)習(xí)方式。

答案:人造特征智慧校園是（）的信息化校園。

答案:其余選項都對降維是通過找到數(shù)據(jù)的（）來減少數(shù)據(jù)集的變量。

答案:共同點大數(shù)據(jù)時代，專家們正在研發(fā)能發(fā)現(xiàn)并對比分析非線性關(guān)系的技術(shù)工具。通過（），相關(guān)關(guān)系幫助我們更好地了解這個世界。

答案:探求“是什么”而不是“為什么”機(jī)器行為研究如何用（）模擬、延伸和擴(kuò)展人的智能行為。

答案:機(jī)器當(dāng)前，主流的人工智能都集中在（）上，并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得了可觀的成就。

答案:弱人工智能規(guī)劃本質(zhì)上是一個（）問題。

答案:搜索蟻群優(yōu)化與真實蟻群類似，利用（）指導(dǎo)單個智能體走最短路徑。

答案:信息素如果需要應(yīng)用如最佳有限搜索算法這樣的分析方法，使用（）表示最合適。

答案:決策樹下面（）不屬于群體智能具有的特征。

答案:復(fù)雜性在購物車分析中，會面臨的問題是需要考慮大量可能的（）。

答案:商品組合（）是專家系統(tǒng)質(zhì)量的關(guān)鍵。

答案:知識庫對于“人類求解問題和感知中存在的冗余”，布雷迪的真正意思是一個詞——就是模式。

答案:對下面（）不屬于神經(jīng)網(wǎng)絡(luò)法的數(shù)據(jù)挖掘優(yōu)點。

答案:降低復(fù)雜度用于智能的機(jī)器人最低層系統(tǒng)中的包容體系結(jié)構(gòu)，是用來執(zhí)行（）行為的,而編寫具有該行為的程序，可以幫助人類創(chuàng)建兼顧環(huán)境和智能的機(jī)器人。

答案:條件反射下面（）不屬于神經(jīng)網(wǎng)絡(luò)法的數(shù)據(jù)挖掘缺點。

答案:不適合處理低維變量用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機(jī)器就是計算機(jī)。下列各項中（）不是人工智能研究的主要領(lǐng)域。

答案:人文地理電子檔案、DNA測試和新的成像技術(shù)在不斷產(chǎn)生大量數(shù)據(jù)和存儲這些數(shù)據(jù)對于醫(yī)療工作者而言是（）。

答案:既是挑戰(zhàn)也是機(jī)遇德雷福斯兄弟認(rèn)為，在許多方面，如視覺、解釋判斷方面，包括（），機(jī)器都比人腦差。沒有這些能力，機(jī)器將永遠(yuǎn)比不上人類。

答案:人腦整體工作的方式粒子群優(yōu)化算法最早是由肯尼迪1995年提出的，在該算法中，每個粒子代表待求解問題的一個潛在解，每個粒子相當(dāng)于搜索空間的（），其“飛行信息”包括位置和速度兩個狀態(tài)量。

答案:鳥模糊集理論利用（）來描述模糊事務(wù)的屬性。

答案:隸屬度具有智能圖像處理功能的（）相當(dāng)于人們在賦予機(jī)器智能的同時為它安上了眼睛。

答案:機(jī)器視覺由眾多低智能個體組成的智能群體，它們通過相互之間的簡單合作所表現(xiàn)出來的群體智能行為是（）。

答案:分布式控制的粒子群優(yōu)化關(guān)注整體方向，做出新方向的鞠策需要3個值的最優(yōu)權(quán)衡結(jié)果，下面（）不包含在內(nèi)。

答案:前一個方向人們可以利用計算機(jī)系統(tǒng)進(jìn)行數(shù)據(jù)分析和呈現(xiàn)，是因為人們將索要分析的數(shù)據(jù)存儲在（）。

答案:數(shù)據(jù)庫世界上第一臺提花機(jī)于1801年面世，它是利用（）來記錄數(shù)據(jù)的。

答案:鑿孔卡紙人工神經(jīng)網(wǎng)絡(luò)是指以（）和神經(jīng)系統(tǒng)為模型的機(jī)器學(xué)習(xí)算法。

答案:人腦深度學(xué)習(xí)與傳統(tǒng)的機(jī)器學(xué)習(xí)最主要的區(qū)別在于（），即隨著數(shù)據(jù)規(guī)模的增加，深度學(xué)習(xí)的性能行業(yè)不斷提高。而當(dāng)數(shù)據(jù)很少時，深度學(xué)習(xí)算法的性能并不好。

答案:數(shù)據(jù)依賴性（）事件標(biāo)志機(jī)器學(xué)習(xí)的應(yīng)用在1997年達(dá)到了巔峰。

答案:深藍(lán)擊敗人類國際象棋冠軍專家的一個關(guān)鍵的寄出特征就是他們能出色地完成工作。要做到這一點，他們要能夠完成如下工作。除了（）。

答案:轉(zhuǎn)述問題計算機(jī)視覺是用（）和計算機(jī)替代人眼對目標(biāo)進(jìn)行識別、跟蹤和測量。

答案:攝像機(jī)人工智能是認(rèn)了智能的延伸，在其發(fā)展過程中，應(yīng)當(dāng)包含對人類倫理價值的正確考量，設(shè)定倫理要求。關(guān)于人工智能已達(dá)成的共識原則不包括（）。

答案:維護(hù)人工智能系統(tǒng)做出的偏離倫理道德的決策智能代理的典型過程包括（）。

答案:其余三個選項都對模糊邏輯在方法論上為人類從（）到模糊性，從（）到不確定性的研究提供了正確的研究方法。

答案:精確性，確定性決策樹法的缺點是（）

答案:很難基于多個變量發(fā)現(xiàn)規(guī)則圖靈測試依據(jù)的是計算機(jī)能否與（）無差別交談這一評價標(biāo)準(zhǔn)。

答案:人類總體上看，人工智能當(dāng)前的發(fā)展那具有“四新”特征，下列（）不屬于。

答案:新發(fā)展如今，要想獲得大規(guī)模數(shù)據(jù)帶來的好處，混亂應(yīng)是一種（）。

答案:標(biāo)準(zhǔn)途徑，而不應(yīng)該竭力避免的基于計算機(jī)視覺的圖像檢索可以分為類似于文本搜索引擎的3個步驟：（）、建立索引以及查詢。

