人工智能單選練習試題附答案

第頁人工智能單選練習試題附答案1.考慮以下問題：假設我們有一個5層的神經網(wǎng)絡，這個神經網(wǎng)絡在使用一個4GB顯存顯卡時需要花費3個小時來完成訓練。而在測試過程中，單個數(shù)據(jù)需要花費2秒的時間。如果我們現(xiàn)在把架構變換一下，當評分是0.2和0.3時，分別在第2層和第4層添加Dropout，那么新架構的測試所用時間會變?yōu)槎嗌?？A、少于2sB、大于2sC、仍是2sD、說不準【正確答案】：C2.半監(jiān)督學習包括(___)。A、純半監(jiān)督學習B、主動學習C、回歸學習D、分類學習、【正確答案】：A解析：

見算法解析3.類別不平衡指分類任務中不同類別的訓練樣例數(shù)目(___)的情況。A、沒有差別B、差別很大C、差別很小D、以上都不正確【正確答案】：B解析：

見算法解析4.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、它將權重的歸一化平均值和標準差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】：A5.生物特征識別技術不包括（

）。A、體感交互B、指紋識別C、人臉識別D、虹膜識別【正確答案】：A解析：

弱人工智能是指不能制造出真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是并不真正擁有智能，也不會有自主意識。認知智能是指機器具有主動思考和理解的能力，不用人類事先編程就可以實現(xiàn)自我學習，有目的推理并與人類自然交互。人類有語言，才有概念、推理，所以概念、意識、觀念等都是人類認知智能的表現(xiàn)，機器實現(xiàn)以上能力還有漫長的路需要探索。答案選D。6.NMS算法中文名為（）A、非極大值抑制B、非極小值抑制C、極大值抑制D、極小值抑制【正確答案】：A解析：

見算法解析7.語音是一種典型的（）數(shù)據(jù)。A、無結構無序列B、有結構序列C、無結構序列D、有結構無序列【正確答案】：C解析：

循環(huán)神經網(wǎng)最常常遇到的問題是：①.梯度消失②.詞語依賴位置較遠③.梯度爆炸8.在中期圖像識別技術（2003-2012）中，索引的經典模型是（）。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：

早期圖像識別技術中存在的主要問題是全局特征丟掉了圖像細節(jié)。9.以下哪個關于監(jiān)督式學習的說法是正確的?A、決策樹是一種監(jiān)督式學習B、監(jiān)督式學習不可以使用交叉驗證進行訓練C、監(jiān)督式學習是一種基于規(guī)則的算法D、監(jiān)督式學習不需要標簽就可以訓練【正確答案】：A10.下列選項中，不屬于深度學習模型的是？A、線性回歸B、深度殘差網(wǎng)絡C、卷積神經網(wǎng)絡CNND、循環(huán)神經網(wǎng)絡RNN【正確答案】：A解析：

k-means是一種無監(jiān)督聚類方法。11.我國人工智能三步走戰(zhàn)略，第二步（）人工智能基礎理論實現(xiàn)重大突破，部分技術與應用達到世界領先水平A、到2035年B、到2030年C、到2025年D、到2020年【正確答案】：C解析：

我國人工智能三步走戰(zhàn)略，其中第一步，到2020年人工智能總體技術和應用與世界先進水平同步，人工智能產業(yè)成為新的重要經濟增長點12.數(shù)據(jù)科學家可能會同時使用多個算法（模型）進行預測，并且最后把這些算法的結果集成起來進行最后的預測（集成學習），以下對集成學習說法正確的是（）A、單個模型之間有高相關性B、單個模型之間有低相關性C、在集成學習中使用“平均權重”而不是“投票”會比較好D、單個模型都是用的一個算法【正確答案】：B13.下列選項中，哪個不是關鍵詞提取常用的算法？A、TF-IDFB、TextRankC、SSAD、LDA【正確答案】：C14.fasterRCNN用于生成候選框proposal的模塊名稱（）A、RPNB、CNNC、ResNetD、RoIpooling【正確答案】：A解析：

mAP表示算法處理每張照片時間。15.從互聯(lián)網(wǎng)進化到移動互聯(lián)網(wǎng)，（）將會在移動互聯(lián)網(wǎng)后迎來一個全新的時代。A、人工智能B、元宇宙C、數(shù)字孿生D、大數(shù)據(jù)【正確答案】：B16.下列哪一個不是神經網(wǎng)絡的代表A、卷積神經網(wǎng)絡B、遞歸神經網(wǎng)絡C、殘差網(wǎng)絡D、xgboost算法【正確答案】：D解析：

A、防止模型過擬合而加在損失函數(shù)后面的一項；B、L1范數(shù)符合拉普拉斯分布，是不完全可微的；C、L2正則化項是模型各個參數(shù)的平方和的開方值。17.循環(huán)神經網(wǎng)絡(recurrentneuralnetwork，RNN)，是一種用于處理具有類似()的數(shù)據(jù)的神經網(wǎng)絡。A、網(wǎng)格結構B、數(shù)組結構C、序列結構D、表格結構【正確答案】：C解析：

卷積神經網(wǎng)絡(convolu-tionalneuralnetwork，CNN)，是一種專門用來處理具有類似()的數(shù)據(jù)的神經網(wǎng)絡。18.知識圖譜在架構層面可分為（）和數(shù)據(jù)層A、模式層B、文本層C、信息層D、知識層【正確答案】：A解析：

