人工智能復(fù)習(xí)復(fù)習(xí)試題及答案

第頁(yè)人工智能復(fù)習(xí)復(fù)習(xí)試題及答案1.強(qiáng)化學(xué)習(xí)的基礎(chǔ)模型是（）模型A、馬可夫決策B、貝葉斯C、HMMD、最大后驗(yàn)概率【正確答案】：A解析：

見(jiàn)算法解析2.關(guān)于梯度下降算法描述正確的是：A、梯度下降算法就是不斷的更新w和b的值B、梯度下降算法就是不斷的更新w和b的導(dǎo)數(shù)值C、梯度下降算法就是不斷尋找損失函數(shù)的最大值D、梯度下降算法就是不斷更新學(xué)習(xí)率【正確答案】：A解析：

梯度下降算法就是不斷的更新w和b的值3.代碼arr3=np.array（[[1,2,3],[4,5,6]]）.transpose（）;print（arr3[1,1]）的輸出結(jié)果是（）？A、5B、4C、3D、2【正確答案】：A解析：

見(jiàn)算法解析4.主成分分析是一種數(shù)據(jù)降維和去除相關(guān)性的方法，它通過(guò)（）將向量投影到低維空間。A、線(xiàn)性變換B、非線(xiàn)性變換C、拉布拉斯變換D、z變換【正確答案】：A解析：

主成分分析是一種數(shù)據(jù)降維和去除相關(guān)性的方法，它通過(guò)線(xiàn)性變換將向量投影到低維空間。5.下列選項(xiàng)中，是合頁(yè)損失函數(shù)的是（）。A、exp(yf(x))B、[1-yf(x)]_+C、log[1+exp(-yf(x))D、exp(-yf(x))【正確答案】：B解析：

A不是損失函數(shù)，Csiro邏輯斯蒂損失函數(shù)，D是指數(shù)損失函數(shù)。6.下列哪一個(gè)不是神經(jīng)網(wǎng)絡(luò)的代表A、卷積神經(jīng)網(wǎng)絡(luò)B、遞歸神經(jīng)網(wǎng)絡(luò)C、殘差網(wǎng)絡(luò)D、xgboost算法【正確答案】：D解析：

XGBoost是針對(duì)分類(lèi)或回歸問(wèn)題的boosting算法的一種實(shí)現(xiàn)方式，并不是神經(jīng)網(wǎng)絡(luò)的代表。7.對(duì)完成特定任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用的是監(jiān)督學(xué)習(xí)方法。在這個(gè)過(guò)程中，通過(guò)誤差后向傳播來(lái)優(yōu)化調(diào)整網(wǎng)絡(luò)參數(shù)，請(qǐng)問(wèn)下面哪個(gè)參數(shù)不是通過(guò)誤差后向傳播來(lái)優(yōu)化的A、卷積濾波矩陣中的參數(shù)B、全連接層的鏈接權(quán)重C、激活函數(shù)中的參數(shù)D、模型的隱藏層數(shù)目【正確答案】：D解析：

08.在人臉檢測(cè)算法中，不屬于該算法難點(diǎn)的是A、出現(xiàn)人臉遮擋B、人臉角度變化大C、需要檢測(cè)分辨率很小的人臉D、需要檢測(cè)不同性別的人臉【正確答案】：D解析：

在人臉檢測(cè)算法中，不屬于該算法難點(diǎn)的是需要檢測(cè)不同性別的人臉9.假設(shè)你有5個(gè)大小為7x7、邊界值為0的卷積核，同時(shí)卷積神經(jīng)網(wǎng)絡(luò)第一層的深度為1。此時(shí)如果你向這一層傳入一個(gè)維度為224x224x3的數(shù)據(jù)，那么神經(jīng)網(wǎng)絡(luò)下一層所接收到的數(shù)據(jù)維度是多少？A、218x218x5B、217x217x8C、217x217x3D、220x220x5【正確答案】：A解析：

010.神經(jīng)元之間的每個(gè)連接都有（）權(quán)重。A、一個(gè)B、兩個(gè)C、多個(gè)D、無(wú)【正確答案】：A解析：

神經(jīng)元之間的每個(gè)連接都有一個(gè)權(quán)重。11.評(píng)估完模型之后，發(fā)現(xiàn)模型存在高偏差（highbias），應(yīng)該如何解決？A、減少模型的特征數(shù)量B、增加模型的特征數(shù)量C、增加樣本數(shù)量D、以上說(shuō)法都正確【正確答案】：B解析：

如果模型存在高偏差（highbias），意味著模型過(guò)于簡(jiǎn)單。為了使模型更加健壯，我們可以在特征空間中添加更多的特征。而添加樣本數(shù)量將減少方差12.在強(qiáng)化學(xué)習(xí)的過(guò)程中,學(xué)習(xí)率α越大,表示采用新的嘗試得到的結(jié)果比例越（）,保持舊的結(jié)果的比例越（）。A、大;小B、大;大C、小;小D、小;大【正確答案】：A解析：

013.閔可夫斯基距離表示為曼哈頓距離時(shí)，p為（）。A、1B、2C、3D、4【正確答案】：A解析：

閔可夫斯基距離定義為：該距離最常用的p是2和1,前者是歐幾里得距離），后者是曼哈頓距離。14.與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)相比，圖數(shù)據(jù)庫(kù)善于處理大量的、復(fù)雜的、互聯(lián)的、多變的網(wǎng)狀數(shù)據(jù)，效率遠(yuǎn)遠(yuǎn)（）傳統(tǒng)型數(shù)據(jù)庫(kù)A、小于B、接近C、等于D、高于【正確答案】：D解析：

與傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)相比，圖數(shù)據(jù)庫(kù)善于處理大量的、復(fù)雜的、互聯(lián)的、多變的網(wǎng)狀數(shù)據(jù)，效率遠(yuǎn)遠(yuǎn)高于傳統(tǒng)型數(shù)據(jù)庫(kù)15.（）對(duì)隱含層的輸入進(jìn)行歸一化，更好的尺度不變性（應(yīng)對(duì)內(nèi)部協(xié)變量偏移），更好的優(yōu)化地形（輸入處于不飽和區(qū)域，從而讓梯度變大）A、歸一化B、白化C、數(shù)據(jù)增強(qiáng)D、批量歸一化【正確答案】：D解析：

批量歸一化對(duì)隱含層的輸入進(jìn)行歸一化，更好的尺度不變性（應(yīng)對(duì)內(nèi)部協(xié)變量偏移），更好的優(yōu)化地形（輸入處于不飽和區(qū)域，從而讓梯度變大）16.DSSM經(jīng)典模型的缺點(diǎn)：1.Wordhashing可能造成詞語(yǔ)沖突；2.采用詞袋模型，損失了上下文語(yǔ)序信息；3.搜索引擎的排序由多種因素決定，用戶(hù)點(diǎn)擊時(shí)doc排名越靠前越容易被點(diǎn)擊，僅用點(diǎn)擊來(lái)判斷正負(fù)樣本，產(chǎn)生的噪聲較大，模型難以收斂；4.效果不可控。A、1.2.3B、1.3.4C、2.3.4D、【正確答案】：D解析：

DSSM經(jīng)典模型的缺點(diǎn)：1.Wordhashing可能造成詞語(yǔ)沖突；2.采用詞袋模型，損失了上下文語(yǔ)序信息；3.搜索引擎的排序由多種因素決定，用戶(hù)點(diǎn)擊時(shí)doc排名越靠前越容易被點(diǎn)擊，僅用點(diǎn)擊來(lái)判斷正負(fù)樣本，產(chǎn)生的噪聲較大，模型難以收斂；4.效果不可控。17.對(duì)于一個(gè)分類(lèi)任務(wù)，如果開(kāi)始時(shí)神經(jīng)網(wǎng)絡(luò)的權(quán)重不是隨機(jī)賦值的，而是都設(shè)成0，下面哪個(gè)敘述是正確的？A、其他選項(xiàng)都不對(duì)B、沒(méi)啥問(wèn)題，神經(jīng)網(wǎng)絡(luò)會(huì)正常開(kāi)始訓(xùn)練C、神經(jīng)網(wǎng)絡(luò)可以訓(xùn)練，但是所有的神經(jīng)元最后都會(huì)變成識(shí)別同樣的東西D、神經(jīng)網(wǎng)絡(luò)不會(huì)開(kāi)始訓(xùn)練，因?yàn)闆](méi)有梯度改變【正確答案】：C解析：

018.類(lèi)別不平衡指分類(lèi)任務(wù)中不同類(lèi)別的訓(xùn)練樣例數(shù)目（）的情況。A、沒(méi)有差別B、差別很大C、差別很小D、以上都不正確【正確答案】：B解析：

見(jiàn)算法解析19.無(wú)監(jiān)督學(xué)習(xí)需要（）A、學(xué)習(xí)程序自己形成和評(píng)價(jià)概念，沒(méi)有教師B、學(xué)習(xí)程序在教師監(jiān)督下形成和評(píng)價(jià)概念C、學(xué)習(xí)程序有時(shí)需要教師，有時(shí)不需要教師，以形成和評(píng)價(jià)概念D、以上說(shuō)法都不對(duì)【正確答案】：A解析：

020.在前饋神經(jīng)網(wǎng)絡(luò)中，誤差后向傳播（BP算法）將誤差從輸出端向輸入端進(jìn)行傳輸?shù)倪^(guò)程中，算法會(huì)調(diào)整前饋神經(jīng)網(wǎng)絡(luò)的什么參數(shù)A、輸入數(shù)據(jù)大小B、神經(jīng)元和神經(jīng)元之間連接有無(wú)C、相鄰層神經(jīng)元和神經(jīng)元之間的連接權(quán)重D、同一層神經(jīng)元之間的連接權(quán)重【正確答案】：C解析：

021.我們可以將深度學(xué)習(xí)看成一種端到端的學(xué)習(xí)方法，這里的端到端指的是A、輸入端-輸出端B、輸入端-中間端C、輸出端-中間端D、中間端-中間端【正確答案】：A解析：

022.獨(dú)熱編碼的英文是：A、onehotB、twohotC、onecoldD、twocold【正確答案】：A解析：

獨(dú)熱編碼的英文是onehot23.梯度爆炸一般出現(xiàn)在深層網(wǎng)絡(luò)和權(quán)值初始化值（）的情況下A、太小B、太大C、分布不均勻D、太接近零【正確答案】：B解析：

梯度爆炸一般出現(xiàn)在深層網(wǎng)絡(luò)和權(quán)值初始化值太大的情況下24.多義現(xiàn)象可以被定義為在文本對(duì)象中一個(gè)單詞或短語(yǔ)的多種含義共存。下列哪一種方法可能是解決此問(wèn)題的最好選擇？A、隨機(jī)森林分類(lèi)器B、卷積神經(jīng)網(wǎng)絡(luò)C、梯度爆炸D、上述所有方法【正確答案】：B解析：

025.循環(huán)神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)在于（）A、對(duì)序列的每個(gè)元素進(jìn)行相同的計(jì)算，輸出取決于之前的數(shù)據(jù)狀態(tài)B、對(duì)序列的每個(gè)元素進(jìn)行不同的計(jì)算，輸出取決于之后的數(shù)據(jù)狀態(tài)C、對(duì)序列的每個(gè)元素進(jìn)行相同的計(jì)算，輸出取決于之后的數(shù)據(jù)狀態(tài)D、以上都不對(duì)【正確答案】：A解析：

026.根據(jù)numpy數(shù)組中ndim屬性的含義確定程序的輸出（）。array=np.array（[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]）;print（array.ndim）A、（3,4）B、2C、（4,3）D、4【正確答案】：B解析：

見(jiàn)算法解析27.啟發(fā)式搜索是尋求問(wèn)題（）解的一種方法A、最優(yōu)B、一般C、滿(mǎn)意D、最壞【正確答案】：C解析：

028.使用批量歸一化可以解決神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的哪些問(wèn)題？A、過(guò)擬合OverfittingB、RestrictactivationstobecometoohighorlowC、訓(xùn)練過(guò)慢D、以上所有【正確答案】：D解析：

