智慧樹知到《人工智能基礎導學》章節(jié)測試完整答案

[完整答案]智慧樹知到《人工智能基礎導學》章節(jié)測試答案緒論

單元測試1

、1956

年達特茅斯會議上，學者們首次提出“ artificial不包括：A:研究如何用計算機表示人類知識B:研究智能學習的機制C:研究人類大腦結構和智能起源D:研究如何用計算機來模擬人類智能

【研究人類大腦結構和智能起源】2、在現(xiàn)階段，下列哪項尚未成為人工智能研究的主要方向和目標：A:研究如何用計算機模擬人類大腦的網絡結構和部分功能B:研究如何用計算機延伸和擴展人類智能C:研究機器智能與人類智能的本質差別D:研究如何用計算機模擬人類智能的若干功能，如會聽、會看、會說

【研究機器智能與人類智能的本質差別】3、下面哪個不是人工智能的主要研究流派?A:符號主義B:經驗主義C:連接主義D:模擬主義

【模擬主義】4、從人工智能研究流派來看，西蒙和紐厄爾提出的“邏輯理論家”方法用，應當屬于：A:經驗主義，行為主義B:符號主義，連接主義C:連接主義，經驗主義D:理性主義，符號主義

【理性主義，符號主義】5、從人工智能研究流派來看，明斯基等人所推薦的“人工神經網絡”方法用計算機模擬神經元及其連接，實現(xiàn)自主識別、判斷，應當屬于：A:理性主義，符號主義B:符號主義，連接主義C:經驗主義，行為主義D:連接主義，經驗主義

【連接主義，經驗主義】“

“的本質A:錯B:對

【錯】7、人工智能受到越來越多的關注，許多國家出臺了支持人工智能發(fā)展的戰(zhàn)略計劃A:對B:錯

【對】8、人工智能將脫離人類控制，并最終毀滅人類A:對B:錯

【錯】9、人工智能目前僅適用于特定的、專用的問題A:對B:錯

【對】10、通用人工智能的發(fā)展正處于起步階段A:對B:錯

【對】第一章

單元測試1、以下組合最能全面包括所有知識表示形式的是A:謂詞邏輯、經驗主義、網絡權重B:符號主義、經驗主義、連接主義C:產生式系統(tǒng)、特征表示、連接主義D:符號主義、特征表示、語義向量

【符號主義、經驗主義、連接主義】2、以下用謂詞表示的命題錯誤的是A:老王的生日在4

月：birthday(老王，4

月)C:

我

爸

爸

喜

歡

吃

雞

蛋

并

且

我

媽

媽

喜

歡

吃

西

紅

柿

：like_eat(father(我)，雞蛋)

∨

like_eat(mother(我)，西紅柿)D:大亮的老師擅長打羽毛球和網球：good_at(teacher(大亮)，羽毛球) good_at(teacher(大亮)，網球)答案:

【我爸爸喜歡吃雞蛋并且我媽媽喜歡吃西紅柿：

∨

3、哪種知識表示的樣本數(shù)據的特征表示，就對應了某種知識。智能系統(tǒng)通過“體驗”樣本特征，來獲取知識A:都不是B:連接主義C:經驗主義D:符號主義

【經驗主義】4、為了描述關于”健身房“的知識，可以從中抽象出很多要素。比如：健身房的地點、開放時間、教練、器械、團課名稱、次卡價格式稱作(

)A:一階謂詞B:框架形式C:細化形式D:產生式

【框架形式】5、一階謂詞的功能與優(yōu)點不包括：(

)A:可以表示不確定性知識B:容易實現(xiàn)C:對知識的表現(xiàn)較精確D:表達對客觀世界的陳述

【可以表示不確定性知識】6、一階謂詞邏輯式有很強的表達能力，但經常難以直接在計算中應用。A:對B:錯

【對】7、由于蘊含式的靈活性，它能表示推理知識以及類似于“如果按住鼠標拖動，則按軌跡畫出一條線”這種規(guī)則。A:錯B:對

【錯】8、產生式類型的知識表示推動了專家系統(tǒng)的發(fā)展，并且曾應用于機器翻譯的領域。A:錯B:對

【對】9、一階謂詞邏輯是產生式的一種特例，而產生式是框架形式的一種特例。A:錯B:對

【錯】10、最簡單的命題至少由一個主語和一個謂語組成A:錯B:對

【對】第二章

單元測試1、以下說法錯誤的是(

)A:學者們普遍認為邏輯和推理是智能思維的一種表現(xiàn)形式。中已有的知識，逐步匹配，直到推出結果為止。方式表示的知識。D:演繹是從特殊到一般，歸納是從一般到特殊。

