人工智能導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋東北石油大學(xué)

人工智能導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋東北石油大學(xué)第一章單元測試

人工智能的目的是讓機(jī)器能夠，以實現(xiàn)某些人類腦力勞動的機(jī)械化()。

A:模擬、延伸和擴(kuò)展人的智能

B:和人腦一樣考慮問題

C:具有完全的智能

D:完全代替人

答案:模擬、延伸和擴(kuò)展人的智能

盲人看不到一切物體，他們可以通過辨別人的聲音識別人，這是智能的（）方面。

A:學(xué)習(xí)能力

B:思維能力C:行為能力D:感知能力

答案:感知能力人工智能是一門綜合性的交叉學(xué)科，涉及哪些學(xué)科()。

A:神經(jīng)心理學(xué)B:計算機(jī)科學(xué)C:控制論

D:腦科學(xué)

答案:神經(jīng)心理學(xué)；計算機(jī)科學(xué)；控制論

；腦科學(xué)人工智能的主流學(xué)派包括()。

A:行為主義B:符號主義C:機(jī)會主義

D:連接主義

答案:行為主義；符號主義；連接主義圖靈測試是判斷機(jī)器是否具有人工智能的方法，是人工智能最標(biāo)準(zhǔn)的定義。()

A:對B:錯

答案:錯

第二章單元測試

“王宏是一名學(xué)生”可以用謂詞表示為STUDENT(WangHong），其中，WangHong是（）。

A:謂詞

B:個體詞

C:量詞

D:連接詞

答案:個體詞

產(chǎn)生式系統(tǒng)的核心是（）。

A:推理機(jī)

B:數(shù)據(jù)庫

C:規(guī)則庫

D:推理方式

答案:推理機(jī)