029.OLAM技術(shù)一般簡(jiǎn)稱(chēng)為”數(shù)據(jù)聯(lián)機(jī)分析挖掘”,下面說(shuō)法正確的是:A、OLAP和OLAM都基于客戶(hù)機(jī)/服務(wù)器模式,只有后者有與用戶(hù)的交互性B、由于OLAM的立方體和用于OLAP的立方體有本質(zhì)的區(qū)別C、基于WEB的OLAM是WEB技術(shù)與OLAM技術(shù)的結(jié)合.D、OLAM服務(wù)器通過(guò)用戶(hù)圖形借口接收用戶(hù)的分析指令,在元數(shù)據(jù)的知道下,對(duì)超級(jí)立方體作一定的操作.【正確答案】：D解析：

030.在中期圖像識(shí)別技術(shù)（2003-2012）中，索引的經(jīng)典模型是（）。A、口袋模型B、詞袋模型C、膠囊模型D、增量模型【正確答案】：B解析：

在中期圖像識(shí)別技術(shù)（2003-2012）中，索引的經(jīng)典模型是詞袋模型。31.根據(jù)邊的性質(zhì)不同，概率圖模型可大致分為兩類(lèi)：第一類(lèi)是使用有向無(wú)環(huán)圖表示變量間的依賴(lài)關(guān)系，稱(chēng)為（）；第二類(lèi)是使用無(wú)向圖表示變量間的相關(guān)關(guān)系，稱(chēng)為無(wú)向圖模型或馬爾可夫網(wǎng)（Markovnetwork）。A、貝葉斯網(wǎng)B、拉普拉斯網(wǎng)C、帕斯卡網(wǎng)D、塞繆爾網(wǎng)【正確答案】：A解析：

見(jiàn)算法解析32.（）有跟環(huán)境進(jìn)行交互,從反饋當(dāng)中進(jìn)行不斷的學(xué)習(xí)的過(guò)程。A、監(jiān)督學(xué)習(xí)B、非監(jiān)督學(xué)習(xí)C、強(qiáng)化學(xué)習(xí)D、線(xiàn)性回歸【正確答案】：C解析：

033.變量選擇是用來(lái)選擇最好的判別器子集，如果要考慮模型效率，我們應(yīng)該做哪些變量選擇的考慮？:1.多個(gè)變量其實(shí)有相同的用處2.變量對(duì)于模型的解釋有多大作用3.特征攜帶的信息4.交叉驗(yàn)證A、1和4B、1,2和3C、1,3和4D、以上所有【正確答案】：C解析：

這題的題眼是考慮模型效率，所以不要考慮選項(xiàng)234.TF-IDF模型中，TF意思是詞頻，IDF意思是（）。A、文本頻率指數(shù);B、逆文本頻率指數(shù)C、詞頻指數(shù)D、逆詞頻指數(shù)【正確答案】：B解析：

TF-IDF模型中，TF意思是詞頻，IDF意思是逆文本頻率指數(shù)。35.（）就是讓機(jī)器通過(guò)處理和識(shí)別過(guò)程，把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或信息的高技術(shù)。A、語(yǔ)音分析技術(shù)B、語(yǔ)音轉(zhuǎn)化技術(shù)C、語(yǔ)音合成技術(shù)D、語(yǔ)音識(shí)別技術(shù)【正確答案】：D解析：

語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)處理和識(shí)別過(guò)程，把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或信息的高技術(shù)。36.下面的交叉驗(yàn)證方法

:i.有放回的Bootstrap方法ii.留一個(gè)測(cè)試樣本的交叉驗(yàn)證iii.

5折交叉驗(yàn)證iv.重復(fù)兩次的5折教程驗(yàn)證當(dāng)樣本是1000時(shí)，下面執(zhí)行時(shí)間的順序，正確的是：A、i>ii>iii>ivB、ii>iv>iii>iC、iv>i>ii>iiiD、ii>iii>iv>i【正確答案】：B解析：

·

Boostrap方法是傳統(tǒng)地隨機(jī)抽樣，驗(yàn)證一次的驗(yàn)證方法，只需要訓(xùn)練1次模型，所以時(shí)間最少。留一個(gè)測(cè)試樣本的交叉驗(yàn)證，需要n次訓(xùn)練過(guò)程（n是樣本個(gè)數(shù)），這里，要訓(xùn)練1000個(gè)模型。5折交叉驗(yàn)證需要訓(xùn)練5個(gè)模型。重復(fù)2次的5折交叉驗(yàn)證，需要訓(xùn)練10個(gè)模型37.為了對(duì)某圖像中的目標(biāo)進(jìn)行分析和識(shí)別，一般需要對(duì)圖像進(jìn)行（）處理。A、圖像加噪B、圖像采集C、圖像壓縮D、圖像分割【正確答案】：D解析：

為了對(duì)某圖像中的目標(biāo)進(jìn)行分析和識(shí)別，一般需要對(duì)圖像進(jìn)行圖像分割處理。38.決策樹(shù)所形成的分類(lèi)邊界有一個(gè)明顯特點(diǎn)，它的分類(lèi)邊界由若干個(gè)（）分段組成。A、與坐標(biāo)軸平行B、與坐標(biāo)軸垂直C、與坐標(biāo)軸重合D、過(guò)坐標(biāo)原點(diǎn)【正確答案】：A解析：

見(jiàn)算法解析39.Relu在零點(diǎn)不可導(dǎo)，那么在反向傳播中怎么處理（）A、設(shè)為0B、設(shè)為無(wú)窮大C、不定義D、設(shè)為任意值【正確答案】：A解析：

Relu在零點(diǎn)不可導(dǎo)，那么在反向傳播中設(shè)為040.目前RNN中常用的激活函數(shù)是（）A、reluB、sigmoidC、eluD、Swish【正確答案】：B解析：

目前RNN中常用的激活函數(shù)是sigmoid41.下面哪項(xiàng)操作能實(shí)現(xiàn)跟神經(jīng)網(wǎng)絡(luò)中Dropout的類(lèi)似效果A、BoostingBaggingC、StackingD、Mapping【正確答案】：B解析：

042.下列哪一項(xiàng)在神經(jīng)網(wǎng)絡(luò)中引入了非線(xiàn)性？A、隨機(jī)梯度下降B、修正線(xiàn)性單元（ReLU）C、卷積函數(shù)D、以上都不正確【正確答案】：B解析：

043.DNN不是適合處理圖像問(wèn)題是因?yàn)椤熬S數(shù)災(zāi)難”，那么“維數(shù)災(zāi)難”會(huì)帶來(lái)什么問(wèn)題呢：A、網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜B、DNN根本不能處理圖像問(wèn)題C、內(nèi)存、計(jì)算量巨大、訓(xùn)練困難D、神經(jīng)元數(shù)量下降，所以精度下降【正確答案】：C解析：

“維數(shù)災(zāi)難”會(huì)帶來(lái)內(nèi)存、計(jì)算量巨大、訓(xùn)練困難等問(wèn)題。44.關(guān)于線(xiàn)性回歸的描述,以下說(shuō)法正確的有A、基本假設(shè)包括隨機(jī)干擾項(xiàng)是均值為0,方差為1的標(biāo)準(zhǔn)正態(tài)分布B、基本假設(shè)包括隨機(jī)干擾項(xiàng)是均值為0的同方差正態(tài)分布C、多重共線(xiàn)性會(huì)使得參數(shù)估計(jì)值方差減小D、基本假設(shè)包括不服從正態(tài)分布的隨機(jī)干擾項(xiàng)【正確答案】：B解析：

線(xiàn)性回歸基本假設(shè)包括隨機(jī)干擾項(xiàng)是均值為0的同方差正態(tài)分布45.深度學(xué)習(xí)是當(dāng)前很熱門(mén)的機(jī)器學(xué)習(xí)算法，在深度學(xué)習(xí)中，涉及到大量的矩陣相乘，現(xiàn)在需要計(jì)算三個(gè)稠密矩陣A,B,C的乘積ABC,假設(shè)三個(gè)矩陣的尺寸分別為m?n，n?p，p?q，且mA、(AB)CB、AC(B)C、A(BC)D、所有效率都相同【正確答案】：A解析：

046.下列哪項(xiàng)算法是深度學(xué)習(xí)的重要基礎(chǔ)：（）A、最小生成樹(shù)算法B、最大流-最小割算法C、A*算法D、SGD反向傳播【正確答案】：D解析：

深度學(xué)習(xí)的重要基礎(chǔ)是反向傳播47.2010年谷歌推出以頂點(diǎn)為中心的圖處理系統(tǒng)（），其專(zhuān)為大規(guī)模圖數(shù)據(jù)處理而設(shè)計(jì)，將圖數(shù)據(jù)保存在主存儲(chǔ)器中并采用并行計(jì)算的BSP模型AregelB、PregelCregelDregel【正確答案】：B解析：

2010年谷歌推出以頂點(diǎn)為中心的圖處理系統(tǒng)Pregel，其專(zhuān)為大規(guī)模圖數(shù)據(jù)處理而設(shè)計(jì)，將圖數(shù)據(jù)保存在主存儲(chǔ)器中并采用并行計(jì)算的BSP模型48.下屬模型是一階段網(wǎng)絡(luò)的是（）A、YOLOv2B、rcnnC、fast-rcnnD、faster-rcnn【正確答案】：A解析：

見(jiàn)算法解析49.在分布式隱私保護(hù)機(jī)器學(xué)習(xí)系統(tǒng)中，（）可為其提供算力支持。A、DDRB、DRAMC、SRAMD、FPGA【正確答案】：D解析：

在分布式隱私保護(hù)機(jī)器學(xué)習(xí)系統(tǒng)中，F(xiàn)PGA可為其提供算力支持。50.下列哪些沒(méi)有使用Anchorbox？（）A、FasterRCNNB、YOLOv1C、YOLOv2D、YOLOv3【正確答案】：B解析：

YOLOv1沒(méi)有使用Anchorbox51.批規(guī)范化(BatchNormalization)的好處都有啥？A、讓每一層的輸入的范圍都大致固定B、它將權(quán)重的歸一化平均值和標(biāo)準(zhǔn)差C、它是一種非常有效的反向傳播(BP)方法D、這些均不是【正確答案】：A解析：

052.盡管人工智能學(xué)術(shù)界出現(xiàn)“百家爭(zhēng)鳴”的局面，但是，當(dāng)前國(guó)際人工智能的主流派仍屬于：A、連接主義B、符號(hào)主義C、行為主義D、經(jīng)驗(yàn)主義【正確答案】：B解析：

盡管人工智能學(xué)術(shù)界出現(xiàn)“百家爭(zhēng)鳴”的局面，但是，當(dāng)前國(guó)際人工智能的主流派仍屬于：符號(hào)主義53.Skip-gram在實(shí)際操作中，使用一個(gè)（）（一般情況下，長(zhǎng)度是奇數(shù)），從左到右開(kāi)始掃描當(dāng)前句子。A、過(guò)濾器B、滑動(dòng)窗口C、篩選器D、掃描器【正確答案】：B解析：

見(jiàn)算法解析54.傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是人工智能核心技術(shù)，在工程流程上略有差別，以下步驟在深度學(xué)習(xí)中不需要做的是A、模型評(píng)估B、特征工程C、數(shù)據(jù)清洗D、模型構(gòu)建【正確答案】：B解析：

055.使用批量歸一化可以解決以下哪種神經(jīng)網(wǎng)絡(luò)的訓(xùn)練A、過(guò)擬合OverfittingB、RestrictactivationstobecometoohighorlowC、訓(xùn)練過(guò)慢D、B和C都有【正確答案】：D解析：

056.如何對(duì)featuremaps繼續(xù)進(jìn)行卷積操作？通過(guò)多通道卷積。假設(shè)上一個(gè)卷積層已得到3個(gè)3X3的featuremaps，3個(gè)2x2的卷積核可表示為具有三個(gè)通道卷積核立方體，生成一個(gè)（）大小的featuremap。A、2X2B、3X3C、2X3D、6X6【正確答案】：A解析：