命名實體識別，是指識別文本中具有特定意義的實體，主要包括人名、地名、機構名、專有名詞等19.人工智能產業(yè)鏈條主要包括：基礎技術支撐、（）、人工智能應用。A、智能平臺建設B、大數(shù)據(jù)平臺C、互聯(lián)網(wǎng)應用D、人工智能技術【正確答案】：D20.卷積神經網(wǎng)絡作為一種常見的深度學習網(wǎng)絡結構已被廣泛接受，下列任務的主流方法中沒有用到卷積神經網(wǎng)絡的任務是A、圖像風格遷移&B、&圖像分割&C、&人臉識別&D、&房價預測【正確答案】：D解析：

主要應用21.在自動駕駛中,AI需要不斷地通過路面信息來調整開車的決策，這種處理模式適合用()來訓練出合理的策略。A、監(jiān)督學習B、非監(jiān)督學習C、強化學習D、弱化學習【正確答案】：C22.一條規(guī)則形如：，其中“←"右邊的部分稱為(___)A、規(guī)則長度B、規(guī)則頭C、布爾表達式D、規(guī)則體【正確答案】：D解析：

見算法解析23.下面對梯度下降方法描述不正確的是A、梯度下降算法是一種使得損失函數(shù)最小化的方法B、梯度反方向是函數(shù)值下降最快方向C、梯度方向是函數(shù)值下降最快方向D、梯度下降算法用來優(yōu)化深度學習模型的參數(shù)【正確答案】：C24.生成式對抗網(wǎng)絡核心是對抗式，兩個網(wǎng)絡互相競爭，一個負責生成樣本，那么另一個負責做什么呢？A、判別B、計算C、統(tǒng)計D、生成【正確答案】：A25.在一個神經網(wǎng)絡中，知道每一個神經元的權重和偏差是最重要的一步。如果知道了神經元準確的權重和偏差，便可以近似任何函數(shù)，但怎么獲知每個神經的權重和偏移呢？A、搜索每個可能的權重和偏差組合，直到得到最佳值B、賦予一個初始值，然后檢查跟最佳值的差值，不斷迭代調整權重C、隨機賦值，聽天由命D、以上都不正確的【正確答案】：B26.人臉識別系統(tǒng)是容易受到外部攻擊的，因而需要增加類似活體檢測的技術，但還是不能解決A、照片攻擊B、視頻回放攻擊C、照片面具攻擊D、黑客網(wǎng)絡攻擊【正確答案】：D解析：

我們可以為每個聚類構建不同的模型，提高預測準確率?！邦悇eid”作為一個特征項去訓練，可以有效地總結了數(shù)據(jù)特征。所以B是正確的27.“數(shù)字孿生（DigitalTwin）”這一概念被美國（）教授提出。A、MichaelArbibB、EdwardAlbertFeigenbaumC、MichaelGrievesD、ArthurSamuel【正確答案】：C解析：

隱私計算技術助力人工智能數(shù)據(jù)安全可信地進行寫作。28.文本分類模型組成部分的正確順序是：1.文本清理（Textcleaning）2.文本標注（Textannotation）3.梯度下降（Gradientdescent）4.模型調優(yōu)（Modeltuning）5.文本到預測器（Texttopredictors）A、12345B、13425C、12534D、$13,452【正確答案】：C29.我們日常生活中的上下班，指紋掃描打卡考勤、虹膜掃描，應用到了人工智能中的A、機器翻譯技術B、機器翻譯C、虛擬現(xiàn)實D、模式識別【正確答案】：D解析：

RNN存在嚴重的梯度消失現(xiàn)象，因此改進出LSTM模型。30.（）控制著整個LSTM單元的狀態(tài)或者記憶，它會根據(jù)每個時刻的輸入進行更新。A、隱狀態(tài)向量B、狀態(tài)向量C、顯狀態(tài)向量D、以上都不對【正確答案】：B解析：

使用一個滑動窗口對語料從左到右掃描，在每個窗口內，中心詞需要預測它的上下文，并形成訓練數(shù)據(jù)31.在訓練集上每學到一條規(guī)則，就將該規(guī)則覆蓋的訓練樣例去除，然后以剩下的訓練樣例組成訓練集重復上述過程的方法稱為(___)A、缺省規(guī)則B、序貫覆蓋C、不放回學習D、一階規(guī)則【正確答案】：B解析：

見算法解析32.CNN不具有以下那個特性。A、局部連接B、權值共享C、空間或時間上的下采樣D、不定長輸入【正確答案】：D解析：

樸素貝葉斯算法是基于貝葉斯定理與特征條件獨立假設的分類算法不屬于深度學習模型。33.下列哪個應用領域不屬于人工智能應用？（）A、人工神經網(wǎng)絡B、自動控制C、自然語言學習D、專家系統(tǒng)【正確答案】：B34.機器學習在向（）方向演進。A、分布式隱私保護B、集中式存儲C、邊緣計算D、云存儲【正確答案】：A解析：

長期來看專用型人工智能的發(fā)展將不依賴于對人腦認知機制的科學研究。。35.對于線性不可分的數(shù)據(jù)，支持向量機的解決方式是A、軟間隔B、硬間隔C、核函數(shù)D、以上選項均不正確【正確答案】：C36.以下屬于回歸算法的評價指標是?A、召回率B、混淆矩陣C、均方誤差D、準確率【正確答案】：C37.下列哪項關于模型能力的描述是正確的（指模型能近似復雜函數(shù)的能力）A、隱層層數(shù)增加，模型能力增加B、Dropout的比例增加，模型能力增加C、學習率增加，模型能力增加D、都不正確【正確答案】：A38.以下哪個聚類算法不屬于基于網(wǎng)格的聚類算法（）。A、STINGB、WavelusterC、MAFID、IRH【正確答案】：D39.()適合連續(xù)特征，它假設每個特征對于每個類都符合正態(tài)分布。A、GaussianNBBernoulliNBC、MultinomialNBD、BaseDiscreteNB【正確答案】：A解析：

Scikit-Learn中accuracy_score可以實現(xiàn)計算模型準確率。40.下列哪個函數(shù)不可以做激活函數(shù)？A、y=tanh(x)B、y=sin(x)C、y=max(x,0)D、y=2x【正確答案】：D41..

