人工智能導(dǎo)論知到章節(jié)答案智慧樹(shù)2023年?yáng)|北石油大學(xué)

人工智能導(dǎo)論知到章節(jié)測(cè)試答案智慧樹(shù)2023年最新東北石油大學(xué)第一章測(cè)試

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

參考答案:

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(guò)辨別人的聲音識(shí)別人，這是智能的（）方面。

參考答案:

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()。

參考答案:

神經(jīng)心理學(xué);計(jì)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()。

參考答案:

行為主義;符號(hào)主義;連接主義

圖靈測(cè)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。()

參考答案:

錯(cuò)

第二章測(cè)試

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

參考答案:

個(gè)體詞

產(chǎn)生式系統(tǒng)的核心是（）。

參考答案:

推理機(jī)

知識(shí)的不確定性來(lái)源于（）。

參考答案:

不完全性引起的不確定性

;模糊性引起的不確定性

;隨機(jī)性引起的不確定性

;經(jīng)驗(yàn)引起的不確定性

產(chǎn)生式表示法可以表示不確定性知識(shí)。（）

參考答案:

對(duì)

框架表示法不便于表示過(guò)程性知識(shí)。（）

參考答案:

對(duì)

第三章測(cè)試

從初始證據(jù)出發(fā)，按某種策略不斷運(yùn)用知識(shí)庫(kù)中的已知知識(shí)，逐步推出結(jié)論的過(guò)程稱為推理。（）

參考答案:

對(duì)

任何文字的析取式稱為子句。（）

參考答案:

對(duì)

謂詞公式不可滿足的充要條件是其子句集不可滿足。（）

參考答案:

對(duì)

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

參考答案:

對(duì)

對(duì)于一階謂詞邏輯，如果沒(méi)有歸結(jié)出空子句，則說(shuō)明原謂詞公式是不可滿足的。（）

參考答案:

錯(cuò)

第四章測(cè)試

如果問(wèn)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。

參考答案:

啟發(fā)式搜索

如果問(wèn)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(duì)比較高”的算法。

參考答案:

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（）。

參考答案:

closed表用于存放已擴(kuò)展過(guò)的節(jié)點(diǎn)。

在估價(jià)函數(shù)中，對(duì)于g(x)和h(x)下面描述正確的是（）。

參考答案:

h(x)是從節(jié)點(diǎn)x到目標(biāo)節(jié)點(diǎn)的最優(yōu)路徑的估計(jì)代價(jià)

;g(x)是從初始節(jié)點(diǎn)到節(jié)點(diǎn)x的實(shí)際代價(jià)

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

參考答案:

對(duì)

第五章測(cè)試

在遺傳算法的輪盤賭選擇方法中，個(gè)體被選中的概率取決于該個(gè)體的()。

參考答案:

相對(duì)適應(yīng)度

遺傳算法中，問(wèn)題的每個(gè)有效解被稱為一個(gè)“染色體(chromosome)”，也稱為“串”，對(duì)應(yīng)于生物群體中的()。

參考答案:

生物個(gè)體

以下關(guān)于遺傳算法的特點(diǎn)描述中，正確的是()。

參考答案:

從多點(diǎn)開(kāi)始并行操作，可使用并行計(jì)算提高速度

;尋優(yōu)規(guī)則由概率決定，是一種高效啟發(fā)式搜索

;通過(guò)目標(biāo)函數(shù)來(lái)計(jì)算適應(yīng)度值，不需要其他推導(dǎo)和附加信息

;對(duì)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

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

參考答案:

可以控制粒子保持自身運(yùn)動(dòng)慣性的速度

;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。

;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。

遺傳算法主要借用生物進(jìn)化中“適者生存”的規(guī)律。()

參考答案:

對(duì)

第六章測(cè)試

在以下智能能力中，是機(jī)器獲取知識(shí)的根本途徑()。

參考答案:

學(xué)習(xí)

使用One-Hot編碼，對(duì)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()。

參考答案:

[1000,0100,0010,0001]

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

參考答案:

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

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

;機(jī)器學(xué)習(xí)是計(jì)算機(jī)自動(dòng)地通過(guò)學(xué)習(xí)獲取知識(shí)和技能，不斷改善性能，實(shí)現(xiàn)自我完善。

;機(jī)器學(xué)習(xí)是通過(guò)對(duì)經(jīng)驗(yàn)的學(xué)習(xí)來(lái)優(yōu)化任務(wù)，進(jìn)而完成性能指標(biāo)的一個(gè)過(guò)程。

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（）。（）

參考答案:

標(biāo)記;測(cè)試集

;特征;訓(xùn)練集

機(jī)器學(xué)習(xí)是人工智能實(shí)現(xiàn)的唯一途徑。()

參考答案:

錯(cuò)

簡(jiǎn)單理解，機(jī)器學(xué)習(xí)模型就是一個(gè)函數(shù)，實(shí)現(xiàn)從樣本特征到樣本標(biāo)記的映射。()

參考答案:

對(duì)

第七章測(cè)試

回歸分析可應(yīng)用于假設(shè)檢驗(yàn)，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。（）