知識的不確定性來源于（）。

A:模糊性引起的不確定性

B:隨機(jī)性引起的不確定性

C:經(jīng)驗引起的不確定性

D:不完全性引起的不確定性

答案:模糊性引起的不確定性

；隨機(jī)性引起的不確定性

；經(jīng)驗引起的不確定性

；不完全性引起的不確定性

產(chǎn)生式表示法可以表示不確定性知識。（）

A:錯B:對

答案:對框架表示法不便于表示過程性知識。（）

A:錯B:對

答案:對

第三章單元測試

從初始證據(jù)出發(fā)，按某種策略不斷運用知識庫中的已知知識，逐步推出結(jié)論的過程稱為推理。（）

A:錯B:對

答案:對任何文字的析取式稱為子句。（）

A:對B:錯

答案:對謂詞公式不可滿足的充要條件是其子句集不可滿足。（）

A:錯B:對

答案:對對于一階謂詞邏輯，若子句集是不可滿足的，則必存在一個從該子句集到空子句的歸結(jié)演繹。（）

A:錯B:對

答案:對對于一階謂詞邏輯，如果沒有歸結(jié)出空子句，則說明原謂詞公式是不可滿足的。（）

A:錯B:對

答案:錯

第四章單元測試

如果問題存在最優(yōu)解，則下面幾種搜索算法中，（）必然可以得到該最優(yōu)解。

A:寬度優(yōu)先搜索

B:啟發(fā)式搜索

C:有界深度優(yōu)先搜索

D:深度優(yōu)先搜索

答案:啟發(fā)式搜索

如果問題存在最優(yōu)解，則下面幾種搜索算法中，（）可以認(rèn)為是“智能程度相對比較高”的算法。

A:深度優(yōu)先搜索

B:啟發(fā)式搜索

C:寬度優(yōu)先搜索

D:有界深度優(yōu)先搜索

答案:啟發(fā)式搜索

在啟發(fā)式圖搜索策略中，下面描述正確的是（）。

A:closed表用于存放已擴(kuò)展過的節(jié)點。

B:open表用于存放已擴(kuò)展過的節(jié)點。

C:open表用于存放所有已生成的節(jié)點。

D:closed表表用于存放所有已生成而未擴(kuò)展的節(jié)點。

答案:closed表用于存放已擴(kuò)展過的節(jié)點。

在估價函數(shù)中，對于g(x)和h(x)下面描述正確的是（）。

A:h(x)是從節(jié)點x到目標(biāo)節(jié)點的實際代價

B:g(x)是從初始節(jié)點到節(jié)點x的實際代價

C:h(x)是從節(jié)點x到目標(biāo)節(jié)點的最優(yōu)路徑的估計代價

D:g(x)是從初始節(jié)點到節(jié)點x的最優(yōu)路徑的估計代價

答案:g(x)是從初始節(jié)點到節(jié)點x的實際代價

；h(x)是從節(jié)點x到目標(biāo)節(jié)點的最優(yōu)路徑的估計代價

啟發(fā)式策略是利用與問題有關(guān)的啟發(fā)信息進(jìn)行搜索。（）

A:錯B:對

答案:對

第五章單元測試

在遺傳算法的輪盤賭選擇方法中，個體被選中的概率取決于該個體的()。

A:相對適應(yīng)度B:多少C:大小

D:密度

答案:相對適應(yīng)度遺傳算法中，問題的每個有效解被稱為一個“染色體(chromosome)”，也稱為“串”，對應(yīng)于生物群體中的()。

A:生物個體B:一個編碼單元C:前端D:種群

答案:生物個體以下關(guān)于遺傳算法的特點描述中，正確的是()。

A:對決策變量的編碼進(jìn)行操作，這樣提供的參數(shù)信息量大，優(yōu)化效果好

B:從多點開始并行操作，可使用并行計算提高速度

C:通過目標(biāo)函數(shù)來計算適應(yīng)度值，不需要其他推導(dǎo)和附加信息

D:尋優(yōu)規(guī)則由概率決定，是一種高效啟發(fā)式搜索

答案:對決策變量的編碼進(jìn)行操作，這樣提供的參數(shù)信息量大，優(yōu)化效果好

；從多點開始并行操作，可使用并行計算提高速度

；通過目標(biāo)函數(shù)來計算適應(yīng)度值，不需要其他推導(dǎo)和附加信息

；尋優(yōu)規(guī)則由概率決定，是一種高效啟發(fā)式搜索

粒子群算法中，以下關(guān)于慣性權(quán)重的描述，正確的是()。

A:可以控制粒子保持自身運動慣性的速度

B:是將粒子推向個體最優(yōu)位置和群體最優(yōu)位置的加速權(quán)重

C:慣性速度小的粒子更趨向于跟隨種群最優(yōu)方向，保證算法收斂能力。

D:慣性速度大的粒子更趨向于探索未知空間，保證算法探索能力。

答案:可以控制粒子保持自身運動慣性的速度

；慣性速度小的粒子更趨向于跟隨種群最優(yōu)方向，保證算法收斂能力。

；慣性速度大的粒子更趨向于探索未知空間，保證算法探索能力。

遺傳算法主要借用生物進(jìn)化中“適者生存”的規(guī)律。()

A:對B:錯

答案:對

第六章單元測試

在以下智能能力中，是機(jī)器獲取知識的根本途徑()。

A:行為B:學(xué)習(xí)C:記憶D:感知

答案:學(xué)習(xí)使用One-Hot編碼，對學(xué)校類別特征[小學(xué)、初中、高中、大學(xué)]進(jìn)行表示，正確的是()。

A:[1100,0011,1010,0101]

B:[0000,0001,0011,0111]

C:[1000,0100,0010,0001]

D:[1111,1110,1100,1000]

答案:[1000,0100,0010,0001]

以下關(guān)于機(jī)器學(xué)習(xí)的描述，正確的是()。

A:機(jī)器學(xué)習(xí)是計算機(jī)自動地通過學(xué)習(xí)獲取知識和技能，不斷改善性能，實現(xiàn)自我完善。

B:機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機(jī)程序的性能標(biāo)準(zhǔn)

C:機(jī)器學(xué)習(xí)是通過對經(jīng)驗的學(xué)習(xí)來優(yōu)化任務(wù)，進(jìn)而完成性能指標(biāo)的一個過程。

D:機(jī)器學(xué)習(xí)是人工智能的核心，是使計算機(jī)獲取知識、具有智能的根本途徑，

答案:機(jī)器學(xué)習(xí)是計算機(jī)自動地通過學(xué)習(xí)獲取知識和技能，不斷改善性能，實現(xiàn)自我完善。

；機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗，以此優(yōu)化計算機(jī)程序的性能標(biāo)準(zhǔn)

；機(jī)器學(xué)習(xí)是通過對經(jīng)驗的學(xué)習(xí)來優(yōu)化任務(wù)，進(jìn)而完成性能指標(biāo)的一個過程。

；機(jī)器學(xué)習(xí)是人工智能的核心，是使計算機(jī)獲取知識、具有智能的根本途徑，

在有監(jiān)督學(xué)習(xí)中，樣本包括（）和（），數(shù)據(jù)集一般被劃分為（）和（）。（）

A:訓(xùn)練集B:測試集

C:標(biāo)記D:特征

答案:訓(xùn)練集；測試集

；標(biāo)記；特征機(jī)器學(xué)習(xí)是人工智能實現(xiàn)的唯一途徑。()