混沌度(Perplexity)是一種常見的應用在使用深度學習處理NLP問題過程中的評估技術，關于混沌度，哪種說法是正確的？A、混沌度沒什么影響B(tài)、混沌度越低越好C、混沌度越高越好D、混沌度對于結果的影響不一定【正確答案】：B42.下面對前饋神經網(wǎng)絡描述不正確的是A、各個神經元接受前一級神經元的輸入，并輸出到下一級B、層與層之間通過“全連接”進行連接，即兩個相鄰層之間神經元完全成對連接C、同一層內的神經元相互不連接D、同一層內神經元之間存在全連接【正確答案】：D43.下列哪項不屬于聚類算法（）A、K-meansBIRCHC、SVMDBSCAN【正確答案】：C解析：

神經網(wǎng)絡會將數(shù)據(jù)轉化為更適合解決目標問題的形式，我們把這種過程叫做特征學習。44.關于線性回歸的描述,以下正確的有:A、基本假設包括隨機干擾項是均值為0,方差為1的標準正態(tài)分布B、基本假設包括隨機干擾項是均值為0的同方差正態(tài)分布C、多重共線性會使得參數(shù)估計值方差減小D、基本假設包括不服從正態(tài)分布的隨機干擾項【正確答案】：B45.Softmax算法中溫度趨近于0時Softmax將趨于(___)A、僅探索B、僅利用C、全探索D、全利用【正確答案】：B解析：

見算法解析46.下列關于XGboost算法描述中錯誤的是A、由于其特殊原因，無法分布式化B、xgboost在代價函數(shù)里加入了正則項，用于控制模型的復雜度C、可以處理帶有缺失值的樣本D、允許使用列抽樣來減少過擬合【正確答案】：A47.隨著大數(shù)據(jù)、（）、量子計算等新技術的快速發(fā)展，人類社會已經步入了第四次工業(yè)革命時代A、片上存儲B、芯片設計C、人工智能D、泛在互聯(lián)【正確答案】：C解析：

以上都是人工智能發(fā)展預測。48.下面關于Jarvis－Patrik（JP）聚類算法的說法不正確的是（）。A、JP聚類擅長處理噪聲和離群點，并且能夠處理不同大小、形狀和密度的簇。B、JP算法對高維數(shù)據(jù)效果良好，尤其擅長發(fā)現(xiàn)強相關對象的緊致簇。C、JP聚類是基于SNN相似度的概念。D、JP聚類的基本時間復雜度為O(m)?！菊_答案】：D49.輸入圖片大小為200×200，依次經過一層卷積（kernelsize5×5，padding1，stride2），pooling（kernelsize3×3，padding0，stride1），又一層卷積（kernelsize3×3，padding1，stride1）之后，輸出特征圖大小為？A、95B、96C、97D、$98【正確答案】：C解析：

每個神經元可以有一個或多個輸入，和一個或多個輸出。如圖所示的神經網(wǎng)絡結構中，隱藏層的每一個神經元都是多輸入多輸出。若將輸出層改為一個神經元，則隱藏層每個神經元都是一個輸出；若將輸入層改為一個神經元，則隱藏層每個神經元都是一個輸入。50.（）函數(shù)一般用在多分類問題中，它是對邏輯斯蒂回歸logistic的一種推廣，也被稱為多項式邏輯斯蒂回歸模型。A、ReluB、softmaxC、TanhD、sigmoid【正確答案】：B解析：

GooLeNet中使用較多小tricks，其中全局平局池化GAP就是一個，使用GAP的優(yōu)點是減少參數(shù)量，實現(xiàn)任意大小的輸入51.Dropout是一種在深度學習環(huán)境中應用的正規(guī)化手段，他是這樣運作的，在一次循環(huán)中我們先隨機選擇神經層中的一些單元并將其臨時隱藏，然后再進行該次循環(huán)中神經網(wǎng)絡的訓練和優(yōu)化過程，在下一次循環(huán)中，我們又將隱藏另外一些神經元，如此直至訓練結束。根據(jù)以上描述，Dropout技術在下列哪種神經層中不能發(fā)揮優(yōu)勢？A、仿射層B、卷積層C、RNN層D、以上都不對【正確答案】：C解析：

LSTM一種特殊的RNN網(wǎng)絡，該網(wǎng)絡設計出來是為了解決長依賴問題52.以下算法中可以用于圖像平滑的是()。A、均值濾波；B、對比度增強C、二值化D、動態(tài)范圍壓縮【正確答案】：A解析：

長短期記憶LSTM具有與循環(huán)神經網(wǎng)絡相似的控制流，兩者的區(qū)別在于LSTM中增加了忘記門導致單元內的處理過程不同。53.語義網(wǎng)絡表達知識時，有向弧AKO鏈、ISA鏈是用來表達節(jié)點知識的A、無悖性B、可擴充性C、繼承性D、連貫性【正確答案】：C解析：

從全稱判斷推導出特稱判斷或單稱判斷的過程，即由一般性知識推出適合于某一具體情況的結論的推理是演繹推理54.關于GoogLeNet描述正確的有：A、GoogLeNet僅僅是在寬度上進行了探索，所以它是一個很淺的網(wǎng)絡B、GoogLeNet在寬度上進行了探索，為后人設計更加復雜的網(wǎng)絡打開了思路C、GoogLeNet使用了Inception結構，Inception結構只有V1這一個版本D、GoogLeNet結合多種網(wǎng)絡設計結構所以是到目前為止分類效果最好的網(wǎng)絡結構【正確答案】：B解析：