答案:特征提取阿拉伯?dāng)?shù)字是由（）發(fā)明的。

答案:印度麥卡洛克和皮茨開發(fā)的人工智能第一個模型中，對應(yīng)于生物神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，人工神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)元采用4個要素，下面選項中（）不屬于。

答案:強(qiáng)度，對應(yīng)于神經(jīng)元的突觸從研究角度看，（）是基于多層人工神經(jīng)網(wǎng)絡(luò)的、以海量數(shù)據(jù)為輸入的、自主發(fā)現(xiàn)規(guī)則、自主學(xué)習(xí)的方法。

答案:深度學(xué)習(xí)米洛納斯在1994年提出的群體智能應(yīng)該遵循的5條基本原則中不包括（）。

答案:連接原則在人工智能70余年的發(fā)展歷程中，大致（）處于穩(wěn)步發(fā)展期。

答案:20世紀(jì)90年代中期到2010年通過總結(jié)人工智能發(fā)展歷程中經(jīng)驗和教訓(xùn)，可得到很多啟示，下列（）包括在內(nèi)。

答案:其余三個選項都是當(dāng)人們考慮建立專家系統(tǒng)時，思考的第一個問題是（）是否合適。

答案:領(lǐng)域和問題將專家系統(tǒng)與一般程序分開來的一個重要特征是前者通常包擴(kuò)一個（）。

答案:解釋裝置人工神經(jīng)網(wǎng)絡(luò)的主要缺點是其（），也就是它們不能解釋結(jié)果。

答案:不透明性對于人的思維進(jìn)行模擬的研究可以從（）進(jìn)行。

答案:結(jié)構(gòu)和過程模擬()是人類專家最根本的能力。

答案:解決問題人工神經(jīng)網(wǎng)絡(luò)標(biāo)志著（）的思路，它模仿了大腦的神經(jīng)元之間傳遞、處理信息的模式。

答案:自下而上馮?諾依曼被后人稱為（）和“博弈論之父”

答案:現(xiàn)代計算機(jī)之父一個神經(jīng)元的軸突與另一個神經(jīng)元的樹突之間的連接部分被稱為（）。

答案:突觸人工智能的生態(tài)環(huán)境包括（）。

答案:其余三個選項都是深度學(xué)習(xí)嘗試從數(shù)據(jù)中直接獲取高等級的（），這是深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的主要不同。

答案:特征購物車分析和貝葉斯網(wǎng)絡(luò)都是（）技術(shù)。

答案:機(jī)器學(xué)習(xí)規(guī)劃適用于層次結(jié)構(gòu)，也就是說，（）所有的任務(wù)都處于同一個重要級別，一些任務(wù)必須在進(jìn)行其他任務(wù)之前完成，而其他任務(wù)可能會交錯進(jìn)行。

答案:并不是計算機(jī)視覺的研究對象之一是如何利用（）恢復(fù)三維景物世界。

答案:二維投影圖像貝葉斯網(wǎng)絡(luò)的核心（），它可以將數(shù)據(jù)的概率轉(zhuǎn)換為假設(shè)的概率。

答案:貝葉斯定理英格蘭的巨石陣，大概建造于公元前（）。

答案:2300年左右機(jī)器人將變得越來越小，未來，也許可以讓大量（）級機(jī)器人以群集方式，在微機(jī)械或人體內(nèi)協(xié)同執(zhí)行任務(wù)。

答案:納米科幻小學(xué)家艾薩克?阿西莫夫于（）年在小說中提出了機(jī)器人三定律。

答案:1942目前，一般認(rèn)為，人工智能最關(guān)鍵的難題是（）。

答案:機(jī)器自主創(chuàng)造性思維能力的塑造與提升2019年6月17日公布的全球超級計算機(jī)500強(qiáng)榜單中，中國有（）臺超級計算機(jī)入選，是全球擁有超級計算機(jī)數(shù)量最多的國家。

答案:219機(jī)器視覺需要（）以及物體建模。一個有能力的視覺系統(tǒng)應(yīng)該把所有這些處理都緊密地集成在一起。

答案:圖像信號在聊天機(jī)器人開始聊天之前，我們必須為其補(bǔ)充大量背景知識，但它自身也可以在談話過程中不斷接收新的信息，這是因為，人類為聊天機(jī)器人建立了（）。

答案:新的框架研究表明，只有（）的數(shù)字?jǐn)?shù)據(jù)時結(jié)構(gòu)化的且能用于傳統(tǒng)數(shù)據(jù)庫。如果不接受混亂，剩下（）的非結(jié)構(gòu)化數(shù)據(jù)都無法被利用。（）

答案:5%,95%人工智能有可能在（）方面給人類帶來潛在威脅。

答案:其余三個選項都對所謂相關(guān)關(guān)系，其核心是指量化兩個數(shù)據(jù)值之間的數(shù)理關(guān)系。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個數(shù)據(jù)值增加時，另一數(shù)據(jù)值很能會隨之（）。

答案:增加人工智能最根本、宏偉的目標(biāo)之一就是建立（）的模型

答案:人腦計算機(jī)視覺要達(dá)到的最終目的是實現(xiàn)計算機(jī)對于三維景物世界的理解，即實現(xiàn)人的（）的某些功能。

答案:視覺系統(tǒng)下列（）屬于目前最困難的語音識別問題。

答案:其余選項都對理論上，樸素貝葉斯分類模型（NBC）與其他分類法相比具有最小的誤差率，這是因為NBC模型假設(shè)屬性之間（）。

答案:相互獨立純模糊邏輯的缺點在于它的輸入是（）集合輸出是（）集合，不利于工程應(yīng)用（）。

答案:模糊，模糊關(guān)聯(lián)規(guī)則法的數(shù)據(jù)挖掘目的就是從源數(shù)據(jù)庫中挖掘滿足（）和（）的關(guān)聯(lián)規(guī)則。（）