見(jiàn)算法解析57.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)為在這幾種算法中是“智能程度相對(duì)比較高”的算法。A、廣度優(yōu)先搜索B、深度優(yōu)先搜索C、有界深度優(yōu)先搜索D、啟發(fā)式搜索【正確答案】：D解析：

058.L1和L2正則化是傳統(tǒng)機(jī)器學(xué)習(xí)常用來(lái)減少泛化誤差的方法，以下關(guān)于兩者的說(shuō)法正確的是:A、L1正則化可以做特征選擇B、L1和L2正則化均可做特征選擇C、L2正則化可以做特征選擇D、L1和L2正則化均不可做特征選擇【正確答案】：A解析：

059.企業(yè)要建立預(yù)測(cè)模型，需要準(zhǔn)備建模數(shù)據(jù)集，以下四條描述建模數(shù)據(jù)集正確的是（）。A、數(shù)據(jù)越多越好B、盡可能多的合適的數(shù)據(jù)C、訓(xùn)練集數(shù)據(jù)是建模集數(shù)據(jù)的一部分D、以上三條都正確【正確答案】：D解析：

060.以下函數(shù)中能將字符串格式的時(shí)間轉(zhuǎn)換為表示時(shí)間的浮點(diǎn)數(shù)的為A、time.mktime(time.strptime())B、pd.to_datetime()C、datetime.datetime.strptime()D、datetime.datetime.strftime()【正確答案】：A解析：

基礎(chǔ)概念61.形成以新一代人工智能重大科技項(xiàng)目為核心、現(xiàn)有研發(fā)布局為支撐的（）人工智能項(xiàng)目群。A、“1+N”B、“1+5”C、“1+3”D、“1+6”【正確答案】：A解析：

形成以新一代人工智能重大科技項(xiàng)目為核心、現(xiàn)有研發(fā)布局為支撐的“1+N”人工智能項(xiàng)目群。62.以下關(guān)于L1正則化和L2正則化的說(shuō)法正確的是？A、防止模型欠擬合而加在損失函數(shù)后面的一項(xiàng)B、L1范數(shù)符合拉普拉斯分布，是完全可微的C、L1正則化項(xiàng)是模型各個(gè)參數(shù)的平方和的開(kāi)方值D、L1正則化可以產(chǎn)生稀疏權(quán)值矩陣，即產(chǎn)生一個(gè)稀疏模型，可以用于特征選擇【正確答案】：D解析：

A、防止模型過(guò)擬合而加在損失函數(shù)后面的一項(xiàng)；B、L1范數(shù)符合拉普拉斯分布，是不完全可微的；C、L2正則化項(xiàng)是模型各個(gè)參數(shù)的平方和的開(kāi)方值。63.DSSM使用（）個(gè)全連接層A、兩B、一C、三D、四【正確答案】：A解析：

DSSM使用兩個(gè)全連接層64.下列關(guān)于XGboost算法描述中錯(cuò)誤的是A、由于其特殊原因，無(wú)法分布式化B、xgboost在代價(jià)函數(shù)里加入了正則項(xiàng)，用于控制模型的復(fù)雜度；C、可以處理帶有缺失值的樣本D、允許使用列抽樣來(lái)減少過(guò)擬合【正確答案】：A解析：

065.在CNN訓(xùn)練中，除了卷積偏置bias需要學(xué)習(xí)更新以外，（）也是學(xué)習(xí)跟新的重要內(nèi)容A、learning_rateB、stepC、weightD、padding【正確答案】：C解析：

在CNN訓(xùn)練中，除了卷積偏置bias需要學(xué)習(xí)更新以外，weight也是學(xué)習(xí)跟新的重要內(nèi)容66.數(shù)據(jù)分析與數(shù)據(jù)可視化密不可分，在python中，哪個(gè)是常用數(shù)據(jù)可視化工具。A、pytorchB、numpyC、pyechartsD、json【正確答案】：C解析：

數(shù)據(jù)分析與數(shù)據(jù)可視化密不可分，在python中，pyecharts是常用數(shù)據(jù)可視化工具。67.下列屬于特征降維的方法有A、主成分分析PCAB、數(shù)據(jù)采樣C、正則化D、最小二乘法【正確答案】：A解析：

068.已知一組數(shù)據(jù)的協(xié)方差矩陣P,下面關(guān)于主分量說(shuō)法錯(cuò)誤的是（）。A、主分量分析的最佳準(zhǔn)則是對(duì)一組數(shù)據(jù)進(jìn)行按一組正交基分解,在只取相同數(shù)量分量的條件下,以均方誤差計(jì)算截尾誤差最小B、在經(jīng)主分量分解后,協(xié)方差矩陣成為對(duì)角矩陣C、主分量分析就是K-L變換D、主分量是通過(guò)求協(xié)方差矩陣的特征值得到【正確答案】：C解析：

069.下列哪項(xiàng)關(guān)于模型能力（modelcapacity）的描述是正確的？（指神經(jīng)網(wǎng)絡(luò)模型能擬合復(fù)雜函數(shù)的能力）A、隱藏層層數(shù)增加，模型能力增加B、Dropout的比例增加，模型能力增加C、學(xué)習(xí)率增加，模型能力增加D、都不正確【正確答案】：A解析：

隱藏層加深，模型的擬合能力提升，但是模型參數(shù)會(huì)增多，帶來(lái)計(jì)算壓力；引入dropout就是為了免模型過(guò)擬合，學(xué)習(xí)率是超參數(shù)，并不會(huì)影響模型的擬合度70.熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是：A、1比特B、2.6比特C、3.2比特D、3.8比特【正確答案】：B解析：

071.數(shù)據(jù)清洗的方法不包括（）A、缺失值處理B、噪聲數(shù)據(jù)清除C、一致性檢查D、重復(fù)數(shù)據(jù)記錄處理【正確答案】：D解析：

072.下述（）不是人工智能中常用的知識(shí)格式化表示方法A、框架表示法B、產(chǎn)生式表示法C、語(yǔ)義網(wǎng)絡(luò)表示法D、形象描寫(xiě)表示法【正確答案】：D解析：

知識(shí)表??法主要有：邏輯表?法、產(chǎn)?式表?法、框架表?法、語(yǔ)義?絡(luò)表?法、?向?qū)ο蟊?等等。答案選D73.下列哪項(xiàng)不是SVM的優(yōu)勢(shì)A、可以和核函數(shù)結(jié)合B、通過(guò)調(diào)參可以往往可以得到很好的分類(lèi)效果C、訓(xùn)練速度快D、泛化能力好【正確答案】：C解析：

SVM的訓(xùn)練速度不快74.在主成分分析中，將幾個(gè)主分量經(jīng)過(guò)線(xiàn)性組合構(gòu)造為一個(gè)綜合評(píng)價(jià)函數(shù)時(shí)，每個(gè)主分量的權(quán)數(shù)為（）。A、每個(gè)主分量的方差B、每個(gè)主分量的標(biāo)準(zhǔn)差C、每個(gè)主分量的方差貢獻(xiàn)率D、每個(gè)主分量的貢獻(xiàn)率【正確答案】：C解析：

在主成分分析中，將幾個(gè)主分量經(jīng)過(guò)線(xiàn)性組合構(gòu)造為一個(gè)綜合評(píng)價(jià)函數(shù)時(shí)，每個(gè)主分量的權(quán)數(shù)為每個(gè)主分量的方差貢獻(xiàn)率。75.以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)（ANN）的描述錯(cuò)誤的有（）A、神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B、可以處理冗余特征C、訓(xùn)練ANN是一個(gè)很耗時(shí)的過(guò)程D、至少含有一個(gè)隱藏層的多層神經(jīng)網(wǎng)絡(luò)【正確答案】：A解析：

076.在線(xiàn)性回歸算法中，我們認(rèn)為誤差項(xiàng)是符合什么分布的（）A、高斯分布B、均勻分布C、二項(xiàng)分布D、泊松分布【正確答案】：A解析：

077.下面（）不是有效的變量名。A、_demoB、bananaC、NumbrD、my-score【正確答案】：D解析：

my-score不是有效的變量名。78.關(guān)于支持向量機(jī)，哪項(xiàng)說(shuō)法不正確（）A、支持向量機(jī)可以用于處理二分類(lèi)及多分類(lèi)問(wèn)題B、支持向量機(jī)只能用于線(xiàn)性可分的分類(lèi)問(wèn)題C、支持向量機(jī)可用于回歸問(wèn)題D、核函數(shù)的選擇對(duì)支持向量機(jī)的性能影響較大【正確答案】：B解析：

支持向量機(jī)可用用于線(xiàn)性可分的分類(lèi)問(wèn)題，也可于線(xiàn)性不可分的分類(lèi)問(wèn)題79.YOLOv3網(wǎng)格數(shù)為輸出特征圖[N,C,H,W]的（）A、CB、C*HC、H*WD、nan【正確答案】：C解析：

見(jiàn)算法解析80.下列哪項(xiàng)屬于集成學(xué)習(xí)A、決策樹(shù)模型B、kNN分類(lèi)C、AdaboostD、k-means【正確答案】：C解析：

Adaboost屬于集成學(xué)習(xí)81.下列哪個(gè)算法可以用于特征選擇（）A、樸素貝葉斯B、感知器C、支持向量機(jī)D、決策樹(shù)【正確答案】：D解析：

見(jiàn)算法解析82.某單位開(kāi)展?jié)撛谧兏秒娍蛻?hù)預(yù)測(cè)分析，以歷史上已完成過(guò)戶(hù)辦理的用戶(hù)作為模型的目標(biāo)樣本，預(yù)測(cè)用戶(hù)是否過(guò)戶(hù)，該類(lèi)預(yù)測(cè)分析屬于（）預(yù)測(cè)A、分類(lèi)B、數(shù)值C、聚類(lèi)D、關(guān)聯(lián)【正確答案】：A解析：

083.下列哪個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)會(huì)發(fā)生權(quán)重共享？A、卷積神經(jīng)網(wǎng)絡(luò)B、循環(huán)神經(jīng)網(wǎng)絡(luò)C、全連接神經(jīng)網(wǎng)絡(luò)D、選項(xiàng)A和B【正確答案】：D解析：

084.在遺傳算法中，變量x的定義域?yàn)閇-2，5]，要求其精度為10-6，現(xiàn)用二進(jìn)制進(jìn)行編碼，則碼長(zhǎng)為（）A、20B、21C、22D、23【正確答案】：D解析：

085.（）曲線(xiàn)以precision、recall為橫縱坐標(biāo)AP曲線(xiàn)B、PR曲線(xiàn)C、mAP曲線(xiàn)D、RoI曲線(xiàn)【正確答案】：B解析：

見(jiàn)算法解析86.下圖描述的網(wǎng)絡(luò)是（）A、VGGB、GooLeNetC、ResNetD、Yolo【正確答案】：C解析：

下圖描述的網(wǎng)絡(luò)是ResNet87.假如你在訓(xùn)練一個(gè)線(xiàn)性回歸模型，有下面兩句話(huà)：1.如果數(shù)據(jù)量較少，容易發(fā)生過(guò)擬合。2.如果假設(shè)空間較小，容易發(fā)生過(guò)擬合。關(guān)于這兩句話(huà)，下列說(shuō)法正確的是？A、1和2都錯(cuò)誤B、1正確，2錯(cuò)誤C、1錯(cuò)誤，2正確D、1和2都正確【正確答案】：B解析：