VGG全部使用了3*3的卷積核和2*2的池化核55.關于Boltzmann描述錯誤的是(___)A、基于能量的模型；B、優(yōu)化目標函數(shù)為最小化能力函數(shù)；C、分為顯層和隱層；D、神經元都是數(shù)值型；【正確答案】：D解析：

見算法解析56.卷積層是深度神經網(wǎng)絡的主要結構之一，已經在大量任務中用到，下面哪一個任務的主流方法中沒有用到卷積層A、為圖像自動生成描述標題&B、&中英文互譯&C、&中文分詞&D、&場景文字檢測【正確答案】：C解析：

主要應用57.(___)是在一個數(shù)據(jù)集上對多個算法進行比較。A、t檢驗B、交叉驗證t檢驗C、Friedman檢驗D、McNemar檢驗【正確答案】：C解析：

見算法解析58.Boosting的本質實際上是一個加法模型，通過改變訓練樣本（）學習多個分類器并進行一些線性組合A、權重B、分布C、概率D、數(shù)量【正確答案】：A解析：

SVM的基本思想是間隔最大化來得到最優(yōu)分離超平面59.關于支持向量機，哪項說法不正確（）A、支持向量機可以用于處理二分類及多分類問題B、支持向量機只能用于線性可分的分類問題C、支持向量機可用于回歸問題D、核函數(shù)的選擇對支持向量機的性能影響較大【正確答案】：B解析：

廣度優(yōu)先搜索搜索的范圍最廣60.以下程序的輸出是（）？array=np.array（[[1,2,3],[4,5,6],[7,8,9],[10,11,12]]）;print（array.shape）A、（4,3）B、（3,4）C、3D、$4【正確答案】：A解析：

見算法解析61.下列關于深度學習說法錯誤的是A、LSTM在一定程度上解決了傳統(tǒng)RNN梯度消失或梯度爆炸的問題B、CNN相比于全連接的優(yōu)勢之一是模型復雜度低，緩解過擬合C、只要參數(shù)設置合理，深度學習的效果至少應優(yōu)于隨機算法D、隨機梯度下降法可以緩解網(wǎng)絡訓練過程中陷入鞍點的問題【正確答案】：C解析：

相同超參數(shù)數(shù)量情況下，比起自適應的學習率調整方式，SGD加手動調節(jié)通常會取得更好效果62.對于圖像識別問題（比如識別照片中的貓），神經網(wǎng)絡模型結構更適合解決哪類問題？A、多層感知器B、卷積神經網(wǎng)絡C、循環(huán)神經網(wǎng)絡D、感知器【正確答案】：B63.通常池化操作的效果是：A、使圖片變大B、使圖片變小C、使圖片變成三角形D、使圖片變成圓形【正確答案】：B解析：

池化操作的作用是下采樣64.下列哪些屬于循環(huán)神經網(wǎng)絡（）A、LeNetB、GoogleNetC、Bi-LSTMD、BERT【正確答案】：C解析：

在處理序列數(shù)據(jù)時，較容易出現(xiàn)梯度消失現(xiàn)象的模型是RNN65.當前，預訓練模型參數(shù)數(shù)量、訓練數(shù)據(jù)規(guī)模按照（）倍/年的趨勢增長。A、10B、100C、300D、$1,000【正確答案】：C解析：

量子計算機基本信息單位是量子比特，可同時具有0、1及其線性疊加態(tài)66.計算智能和感知智能的關鍵技術已經取得較大突破，弱人工智能應用條件基本成熟。但（

）的算法尚未突破，前景仍不明朗。A、視頻智能B、語音智能C、觸覺智能D、認知智能【正確答案】：D解析：

在國內計算機視覺領域，動靜態(tài)圖像識別和人臉識別是主要研究方向，目前由于動態(tài)檢測與識別的技術門檻限制，靜態(tài)圖像識別與人臉識別的研究暫時處于領先位置.答案選C。67.numpy數(shù)組的ndim屬性是（）？A、數(shù)組的維度B、各維度大小的元組C、行數(shù)D、列數(shù)【正確答案】：A解析：

見算法解析68.用Tensorflow處理圖像識別任務時，若輸入數(shù)據(jù)的形狀為[64,224,224,3]，下面說法正確的是（）A、每一張圖片都是二值圖片B、每一張圖片都是三通道圖片C、模型一次處理224張圖片（batchsize為224）D、以上選項均不正確【正確答案】：B解析：

根據(jù)已知模式在數(shù)據(jù)集中尋找相似模式屬于數(shù)據(jù)挖掘中的內容檢索任務。69.LARS屬于哪種特征選擇方法(___)A、包裹式B、啟發(fā)式C、嵌入式D、過濾式【正確答案】：C解析：