A:對B:錯

答案:錯簡單理解，機(jī)器學(xué)習(xí)模型就是一個函數(shù)，實現(xiàn)從樣本特征到樣本標(biāo)記的映射。()

A:錯B:對

答案:對

第七章單元測試

回歸分析可應(yīng)用于假設(shè)檢驗，其中包括數(shù)據(jù)是否能表明原假設(shè)更可能是真還是假。（）

A:對B:錯

答案:對線性回歸就是一系列技術(shù)用于找出擬合一系列數(shù)據(jù)點的直線。（）

A:錯B:對

答案:對多元線性回歸只能處理數(shù)值特征，所以分類數(shù)據(jù)需要額外的處理。（）

A:對B:錯

答案:對吝嗇原則就是在模型選擇中除非復(fù)雜否則就堅持使用簡單的模型。（）

A:對B:錯

答案:對前向消除法中首先向空模型加入的是最不顯著的變量。（）

A:錯B:對

答案:錯

第八章單元測試

人工神經(jīng)網(wǎng)絡(luò)的基本單元是()。

A:輸入B:權(quán)值C:神經(jīng)元

D:輸出

答案:神經(jīng)元

以下哪個不可以用作神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的是()。

A:ReLUB:TanhC:交叉熵函數(shù)

D:Sigmoid

答案:交叉熵函數(shù)

人工神經(jīng)元模型（如M-P模型）包括()。

A:求和累加B:激勵函數(shù)C:輸入權(quán)重D:特征提取

答案:求和累加；激勵函數(shù)；輸入權(quán)重以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)的描述中，正確的是()。

A:是一種非線性模型，具有存儲并使用經(jīng)驗知識的能力

B:人工神經(jīng)網(wǎng)絡(luò)是受生物神經(jīng)學(xué)啟發(fā)的數(shù)學(xué)模型

C:通過構(gòu)建人工神經(jīng)元和建立神經(jīng)元間的連接，模擬生物神經(jīng)網(wǎng)絡(luò)

D:人工神經(jīng)元是網(wǎng)絡(luò)的基本單元，模擬人腦神經(jīng)元接受輸入信號、產(chǎn)出輸出

答案:人工神經(jīng)網(wǎng)絡(luò)是受生物神經(jīng)學(xué)啟發(fā)的數(shù)學(xué)模型

；通過構(gòu)建人工神經(jīng)元和建立神經(jīng)元間的連接，模擬生物神經(jīng)網(wǎng)絡(luò)

；人工神經(jīng)元是網(wǎng)絡(luò)的基本單元，模擬人腦神經(jīng)元接受輸入信號、產(chǎn)出輸出

單層感知機(jī)能對線形可分的數(shù)據(jù)集進(jìn)行分類，能解決邏輯關(guān)系中的異或問題。()

A:對B:錯

答案:錯

第九章單元測試

深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和人工智能之間的層次關(guān)系為()。

A:深度學(xué)習(xí)=機(jī)器學(xué)習(xí)?人工智能

B:深度學(xué)習(xí)?機(jī)器學(xué)習(xí)?人工智能

C:機(jī)器學(xué)習(xí)?深度學(xué)習(xí)?人工智能

D:深度學(xué)習(xí)?人工智能?機(jī)器學(xué)習(xí)

答案:深度學(xué)習(xí)?機(jī)器學(xué)習(xí)?人工智能

假設(shè)輸入是一個300*300的彩色（RGB）圖像，并且沒有使用卷積神經(jīng)網(wǎng)絡(luò)。如果第一個隱層有100個神經(jīng)元，每個神經(jīng)元與輸入層進(jìn)行全連接，那么這個隱藏層有多少個參數(shù)（包括偏置參數(shù)）？()

A:300*3*100

B:300*300*3*100

C:300*300*3*100+100

D:300*3*100+100

答案:300*300*3*100+100

1卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種多層神經(jīng)網(wǎng)絡(luò)，其特點包括()。

A:在圖像識別等應(yīng)用中，能夠通過卷積運算等逐層自動提取特征

B:卷積層一般由多個二維矩陣組成

C:一般由卷積層、池化層、全連接成層組成

D:是一種無監(jiān)督（unsupervised）機(jī)器學(xué)習(xí)模型

答案:在圖像識別等應(yīng)用中，能夠通過卷積運算等逐層自動提取特征

；卷積層一般由多個二維矩陣組成

；一般由卷積層、池化層、全連接成層組成

以下關(guān)于深度神經(jīng)網(wǎng)絡(luò)的認(rèn)識，正確的有()。

A:一般而言，層次越深則網(wǎng)絡(luò)的學(xué)習(xí)能力越強，但同時意味著計算開銷越大

B:可以組合低層特征為抽象的高層特征進(jìn)行特征學(xué)習(xí)