答案:最小支持度，最小可信度圖像識別技術(shù)的發(fā)展經(jīng)歷了3個階段：文字識別、（）、物體識別。

答案:數(shù)字圖像處理與識別圖像分割方法有多種，下列（）不屬于。

答案:切割數(shù)據(jù)挖掘過程一般由3個階段組成，下面（）不屬于。

答案:數(shù)據(jù)關(guān)聯(lián)大多數(shù)垃圾郵件過濾器所使用的的算法是（）。

答案:聚類算法最初提出“智慧地球”的概念，是（）。

答案:IBM下列方法中（）不屬于有指導(dǎo)的數(shù)據(jù)挖掘。

答案:聚類2017年7月8日，中國國務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中明確指出了（）的研究方向，對于推動新一代人工智能發(fā)展有著十分重大的意義。

答案:群體智能（）是長期以來自然語言處理的準(zhǔn)則。

答案:統(tǒng)計方法赫伯特機(jī)器人沒有存儲器，無法規(guī)劃在實驗室中行走的路徑。它的所有行為都不需與任何人溝通，是因為它全靠（）接收輸入信息，再控制（）作為輸出。（）。

答案:傳感器，傳動器感知機(jī)器或認(rèn)知機(jī)器，是研究如何設(shè)計和制造具有（）或人工認(rèn)知的機(jī)器，包括詩句機(jī)器、聽覺機(jī)器、觸覺機(jī)器等。

答案:人工感知過去，檢測身體健康情況需要用到特殊設(shè)備，或是不辭辛勞去醫(yī)院就診。（）使得健康信息的檢測變得更簡單易行。低成本的個人健康檢測程序以及相關(guān)技術(shù)甚至“喚醒”了全民對個人健康的關(guān)注。

答案:可穿戴的個人健康設(shè)備典型的人工神經(jīng)網(wǎng)絡(luò)具有3個部分，下面（）不屬于。

答案:權(quán)重19世紀(jì)以來，當(dāng)面臨大量數(shù)據(jù)時，社會都依賴于采樣分析。但采樣分析是（）時代的產(chǎn)物。

答案:模擬數(shù)據(jù)下面（）說法不正確。

答案:所有的神經(jīng)元，不管是否接受信號，都會不斷向外發(fā)送信息智能機(jī)器研究如何設(shè)計和制造具有更高智能水平的機(jī)器，特別是（）。

答案:計算機(jī)計算機(jī)視覺要達(dá)到的基本目的是（），以及根據(jù)多幅二維投影圖像恢復(fù)更大空間區(qū)域中的投影圖像。

答案:其他選項都是機(jī)器人是（），它是高級整合控制論、機(jī)械工程、電子學(xué)、計算機(jī)科學(xué)、材料科學(xué)和仿生學(xué)的產(chǎn)物。

答案:自動執(zhí)行工作的機(jī)械裝置對人工智能環(huán)境下的個人數(shù)據(jù)的額獲取和知情同意應(yīng)該從（）層面重新進(jìn)行定義。

答案:法律為了獲得更廣泛的數(shù)據(jù)而犧牲了精確性，也因此看到了很多無法被關(guān)注到的細(xì)節(jié)。（）。

答案:在很多情況下，與致力于避免錯誤相比，對錯誤的包容會帶給我們更多好處遺傳算法的缺點是需要的（）太多，編碼困難，一般計算機(jī)量也比較大。

答案:參數(shù)數(shù)據(jù)挖掘的類型可以是結(jié)構(gòu)化的、半結(jié)構(gòu)化的，甚至是（）的。

答案:異構(gòu)型機(jī)器學(xué)習(xí)主要使用（）、綜合而不是演繹。

答案:歸納如今，人工智能技術(shù)正發(fā)展成為一種能夠改變世界的力量，其中以（）所取得的進(jìn)步最為顯著。

答案:深度學(xué)習(xí)語音信號處理是一門多學(xué)科的綜合體，它以（）以及聲學(xué)等基本實驗為基礎(chǔ)。

答案:生理如今很多公司開發(fā)的軟件算法將逐漸被淘汰，核心競爭力正由（）轉(zhuǎn)變?yōu)椋ǎ?/p>

答案:算法，數(shù)據(jù)（）是一種基于繼承、多態(tài)性和封裝概念的編程范式，這種范式可以直觀、自然地反映人類經(jīng)驗。

答案:面向?qū)ο髮２祭椎现赋觯祟悓＜矣卸喾N方式來應(yīng)對組合爆炸問題。下面（）屬于人類專家常用的方法。

答案:結(jié)構(gòu)化知識庫、元知識下列（）不是人們通常采用的圖像去噪方法。

答案:同態(tài)濾波鳥群基于3個簡單規(guī)則，就可以創(chuàng)建處復(fù)雜的交互和運(yùn)動方式，形成奇特的整體形狀。下面（）不屬于鳥群基于的規(guī)則。

答案:集中（）問題是人工智能發(fā)展面臨的挑戰(zhàn)。

答案:其余三個選項都對為了使計算機(jī)能利用專家的領(lǐng)域知識，必須采用一定的方式表示知識。下面（）屬于常用的知識表示方式。

答案:其余三個選項都是模糊邏輯善于表達(dá)（）的定性知識與經(jīng)驗。

答案:界限不清晰圖像處理技術(shù)一般指數(shù)字圖像處理，常見的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、（）等。

答案:其余三個選項都對圖像處理技術(shù)主要包括3個部分，下列（）不屬于。

答案:圖像分割機(jī)器感知包括（）等多種形式。

答案:機(jī)器視覺數(shù)據(jù)挖掘有很多經(jīng)典的算法，其中不包括（）。

答案:蟻群算法與人腦神經(jīng)系統(tǒng)類似，人工神經(jīng)網(wǎng)絡(luò)通過改變（）以呈現(xiàn)出相同的適應(yīng)性。