見算法解析70.下列哪個應用領域不屬于人工智能應用？A、人工神經網(wǎng)絡B、自動控制C、自然語言學習D、專家系統(tǒng)【正確答案】：B解析：

生物特征識別技術，是指通過計算機利用人體所固有的生理特征（指紋、虹膜、面相、DNA等）或行為特征(步態(tài)、擊鍵習慣等)來進行個人身份鑒定的技術。步態(tài)識別、人臉識別、虹膜識別運用的都是生物特征，文本識別不屬于生物特征識別。答案選C71.問答系統(tǒng)中的NLP技術，以下描述不正確的是：A、問答（QA）系統(tǒng)的想法是直接從文檔、對話、在線搜索和其他地方提取信息，以滿足用戶的信息需求。QA系統(tǒng)不是讓用戶閱讀整個文檔，而是更喜歡簡短而簡潔的答案。B、QA系統(tǒng)相對獨立很難與其他NLP系統(tǒng)結合使用，現(xiàn)有QA系統(tǒng)只能處理對文本文檔的搜索，尚且無法從圖片集合中提取信息。C、大多數(shù)NLP問題都可以被視為一個問題回答問題。范例很簡單：我們發(fā)出查詢指令，機器提供響應。通過閱讀文檔或一組指令，智能系統(tǒng)應該能夠回答各種各樣的問題。D、強大的深度學習架構（稱為動態(tài)內存網(wǎng)絡（DMN））已針對QA問題進行了專門開發(fā)和優(yōu)化。給定輸入序列（知識）和問題的訓練集，它可以形成情節(jié)記憶，并使用它們來產生相關答案?！菊_答案】：B72.梯度爆炸問題是指在訓練深度神經網(wǎng)絡的時候，梯度變得過大而損失函數(shù)變?yōu)闊o窮。在RNN中，下面哪種方法可以較好地處理梯度爆炸問題？A、用改良的網(wǎng)絡結構比如LSTM和GRUsB、梯度裁剪C、DropoutD、所有方法都不行【正確答案】：B73.關于學習率初始值設定描述正確的是（）A、學習率是網(wǎng)絡自己學習得到的B、學習率不同場景是相同的C、學習率是根據(jù)不同場景，人為設定的D、學習率不是人為設定的【正確答案】：C解析：

softmax函數(shù)一般用在多分類問題中，它是對邏輯斯蒂回歸logistic的一種推廣，也被稱為多項式邏輯斯蒂回歸模型。74.混淆矩陣中TP=16,FP=12,FN=8,TN=4,召回率是（）。A、1212122022年1月4日B、1212122022年1月2日C、1212122022年4月7日D、1212122022年2月3日【正確答案】：D解析：

根據(jù)精確率計算公式可得。75.下面算法中哪個不是回歸算法A、線性回歸B、邏輯回歸C、嶺回歸D、隨機森林【正確答案】：B76.TF-IDF模型中，TF意思是詞頻，IDF意思是()。A、文本頻率指數(shù)B、C、逆文本頻率指數(shù)D、詞頻指數(shù)E、逆詞頻指數(shù)【正確答案】：B解析：

常見的圖像預處理方法不包括圖像標注。77.例如在生產與采購環(huán)節(jié)，典型的AI應用場景包括智能質檢，利用（）等AI技術可代替人力或者協(xié)助人力完成對缺陷商品進行識別。A、機器視覺B、語音識別C、機器推理D、機器學習【正確答案】：A解析：

在用戶洞察環(huán)節(jié)，銀行業(yè)企業(yè)普遍面臨對消費者數(shù)據(jù)開發(fā)不足的問題，AI技術的加持能夠實現(xiàn)更深層次的客戶洞察，基于多維度的用戶數(shù)據(jù)構建用戶畫像，實現(xiàn)更精準的用戶觸達。78.下列哪一個不是無約束算法。A、梯度下降法B、擬牛頓法C、啟發(fā)式優(yōu)化方法D、EM算法【正確答案】：D解析：

常見的機器學習模型正則化方法包含數(shù)據(jù)增強、模型集成、引入?yún)?shù)范數(shù)懲罰項79.在K-搖臂賭博機中，若嘗試次數(shù)非常大，在一段時間后，搖臂的獎賞能很好的近似出來，不再需要探索，則可讓ε隨著嘗試次數(shù)增加而(___)A、增大B、置為無窮C、置為0D、減少【正確答案】：D解析：

見算法解析80.下列關于長短期記憶網(wǎng)絡LSTM和循環(huán)神經網(wǎng)絡RNN的關系描述正確的是（)。A、LSTM是簡化版的RNNB、LSTM是雙向的RNNC、LSTM是多層的RNND、LSTM是RNN的擴展,通過特殊的結構設計來避免長期依賴問題【正確答案】：D解析：

dropout是指在深度學習網(wǎng)絡的訓練過程中，對于神經網(wǎng)絡單元，按照一定的概率將其暫時從網(wǎng)絡中丟棄。81.目前虛擬主播中唇形變化與語音可實現(xiàn)對齊，這屬于計算機視覺中哪種技術()A、圖像合成B、圖像識別C、圖像檢測D、圖像去噪【正確答案】：A82.在一個神經網(wǎng)絡中，下面哪種方法可以用來處理過擬合？A、DropoutB、分批歸一化(BatchNormalization)C、正則化(regularization)D、都可以【正確答案】：D83.輸入圖片大小為200×200，依次經過一層卷積（kernelsize5×5，padding1，stride2），pooling（kernelsize3×3，padding0，stride1），又一層卷積（kernelsize3×3，padding1，stride1）之后，輸出特征圖大小為A、95B、96C、97D、$98【正確答案】：C84.人工智能發(fā)展的四波浪潮分別為互聯(lián)網(wǎng)智能化、商業(yè)智能化、實體世界智能化和（）。A、自主智能化B、工業(yè)智能化&C、&實業(yè)智能化D、科研智能化【正確答案】：A解析：

P2185.在其他條件不變的前提下，以下做法容易引起機器學習中的“過擬合”問題的是（）。A、增加訓練集量B、減少神經網(wǎng)絡隱藏層節(jié)點數(shù)C、刪除稀疏的特征D、SVM算法中使用高斯核/RBF核代替線性核【正確答案】：D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)。86.Bagging是一個低效的集成學習算法A、正確B、錯誤C、nanD、nan【正確答案】：B解析：

Inception模塊采用多通路，不同的設計形式，每個支路使用多通路，不同大小的卷積核。87.Word2Vec提出了哪兩個算法訓練詞向量？A、COBWSoftmaxB、Softmax、CBOWCBOW、Skip-gramDD、Skip-gramCOBWC【正確答案】：C解析：

輸入門控制當前時刻的輸入信息需要向狀態(tài)向量中注入哪些信息。88.感知機描述錯誤的是：(___)A、感知機根據(jù)正確的程度進行權重調整；B、輸入層接收外界輸入信號傳遞給輸出層；C、輸出層是M-P神經元；D、感知機能容易實現(xiàn)邏輯與、或、非運算；【正確答案】：A解析：

見算法解析89.