C:特征提取能力弱于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)

D:繼承了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)能力

答案:一般而言，層次越深則網(wǎng)絡(luò)的學(xué)習(xí)能力越強，但同時意味著計算開銷越大

；可以組合低層特征為抽象的高層特征進(jìn)行特征學(xué)習(xí)

；繼承了傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學(xué)習(xí)能力

卷積層具有以下哪些特點？()

A:線性表示B:其余三個選項都是

C:權(quán)值共享D:局部連接

答案:權(quán)值共享；局部連接

第十章單元測試

分類通過通過相似性推測標(biāo)簽，聚類通過標(biāo)簽推測相似性。（）

A:錯B:對

答案:錯假設(shè)總的類內(nèi)散布矩陣為SW，總的類間散布矩陣為SB，總體散布矩陣為ST，則ST=SW+SB。（）

A:錯B:對

答案:對順序聚類的性質(zhì)包括：（）

A:按不同的順序輸入，可能得到不同的聚類結(jié)果

B:算法的時間復(fù)雜度非常高

C:對初始的第一個聚類中心的選擇依賴性比較強

D:聚類效果受閾值的影響

答案:按不同的順序輸入，可能得到不同的聚類結(jié)果

；對初始的第一個聚類中心的選擇依賴性比較強

；聚類效果受閾值的影響

譜系聚類不僅要產(chǎn)生出樣本的不同聚類，而且要生成一個完整的樣本層次分類譜系（）。

A:對B:錯

答案:對在模糊K-均值算法中，類別間可以存在交疊。（）

A:對B:錯

答案:對

第十一章單元測試

從數(shù)學(xué)的角度，降維可以分為線性降維和非線性降維。（）

A:對B:錯

答案:對分支定界法是特征提取的一種方法。（）

A:對B:錯

答案:錯下面哪個準(zhǔn)則函數(shù)可以用于分支定界法：（）

A:

B:

C:

D:

答案:

；

如下關(guān)于分支定界法的描述，哪些是正確的：（）

A:用分支定界法得到的特征與用主成分分析法得到的特征是一樣的

B:可分性判據(jù)必須具有單調(diào)性

C:當(dāng)原始的特征維數(shù)很大時，計算量仍然比較大

D:該算法的計算量與最優(yōu)解所在分支的位置有關(guān)

答案:可分性判據(jù)必須具有單調(diào)性

；當(dāng)原始的特征維數(shù)很大時，計算量仍然比較大

；該算法的計算量與最優(yōu)解所在分支的位置有關(guān)

在線性判別分析中，對于樣本只有兩個類別的情況，最佳投影向量為：。（）

A:對B:錯

答案:對

第十二章單元測試

信息論的主要創(chuàng)始人是（）

A:香農(nóng)

B:哈特萊

C:馮諾依曼

D:圖靈

答案:香農(nóng)

下列關(guān)于信息熵的說法正確的是（）。

A:一個系統(tǒng)越是有序，信息熵就越高

B:熵是無序性的定量量度

C:一般情況下，把有規(guī)律排列的狀態(tài)稱為“低熵”

D:一般情況下，把混亂的狀態(tài)稱為“低熵”

答案:一般情況下，把有規(guī)律排列的狀態(tài)稱為“低熵”

下面關(guān)于結(jié)點的說法，正確的是（）

A:根結(jié)點表示樣本集合

B:葉結(jié)點表示樣本的一個分類，即某一種決策結(jié)果

C:內(nèi)部結(jié)點表示對測試樣本的一個特征進(jìn)行測試，下面的分支表示對該特征測試的輸出。

D:決策樹的結(jié)點有根結(jié)點、內(nèi)部結(jié)點和葉結(jié)點三種類型

答案:根結(jié)點表示樣本集合

；葉結(jié)點表示樣本的一個分類，即某一種決策結(jié)果

；內(nèi)部結(jié)點表示對測試樣本的一個特征進(jìn)行測試，下面的分支表示對該特征測試的輸出。

；決策樹的結(jié)點有根結(jié)點、內(nèi)部結(jié)點和葉結(jié)點三種類型

在決策樹不斷的劃分過程中，我們希望結(jié)點的信息熵能夠迅速的升高。（）

A:對B:錯

答案:錯ID3決策樹的生成過程中，結(jié)點選取還尚未被用來劃分的、具有最高信息增