答案:權(quán)重與其他人工智能系統(tǒng)不同，專家系統(tǒng)偏重處理（）的知識。

答案:不確定和不精確蟻群和蜂群被廣泛地認(rèn)為是具有真社會化屬性的生物種群，這是因為它們具有3個特征，下面（）不包括。

答案:統(tǒng)一指揮數(shù)據(jù)挖掘過程模型有7個步驟，下列（）不屬于。

答案:壓縮打包數(shù)據(jù)人工智能的發(fā)展建立在大量數(shù)據(jù)的信息技術(shù)應(yīng)用之上，相關(guān)法律和標(biāo)準(zhǔn)應(yīng)該為（）提供強(qiáng)有力的保護(hù)。

答案:個人隱私在遺傳算法中，用一組稱為（）的數(shù)字來代表群體中的每個獨立的個體。

答案:基因早期的機(jī)器翻譯主要通過非統(tǒng)計學(xué)方法進(jìn)行的，大致有3中主要方法,不包含下列（）。

答案:間接方法在人工智能領(lǐng)域，人們希望機(jī)器能得到專有技能，而（）也許是人類專有技能中最困難的一種技能。

答案:學(xué)習(xí)用戶通過搜索引擎查詢信息時，一般要輸入關(guān)鍵詞才能查詢有關(guān)信息。

答案:對（）被視為人工智能學(xué)科中發(fā)展得最早的領(lǐng)域，它對生物和人造系統(tǒng)中的通信和控制過程進(jìn)行研究和比較。（）為定義這個領(lǐng)域做出了杰出貢獻(xiàn)。（）。

答案:控制論，維納基于規(guī)則的產(chǎn)生式系統(tǒng)是目前實現(xiàn)知識運(yùn)用的最基本方法。產(chǎn)生式系統(tǒng)主要由綜合數(shù)據(jù)庫、（）和推理機(jī)3各部分組成。

答案:知識庫“在神經(jīng)網(wǎng)絡(luò)處理圖像的過程中，單個的神經(jīng)元是不能理解任何東西的，它們需要協(xié)作。所以，人類需要先理解它們彼此之間是如何交互的?！边@一說法（）

答案:對（）把某一特殊事件或?qū)ο蟮乃灾R儲存在一種復(fù)雜的數(shù)據(jù)結(jié)構(gòu)中。

答案:框架粗糙集法的缺點是，難以直接處理連續(xù)的屬性，必須現(xiàn)將屬性離散化。因此，（）問題是制約粗糙集理論實用化的難點。

答案:連續(xù)屬性離散化下列（）是自然語言處理的技術(shù)難點。

答案:其余三個選項都是當(dāng)一個人在飛行領(lǐng)域成為專家時，其不僅在開飛機(jī)，也是在“飛行”。

答案:對群體智能的組成要素不包括下面（）。

答案:集中式控制傳統(tǒng)的人工智能依賴于一些“清晰”的規(guī)則，這種“清晰”的規(guī)則給出的結(jié)果往往很詳細(xì)具體，而模糊邏輯模則擬人的思考方式，預(yù)測的結(jié)果往往是（）的結(jié)果。

答案:高了或低了計算機(jī)識別圖像的能力已經(jīng)超過了人類，尤其在（）和（）等復(fù)雜應(yīng)用方面，深度學(xué)習(xí)技術(shù)展現(xiàn)出優(yōu)越的性能。（）

答案:圖像，語音聚類是根據(jù)（）和（）對對象進(jìn)行分組。（）

答案:屬性，行為中國政府以及社會各界高度重視人工智能學(xué)科的發(fā)展。于（）年發(fā)布《新一代人工智能治理原則—發(fā)展負(fù)責(zé)人的人工智能》，提出了人工智能治理的框架和行動指南。

答案:2017群體智能反映了一個重要真理：人群只有在每個成員做事（）、自主決斷的時候，才會發(fā)揮出智慧。

答案:盡責(zé)人工智能在計算機(jī)上的實現(xiàn)方法有多鐘，但（）不屬于其中。

答案:利用多媒體復(fù)制和粘貼的方法下面，（）不屬于算法評價考慮的因素。

答案:難度在圖像識別過程中，（）必須排除輸入的多余信息，抽出關(guān)鍵的信息。

答案:知覺機(jī)制從人類專家處獲取知識，并將其組織到可用的系統(tǒng)中——這一任務(wù)一直被認(rèn)為是（）。

答案:很困難的（）不是啟發(fā)式搜索技術(shù)。

答案:自下而上粗糙集法的優(yōu)點是算法簡單，在其處理過程中不需要關(guān)于數(shù)據(jù)的（），可以自動找出問題的內(nèi)在規(guī)律。

答案:先驗知識Apriori算法是最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法。其核心是基于兩階段（）思想的遞推算法。

答案:頻繁項集（）之后，隨著計算機(jī)和電子技術(shù)的飛速發(fā)展，機(jī)器世界的理論和應(yīng)用得到進(jìn)一步發(fā)展。

答案:20世紀(jì)90年代近來的圖像識別技術(shù)正在跨越傳統(tǒng)方法，形成以（）為主流的智能化圖像識別方法。

答案:貝葉斯法阿西莫夫提出的機(jī)器人三定律中不包括（）。

答案:人類因尊重并不得傷害機(jī)器人人類提出了多個圖像識別的模型，下列（）不屬于圖形識別模型。

答案:記憶模型計算機(jī)視覺所使用的的理論方法主要是基于（）、概率和運(yùn)動學(xué)計算與三維重構(gòu)的視覺計算理論。

答案:幾何從研究角度看，深度學(xué)習(xí)是基于（）人工神經(jīng)網(wǎng)絡(luò)的，以海量數(shù)據(jù)為輸入，自主發(fā)展規(guī)則，自主學(xué)習(xí)的方法。

答案:多層人工智能技術(shù)的三大結(jié)合領(lǐng)域分別是（）

答案:大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算行為機(jī)器指具有（）的機(jī)器，或者說是能模擬、延伸和擴(kuò)展人的智能行為的機(jī)器。

答案:人工智能行為（）是指外部環(huán)境的變化是在有限個可預(yù)期的結(jié)果和情況中做出選擇，而非完全隨機(jī)的情況。

答案:離散性在信息技術(shù)條件比較薄弱的時代，人們分析大量數(shù)據(jù)時，往往采用（）分析。

答案:采樣在神經(jīng)網(wǎng)絡(luò)圖像識別技術(shù)中，（）和反向傳播神經(jīng)網(wǎng)絡(luò)相互結(jié)合的神經(jīng)網(wǎng)咯圖像識別模型是非常經(jīng)典的。