下列哪項關于模型能力（modelcapacity）的描述是正確的？（指神經網(wǎng)絡模型能擬合復雜函數(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、學習率增加，模型能力增加D、都不正確【正確答案】：A90.能夠提取出圖片邊緣特征的網(wǎng)絡是()。A、卷積層B、池化層C、全連接層D、輸出層【正確答案】：A91.邏輯回歸的損失函數(shù)是下列哪一種？（）A、平方損失函數(shù)B、對數(shù)損失函數(shù)C、HingeLoss0-1損失函數(shù)D、絕對值損失函數(shù)【正確答案】：B92.人工智能系統(tǒng)（）技術重點逐步從數(shù)字域擴展到物理域。A、通用性B、準確性C、穩(wěn)定性D、確定性【正確答案】：C解析：

在算法層面，超大規(guī)模預訓練模型等成為近兩年最受關注的熱點之一，不斷刷新各領域榜單。93.以下關于熵、信息增益、基尼指數(shù)的相關描述中錯誤的是A、熵越大，不確定性越大，信息量也就越大B、信息增益越大，表示某個條件熵對信息熵減少程序越大，也就是說，這個屬性對于信息的判斷起到的作用越大C、Gini指數(shù)越大，不純度越小，越容易區(qū)分，越不容易分錯D、熵權法是一種客觀賦權法，因為它僅依賴于數(shù)據(jù)本身的離散性【正確答案】：C94.關于常用評分函數(shù)描述錯誤的為(___)A、基于信息論準則；B、學習問題看做為數(shù)據(jù)壓縮任務；C、學習目標為以最短編碼長度描述訓練數(shù)據(jù)模型；D、編碼位數(shù)僅為自身所需的編碼位數(shù)；【正確答案】：D解析：

見算法解析95.以下關于算法的說法中，不正確的是A、機器學習算法分為有監(jiān)督、半監(jiān)督和無監(jiān)督三種B、卷積神經網(wǎng)絡是重要的遷移學習算法C、決策樹算法屬于監(jiān)督學習類別D、K-Means是屬于無監(jiān)督學習算法【正確答案】：B96.Transformer中拋棄了傳統(tǒng)的CNN和RNN，整個網(wǎng)絡結構完全是由()機制組成。ActionB、AttentionC、TransformationD、Information【正確答案】：B解析：

在RNN中，目前使用最廣泛的模型便是LSTM模型，該模型能夠更好地建模長序列。97.建立一個5000個特征,100萬數(shù)據(jù)的機器學習模型.我們怎么有效地應對這樣的大數(shù)據(jù)訓練:（）。A、我們隨機抽取一些樣本,在這些少量樣本之上訓練B、我們可以試用在線機器學習算法C、我們應用PCA算法降維,減少特征數(shù)D、以上所有【正確答案】：D98.Relief屬于哪種特征選擇方法(___)A、包裹式B、啟發(fā)式C、嵌入式D、過濾式【正確答案】：D解析：

見算法解析99.對于圖像分類問題，以下哪個神經網(wǎng)絡更適合解決這個問題?A、感知器B、循環(huán)神經網(wǎng)絡C、卷積神經網(wǎng)絡D、全連接神經網(wǎng)絡【正確答案】：C100.代碼arr1=np.array（[[1,2,3],[4,5,6]]）;arr2=2*np.ones（[2,3],dtype=64）;print（（arr1*arr2）[1][2]）的輸出結果是（）？注：（已導入numpy庫）importnumpyasnpA、6B、8C、10D、$12【正確答案】：D解析：

見算法解析101.在下列哪些應用中，我們可以使用深度學習來解決問題？A、蛋白質結構預測B、化學反應的預測C、外來粒子的檢測D、所有這些【正確答案】：D102.機器學習的核心任務是在新的、未知的數(shù)據(jù)中執(zhí)行得好。而這種在未知數(shù)據(jù)中執(zhí)行的能力，稱為A、泛化能力B、過擬合C、欠擬合D、正則化【正確答案】：A103.深度學習可以用在下列哪些NLP任務中A、情感分析B、問答系統(tǒng)C、機器翻譯D、所有選項【正確答案】：D解析：

采用OCR技術識別攝像頭拍攝的數(shù)字式電力儀表的讀數(shù)104.為什么不能用多層全連接網(wǎng)絡解決命名實體識別問題：A、序列數(shù)據(jù)的輸入和輸出通常是不固定的，有的序列長，有的序列短B、全連接網(wǎng)絡的根本不能處理任何序列數(shù)據(jù)C、全連接網(wǎng)絡的層次太深導致梯度消失，所以不能處理序列問題D、命名實體識別問題是一個無法解決的問題，全連接網(wǎng)絡也不能解決這個問題【正確答案】：A解析：

循環(huán)神經網(wǎng)絡之所以有作用是因為序列中的元素蘊含著順序的規(guī)律105.卷積核與特征圖的通道數(shù)的關系是：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、二者沒有關系【正確答案】：C解析：