參考答案:

對(duì)

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(diǎn)的直線。（）

參考答案:

對(duì)

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。（）

參考答案:

對(duì)

吝嗇原則就是在模型選擇中除非復(fù)雜否則就堅(jiān)持使用簡(jiǎn)單的模型。（）

參考答案:

對(duì)

前向消除法中首先向空模型加入的是最不顯著的變量。（）

參考答案:

錯(cuò)

第八章測(cè)試

人工神經(jīng)網(wǎng)絡(luò)的基本單元是()。

參考答案:

神經(jīng)元

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

參考答案:

交叉熵函數(shù)

人工神經(jīng)元模型（如M-P模型）包括()。

參考答案:

激勵(lì)函數(shù);輸入權(quán)重;求和累加

以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)的描述中，正確的是()。

參考答案:

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(guò)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(hào)、產(chǎn)出輸出

單層感知機(jī)能對(duì)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(wèn)題。()

參考答案:

錯(cuò)

第九章測(cè)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()。

參考答案:

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

參考答案:

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(diǎn)包括()。

參考答案:

卷積層一般由多個(gè)二維矩陣組成

;在圖像識(shí)別等應(yīng)用中，能夠通過(guò)卷積運(yùn)算等逐層自動(dòng)提取特征

;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(shí)，正確的有()。

參考答案:

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

;一般而言，層次越深則網(wǎng)絡(luò)的學(xué)習(xí)能力越強(qiáng)，但同時(shí)意味著計(jì)算開(kāi)銷越大

卷積層具有以下哪些特點(diǎn)？()

參考答案:

局部連接;權(quán)值共享

第十章測(cè)試

分類通過(guò)通過(guò)相似性推測(cè)標(biāo)簽，聚類通過(guò)標(biāo)簽推測(cè)相似性。（）

參考答案:

錯(cuò)

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。（）

參考答案:

對(duì)

順序聚類的性質(zhì)包括：（）

參考答案:

對(duì)初始的第一個(gè)聚類中心的選擇依賴性比較強(qiáng)

;聚類效果受閾值的影響

;按不同的順序輸入，可能得到不同的聚類結(jié)果

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(gè)完整的樣本層次分類譜系（）。

參考答案:

對(duì)

在模糊K-均值算法中，類別間可以存在交疊。（）

參考答案:

對(duì)

第十一章測(cè)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。（）

參考答案:

對(duì)

分支定界法是特征提取的一種方法。（）

參考答案:

錯(cuò)

下面哪個(gè)準(zhǔn)則函數(shù)可以用于分支定界法：（）

參考答案:

;

如下關(guān)于分支定界法的描述，哪些是正確的：（）

參考答案:

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(shí)，計(jì)算量仍然比較大

;該算法的計(jì)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(duì)于樣本只有兩個(gè)類別的情況，最佳投影向量為：。（）

參考答案:

對(duì)

第十二章測(cè)試

信息論的主要?jiǎng)?chuàng)始人是（）

參考答案:

香農(nóng)

下列關(guān)于信息熵的說(shuō)法正確的是（）。

參考答案:

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(diǎn)的說(shuō)法，正確的是（）

參考答案:

內(nèi)部結(jié)點(diǎn)表示對(duì)測(cè)試樣本的一個(gè)特征進(jìn)行測(cè)試，下面的分支表示對(duì)該特征測(cè)試的輸出。

;葉結(jié)點(diǎn)表示樣本的一個(gè)分類，即某一種決策結(jié)果

;決策樹(shù)的結(jié)點(diǎn)有根結(jié)點(diǎn)、內(nèi)部結(jié)點(diǎn)和葉結(jié)點(diǎn)三種類型

;根結(jié)點(diǎn)表示樣本集合

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

參考答案:

錯(cuò)

ID3決策樹(shù)的生成過(guò)程中，結(jié)點(diǎn)選取還尚未被用來(lái)劃分的、具有最高信息增益的特征屬性作為劃分標(biāo)準(zhǔn)。（）

參考答案:

對(duì)

第十三章測(cè)試

以下關(guān)于人工智能產(chǎn)業(yè)溢出效應(yīng)的描述正缺的是（）。

參考答案:

人工智能還可以帶動(dòng)工業(yè)機(jī)器人、無(wú)人駕駛汽車等新興產(chǎn)業(yè)的飛躍式發(fā)展

;能夠推動(dòng)多個(gè)領(lǐng)域的變革和跨越式發(fā)展，對(duì)傳統(tǒng)行業(yè)產(chǎn)生重大顛覆性影響

;人工智能可以加速發(fā)現(xiàn)醫(yī)治疾病的新療法，大幅降低新藥研發(fā)成本

;人工智能可以在國(guó)防、醫(yī)療、工業(yè)、農(nóng)業(yè)、金融、商業(yè)、教育、公共安全等領(lǐng)域取得廣泛應(yīng)用，催生新的業(yè)態(tài)和商業(yè)模式

通過(guò)人臉，可以推斷出一個(gè)人的種族、地域、甚至