答案:遺傳算法數(shù)據(jù)挖掘?qū)崿F(xiàn)了用其他方法不可能實現(xiàn)的知識發(fā)現(xiàn)，但它必須收到規(guī)范，應(yīng)當(dāng)在適當(dāng)?shù)南拗葡率褂?。吐過數(shù)據(jù)時收集自特定的個人，那么就會出現(xiàn)一些涉及法律、隱私和（）的問題。

答案:倫理自然語言的處理大致包含兩部分，它們是（）。

答案:自然語言理解和自然語言生成機(jī)器思維，如專家系統(tǒng)、機(jī)器學(xué)習(xí)、計算機(jī)下棋、計算機(jī)作曲、計算機(jī)繪畫、計算機(jī)輔助設(shè)計、計算機(jī)證明定理、計算機(jī)自動編程等，可以概括為（）思維。

答案:計算機(jī)在計算機(jī)視覺識別系統(tǒng)中，圖像內(nèi)容通常用（）進(jìn)行描述。

答案:圖像特征圖像分割就是按照應(yīng)用場景，把圖像分成不同（）的區(qū)域，從中提取出感興趣的目標(biāo)。

答案:特征下列（）信息服務(wù)利用了人工智能的機(jī)器學(xué)習(xí)技術(shù)。

答案:其余三個選項都對統(tǒng)計方法需要大量數(shù)據(jù)才能訓(xùn)練概率模型，出于這個目的，在自然語言處理應(yīng)用中使用了包含大量的（）和（）的數(shù)據(jù)集。（）

答案:文本，口語下列（）不是人們通常采用的圖像預(yù)處理方法。

答案:圖像采集深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的最主要的區(qū)別是，前者隨著數(shù)據(jù)規(guī)模的增加，其性能也不斷（），當(dāng)數(shù)量少時，深度學(xué)習(xí)算法的性能（）。（）

答案:提高，并不好決策樹法擅長處理（）數(shù)據(jù)，而且特別適合大規(guī)模的數(shù)據(jù)處理。

答案:非數(shù)值型語音識別一直是近幾十年來人們研究的重要課題，但該技術(shù)的發(fā)展普遍受到錯誤率、麥克風(fēng)敏感度、噪聲環(huán)境等因素的阻礙，將（）技術(shù)引入語音識別，可極大提高性能。

答案:深層神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中，關(guān)聯(lián)格則和聚類兩種方法屬于（）數(shù)據(jù)挖掘。

答案:無指導(dǎo)若環(huán)境會始終阻礙你完成任務(wù)，這種環(huán)境稱為（）環(huán)境。

答案:對抗性米洛納斯在1994年提出的群體智能應(yīng)該遵循5條基本原則，下面（）不屬于。

答案:確定性原則雖然人工智能飛速發(fā)展，但目前仍處于發(fā)展（），該領(lǐng)域涉及安全、倫理、隱私的政策、法律和標(biāo)準(zhǔn)問題因其人們?nèi)找骊P(guān)注。

答案:中期電子郵件中的垃圾郵件自動過濾器，是機(jī)器學(xué)習(xí)中（）類型的學(xué)習(xí)。

答案:分類機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘中的一種重要工具。數(shù)據(jù)挖掘不僅要研究、拓展、應(yīng)用一些機(jī)器學(xué)習(xí)方法，還要通過許多（）技術(shù)解決數(shù)據(jù)倉儲、大規(guī)模數(shù)據(jù)、數(shù)據(jù)噪聲等實踐問題。

答案:非機(jī)器學(xué)習(xí)遺傳算法的優(yōu)點是可以處理許多數(shù)據(jù)類型，具有隱含（）、易于和其他模型結(jié)合等性質(zhì)。

答案:并行處理未來智慧物流將繼續(xù)發(fā)展，應(yīng)用更多的人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)，以實現(xiàn)更高效、更智能的物流系統(tǒng)。（）

答案:對ChatGPT的操作步驟是用戶需要輸入問題或者指令、等待聊天機(jī)器人的回答。（）

答案:對智能機(jī)器人使用機(jī)器學(xué)習(xí)和其他人工智能技術(shù)來學(xué)習(xí)和決策，以執(zhí)行特定任務(wù)。（）

答案:對ChatGPT應(yīng)用在客戶服務(wù)、人機(jī)對話、教育市場營銷等方面。（）

答案:對ROS的主要特點有（）。

答案:開源;便于測試;點對點設(shè)計;精簡與集成智慧物流是一種基于物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的智能化物流管理系統(tǒng)。（）

答案:對ROS平臺機(jī)器人的硬件組成包括（）。

答案:RGB-D攝像頭;接口面板;全向輪;電機(jī)GPT模型的核心是Transformer模型，它是一種基于自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，可以對輸入序列進(jìn)行編碼和解碼。（）

答案:對人工智能技術(shù)應(yīng)用在多個領(lǐng)域。（）

答案:對智慧物流分揀、配送模擬演示系統(tǒng)的應(yīng)用價值在于提高物流效率、降低物流成本、提高物流質(zhì)量、優(yōu)化物流管理和降低物流風(fēng)險。（）

答案:對未來創(chuàng)造出的真正的人工智能（）。

答案:其余選項都對跟其他高科技一樣，人工智能也是一把雙刃劍。2018年2月，牛津大學(xué)、劍橋大學(xué)和OpenAI公司等14家機(jī)構(gòu)共同發(fā)表題為《人工智能的惡意使用：預(yù)測、預(yù)防和緩解》的報告，指出人工智能可能給人類社會帶來（）等潛在威脅，并給出了一些減少風(fēng)險的建議。

答案:數(shù)字安全在可以預(yù)見的未來，人們將創(chuàng)造出擁有人腦般處理能力的計算機(jī)，它們將利用與（）相同的方法來實現(xiàn)低級別功能。