如果數(shù)據(jù)量較少，容易在假設(shè)空間找到一個(gè)模型對(duì)訓(xùn)練樣本的擬合度很好，容易造成過(guò)擬合，該模型不具備良好的泛化能力。如果假設(shè)空間較小，包含的可能的模型就比較少，也就不太可能找到一個(gè)模型能夠?qū)颖緮M合得很好，容易造成高偏差、低方差，即欠擬合88.以下關(guān)于Bagging（裝袋法）的說(shuō)法不正確的是A、能提升機(jī)器學(xué)習(xí)算法的穩(wěn)定性和準(zhǔn)確性，但難以避免overfittingBagging（裝袋法）是一個(gè)統(tǒng)計(jì)重采樣的技術(shù),它的基礎(chǔ)是BootstrapC、主要通過(guò)有放回抽樣）來(lái)生成多個(gè)版本的預(yù)測(cè)分類(lèi)器,然后把這些分類(lèi)器進(jìn)行組合D、進(jìn)行重復(fù)的隨機(jī)采樣所獲得的樣本可以得到?jīng)]有或者含有較少的噪聲數(shù)據(jù)【正確答案】：A解析：

089.深度學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)類(lèi)型很多，以下神經(jīng)網(wǎng)絡(luò)信息是單向傳播的是：A、LSTMB、卷積神經(jīng)網(wǎng)絡(luò)C、循環(huán)神經(jīng)網(wǎng)絡(luò)D、GRU【正確答案】：B解析：

卷積神經(jīng)網(wǎng)絡(luò)是單向傳播的90.對(duì)于有噪聲、線(xiàn)性可分的數(shù)據(jù)，支持向量機(jī)的解決方式是（）A、軟間隔B、硬間隔C、核函數(shù)D、以上選項(xiàng)均不正確【正確答案】：A解析：

對(duì)于有噪聲、線(xiàn)性可分的數(shù)據(jù)，支持向量機(jī)的解決方式是軟間隔91.一條規(guī)則形如：，其中“←"左邊的部分稱(chēng)為（）A、規(guī)則長(zhǎng)度B、規(guī)則頭C、布爾表達(dá)式D、規(guī)則體【正確答案】：B解析：

見(jiàn)算法解析92.常用到的的社交分析算法就是（）A、社群發(fā)現(xiàn)B、社交發(fā)現(xiàn)C、社區(qū)發(fā)現(xiàn)D、群體發(fā)現(xiàn)【正確答案】：A解析：

常用到的的社交分析算法就是社群發(fā)現(xiàn)93.語(yǔ)句np.sum（arr3,axis=1）的作用是（）？注：（已導(dǎo)入numpy庫(kù)）importnumpyasnpA、對(duì)整個(gè)數(shù)組求和B、對(duì)每一行求和C、對(duì)第1列求和D、對(duì)每一列求和【正確答案】：B解析：

見(jiàn)算法解析94.LSTM單元中引入了哪些門(mén)來(lái)更新當(dāng)前時(shí)刻的單元狀態(tài)向量?A、輸入門(mén)、遺忘門(mén)B、任意門(mén)、輸入門(mén)C、輸出門(mén)、任意門(mén)D、遺忘門(mén)、任意門(mén)【正確答案】：A解析：

LSTM單元中引入了哪些門(mén)來(lái)更新當(dāng)前時(shí)刻的單元狀態(tài)向量?95.（）是計(jì)算機(jī)仿真系統(tǒng)，通過(guò)對(duì)三維世界的模擬創(chuàng)造出全新的交互系統(tǒng)。A、虛擬現(xiàn)實(shí)B、增強(qiáng)現(xiàn)實(shí)C、混合現(xiàn)實(shí)D、強(qiáng)化現(xiàn)實(shí)【正確答案】：A解析：

虛擬現(xiàn)實(shí)是計(jì)算機(jī)仿真系統(tǒng)，通過(guò)對(duì)三維世界的模擬創(chuàng)造出全新的交互系統(tǒng)。96.VGG-19中卷積核的大小為A、3x3B、5x5C、3x3,5x5D、不確定【正確答案】：A解析：

VGG-19中卷積核的大小為3x397.在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中，每個(gè)神經(jīng)元會(huì)完成若干功能，下面哪個(gè)功能不是神經(jīng)元所能夠完成的功能A、對(duì)前序相鄰神經(jīng)元所傳遞信息進(jìn)行加權(quán)累加B、對(duì)加權(quán)累加信息進(jìn)行非線(xiàn)性變化（通過(guò)激活函數(shù)）C、向前序相鄰神經(jīng)元反饋加權(quán)累加信息D、將加權(quán)累加信息向后續(xù)相鄰神經(jīng)元傳遞【正確答案】：C解析：

098.下面關(guān)于模型預(yù)測(cè)性能的評(píng)估以及交叉驗(yàn)證，說(shuō)法正確的是：A、在scikit-learn包里面使用交叉驗(yàn)證方法，可以使用代碼：fromsklearnimportcross_validationB、需要把數(shù)據(jù)分成訓(xùn)練集和測(cè)試集，用測(cè)試集來(lái)評(píng)估從訓(xùn)練集學(xué)習(xí)得來(lái)的模型的預(yù)測(cè)性能，是因?yàn)閺挠?xùn)練集學(xué)習(xí)得來(lái)的模型可能對(duì)于訓(xùn)練集的數(shù)據(jù)擬合得很好，但是對(duì)于訓(xùn)練集以外的數(shù)據(jù)沒(méi)有太大的泛化能力C、課程中的交叉驗(yàn)證，把數(shù)據(jù)集分成了5份，其中4份作為訓(xùn)練集，剩下一份作為測(cè)試集，這種方法叫做留一交叉驗(yàn)證法D、從訓(xùn)練集中得到的模型，用訓(xùn)練集的數(shù)據(jù)得到的預(yù)測(cè)準(zhǔn)確率一般會(huì)比用測(cè)試集得到的預(yù)測(cè)準(zhǔn)確率低【正確答案】：B解析：

099.循環(huán)神經(jīng)網(wǎng)在工業(yè)上最常用的兩種實(shí)現(xiàn)是：①.LSTM②.GRU③.CNN④.DNNA、①③B、①②C、①③D、①④【正確答案】：B解析：

CNN、DNN不屬于循環(huán)神經(jīng)網(wǎng)絡(luò)100.卷積核與特征圖的通道數(shù)的關(guān)系是：A、卷積核數(shù)量越多特征圖通道數(shù)越少B、卷積核size越大特征圖通道數(shù)越多C、卷積核數(shù)量越多特征圖通道數(shù)越多D、二者沒(méi)有關(guān)系【正確答案】：C解析：

卷積核數(shù)量越多特征圖通道數(shù)越多1.強(qiáng)化學(xué)習(xí)中的兩種免模型學(xué)習(xí)是（）、（）。A、逆強(qiáng)化學(xué)習(xí)B、時(shí)序差分學(xué)習(xí)C、蒙特卡羅強(qiáng)化學(xué)習(xí)D、模仿學(xué)習(xí)【正確答案】：BC解析：

在現(xiàn)實(shí)的強(qiáng)化學(xué)習(xí)任務(wù)中，環(huán)境的轉(zhuǎn)移概率、獎(jiǎng)賞函數(shù)往往很難得知，甚至很難知道環(huán)境中一共有多少狀態(tài)，若學(xué)習(xí)算法不依賴(lài)于環(huán)境建模，則稱(chēng)為“免模型學(xué)習(xí)”，包括蒙特卡羅強(qiáng)化學(xué)習(xí)和時(shí)序差分學(xué)習(xí)2.下列哪些屬于頻繁模式挖掘算法（）A、FP-growthB、DBSCANC、AprioriD、GDBT【正確答案】：AC解析：

見(jiàn)算法解析3.下列哪些組件是Resnet通常不包括的（）A、殘差連接B、卷積單元C、循環(huán)連接D、Attention模塊【正確答案】：CD解析：

見(jiàn)算法解析4.下列哪些項(xiàng)用于對(duì)問(wèn)題進(jìn)行形式化A、感知B、初始狀態(tài)C、動(dòng)作D、環(huán)境【正確答案】：BC解析：

05.對(duì)于lstm=paddle.nn.LSTM(input_size=3,hidden_size=5,num_layers=2)，輸入數(shù)據(jù)的形狀可以是：A、[10,5,3]B、[5,10,3]C、[3,5,10]D、[3,10,5]【正確答案】：AB解析：

lstm輸入形狀為[batch_size,time_steps,input_size]，即[..,..,3]6.DecisionTree構(gòu)造的重要步驟。A、特征選擇B、決策樹(shù)生成C、剪枝D、計(jì)算信息增益【正確答案】：ABC解析：

決策樹(shù)構(gòu)造只有特征選擇、決策樹(shù)生成、剪枝三個(gè)環(huán)節(jié)過(guò)程7.SVM中常用的核函數(shù)包括哪些?A、高斯核函數(shù)B、多項(xiàng)式核函數(shù)C、Sigmiod核函數(shù)D、線(xiàn)性核函數(shù)【正確答案】：ABCD解析：

SVM常用的核函數(shù)包括：線(xiàn)性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核函數(shù)、Sigmiod核函數(shù)8.最常用的降維算法是PCA，以下哪項(xiàng)是關(guān)于PCA是正確的A、PCA是一種無(wú)監(jiān)督的方法B、.它搜索數(shù)據(jù)具有最大差異的方向C、主成分的最大數(shù)量D、.所有主成分彼此正交【正確答案】：ABCD解析：

PCA的原理是線(xiàn)性映射，簡(jiǎn)單的說(shuō)就是將高維空間數(shù)據(jù)投影到低維空間上，然后將數(shù)據(jù)包含信息量大的主成分保留下來(lái)，忽略掉對(duì)數(shù)據(jù)描述不重要的次要信息。而對(duì)于正交屬性空間中的樣本，如何用一個(gè)超平面對(duì)所有樣本進(jìn)行恰當(dāng)合適的表達(dá)呢?若存在這樣的超平面，應(yīng)該具有兩種性質(zhì)：所有樣本點(diǎn)到超平面的距離最近，樣本點(diǎn)在這個(gè)超平面的投影盡可能分開(kāi)9.屬于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的有（）。A、VGGNetB、ResNetC、AlexNetD、GoogleNet【正確答案】：ABCD解析：

010.機(jī)器學(xué)習(xí)的核心要素包括（）A、算法B、算力C、操作人員D、數(shù)據(jù)【正確答案】：ABD解析：

操作人員并不是機(jī)器學(xué)習(xí)的核心要素。11.以下哪些是數(shù)據(jù)挖掘的特點(diǎn)：A、大量數(shù)據(jù)。數(shù)據(jù)挖掘所處理的數(shù)據(jù)量巨大，這也是數(shù)據(jù)挖掘方法和以前的數(shù)據(jù)分析方法不一樣的地方B、未知的有用的規(guī)律。數(shù)據(jù)挖掘所發(fā)現(xiàn)的模式或規(guī)律，應(yīng)該不是顯而易見(jiàn)的或無(wú)用地，而是對(duì)業(yè)務(wù)來(lái)說(shuō)有意義的、隱含的模式或規(guī)律。C、是一個(gè)過(guò)程。他需要業(yè)務(wù)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建模、評(píng)估、部署等一系列步驟D、驗(yàn)證已知的知識(shí)和規(guī)律【正確答案】：ABC解析：

012.關(guān)于聚類(lèi)的描述正確的是（）。A、聚類(lèi)是一種非監(jiān)督式學(xué)習(xí)B、聚類(lèi)是一種監(jiān)督式學(xué)習(xí)C、使用的數(shù)據(jù)不需要包含類(lèi)別卷標(biāo)D、使用的數(shù)據(jù)需要包含類(lèi)別卷標(biāo)【正確答案】：AC解析：

013.Python中的可變數(shù)據(jù)類(lèi)型有A、字符串B、數(shù)字C、列表D、字典【正確答案】：CD解析：

014.關(guān)于冪律分布說(shuō)法正確的事（）A、對(duì)集成學(xué)習(xí)影響較大B、基于相空間的距離進(jìn)行分類(lèi)與回歸的效果都變差C、對(duì)k-means影響不大D、概率模型為基礎(chǔ)的算法影響相對(duì)比較小【正確答案】：BD解析：