一張RGB彩色圖片不包含黃色通道。106.元宇宙本質上是對現(xiàn)實世界的虛擬化、數(shù)字化過程，它基于（）生成現(xiàn)實世界的鏡像。A、擴展現(xiàn)實技術B、區(qū)塊鏈技術C、數(shù)字孿生技術D、云計算【正確答案】：C107.自然語言理解是人工智能的重要應用領域，下面列舉中的（

）不是它要實現(xiàn)的目標。A、理解別人講的話B、對自然語言表示的信息進行分析概括或編輯C、自動程序設計D、機器翻譯【正確答案】：C解析：

自動識別如語音識別、圖像識別，分別模仿人類的聽覺和視覺，屬于人類感官模擬。答案選D108.假定你已經搜集了10000行推特文本的數(shù)據(jù)，不過沒有任何信息。現(xiàn)在你想要創(chuàng)建一個推特分類模型，好把每條推特分為三類：積極、消極、中性。以下哪個模型可以執(zhí)行做到？（）A、樸素貝葉斯B、支持向量機C、以上都不是D、nan【正確答案】：C109.sigmod激活函數(shù)在神經網(wǎng)絡中可以將神經元計算數(shù)值變化到以下哪個范圍內？A、（-1，0）B、（0，1）C、（-1，1）D、（-0.5，0.5）【正確答案】：B110.人工智能平臺架構及技術要求第1部分總體架構與技術要求編制的主要目的是指導公司人工智能平臺（），明確人工智能平臺總體架構與技術要求。A、設計B、運行C、規(guī)劃D、建設【正確答案】：D解析：

主要應用111.以下關于機器學習描述正確的是?A、深度學習是機器學習的一個分支B、深度學習與機器學習是互相包含的關系C、深度學習與機器學習同屬于人工智能但相互之間沒有關系D、以上都不對【正確答案】：A112.近年來，隨著人工智能技術的快速發(fā)展和演變，（）在多種控制領域表現(xiàn)優(yōu)異，這類控制問題可以歸結為馬爾可夫決策過程，其典型成功應用案例有AlphaGo、自動駕駛狗等，這些成功案例為有效解決電網(wǎng)規(guī)劃和調控難題提供了借鑒。A、深度強化學習技術B、多智能體技術C、深度Q-Learning技術D、深度學習技術【正確答案】：A113.模型有效的基本條件是能夠（）已知的樣本A、結合B、擬合C、聯(lián)合D、聚集【正確答案】：B解析：

批量歸一化對隱含層的輸入進行歸一化，更好的尺度不變性（應對內部協(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）114.反向傳播算法一開始計算什么內容的梯度，之后將其反向傳播？A、預測結果與樣本標簽之間的誤差B、各個輸入樣本的平方差之和C、各個網(wǎng)絡權重的平方差之和D、都不對【正確答案】：A115.DSSM經典模型的缺點：1.Wordhashing可能造成詞語沖突；2.采用詞袋模型，損失了上下文語序信息；3.搜索引擎的排序由多種因素決定，用戶點擊時doc排名越靠前越容易被點擊，僅用點擊來判斷正負樣本，產生的噪聲較大，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模型總的來說可以分成哪幾層結構，分別是輸入層、表示層和匹配層。116.在CNN訓練中，除了卷積偏置bias需要學習更新以外，（）也是學習跟新的重要內容A、learning_rateB、stepC、weightD、padding【正確答案】：C解析：

Softmax不是常用的聚類算法。117.（）通過將文檔看成其中單詞的袋裝形式，被用于在NLP和文本挖掘中生成文本表征A、詞袋模型B、one-hot編碼C、獨熱編碼D、languagemodel【正確答案】：A解析：

主要應用118.交叉驗證法將數(shù)據(jù)集劃分為k個大小相似的互斥子集，進行(___)次訓練和測試。A、k+1B、kC、k-1D、k-2【正確答案】：B解析：

見算法解析119.1x1卷積的主要作用是A、加快卷積運算B、增大卷積核C、擴大感受野D、通道降維【正確答案】：D解析：

xgboost在代價函數(shù)里加入了正則項，用于控制模型的復雜度120.衡量模型預測值和真實值差距的評價函數(shù)被稱為（）A、損失函數(shù)B、無參數(shù)函數(shù)C、激活函數(shù)D、矩陣拼接函數(shù)【正確答案】：A解析：

DSSM經典模型的優(yōu)點;1.解決了字典爆炸問題，降低了計算復雜度；2.中文方面使用字作為最細切分粒度，可以復用每個字表達的詞義，減少分詞的依賴，從而提高模型的泛化能力；3.字母的n-gram可以更好的處理新詞，具有較強的魯棒性；4.使用有監(jiān)督的方法，優(yōu)化語義embedding的映射問題；5.省去了人工特征工程；6.采用有監(jiān)督訓練，精度較高。121.強化學習的目標是找到（）的策略A、最小損失函數(shù)B、最大化收益C、局部最優(yōu)解D、全局最優(yōu)解【正確答案】：B解析：

見算法解析122.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】：A123.在ε-greedy策略當中,ε的值越大,表示采用隨機的一個動作的概率越(),采用當前Q函數(shù)值最大的動作的概率越()。A、大B、小C、大D、大E、小F、小【正確答案】：A124.詞向量是表示自然語言里單詞的一種方法，即把每個詞都表示為一個N維空間內的（）。A、線段B、平面C、點D、線【正確答案】：C解析：