答案:人類神經(jīng)系統(tǒng)創(chuàng)造通用智能的嘗試開始于20世紀(jì)80年代。最初人們致力于建造（）的世界模型。

答案:精確又緊密電子游戲為高水平智能行為提供了完美的發(fā)展空間，其中的怪獸能夠通過團(tuán)隊作戰(zhàn)來努力智取玩家，這些行動背后的技術(shù)比植入機(jī)器人內(nèi)部的技術(shù)要（）得多。

答案:先進(jìn)制造汽車這類技術(shù)工作早在數(shù)十年前大部分就實現(xiàn)了自動化，使用的是（）機(jī)器人。

答案:基礎(chǔ)人工智能正在積極地影響著人們生活的方方面面。下列（）不是人工智能的應(yīng)用。

答案:老張買體育彩票隨機(jī)選號中了大獎現(xiàn)在的人工智能技術(shù)并不是為了創(chuàng)造思考機(jī)器，而只不過是利用大量（）來模擬智能而已。

答案:規(guī)則創(chuàng)造真正的人工智能需要（）。

答案:其余選項都對隨著科技的進(jìn)步，人工智能技術(shù)將勝任越來越多人們本以為需要人類智能才能完成的工作，但同樣也創(chuàng)造了許多需要（）的新型工作崗位。

答案:人類智能（）是指智能代理下一步可能做出的決定和外部環(huán)境的狀態(tài)改變完全無法預(yù)測。

答案:隨機(jī)性在社會科學(xué)中，智能代理是一個（）的人或其他系統(tǒng)，根據(jù)感知世界得到的信息做出反應(yīng)來影響這個世界。

答案:理性且自主大部分人工智能系統(tǒng)是（）的程序，在前期實驗性操作成功的基礎(chǔ)上，無法按比例放大至可用規(guī)模。

答案:獨立和龐大如果智能代理在任何時間點能夠獲取的環(huán)境信息都是以讓它做出最優(yōu)決策，那么這種環(huán)境就是（）。

答案:完全可觀測的智能代理是一套輔助人和充當(dāng)他們的代表的軟件、智能代理的特征中不包括（）。

答案:臨時性在社會科學(xué)中，智能代理有一個最典型的特征，即它們是社會（）的模型。

答案:協(xié)同合作智能代理可以根據(jù)操作方式進(jìn)行分類，其中不包括（）。

答案:理論代理智能代理系統(tǒng)的適用場景有很多，其中不包括（）。

答案:有限元計算美國斯坦福大學(xué)的海耶斯?羅斯認(rèn)為“智能代理持續(xù)地執(zhí)行3項功能”，其中不包括（）。

答案:感知環(huán)境中的靜態(tài)參數(shù)在人工智能領(lǐng)域中，與包容體系結(jié)構(gòu)類似，智能代理系統(tǒng)由（）的模塊構(gòu)成。

答案:多個獨立“小明上班”示例規(guī)劃中，小明離開家去工作的過程說明了（）之間的區(qū)別。

答案:制定規(guī)劃和執(zhí)行規(guī)劃過程規(guī)劃有幾個突出的特點，但下面（）不屬于這幾個特點之一。

答案:需要加強(qiáng)團(tuán)隊互動建設(shè)自動規(guī)劃是一種重要的技術(shù)。與一般問題求解相比，自動規(guī)劃更注重問題的（）。

答案:求解過程通常認(rèn)為規(guī)劃是一種（）的活動。

答案:與人類密切相關(guān)（）屬于高級的求解系統(tǒng)與技術(shù)。

答案:自動規(guī)劃與專家系統(tǒng)在魔方拼圖和15拼圖的示例中，可以找到人們很熟悉的規(guī)劃應(yīng)用，其中包括（）問題。

答案:其他選項都對下面關(guān)于規(guī)劃的說法中，不正確或者不合適的是（）。

答案:規(guī)劃是一項隨機(jī)的活動大多數(shù)規(guī)劃都具有（）結(jié)構(gòu)。

答案:子規(guī)劃自動規(guī)劃要解決的問題往往是（）問題。

答案:真實世界在研究自動規(guī)劃時，往往以（）與問題求解作為典型例子加以討論，這是因為它們能夠得到形象的和直覺的檢驗。

答案:機(jī)器人規(guī)劃實現(xiàn)人機(jī)間自然語言通信，意味著要使計算機(jī)既能理解自然語言的意義，也能以自然語言來表達(dá)給定的意圖、思想等。前者稱為（），后者稱為（）。因此，自然語言處理大體包括了這兩份部分。

答案:自然語言理解，自然語言生成早些時候，通過非統(tǒng)計學(xué)方法進(jìn)行的機(jī)器翻譯主要有3種方法，其中不包括（）。

答案:自動翻譯使用（）與計算機(jī)進(jìn)行通信是人們長期依賴所最求的目標(biāo)。

答案:自然語言造成自然語言處理困難的根本原因是自然語言文本和對話的各個層次上廣泛存在各種各樣的（）。

答案:歧義性或多義性與通常涉及大量規(guī)則編碼的早期語言處理方法不同，現(xiàn)代自然語言處理算法基于（）。

答案:圖像像素不足最早的自然語言理解方面的研究工作是（）。

答案:機(jī)器翻譯自然語言的形式（字符串）與其意義之間是多對多的關(guān)系，其實這也正是自然語言的（）所在。

答案:魅力在自然語言處理中，可以在一些不同（）上對語言進(jìn)行分析。

答案:結(jié)構(gòu)層次自然語言處理是人工智能研究中（）的領(lǐng)域之一。

答案:研究歷史最長、研究最多、要求最高語音處理是研究語音產(chǎn)生過程、語音信號的統(tǒng)計特性、（）、機(jī)器合成以及語音感知等各種處理技術(shù)的總稱。

答案:語音的自動識別人工智能領(lǐng)域通常所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器獲得的數(shù)據(jù)等對象的具體模式進(jìn)行（）。