以下說法中正確的個數(shù)有(

)：a)

不確定性推理基于產生式表示，確定性推理基于一階謂詞表示。b)

不確定性推理與確定性推理的不同點在于推理過程中每個環(huán)節(jié)都是不確定的。c)

推理強度。d)

事實證據的可信度取值范圍同樣為[0,1]A:3B:2C:1D:4

【2】3

、

IF

晚上兩點睡覺

AND

失眠到三點

THEN

第二天睡懶覺(0.8)，其中

CF(晚上兩點睡覺)=0.6，CF(失眠到三點)=0.3，那么CF(第二天睡懶覺)為(

)A:0.144B:0.48C:0.24D:0.18

4、以下關于反向演繹的說法錯誤的是(

)A:演繹是從一般到特殊

;

而反向推理以某個假設目標作為出發(fā)點，來展開推理。B:但在規(guī)則量很大時，反向演繹仍然需要逐一計算規(guī)則的匹配，比較緩慢低效。C:計算機實現(xiàn)自動推理最可行的方法是采用反向、演繹的方法。D:反向演繹從待證目標出發(fā)，又稱歸結原理。

5、利用

Horn

子句進行推理，使用的是什么樣的搜索方法()：A:深度優(yōu)先搜索和廣度優(yōu)先搜索都可以B:深度優(yōu)先搜索和廣度優(yōu)先搜索都不是C:廣度優(yōu)先搜索D:深度優(yōu)先搜索

【深度優(yōu)先搜索】6、計算機如果要實現(xiàn)自動推理，最可行的方法就是采用反向、演繹的方法A:對B:錯

【對】7、推理的確定性是推理的三個特性中最復雜的。A:錯B:對

【對】8、推理之所以為推理，是因為它有確定性的特點。A:錯B:對

【錯】9、確定性推理在推理時，所有知識和證據都是確定非真即假的A:錯B:對

【對】A:錯B:對

【錯】第三章

單元測試1、以下說法中正確的個數(shù)是()：①

專家系統(tǒng)強調概念及其關系的表達，語義網絡強調知識的推理能力。②

專家系統(tǒng)和語義網絡的建立都比較隨意，沒有嚴格的語義支撐。③

KL_ONE

語言將知識表示能力和推理計算能力相結合，表達能力和推理能力并重。④

從

linked_data

開始，語義

web

開始進入“弱語義”階段，并采用

RDF

三元組形式描述知識。A:0B:3C:2D:1

【3】2、以下不屬于現(xiàn)階段知識圖譜技術類別的是(

)A:應用技術B:展示技術C:推理技術D:構建技術

【展示技術】和實體間的關系。B:實體內通過關系來刻畫內在屬性。“圖”。D:知識圖譜中一般每個實體都有一個ID

來標識，稱為標識符。

4、對于農夫過河的問題，農夫、狼、羊、白菜想要坐船過河。夫看管，狼會吃羊，羊會吃白菜。將這個例子放在狀態(tài)空間中考慮，以下說法正確的是()：A:這個問題沒有解。B:如果說狀態(tài)表示成4

值(已理狀態(tài)。W(代表狼)、S(代表羊)、C(代表白菜)D:這個問題有

222*2=16

種合理的狀態(tài)。

農夫)、W(代表狼)、S(代表羊)、C(代表白菜)】5、什么是實體關系學習(

)A:檢測文本中的實體是否具有某種預定義的關系。B:研究如何從文本中抽取事件信息并以結構化的形式呈現(xiàn)出來C:發(fā)現(xiàn)文本中的有效實體。D:實體識別與鏈接