015.下列算法哪些屬于K-means的變種？A、kNNB、MeanshiftC、k-means++D、以上都不是【正確答案】：BC解析：

見(jiàn)算法解析16.人工神經(jīng)元網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系是（）A、人工神經(jīng)元網(wǎng)絡(luò)是深度學(xué)習(xí)的前身B、深度學(xué)習(xí)是人工神經(jīng)元網(wǎng)絡(luò)的一個(gè)分支C、深度學(xué)習(xí)是人工神經(jīng)元網(wǎng)絡(luò)的一個(gè)發(fā)展D、深度學(xué)習(xí)與人工神經(jīng)元網(wǎng)絡(luò)無(wú)關(guān)【正確答案】：AC解析：

深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種技術(shù),現(xiàn)在所說(shuō)的深度學(xué)習(xí)大部分都是指神經(jīng)網(wǎng)絡(luò)17.下列哪些模型可以E2E訓(xùn)練（）A、YOLOv3B、YOLOv2C、RCNND、fastRCNN【正確答案】：ABD解析：

見(jiàn)算法解析18.屬于深度學(xué)習(xí)模型的選項(xiàng)是？A、樸素貝葉斯B、深度殘差網(wǎng)絡(luò)C、卷積神經(jīng)網(wǎng)絡(luò)CNND、循環(huán)神經(jīng)網(wǎng)絡(luò)RNN【正確答案】：BCD解析：

019.卷積神經(jīng)網(wǎng)絡(luò)中的池化層可以減小下層輸入的尺寸。常見(jiàn)的池化有哪些？A、最小池化層B、乘積池化層C、最大池化層D、平均池化層【正確答案】：CD解析：

卷積神經(jīng)網(wǎng)絡(luò)的池化層常用的兩種是最大池化層和平均池化層。20.決策樹(shù)學(xué)習(xí)算法包括哪幾個(gè)部分？A、特征選擇B、樹(shù)的生成C、分類(lèi)決策規(guī)則D、樹(shù)的剪枝【正確答案】：ABD解析：

k近鄰算法的三要素：距離度量，k值選擇，分類(lèi)決策規(guī)則21.RNN循環(huán)神經(jīng)網(wǎng)絡(luò)可以對(duì)一下那些場(chǎng)景進(jìn)行處理（）。A、自然語(yǔ)言處理B、圖像處理C、手寫(xiě)體識(shí)別D、語(yǔ)音識(shí)別【正確答案】：ACD解析：

圖像處理場(chǎng)景主要應(yīng)用于CNN22.NMF(Non-negativeMatrixFactorization)是一種降維算法，它的特點(diǎn)包括A、原始矩陣的元素是非負(fù)數(shù)B、分解后矩陣的元素是非負(fù)數(shù)C、分解后矩陣的元素可以是負(fù)數(shù)D、沒(méi)有“潛在語(yǔ)義空間的每一個(gè)維度都是正交的”這一約束條件【正確答案】：ABD解析：

023.數(shù)據(jù)挖掘的主要功能包括概念描述、趨勢(shì)分析、孤立點(diǎn)分析及（）等方面。A、挖掘頻繁模式B、分類(lèi)和預(yù)測(cè)C、聚類(lèi)分析D、偏差分析【正確答案】：ABCD解析：

024.在目標(biāo)檢測(cè)中，以下能產(chǎn)生候選框的算法是（）A、SelectiveSearchB、ROIpoolingC、RegionproposallayerD、C4.5【正確答案】：AC解析：

見(jiàn)算法解析25.深度學(xué)習(xí)目標(biāo)檢測(cè)算法比傳統(tǒng)方法的優(yōu)勢(shì)（）A、算法適應(yīng)性強(qiáng)B、更好的平衡精度C、可遷移學(xué)習(xí)D、數(shù)據(jù)需求少【正確答案】：ABC解析：

見(jiàn)算法解析26.人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)可分為（）。A、并行網(wǎng)絡(luò)B、串行網(wǎng)絡(luò)C、前饋網(wǎng)絡(luò)D、反饋網(wǎng)絡(luò)【正確答案】：CD解析：

027.神經(jīng)網(wǎng)絡(luò)可以按（）A、學(xué)習(xí)方式分類(lèi)B、網(wǎng)絡(luò)結(jié)構(gòu)分類(lèi)C、網(wǎng)絡(luò)的協(xié)議類(lèi)型分類(lèi)D、網(wǎng)絡(luò)的活動(dòng)方式分類(lèi)【正確答案】：ABD解析：

028.下面關(guān)于回歸、分類(lèi)和聚類(lèi)的說(shuō)法，正確的是：A、通過(guò)網(wǎng)站上顧客的瀏覽行為和購(gòu)買(mǎi)行為來(lái)細(xì)分不同類(lèi)型的顧客，甚至發(fā)現(xiàn)潛在的顧客，這是一個(gè)分類(lèi)問(wèn)題B、通過(guò)房子的面積、臥室數(shù)、衛(wèi)生間數(shù)量、是否二手房等來(lái)預(yù)測(cè)房?jī)r(jià)，這是一個(gè)分類(lèi)問(wèn)題C、通過(guò)郵件的內(nèi)容來(lái)檢測(cè)收到的郵件不是不垃圾郵件，這是一個(gè)分類(lèi)問(wèn)題D、回歸和分類(lèi)都屬于監(jiān)督學(xué)習(xí)，而聚類(lèi)屬于無(wú)監(jiān)督學(xué)習(xí)【正確答案】：CD解析：

029.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)在哪些領(lǐng)域有成功應(yīng)用A、語(yǔ)音識(shí)別B、圖片描述C、自然語(yǔ)言處理D、以上都不正確【正確答案】：ABC解析：

030.以下屬于角點(diǎn)提取的特征描述算法的有。A、CannyB、HOGC、SURFD、SIFT【正確答案】：BCD解析：

對(duì)特征的描述有很多種方法和算子，常見(jiàn)的有SIFT特征描述算子、SURF特征描述算子、ORB特征描述算子、HOG特征描述、LBP特征描述以及Harr特征描述。Canny算法是多級(jí)邊緣檢測(cè)算法。答案BCD31.噪聲數(shù)據(jù)的產(chǎn)生原因主要有：（）A、數(shù)據(jù)采集設(shè)備有問(wèn)題B、在數(shù)據(jù)錄入過(guò)程中發(fā)生了人為或計(jì)算機(jī)錯(cuò)誤C、數(shù)據(jù)傳輸過(guò)程中發(fā)生錯(cuò)誤D、由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致【正確答案】：ABCD解析：

032.大數(shù)據(jù)智能是新一代人工智能五個(gè)技術(shù)發(fā)展方向之一，其研究面向CPH(賽博、物理人類(lèi))三元空間的知識(shí)表達(dá)新體系，鏈接（）A、實(shí)體B、技術(shù)C、行為D、關(guān)系【正確答案】：ACD解析：

見(jiàn)算法解析33.seq2seq主要由（）和（）組成，A、EncoderB、transformerC、DecoderD、dropper【正確答案】：AC解析：

見(jiàn)算法解析34.在隨機(jī)森林中，最終的集成模型是通過(guò)什么策略決定模型結(jié)果的?A、累加制B、求平均數(shù)C、投票制D、累乘制【正確答案】：BC解析：

035.決策樹(shù)構(gòu)建過(guò)程中剪枝的策略有A、預(yù)剪枝B、前剪枝C、后剪枝D、再剪枝【正確答案】：AC解析：

剪枝的策略有兩種：預(yù)剪枝和后剪枝。36.常用的盲目搜索方法是什么？A、隨機(jī)碰撞式搜索B、精確碰撞式搜索C、不完全式搜索D、完全式搜索【正確答案】：AD解析：

037.以下屬于多層前饋神經(jīng)網(wǎng)絡(luò)特點(diǎn)的是A、每層神經(jīng)元與下一層神經(jīng)元之間完全互連B、每層神經(jīng)元與下一層神經(jīng)元之間不完全互連C、神經(jīng)元之間不存在同層連接D、神經(jīng)元之間不存在跨層連接【正確答案】：ACD解析：

常用的神經(jīng)網(wǎng)絡(luò)稱(chēng)為“多層前饋神經(jīng)網(wǎng)絡(luò)”（multi-layerfeedforwardneuralnetwork），該結(jié)構(gòu)滿(mǎn)足以下幾個(gè)特點(diǎn)：*每層神經(jīng)元與下一層神經(jīng)元之間完全互連*神經(jīng)元之間不存在同層連接*神經(jīng)元之間不存在跨層連接38.關(guān)于反向傳播算法，它的主要不足在于（）。A、訓(xùn)練時(shí)間較長(zhǎng)B、完全不能訓(xùn)練，訓(xùn)練時(shí)由于權(quán)值調(diào)整過(guò)大使得激活函數(shù)達(dá)到飽和C、易陷入局部極小值D、訓(xùn)練過(guò)程中，學(xué)習(xí)新樣本時(shí)有一網(wǎng)舊樣本的趨勢(shì)?！菊_答案】：ABCD解析：

039.狀態(tài)估計(jì)的幾種常用算法（）。A、高斯法B、最小二乘法C、快速分解法D、正交變換法【正確答案】：BCD解析：

040.哪些不能用來(lái)評(píng)估神經(jīng)網(wǎng)絡(luò)的計(jì)算模型對(duì)樣本的預(yù)測(cè)值與真實(shí)值之間的誤差大小A、優(yōu)化函數(shù)B、損失函數(shù)C、梯度下降D、反向傳播【正確答案】：ACD解析：

損失函數(shù)用來(lái)衡量神經(jīng)網(wǎng)絡(luò)的計(jì)算模型對(duì)樣本的預(yù)測(cè)值與真實(shí)值之間的誤差41.關(guān)于卷積神經(jīng)網(wǎng)絡(luò)池化層以下描述正確的是?A、池化操作采用掃描窗口實(shí)現(xiàn)B、池化層可以起到降維的作用C、常用的池化方法有最大池化和平均池化D、經(jīng)過(guò)池化的特征圖像變小了【正確答案】：ABCD解析：

池化是一種down-sampling技術(shù)，本質(zhì)是基于滑動(dòng)窗口的思想，可以去除特征圖中的冗余信息，降低特征圖的維度。常用的是最大池化和平均池化42.如下哪些是最近鄰分類(lèi)器的特點(diǎn)（）A、它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè)，不必維護(hù)源自數(shù)據(jù)的模型B、分類(lèi)一個(gè)測(cè)試樣例開(kāi)銷(xiāo)很大C、最近鄰分類(lèi)器基于全局信息進(jìn)行預(yù)測(cè)D、可以生產(chǎn)任意形狀的決策邊界【正確答案】：ABD解析：

043.除了問(wèn)題本身的定義之外，使用問(wèn)題特定知識(shí)的搜索策略被認(rèn)為是A、啟發(fā)式搜索B、有信息搜索C、二元搜索D、無(wú)信息搜索【正確答案】：AB解析：

044.那種機(jī)器學(xué)習(xí)算法不需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)注A、有監(jiān)督學(xué)習(xí)B、無(wú)監(jiān)督學(xué)習(xí)C、強(qiáng)化學(xué)習(xí)D、深度學(xué)習(xí)【正確答案】：BC解析：

無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)不需要標(biāo)注45.聯(lián)想存儲(chǔ)的特點(diǎn)是（）A、可以存儲(chǔ)許多相關(guān)(激勵(lì)，響應(yīng))模式對(duì)B、以分布、穩(wěn)健的方式存儲(chǔ)信息C、即使輸入激勵(lì)模式完全失真時(shí)，仍然可以產(chǎn)生正確的響應(yīng)模式D、可在原存儲(chǔ)中加入新的存儲(chǔ)模式【正確答案】：ABCD解析：

046.不使用全連接處理序列問(wèn)題的原因是（）A、時(shí)間步不能確定B、模型太簡(jiǎn)單C、只能處理分類(lèi)D、算法精度不足【正確答案】：ABD解析：