答案:辨識和分類要實現(xiàn)計算機(jī)視覺，必須有圖像處理的幫助，而圖像處理依賴于（）的有效運(yùn)用。

答案:智能規(guī)劃圖形刺激作用于人的感官器官，是使人辨認(rèn)出它是以前見過的某一圖形的過程稱為（）。

答案:圖像再認(rèn)圖像識別是指利用（）對圖像進(jìn)行處理、分析和理解，以識別各種不同模式的目標(biāo)和對象的技術(shù)。

答案:計算機(jī)現(xiàn)代圖像識別技術(shù)的一個不足是（）。

答案:自適應(yīng)性差圖像識別的發(fā)展經(jīng)歷了3個階段，其中不包括（）。

答案:像素識別基于計算機(jī)視覺的圖像檢索可以分為類似文本搜索引擎的3個步驟，其中不包括（）。

答案:清洗模式識別原本是（）的一項基本職能。

答案:人類模式識別是一門與概率論、統(tǒng)計學(xué)緊密結(jié)合的科學(xué)，主要方法有3種，其中不包括（）。

答案:像素模式圖像識別是以圖像的主要（）為基礎(chǔ)的。

答案:特征數(shù)據(jù)挖掘的分析技術(shù)之一是（），用來確定能最好地預(yù)測成果的單個數(shù)據(jù)

答案:決策樹數(shù)據(jù)不等于信息，而信息也不等于知識。了解數(shù)據(jù)（將其轉(zhuǎn)化為信息）并利用數(shù)據(jù)（再轉(zhuǎn)化為知識）是一項（）的工程。

答案:巨大數(shù)據(jù)的類型可以是（），數(shù)據(jù)挖掘的對象可以是任何類型的數(shù)據(jù)源。

答案:其余選項都對數(shù)據(jù)挖掘過程一般由3個階段組成，其中不包括（）。

答案:知識培養(yǎng)所有人工智能方法都可以用于數(shù)據(jù)挖掘，特別是其中的（）。

答案:神經(jīng)網(wǎng)絡(luò)及模糊邏輯在眾多的分類模型中，應(yīng)用最為廣泛的兩種分類模型是決策樹模型和（）模型，它發(fā)源于古典數(shù)學(xué)理論，有著堅實的數(shù)學(xué)基礎(chǔ)以及穩(wěn)定的分類效率。

答案:樸素貝葉斯分類數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過（）搜索隱藏與其中信息的過程。

答案:算法數(shù)據(jù)存儲在稱為（）的計算機(jī)系統(tǒng)中，它具有內(nèi)置功能，可以分析數(shù)據(jù)，并按用戶要求呈現(xiàn)出不同形式。

答案:數(shù)據(jù)庫（）是數(shù)據(jù)挖掘中十分流行的策略，它可以幫助我們找到顧客經(jīng)常一起購買的商品。

答案:購物車分析現(xiàn)實社會有大量的數(shù)據(jù)唾手可得，其中的大部分?jǐn)?shù)據(jù)都十分有用，但前提是人們有能力從中提取出（）的內(nèi)容。

答案:感興趣一只蜜蜂是一個非常簡單的生物，但是它們有非常困難的問題需要解決，于是，蜜蜂形成了（）。

答案:群體思維所謂集群機(jī)器人或者人工蜂群智能就是讓許多（）的機(jī)器人協(xié)作。

答案:簡單生物學(xué)家的研究表明，蜜蜂常常能夠從所有可用的選項中選出最優(yōu)或者次優(yōu)的解決方案，人類（）這一點。

答案:很難做到人類并沒有進(jìn)化出群集的能力，因為人類缺少同類用于建立實時反饋循環(huán)的敏銳連接。研究和實踐都表明，人類（）群集能力。

答案:可以有蜜蜂所表現(xiàn)出的大于個體智能的群體智能能力在許多動物身上也存在，但不包括（）。

答案:獅子蟻群優(yōu)化和粒子群優(yōu)化是兩種最廣為人知的群體智能算法，它們都是用了（）。

答案:多智能體蜜蜂是自然界中被人類研究得最久的群體智能動物。在進(jìn)化過程中，蜜蜂形成了大腦以處理信息，蜜蜂的大腦大約有（）個神經(jīng)元。

答案:100萬蜜蜂尋找可以筑巢的潛在地點，會排除數(shù)百只偵查蜜蜂到外面約78公里范圍的地方進(jìn)行搜索。對蜜蜂來說，這個筑巢行為是一個（）問題。

答案:復(fù)雜多變量蜜蜂處理數(shù)據(jù)的方式被生物學(xué)家叫做“搖擺舞”，即通過（）來達(dá)成一致認(rèn)識。

答案:振動身體在某群體中，存在眾多低智能個體，它們通過相互之間的簡單合作所表現(xiàn)出來的群居性生物的智能行為是（）控制的。

答案:分布式如今，人工神經(jīng)網(wǎng)絡(luò)從股票市場預(yù)測到（）等許多應(yīng)用領(lǐng)域都有突出的表現(xiàn)。

答案:其余選項都對人類神經(jīng)元之間的軸突-樹突接觸被稱為神經(jīng)元的（）。

答案:突觸將人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯結(jié)合起來生成（）網(wǎng)絡(luò)，它既有人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，同時也具有模糊邏輯的解釋能力。

答案:神經(jīng)模糊現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計性數(shù)據(jù)建模工具。典型的人工神經(jīng)網(wǎng)絡(luò)有3個部分，其中包括（）。

答案:尺寸如果想設(shè)計人工智能系統(tǒng)，就要學(xué)習(xí)并分析地球上最自然的智能系統(tǒng)之一，即（）。

答案:人腦和神經(jīng)系統(tǒng)人工智能在圖像識別方面已經(jīng)超越了人類，支持圖像識別技術(shù)的通常是（）。

答案:深度人工神經(jīng)網(wǎng)絡(luò)人腦由（）個神經(jīng)元組成，這些神經(jīng)元彼此之間復(fù)雜互連。

答案:1000億所謂人工神經(jīng)網(wǎng)絡(luò)，是指以人腦和神經(jīng)系統(tǒng)為模型的（）算法。

答案:機(jī)器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)模仿生物神經(jīng)網(wǎng)絡(luò)，其中的（）扮演了生物神經(jīng)模型中突觸的角色，用于調(diào)節(jié)一個神經(jīng)元對另一個神經(jīng)元的影響程度。