6、問答系統(tǒng)讓計算機自動回答用戶的提問，返回相關的一系列文檔。A:對B:錯

【錯】7、知識問答的實現(xiàn)分為兩步：提問分析和答案推理。A:錯B:對

【對】

提出了

Guha

也被稱作知識圖譜之父。A:錯B:對

【對】9、RDF

是現(xiàn)代知識圖譜的一個分支之一。A:錯B:對

【錯】10、Conceptnet

是純中文的知識庫。A:對B:錯

【對】第四章

單元測試1、以下關于狀態(tài)空間圖的說法錯誤的是A:將狀態(tài)和連接合在一起可以構成狀態(tài)圖B:將一個復雜問題表示成多個連續(xù)的狀態(tài)C:狀態(tài)空間圖未必一定能畫出來D:狀態(tài)之間的連接指的是銜接、轉移、導致等關系

【將一個復雜問題表示成多個連續(xù)的狀態(tài)】2、以下說法正確的是：A:貪心算法又稱盲目搜索C:寬度優(yōu)先搜索的效率高于貪心算法D:貪心算法搜索速度較快，但未必能找到最優(yōu)解3、狀態(tài)空間圖表示方法的核心思想不包括：AA:對于任何問題，可以直接構造狀態(tài)圖B:將一個復雜問題表示為若干離散狀態(tài)C:將銜接、轉移、導致等關系表示為狀態(tài)之間的連接D:所有狀體和連接構成狀態(tài)圖

)D算法對手可能的反應C:不對狀態(tài)優(yōu)劣進行判斷，僅按照固定方式搜索D:一個角色可以完成博弈搜索5、關于盲目搜索策略的說法不正確的是A深探索B:貪婪搜索的搜索速度非?？霤:貪婪搜索總是做出在當前看來最好的選擇D:深度優(yōu)先和寬度優(yōu)先搜索的適應性強，但效率往往不高。6、深度優(yōu)先搜索會首先考慮縱深搜索，然后回溯上一層對A:對B:錯7、貪婪搜索每一步都會選擇使當前步驟獲利最大的下一步對A:對B:錯8、通用搜索可以考慮當前節(jié)點到終止節(jié)點的最優(yōu)路線XA:對B:錯9、啟發(fā)式搜索策略可以同時考慮到初始節(jié)點到當前節(jié)點與當前節(jié)點到終止節(jié)點的優(yōu)劣對A:錯B:對10、貪婪搜索策略首先考慮縱深探索XA:錯B:對第五章

單元測試1、下列說法不正確的是()A:進化智能和群體智能是從自然界適者生存的客觀規(guī)律中獲得啟發(fā)究物種的適者生存C:圖靈的觀點認為“物種的適者生存”顯然不是智能活動D:自動圖譜、自動推理、搜索技術都是模擬“單一”智能體的智能活動2、下列關于群體智能和進化智能的說法不正確的是BA:進化智能的思想來自新達爾文主義特點C:螞蟻、蜜蜂、候鳥、微生物都具有群體智能D:使用計算機模擬進化智能的過程中將限制條件抽象為“環(huán)境”3、下列說法正確的是A:進化算法的思想來源--新達爾文主義是由達爾文獨自提出的B:遺傳算法中的環(huán)境設計需要保證最優(yōu)解對應的個體具有最強的適應能力能算法D:遺傳算法中的環(huán)境設計有固定的標準，與具體問題無關4、下列關于遺傳算法的說法不正確的是A:遺傳算法與狀態(tài)空間搜索法都將狀態(tài)表示為“向量”短時間內迅速提高整個種群的適應性C:提升種群數(shù)量能夠提高求解速度和穩(wěn)定性D:單純提高突變概率，能夠穩(wěn)定地取得很好的結果5、新達爾文主義認為的生物進化，不包括哪個過程DA:競爭B:選擇C:突變D:模擬6、進化智能算法的目標，就是用計算機來模擬進化過程，從而求解問題

對A:對B:錯7、突變保證了生物體在不斷變化的環(huán)境中具有適應能力

對A:錯B:對8、遺傳算法的主要思路，核心就是如何模擬生物進化過程

對A:對B:錯9、進化智能指的是空間維度上的說法

XA:對B:錯10、模擬物種“適者生存”的能力，不屬于人工智能的研究范疇XA:對B:錯第六章

單元測試1、下列說法中正確的說法個數(shù)是(

)機器學習的過程中首先需要收集樣本數(shù)據，并且抽象表現(xiàn)出來。機器學習中的樣本數(shù)據可以是人工判斷的經驗條目數(shù)據有監(jiān)督學習中不需要所有訓練樣本都有明確的“答案”無監(jiān)督學習和有監(jiān)督學習需要選取合適的參數(shù)來盡可能地靠近目標