047.對(duì)股票漲跌方向的判斷，理論上下列哪些方法是可行的？（）A、SVMB、DBSCANC、FP-growthD、決策樹(shù)【正確答案】：AD解析：

見(jiàn)算法解析48.使用KNN(K-NearestNeighbor)算法解決分類(lèi)問(wèn)題的步驟包括A、對(duì)未知數(shù)據(jù)進(jìn)行正則化B、計(jì)算未知數(shù)據(jù)與已知標(biāo)簽數(shù)據(jù)之間的距離C、得到距離未知數(shù)據(jù)最近的k個(gè)已知標(biāo)簽數(shù)據(jù)D、通過(guò)已知標(biāo)簽數(shù)據(jù)的數(shù)量進(jìn)行多數(shù)表決，作為未知數(shù)據(jù)的分類(lèi)結(jié)果【正確答案】：BCD解析：

049.專(zhuān)家系統(tǒng)知識(shí)表示的方法主要有哪些？A、邏輯表示法（謂詞表示法）B、框架C、產(chǎn)生式D、語(yǔ)義網(wǎng)絡(luò)【正確答案】：ABCD解析：

050.以下哪些聚類(lèi)算法屬于基于原型的聚類(lèi)（）。A、模糊C均值B、EM算法C、SOMD、CLIQUE【正確答案】：ABC解析：

051.以下哪些是專(zhuān)家系統(tǒng)結(jié)構(gòu)的一部分？A、知識(shí)庫(kù)B、推理機(jī)C、動(dòng)態(tài)數(shù)據(jù)庫(kù)D、解釋模塊【正確答案】：ABCD解析：

專(zhuān)家系統(tǒng)的結(jié)構(gòu)包含人機(jī)界面、知識(shí)庫(kù)、推理機(jī)、動(dòng)態(tài)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)答理系統(tǒng)和解釋模塊。52.假設(shè)我們要解決一個(gè)二類(lèi)分類(lèi)問(wèn)題,我們已經(jīng)建立好了模型,輸出是0或1,初始時(shí)設(shè)閾值為0.5,超過(guò)0.5概率估計(jì),就判別為1,否則就判別為0;如果我們現(xiàn)在用另一個(gè)大于0.5的閾值,那么現(xiàn)在關(guān)于模型說(shuō)法,正確的是A、模型分類(lèi)的召回率不變B、模型分類(lèi)的召回率會(huì)升高C、模型分類(lèi)準(zhǔn)確率會(huì)升高或不變D、模型分類(lèi)準(zhǔn)確率降低【正確答案】：AC解析：

準(zhǔn)確率：即預(yù)測(cè)結(jié)果正確的百分比。精確率（查準(zhǔn)率）：預(yù)測(cè)結(jié)果為正例樣本中真實(shí)為正例的比例（查得準(zhǔn)）。召回率（查全率）：真實(shí)為正例的樣本中預(yù)測(cè)結(jié)果為正例的比例（查的全，對(duì)正樣本的區(qū)分能力。F-score：在實(shí)踐中，我們定義了新的指標(biāo)去“綜合”這兩個(gè)指標(biāo)。具體的定義如公式（3），從數(shù)學(xué)上來(lái)看，它其實(shí)是查準(zhǔn)率與查全率的調(diào)和平均數(shù)。對(duì)于二元分類(lèi)問(wèn)題，F(xiàn)-score綜合考慮了預(yù)測(cè)結(jié)果的查準(zhǔn)率和查全率，是一個(gè)比較好的評(píng)估指標(biāo)。53.下列無(wú)監(jiān)督學(xué)習(xí)算法中可解決降維問(wèn)題的算法有A、PCAB、LSAC、LDAD、k-means【正確答案】：ABC解析：

k-means只能解決聚類(lèi)問(wèn)題54.下列有監(jiān)督學(xué)習(xí)算法中可解決回歸問(wèn)題的算法包括A、線(xiàn)性回歸B、邏輯回歸C、神經(jīng)網(wǎng)絡(luò)D、隨機(jī)森林【正確答案】：ACD解析：

邏輯回歸無(wú)法解決回歸問(wèn)題55.對(duì)股價(jià)的預(yù)測(cè)，下列哪些方法是可行的（）A、kNNB、SVRC、線(xiàn)性回歸D、邏輯回歸【正確答案】：BC解析：

見(jiàn)算法解析56.圖像數(shù)字化需要經(jīng)過(guò)的步驟包括A、采樣B、裁剪C、量化D、旋轉(zhuǎn)【正確答案】：AC解析：

見(jiàn)算法解析57.現(xiàn)代的卷積神經(jīng)網(wǎng)絡(luò)，常用的模塊包括哪些（）A、多分枝結(jié)構(gòu)B、殘差連接C、BatchNormalizationD、Sigmoid激活函數(shù)【正確答案】：ABC解析：

見(jiàn)算法解析58.下列哪些方法的輸出結(jié)果，通常包含boundingbox？（）A、MTCNNB、FasterRCNNC、MaskRCNND、AlexNet【正確答案】：ABC解析：

見(jiàn)算法解析59.產(chǎn)生式系統(tǒng)的組成部分包括（）A、狀態(tài)空間B、綜合數(shù)據(jù)庫(kù)C、規(guī)則集D、控制策略【正確答案】：BCD解析：

060.卷積神經(jīng)網(wǎng)絡(luò)中典型的模式是？A、卷積層后為池化層，然后還是卷積層-池化層。B、多個(gè)連續(xù)的池化層，然后跟著一個(gè)卷積層C、網(wǎng)絡(luò)中最后的幾個(gè)層是全連接層D、網(wǎng)絡(luò)中最開(kāi)始的幾個(gè)層是全連接層【正確答案】：AC解析：

一般卷積層后為池化層，網(wǎng)絡(luò)最后為幾個(gè)全連接層。61.梯度為0的點(diǎn)可以是（）A、局部最優(yōu)解B、全局最優(yōu)解C、鞍點(diǎn)D、轉(zhuǎn)折點(diǎn)【正確答案】：ABC解析：

062.防止過(guò)擬合的方法有A、增加訓(xùn)練數(shù)據(jù)B、減少特征值C、正則化D、追求損失函數(shù)的最小【正確答案】：ABC解析：

063.深度學(xué)習(xí)中以下哪些步驟是由模型自動(dòng)完成的?A、模型訓(xùn)練B、特征選擇C、分析定位任務(wù)D、特征提取【正確答案】：BD解析：

064.正則化是傳統(tǒng)機(jī)器學(xué)習(xí)中重要且有效的減少泛化誤差的技術(shù)，以下技術(shù)屬于正則化技術(shù)的是A、L1正則化B、L2正則化C、DropoutD、動(dòng)量?jī)?yōu)化器【正確答案】：ABC解析：

正則化和優(yōu)化策略是深度學(xué)習(xí)的兩個(gè)重要部分，L1、L2正則化和Dropout屬于正則化，而動(dòng)量?jī)?yōu)化屬于優(yōu)化策略。65.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)中具有三個(gè)重要開(kāi)關(guān)，我們稱(chēng)為A、記憶門(mén)B、輸入門(mén)C、輸出門(mén)D、遺忘門(mén)【正確答案】：BCD解析：

066.經(jīng)典邏輯推理有哪些？A、自然演繹推理B、歸結(jié)演繹推理C、不確定與非單調(diào)推理D、與、或形演繹推理【正確答案】：ABD解析：

067.選擇下列哪些方法可以用于表示表示智能體的狀態(tài)A、結(jié)構(gòu)式B、模塊式C、網(wǎng)絡(luò)式D、因子式【正確答案】：AD解析：

068.在機(jī)器學(xué)習(xí)中，如果單純?nèi)ヌ岣哂?xùn)練數(shù)據(jù)的預(yù)測(cè)能力，所選模型的復(fù)雜度往往會(huì)很高，這種現(xiàn)象稱(chēng)為過(guò)擬合對(duì)于產(chǎn)生這種現(xiàn)象以下說(shuō)法正確的是（）A、樣本數(shù)量太少B、樣本數(shù)量過(guò)多C、模型太復(fù)雜D、模型太簡(jiǎn)單【正確答案】：AC解析：

見(jiàn)算法解析69.基因知識(shí)圖譜具備以下哪幾種能力?A、輔助病例診斷B、疾病預(yù)測(cè)及診斷C、基因檢測(cè)報(bào)告生成D、實(shí)體查詢(xún)【正確答案】：ACD解析：

070.淺層神經(jīng)網(wǎng)絡(luò)與深度神經(jīng)網(wǎng)絡(luò)比較，其區(qū)別之處是A、淺層結(jié)構(gòu)算法：其局限性在于有限樣本和計(jì)算單元情況下對(duì)復(fù)雜函數(shù)的表示能力有限，針對(duì)復(fù)雜分類(lèi)問(wèn)題其泛化能力受到一定制約B、深度學(xué)習(xí)可通過(guò)學(xué)習(xí)一種深層非線(xiàn)性網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)復(fù)雜函數(shù)逼近，表征輸入數(shù)據(jù)分布式表示，并展現(xiàn)了強(qiáng)大的從少數(shù)樣本集中學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力C、深度學(xué)習(xí)多層的好處是可以用較少的參數(shù)表示復(fù)雜的函數(shù)D、深度學(xué)習(xí)的實(shí)質(zhì)，是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類(lèi)或預(yù)測(cè)的準(zhǔn)確性【正確答案】：ABCD解析：

淺層結(jié)構(gòu)算法：其局限性在于有限樣本和計(jì)算單元情況下對(duì)復(fù)雜函數(shù)的表示能力有限，針對(duì)復(fù)雜分類(lèi)問(wèn)題其泛化能力受到一定制約，深度學(xué)習(xí)可通過(guò)學(xué)習(xí)一種深層非線(xiàn)性網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)復(fù)雜函數(shù)逼近，表征輸入數(shù)據(jù)分布式表示，并展現(xiàn)了強(qiáng)大的從少數(shù)樣本集中學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力，深度學(xué)習(xí)多層的好處是可以用較少的參數(shù)表示復(fù)雜的函數(shù)，深度學(xué)習(xí)的實(shí)質(zhì)，是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類(lèi)或預(yù)測(cè)的準(zhǔn)確性71.若使用深度學(xué)習(xí)處理語(yǔ)義分類(lèi)任務(wù)，在處理變長(zhǎng)數(shù)據(jù)時(shí)，我們通常采?。ǎ?。A、截?cái)噙^(guò)長(zhǎng)語(yǔ)句B、填充隨機(jī)數(shù)C、填充特殊詞語(yǔ)D、不處理【正確答案】：AC解析：

深度學(xué)習(xí)處理長(zhǎng)語(yǔ)句的常用手段72.集成學(xué)習(xí)模型的集成方式有A、同質(zhì)集成B、異質(zhì)集成C、本質(zhì)集成D、泛化集成【正確答案】：AB解析：

若個(gè)體學(xué)習(xí)器都屬于同一類(lèi)別，例如都是決策樹(shù)或都是神經(jīng)網(wǎng)絡(luò)，則稱(chēng)該集成為同質(zhì)的（homogeneous）;若個(gè)體學(xué)習(xí)器包含多種類(lèi)型的學(xué)習(xí)算法，例如既有決策樹(shù)又有神經(jīng)網(wǎng)絡(luò)，則稱(chēng)該集成為異質(zhì)的（heterogenous）。73.下列哪些網(wǎng)用到了殘差連接A、FastTextBERTC、GoogLeNetD、ResNet【正確答案】：BD解析：

見(jiàn)算法解析74.以下關(guān)于機(jī)器學(xué)習(xí)算法與傳統(tǒng)基于規(guī)則方法的區(qū)別中正確的是?A、傳統(tǒng)的基于規(guī)則的方法，其中的規(guī)律可以人工顯性的明確出來(lái)B、傳統(tǒng)基于規(guī)則的方法使用顯性編程來(lái)解決問(wèn)題C、機(jī)器學(xué)習(xí)中模型的映射關(guān)系是自動(dòng)學(xué)習(xí)的D、機(jī)器學(xué)習(xí)所中模型的映射關(guān)系必須是隱性的【正確答案】：ABC解析：