答案:權(quán)重人腦是一種適應(yīng)性系統(tǒng)，必須對變幻莫測的事物作出反應(yīng)，而學(xué)習(xí)是通過修改神經(jīng)元之間連接的（）來進(jìn)行的。

答案:強(qiáng)度機(jī)器學(xué)習(xí)最早的發(fā)展可以追溯到（）。

答案:英國數(shù)學(xué)家貝葉斯在1763年提出的貝葉斯定理有3種主要類型的機(jī)器學(xué)習(xí)：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和（）學(xué)習(xí)。

答案:強(qiáng)化無監(jiān)督學(xué)習(xí)又稱歸納性學(xué)習(xí)，分為（）。

答案:聚類和降維在機(jī)器學(xué)習(xí)的具體應(yīng)用中，（）決定了機(jī)器學(xué)習(xí)系統(tǒng)基本結(jié)構(gòu)的工作內(nèi)容，確定了學(xué)習(xí)部分需要解決的問題。

答案:其余選項都對要完全理解大多數(shù)機(jī)器學(xué)習(xí)算法，需要對一些關(guān)鍵的數(shù)學(xué)概念有基本的理解。機(jī)器學(xué)習(xí)使用的數(shù)學(xué)知識主要包括（）。

答案:其余選項全對機(jī)器學(xué)習(xí)的核心是：使用（）解釋數(shù)據(jù)，從中學(xué)習(xí)，然后對世界上的某件事情做出決定或預(yù)測。

答案:算法監(jiān)督學(xué)習(xí)的主要類型是（）。

答案:分類和回歸學(xué)習(xí)是人類的一種重要智能行為，社會學(xué)家、邏輯學(xué)家和心理學(xué)家對學(xué)習(xí)各有其不同的定義。關(guān)于機(jī)器學(xué)習(xí)，合適的定義是（）。

答案:其余選項全對強(qiáng)化學(xué)習(xí)使用機(jī)器的個人歷史和經(jīng)驗來做出決定，其經(jīng)典應(yīng)用是（）。

答案:游戲娛樂機(jī)器學(xué)習(xí)的各種算法都是基于（）理論的。

答案:貝葉斯包容體系結(jié)構(gòu)的特點是（），它是不是用龐大的框架數(shù)據(jù)庫來模擬世界，而是關(guān)注直接感受世界。

答案:完全避免符號的使用機(jī)器感知是指能夠利用（）輸入的資料推斷世界的狀態(tài)。

答案:傳感器機(jī)器感知研究如何用機(jī)器或計算機(jī)模擬、延伸和擴(kuò)展（）的感知或認(rèn)知能力。

答案:人RoboCup機(jī)器人世界杯賽提出的最終目標(biāo)是（）。

答案:一支完全自治的人形機(jī)器人足球隊在正是比賽中戰(zhàn)勝人類足球世界杯冠軍隊包容體系結(jié)構(gòu)建立在多層獨立行為模塊的基礎(chǔ)上。每個行為模塊都是（），從傳感器接受信息，再將指令傳遞給傳動器。

答案:一個簡單程序包容體系結(jié)構(gòu)是（），利用不同傳感器來感知世界，并通過其他設(shè)備（傳動器）來操控行為。

答案:實實在在的物理機(jī)器人幾十年來，人們發(fā)明了許多工具來使編程更加有效，降低錯誤發(fā)生的概率。人們發(fā)現(xiàn)，倘若利用邏輯、規(guī)則和框架編寫通用的人工智能程序，那么程序必定（）。

答案:十分龐大且漏洞百出在傳統(tǒng)的計算機(jī)編程中，程序員必須（）。

答案:盡力考慮所有可能遇到的情況并一一規(guī)定應(yīng)對策略實現(xiàn)RoboCup機(jī)器人世界杯賽提出的最終目標(biāo)的規(guī)劃時間是年（）。

答案:50“中文房間”思維實驗驗證的假設(shè)是：看起來完全智能的計算機(jī)程序（）。

答案:其實更本不理解自身處理的各種信息尋找是人類長久以來的習(xí)慣，即使確定這樣的關(guān)系很困難而且用途不大。人類還是習(xí)慣性地尋找原因（）。

答案:因果關(guān)系所謂模糊邏輯，是建立在邏輯基礎(chǔ)上，運(yùn)用模糊集合的方法來研究模糊性思維、語言形式及其規(guī)律的科學(xué)（）。

答案:多值直到今天，數(shù)字技術(shù)依然建立在精準(zhǔn)的基礎(chǔ)上，這種思維方式適用于掌握的情況（）。

答案:小數(shù)據(jù)量（）的引入，可將人的判斷、思維過程用比較簡單的數(shù)學(xué)形式直接表達(dá)出來，從而使對復(fù)雜系統(tǒng)進(jìn)行合乎實際的、符合人類思維方式的處理成為可能，為經(jīng)典模糊控制器的形成奠定了基礎(chǔ)。

答案:模糊集合因為大數(shù)據(jù)是建立在，所以人們就可以正確地考察細(xì)節(jié)并進(jìn)行新的分析（）。

答案:掌握所有數(shù)據(jù)，至少是盡可能多的數(shù)據(jù)的基礎(chǔ)上的模糊邏輯區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實施規(guī)則型推理，解決各種問題（）。

答案:不確定當(dāng)面臨大量數(shù)據(jù)時，以往長期依賴于采樣分析，但是采樣分析是時代的產(chǎn)物（）。

答案:模擬數(shù)據(jù)專家系統(tǒng)是利用人類專長建立的，可以提供程序使用的明確規(guī)則。而利用模糊邏輯，可以制定與專家所言規(guī)則（）。

答案:一致的常規(guī)邏輯的規(guī)則情況只有兩種，即不是1就是0，而在模糊邏輯中，每一個情況的真值可以是0和1之間的值（）。

答案:任何計算機(jī)的二進(jìn)制邏輯通常只有兩種狀態(tài)：要么真，要么假，現(xiàn)實生活中這樣非