BA:1B:3C:2D:02、下列關于有監(jiān)督學習的說法不正確的是BA:支持向量機模型中距離平面最近的幾個樣本對平面的選擇影響最大B:K

近鄰算法中

K

值的選擇對分類的結果影響不大C:模型測試階段的測試數(shù)據集不能與訓練數(shù)據集有交集D:決策樹算法中最能將樣本數(shù)據顯著分開的屬性應該在決策早期就使用3、下列關于弱監(jiān)督學習的說法不正確的是AA:弱監(jiān)督學習等價于半監(jiān)督學習B:半監(jiān)督學習通過學習有標記的數(shù)據，逐漸擴展無標注的數(shù)據C:弱監(jiān)督學習只對部分的樣本引入標注知識D:遷移學習的核心思想是將利用在任務

A

上獲得的經驗去解決相似的任務

B4、下列關于強化學習的說法正確的是DA:強化學習的概念是從Alphago

戰(zhàn)勝李世石之后才提出的B:強化學習屬于無監(jiān)督學習的一種，不需要有監(jiān)督信息C:強化學習和有監(jiān)督學習的過程相似，是“開環(huán)”的過程逐漸適應環(huán)境5、關于決策樹，說法有誤的是：BA:規(guī)則歸納問題，適合用決策樹來表示B:決策樹算法是無監(jiān)督學習不應該出現(xiàn)在決策早期D:屬性在決策樹中的位置不同，決策樹的效率是不同的6、聚類算法屬于無監(jiān)督學習BA:錯B:對7、機器學習就是有監(jiān)督學習BA:對B:錯

A

與

任務

B

A

的學習經驗，解決任務

B，即遷移學習

AA:對B:錯9、機器學習分為有監(jiān)督和無監(jiān)督等AA:對B:錯10、有監(jiān)督學習的最大問題：標注數(shù)據稀缺、昂貴BA:錯B:對第七章

單元測試1、神經網絡是由一個神經元構成的BA:對B:錯2、隱含層，是指其中神經元的狀態(tài)在輸出端無法直接觀測AA:對B:錯3、v

對于一個樣本，如果當前權重能夠正確判斷其類型，就減小當前權重

BA:對B:錯4、對于一個樣本，如果當前權重能夠正確判斷其類型，就提高其比例

AA:對B:錯5、神經元在輸入端接受來自多個信號源的輸入信息BA:錯B:對6、以下關于

FNN

A:BP

算法對多層網絡訓練時使用的

sigmoid

激活函數(shù)存在“梯度彌散”問題B:BP

算法的核心是對隱含層神經元誤差E

的估計C:BP并且將δ信號傳向后一層D:BP

算法的出現(xiàn)解決了多層神經網絡權重調整困難的問題7、以下說法中，不屬于感知器和FNN

模型的相同點的是：BA:二者都有輸入、激活和輸出B:二者都是由多個神經元組成的多層神經網絡C:輸入信號向后傳遞的過程中，都是加權和的計算D:二者學習的關鍵都是神經元的損失計算8、以下關于前饋神經網絡(FNN)的說法正確的是：AA:在

FNN

傳遞B:一個標準的前饋神經網絡只有一個輸入層和一個輸出層C:FNN

的輸出結果只能是向量D:FNN

的同層神經元之間存在連接9、以下關于感知器模型的說法錯誤的是：CA:感知器的信號處理分為四個部分：輸入、匯總、激活、輸出B:匯總后的輸入信號如果高于閾值，則產生“激活”信號，否則仍基本維持原有水平C:在輸入端，神經元只接受來自一個信號源的輸入信息D:輸入為實例的特征向量，由激活函數(shù)計算輸出，輸出為兩個值A:感知器模型中的激活函數(shù)是二值函數(shù)時，損失函數(shù)是可導的經元，而另一類則不會C:重調整采用“獎懲分明”策略，即對于能夠準確判斷樣本類型的權重，提高當前權重比例，反之則降低當前權重比例D:一層感知器只能針對線性可分的數(shù)據集分類，無法解決異或(XOR)問題A:錯B:對困難的

BA:錯B:對概念

AA:錯B:對14、生成對抗網絡結合了生成模型和判別