075.下面屬于數(shù)據(jù)集的一般特性的有：（）A、連續(xù)性B、維度C、稀疏性D、相異性【正確答案】：BC解析：

076.神經(jīng)網(wǎng)絡(luò)解決非線(xiàn)性分類(lèi)，是通過(guò)（）A、構(gòu)造神經(jīng)網(wǎng)絡(luò)B、用激活函數(shù)C、訓(xùn)練權(quán)重矩陣D、讓損失最大化【正確答案】：ABC解析：

077.漢語(yǔ)的演化史表明,量詞的真實(shí)功用可能與（）沒(méi)有任何關(guān)系A(chǔ)、隱喻機(jī)制B、個(gè)體化機(jī)制C、單復(fù)數(shù)區(qū)分D、補(bǔ)足音素【正確答案】：BC解析：

見(jiàn)算法解析78.下列選項(xiàng)屬于靜態(tài)圖缺點(diǎn)的是（）A、代碼編寫(xiě)較為簡(jiǎn)潔和方便B、計(jì)算圖構(gòu)建很長(zhǎng)時(shí)間后才提示錯(cuò)誤C、無(wú)法使用pdb或print語(yǔ)句調(diào)試執(zhí)行D、控制流與Python不同，造成一定的學(xué)習(xí)門(mén)檻【正確答案】：BCD解析：

見(jiàn)算法解析79.下面關(guān)于隨機(jī)森林和集成學(xué)習(xí)的說(shuō)法，正確的是：A、隨機(jī)森林只能用于解決分類(lèi)問(wèn)題B、隨機(jī)森林由隨機(jī)數(shù)量的決策樹(shù)組成C、集成學(xué)習(xí)通過(guò)構(gòu)建多個(gè)模型，并將各個(gè)模型的結(jié)果使用求平均數(shù)的方法集成起來(lái)，作為最終的預(yù)測(cè)結(jié)果，提高分類(lèi)問(wèn)題的準(zhǔn)確率D、隨機(jī)森林的弱分類(lèi)器（基分類(lèi)器）的特征選擇是隨機(jī)的【正確答案】：CD解析：

080.以下說(shuō)法正確的是（）。A、聚類(lèi)是監(jiān)督學(xué)習(xí)B、聚類(lèi)是非監(jiān)督學(xué)習(xí)C、分類(lèi)是非監(jiān)督學(xué)習(xí)D、分類(lèi)是監(jiān)督學(xué)習(xí)【正確答案】：BD解析：

081.下列是svm核函數(shù)的是（）A、多項(xiàng)式核函數(shù)B、logistic核函數(shù)C、徑向基核函數(shù)D、sigmoid核函數(shù)【正確答案】：ACD解析：

082.vgg19中的19代表了網(wǎng)絡(luò)中哪些層的數(shù)目總和（）A、全連接層B、輸入層C、池化層D、卷積層【正確答案】：ACD解析：

vgg19是常用的卷積神經(jīng)網(wǎng)絡(luò)之一，包括16層卷積層和3層全連接層，中間用到池化層83.可以有效解決過(guò)擬合的方法包括（）A、增加樣本數(shù)量B、增加特征數(shù)量C、訓(xùn)練更多的迭代次數(shù)D、采用正則化方法【正確答案】：AD解析：

見(jiàn)算法解析84.下列選項(xiàng)中，哪項(xiàng)是可以用于數(shù)據(jù)采集的技術(shù)？A、FlumeB、HiveC、KafkaD、Mahout【正確答案】：AC解析：

Hive和Mahout主要用于數(shù)據(jù)的分析式處理85.決策樹(shù)最常用的算法有A、ID3B、C4.5CARTD、ID4.5【正確答案】：ABC解析：

決策樹(shù)最常用的算法有三種：ID3，C4.5和CART。86.下面關(guān)于邏輯回歸的說(shuō)法，正確的是：A、邏輯回歸主要應(yīng)用于二分類(lèi)問(wèn)題B、邏輯回歸使用LogisticFunction后得到的數(shù)值在-1到1之間C、把邏輯回歸應(yīng)用于多分類(lèi)問(wèn)題時(shí)，需要使用Onevs.Rest方法D、邏輯回歸得到的數(shù)值可以看作屬于類(lèi)別1的概率【正確答案】：ACD解析：

087.下面關(guān)于決策樹(shù)的說(shuō)法，正確的是：A、決策樹(shù)有二叉樹(shù)和多叉樹(shù)B、建立決策樹(shù)模型的時(shí)候，可能不需要用到數(shù)據(jù)集中的所有特征來(lái)建立決策樹(shù)節(jié)點(diǎn)的分裂規(guī)則C、決策樹(shù)子節(jié)點(diǎn)分裂時(shí)，選擇的是最優(yōu)的特征進(jìn)行分裂D、決策樹(shù)只能用于分類(lèi)【正確答案】：ABC解析：

088.關(guān)于遺傳算法和進(jìn)化策略，下列說(shuō)法正確的是A、遺傳算法同時(shí)使用交叉和突變操作B、進(jìn)化策略?xún)H使用交叉操作C、進(jìn)化策略不需要用編碼的形式來(lái)表示問(wèn)題D、進(jìn)化策略使用純粹的數(shù)值優(yōu)化計(jì)算【正確答案】：ACD解析：

遺傳算法根據(jù)問(wèn)題域中個(gè)體的適應(yīng)度大小，按照輪盤(pán)賭的方法選擇個(gè)體，在完成選擇后，還需要進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群。A項(xiàng)正確。遺傳算法采用二進(jìn)制編碼雜交；而進(jìn)化策略使用實(shí)數(shù)。CD正確。進(jìn)化策略的每個(gè)個(gè)體都具有兩個(gè)特點(diǎn)。1、基因，通過(guò)基因進(jìn)行運(yùn)算可以得到每個(gè)個(gè)體的適應(yīng)度。2、變異強(qiáng)度，變異強(qiáng)度則是每次基因雜交完，基因變化的一個(gè)范圍。B項(xiàng)錯(cuò)誤。答案ACD89.在卷積神經(jīng)網(wǎng)絡(luò)中，一個(gè)10*10的像素在使用5*5的卷積核進(jìn)行池化，在不補(bǔ)零的情況下能得到以下哪些大小的featuremapA、2*2B、4*4C、6*6D、8*8【正確答案】：ABC解析：

H(output)=(H(input)?F)/S+1；W(output)=(Winput?F)/S+190.人工智能算法中，決策樹(shù)分類(lèi)算法包括A、C4.5B、ID3C、SGDD、CART【正確答案】：ABD解析：

常見(jiàn)決策樹(shù)分類(lèi)算法包括C4.5，ID3，CART。SGD隨機(jī)梯度下降算法屬于降維算法。91.為增加模型的泛化能力，可以使用下列哪些方法A、L1正則化B、L2正則化C、DropoutD、增加訓(xùn)練集樣本數(shù)量【正確答案】：ABCD解析：

4種方法均可92.機(jī)器翻譯的局限性在于（）A、訓(xùn)練樣本單一B、只能處理簡(jiǎn)單句C、基于已有的既成案例D、錯(cuò)誤較多【正確答案】：BC解析：

見(jiàn)算法解析93.大規(guī)模關(guān)系分析場(chǎng)景下，以下哪個(gè)選項(xiàng)屬于海量關(guān)系處理的三高需求（）A、對(duì)海量數(shù)據(jù)的高效關(guān)系發(fā)現(xiàn)需求B、對(duì)海量數(shù)據(jù)的高效共享需求C、對(duì)海量數(shù)據(jù)的高效存儲(chǔ)和訪(fǎng)問(wèn)需求D、對(duì)關(guān)系分析平臺(tái)的高可擴(kuò)展性和高可用性【正確答案】：ACD解析：

094.英語(yǔ)重視哪兩個(gè)問(wèn)題的區(qū)分?（）A、謂語(yǔ)與非謂語(yǔ)B、可數(shù)名詞與不可數(shù)名詞C、冠詞與數(shù)詞D、單復(fù)數(shù)【正確答案】：BD解析：

見(jiàn)算法解析95.Svm適用于以下哪種數(shù)據(jù)集（）A、線(xiàn)性可分的數(shù)據(jù)集B、含有很多噪聲和重疊的數(shù)據(jù)C、經(jīng)過(guò)清洗較為干凈的數(shù)據(jù)D、以上數(shù)據(jù)都適用【正確答案】：AB解析：

096.對(duì)于樸素貝葉斯分類(lèi)器，下面說(shuō)法正確的是（）A、適用于小規(guī)模數(shù)據(jù)集B、適用于多分類(lèi)任務(wù)C、適合增量式訓(xùn)練D、對(duì)輸入數(shù)據(jù)的表達(dá)形式不敏感【正確答案】：ABC解析：

097.關(guān)于線(xiàn)性回歸說(shuō)法正確的是（）A、輸入特征是非隨機(jī)的且互不相關(guān)的B、隨機(jī)誤差具有零均值，同方差的特點(diǎn)C、隨機(jī)誤差彼此間不相關(guān)D、輸入特征于隨機(jī)誤差不相關(guān)【正確答案】：ABCD解析：

098.下列說(shuō)法正確的是（）A、k折劃分后，得到的是分組后的索引值B、LOO計(jì)算開(kāi)銷(xiāo)更少C、LOO比k折效果更差D、k折劃分后，得到的是分組后的元素【正確答案】：AC解析：

099.以下屬于深度學(xué)習(xí)算法的是A、CNNB、FCMC、FPND、GCN【正確答案】：ACD解析：

FCM算法是聚類(lèi)算法，不是深度學(xué)習(xí)算法100.數(shù)據(jù)真實(shí)性具備哪兩種特質(zhì)？A、準(zhǔn)確性B、不確定性C、可信賴(lài)度D、雜亂性【正確答案】：AC解析：

01.大數(shù)據(jù)要跟“互聯(lián)網(wǎng)+醫(yī)療健康”緊密地結(jié)合起來(lái)，國(guó)家明確的支持“互聯(lián)網(wǎng)+醫(yī)療”、“互聯(lián)網(wǎng)+健康”所以在新的醫(yī)改背景下，互聯(lián)網(wǎng)醫(yī)療跟大數(shù)據(jù)的結(jié)合將會(huì)取得更重要的發(fā)展A、正確B、錯(cuò)誤【正確答案】：A解析：

正確2.訓(xùn)練循環(huán)神經(jīng)網(wǎng)絡(luò)的算法是BPTTA、正確B、錯(cuò)誤【正確答案】：A解析：

正確3.LR的損失函數(shù)為hingeloss（或者說(shuō)是邏輯損失都可以）、而SVM的損失函數(shù)為L(zhǎng)og損失。A、正確B、錯(cuò)誤【正確答案】：B解析：

錯(cuò)誤4.Python標(biāo)準(zhǔn)庫(kù)os中的方法isdir（）可以用來(lái)測(cè)試給定的路徑是否為文件夾。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確5.u-net也是采用了encoder-decoder這一結(jié)構(gòu)A、正確B、錯(cuò)誤【正確答案】：A解析：

正確6.人工智能技術(shù)已經(jīng)由原本的單一化輸出向全套解決方案轉(zhuǎn)變，其滲透性也不斷減弱A、正確B、錯(cuò)誤【正確答案】：B解析：

人工智能技術(shù)已經(jīng)由原本的單一化輸出向全套解決方案轉(zhuǎn)變，其滲透性也不斷增強(qiáng)7.語(yǔ)音識(shí)別技術(shù)就是讓機(jī)器通過(guò)處理和識(shí)別過(guò)程，把語(yǔ)音信號(hào)轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或信息的高技術(shù)A、正確B、錯(cuò)誤【正確答案】：A解析：

正確8.對(duì)于多分類(lèi)問(wèn)題神經(jīng)網(wǎng)絡(luò)一般使用歐氏距離損失而不用交叉熵A、正確B、錯(cuò)誤【正確答案】：B解析：

分類(lèi)問(wèn)題常用的損失函數(shù)為交叉熵9.在GBK和CP936編碼中一個(gè)漢字需要2個(gè)字節(jié)。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確10.Python標(biāo)準(zhǔn)庫(kù)os中的方法listdir（）返回包含指定路徑中所有文件和文件夾A、正確B、錯(cuò)誤【正確答案】：A解析：

正確11.人工智能就是機(jī)器展現(xiàn)出的智能，即只要是某種機(jī)器，具有某種或某些智能的特征或表現(xiàn)，都應(yīng)該算作“人工智能”A、正確B、錯(cuò)誤【正確答案】：A解析：

正確12.在處理序列數(shù)據(jù)時(shí)，較容易出現(xiàn)梯度消失現(xiàn)象的模型是RNN。A、正確B、錯(cuò)誤【正確答案】：A解析：

RNN有短期記憶問(wèn)題，無(wú)法處理很長(zhǎng)的輸入序列，訓(xùn)練RNN需要投入極大的成本13.目標(biāo)檢測(cè)的主要目的是讓計(jì)算機(jī)可以自動(dòng)識(shí)別圖片或者視頻幀中所有目標(biāo)的類(lèi)別，并在該目標(biāo)周?chē)L制邊界框，標(biāo)示出每個(gè)目標(biāo)的位置A、正確B、錯(cuò)誤【正確答案】：A解析：

正確14.基于規(guī)則的AI系統(tǒng)由一連串的if-then-else規(guī)則來(lái)進(jìn)行推斷或行動(dòng)決策。（）A、正確B、錯(cuò)誤【正確答案】：A解析：

015.人工智能技術(shù)可通過(guò)對(duì)特征庫(kù)學(xué)習(xí)自動(dòng)查找系統(tǒng)漏洞和識(shí)別關(guān)鍵目標(biāo)，提高攻擊效率。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確16.當(dāng)在內(nèi)存網(wǎng)絡(luò)中獲得某個(gè)內(nèi)存空間時(shí)，通常選擇讀取矢量形式數(shù)據(jù)而不是標(biāo)量，這里需要基于內(nèi)容的尋址或基于位置的尋址來(lái)完成A、正確B、錯(cuò)誤【正確答案】：B解析：

017.購(gòu)物籃模型(maket-basketmodel):用于描述兩種對(duì)象之間的一對(duì)多關(guān)系A(chǔ)、正確B、錯(cuò)誤【正確答案】：B解析：

多對(duì)多關(guān)系18.Mapreduce適用于可以串行處理的應(yīng)用程序A、正確B、錯(cuò)誤【正確答案】：B解析：

019.根據(jù)發(fā)音對(duì)象不同，語(yǔ)音識(shí)別可以分為特定人語(yǔ)音識(shí)別和非特定人語(yǔ)音識(shí)別A、正確B、錯(cuò)誤【正確答案】：A解析：

正確20.Python2.x和Python3.x中input（）函數(shù)的返回值都是字符串。A、正確B、錯(cuò)誤【正確答案】：B解析：

見(jiàn)函數(shù)庫(kù)21.LSTM單元中，輸入門(mén)控制當(dāng)前信息的注入，遺忘門(mén)過(guò)濾上個(gè)時(shí)刻的不重要信息，然后兩者處理后的信息相加后更新當(dāng)前時(shí)刻的狀態(tài)向量A、正確B、錯(cuò)誤【正確答案】：A解析：

正確22.相較于機(jī)器學(xué)習(xí)經(jīng)典的有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)問(wèn)題，強(qiáng)化學(xué)習(xí)最大的特點(diǎn)是在交互中學(xué)習(xí)A、正確B、錯(cuò)誤【正確答案】：A解析：

正確23.計(jì)算機(jī)視覺(jué)的主要研究方向分為圖像分類(lèi)、目標(biāo)檢測(cè)、目標(biāo)跟蹤和語(yǔ)義分割A(yù)、正確B、錯(cuò)誤【正確答案】：A解析：

正確24.用于分類(lèi)與回歸應(yīng)用的主要算法有決策樹(shù)、BP神經(jīng)網(wǎng)絡(luò)、貝葉斯A、正確B、錯(cuò)誤【正確答案】：A解析：

025.bagging不允許訓(xùn)練實(shí)例被同一個(gè)預(yù)測(cè)器多次采樣。A、正確B、錯(cuò)誤【正確答案】：B解析：

允許26.Kmean模型能自動(dòng)生成K個(gè)聚類(lèi)中心A、正確B、錯(cuò)誤【正確答案】：B解析：

錯(cuò)誤27.鼓勵(lì)人工智能企業(yè)參與或主導(dǎo)制定國(guó)際標(biāo)準(zhǔn)，加強(qiáng)人工智能領(lǐng)域的知識(shí)產(chǎn)權(quán)保護(hù)，建立人工智能公共專(zhuān)利池，促進(jìn)人工智能新技術(shù)的利用與擴(kuò)散A、正確B、錯(cuò)誤【正確答案】：A解析：

正確28.訓(xùn)練CNN時(shí)，可以對(duì)輸入進(jìn)行旋轉(zhuǎn)、平移、縮放等預(yù)處理提高模型泛化能力A、正確B、錯(cuò)誤【正確答案】：A解析：

029.DSSM模型的結(jié)構(gòu)是三塔A、正確B、錯(cuò)誤【正確答案】：B解析：

雙塔30.深度學(xué)習(xí)與機(jī)器學(xué)習(xí)算法之間的區(qū)別在于，后者過(guò)程中無(wú)需進(jìn)行特征提取工作，也就是說(shuō)，我們建議在進(jìn)行深度學(xué)習(xí)過(guò)程之前要首先完成特征提取的工作。A、正確B、錯(cuò)誤【正確答案】：B解析：

031.AdaGrad使用的是一階差分(firstorderdifferentiation)A、正確B、錯(cuò)誤【正確答案】：A解析：

032.根據(jù)覆蓋面不同，知識(shí)圖譜可以分為通用知識(shí)圖譜、行業(yè)知識(shí)圖譜A、正確B、錯(cuò)誤【正確答案】：A解析：

正確33.SPPTextMining是文本挖掘的工具A、正確B、錯(cuò)誤【正確答案】：B解析：

034.Sigmoid是早期神經(jīng)網(wǎng)絡(luò)模型中常見(jiàn)的非線(xiàn)性變換函數(shù)A、正確B、錯(cuò)誤【正確答案】：A解析：

正確35.谷歌研究提出，隨著訓(xùn)練數(shù)據(jù)數(shù)量級(jí)的增加，相同機(jī)器視覺(jué)算法模型的性能呈指數(shù)上升。A、正確B、錯(cuò)誤【正確答案】：B解析：

歌研究提出，隨著訓(xùn)練數(shù)據(jù)數(shù)量級(jí)的增加，相同機(jī)器視覺(jué)算法模型的性能呈線(xiàn)性上升。36.Inception塊的設(shè)計(jì)思想：多通路(multi-path)設(shè)計(jì)形式，使用不同大小的卷積核提取圖像特征，并附加最大池化操作，將這四個(gè)輸出層沿著通道這一維度進(jìn)行拼接。最終輸出特征圖將包含不同大小的卷積核提取到的特征A、正確B、錯(cuò)誤【正確答案】：A解析：

正確37.如果需要連接大量字符串成為一個(gè)字符串，那么使用字符串對(duì)象的join（）方法比運(yùn)算符+具有更高的效率。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確38.飛槳支持兩種深度學(xué)習(xí)建模編寫(xiě)方式，更方便調(diào)試的動(dòng)態(tài)圖模式和性能更好并便于部署的靜態(tài)圖模式A、正確B、錯(cuò)誤【正確答案】：A解析：

正確39.在UTF-8編碼中一個(gè)漢字需要占用3個(gè)字節(jié)。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確40.計(jì)算機(jī)視覺(jué)中最基本的幾個(gè)子任務(wù)是：圖像分類(lèi)、物體檢測(cè)、圖像語(yǔ)義分割和實(shí)例分割A(yù)、正確B、錯(cuò)誤【正確答案】：A解析：

正確41.LSTM是一個(gè)非常經(jīng)典的面向序列的模型，可以對(duì)自然語(yǔ)言句子或是其他時(shí)序信號(hào)進(jìn)行建模，是一種循環(huán)神經(jīng)網(wǎng)絡(luò)。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確42.Gini指數(shù)越大表示集合中被選中的樣本被分錯(cuò)的概率越小，也就是說(shuō)集合的純度越高。A、正確B、錯(cuò)誤【正確答案】：B解析：

注意：Gini指數(shù)越小表示集合中被選中的樣本被分錯(cuò)的概率越小，也就是說(shuō)集合的純度越高，反之，集合越不純。43.自然語(yǔ)言處理主要分為兩個(gè)流程：自然語(yǔ)言理解和自然語(yǔ)言生成A、正確B、錯(cuò)誤【正確答案】：A解析：

正確44.人工智能是對(duì)人的意識(shí)和思維過(guò)程的模擬，利用機(jī)器學(xué)習(xí)和數(shù)據(jù)分析方法賦予機(jī)器類(lèi)人的能力A、正確B、錯(cuò)誤【正確答案】：A解析：

正確45.虛擬現(xiàn)實(shí)技術(shù)具有多感知性、沉浸性、交互性等特征A、正確B、錯(cuò)誤【正確答案】：A解析：

正確46.機(jī)器學(xué)習(xí)，有學(xué)習(xí)能力，通過(guò)答案+數(shù)據(jù)=規(guī)則，正確率不斷提升（）A、正確B、錯(cuò)誤【正確答案】：A解析：

正確47.卷積神經(jīng)網(wǎng)絡(luò)是更善于處理圖像的網(wǎng)絡(luò)A、正確B、錯(cuò)誤【正確答案】：A解析：

正確48.Python字典中的“鍵”可以是元組。A、正確B、錯(cuò)誤【正確答案】：A解析：

正確49.數(shù)據(jù)集太小，數(shù)據(jù)樣本不足時(shí)，深度學(xué)習(xí)相對(duì)其它機(jī)器學(xué)習(xí)算法，有明顯優(yōu)勢(shì)。A、正確B、錯(cuò)誤【正確答案】：B解析：

錯(cuò)誤50.卷積神經(jīng)網(wǎng)絡(luò)的并發(fā)性，比循環(huán)神經(jīng)網(wǎng)絡(luò)好A、正確B、錯(cuò)誤【正確答案】：A解析：

正確51.PSP網(wǎng)絡(luò)獲取上下文信息的關(guān)鍵在于增大感受野A、正確B、錯(cuò)誤【正確答案】：A解析：

正確52.混沌度(Perplexity)是一種常見(jiàn)的應(yīng)用在使用深度學(xué)習(xí)處理NLP問(wèn)題過(guò)程中的評(píng)估技術(shù)，混沌度越高越好A、正確B、錯(cuò)誤【正確答案】：B解析：

053.從產(chǎn)業(yè)鏈的角度來(lái)講，人工智能分為三層，由基礎(chǔ)層、過(guò)程層、應(yīng)用層組成A、正確B、錯(cuò)誤【正確答案】：B解析：

人工智能產(chǎn)業(yè)鏈包括三層：基礎(chǔ)層、技術(shù)層和應(yīng)用層54.人工智能研究的先驅(qū)者認(rèn)為人的智能主要表現(xiàn)在人能學(xué)習(xí)知識(shí)和運(yùn)用知識(shí)上，知識(shí)是智能的基礎(chǔ)于是學(xué)者們把專(zhuān)門(mén)的知識(shí)集、規(guī)則集和附加過(guò)程組成知識(shí)庫(kù)，開(kāi)發(fā)出許多專(zhuān)家系統(tǒng)（英文縮寫(xiě)為ES），在領(lǐng)域獲得成功（）A、正確B、錯(cuò)誤【正確答案