見算法解析125.在前饋神經網(wǎng)絡中，誤差后向傳播（BP算法）將誤差從輸出端向輸入端進行傳輸?shù)倪^程中，算法會調整前饋神經網(wǎng)絡的什么參數(shù)A、輸入數(shù)據(jù)大小B、神經元和神經元之間連接有無C、相鄰層神經元和神經元之間的連接權重D、同一層神經元之間的連接權重【正確答案】：C126.自然語言處理機制涉及兩個流程，其中，()是指能以自然語言文本來表達給定的意圖。A、自然語言理解B、自然語言處理C、自然語言輸入D、自然語言生成【正確答案】：D127.在處理序列數(shù)據(jù)時，較容易出現(xiàn)梯度消失現(xiàn)象的深度學習模型是（）A、CNNB、LSTMC、GRUD、RNN【正確答案】：D解析：

數(shù)據(jù)預處理的主要步驟分為：數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約和數(shù)據(jù)變換。128.人工智能的目的是讓機器能夠（），以實現(xiàn)某些腦力勞動的機械化A、模擬、延伸和擴展人的智能B、和人一樣工作C、完全代替人的大腦D、徹底的替代人類【正確答案】：A129.為了增強網(wǎng)絡的表達能力，我們需要（）來將線性函數(shù)轉換為非線性函數(shù)。A、損失函數(shù)B、指數(shù)函數(shù)C、三角函數(shù)D、激活函數(shù)【正確答案】：D解析：

見算法解析130.前饋型神經網(wǎng)絡的中各個層之間是()的,反饋型神經網(wǎng)絡中各個層之間是()的。A、有環(huán)B、有環(huán)C、有環(huán)D、無環(huán)E、無環(huán)F、有環(huán)【正確答案】：C131.在多通道卷積過程中，要生成n個featuremaps，需要（）個卷積核立方體。A、n-2B、n^2C、[n/2]注[x]表示對x取整D、n【正確答案】：D解析：

見算法解析132.產生式系統(tǒng)的推理不包括（）A、正向推理B、逆向推理C、雙向推理D、簡單推理【正確答案】：D133.下面有關分類算法的準確率，召回率，F(xiàn)1值的描述，錯誤的是？()A、準確率是檢索出相關文檔數(shù)與檢索出的文檔總數(shù)的比率，衡量的是檢索系統(tǒng)的查準率B、召回率是指檢索出的相關文檔數(shù)和文檔庫中所有的相關文檔數(shù)的比率，衡量的是檢索系統(tǒng)的查全率C、正確率、召回率和F值取值都在0和1之間，數(shù)值越接近0，查準率或查全率就越高D、為了解決準確率和召回率沖突問題，引入了F1值【正確答案】：C解析：

見算法解析134.在人臉檢測中，不屬于該算法難點的是A、出現(xiàn)人臉遮擋B、人臉角度變化大C、需要檢測分辨率很小的人臉D、需要檢測不同性別的人臉【正確答案】：D135.代碼arr1=np.array（[[1,2,3],[4,5,6]]）;print（（arr1**2）[1,1]）的輸出是（）？A、5B、25C、6D、$26【正確答案】：B解析：

見算法解析136.人工智能平臺應提供模型推送功能，可通過云邊協(xié)同套件推送至（）設備。A、中間B、核心C、邊側D、側邊【正確答案】：C解析：

主要應用137.中國《中共中央關于制定國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035遠景目標綱要的建議》指出，要瞄準人工智能等前沿領域，實施一批具有前瞻性、戰(zhàn)略性重大科技項目，推動（）健康發(fā)展。A、人工智能產業(yè)B、數(shù)字經濟C、實業(yè)經濟D、社會主義【正確答案】：B解析：

習近平總書記多次作出重要指示，強調“要深入把握新一代人工智能發(fā)展的特點，加強人工智能和產業(yè)發(fā)展融合，為高質量發(fā)展提供新動能”。138.隨著句子的長度越來越多，神經翻譯機器將句意表征為固定維度向量的過程將愈加困難，為了解決這類問題，下面哪項是我們可以采用的？A、使用遞歸單元代替循環(huán)單元B、使用注意力機制(attentionmechanism)C、使用字符級別翻譯(characterleveltranslation)D、所有選項均不對【正確答案】：B139.在深度學習網(wǎng)絡中，反向傳播算法用于尋求最優(yōu)參數(shù)，在反向傳播算法中使用的什么法則進行逐層求導的?A、鏈式法則B、累加法則C、對等法則D、歸一法則【正確答案】：A140.后剪枝是先從訓練集生成一顆完整的決策樹，然后(___)對非葉結點進行考察。A、自上而下B、在劃分前C、禁止分支展開D、自底向上【正確答案】：D解析：

見算法解析141.我們可以利用以下哪種方法實現(xiàn)反向傳播？A、計算圖B、鏈式法則C、代價函數(shù)D、高階微分【正確答案】：B142.強化學習在每個時刻環(huán)境和個體都會產生相應的交互。個體可以采取一定的（），這樣的行動是施加在環(huán)境中的。A、actionB、rewardC、stateD、agent【正確答案】：A解析：

見算法解析143.下列哪項不屬于集成學習A、隨機森林B、AdaboostC、kNND、XGBoost【正確答案】：C解析：

最廣泛被使用的分類器有人工神經網(wǎng)絡、支持向量機、最近鄰居法、GuassianMixtureModel、Gaussian、NaiveBayes、決策樹和RBFclassifiers。144.我國人工智能三步走戰(zhàn)略，其中第一步，（）人工智能總體技術和應用與世界先進水平同步，人工智能產業(yè)成為新的重要經濟增長點A、到2035年B、到2030年C、到2025年D、到2020年【正確答案】：D解析：

1997年５月，著名的“人機大戰(zhàn)”，最終深藍計算機以3.5比2.5的總比分將世界國際象棋棋王卡斯帕羅夫擊敗145.機器學習中，模型需要輸入什么來訓練自身，預測未知?A、人工程序B、神經網(wǎng)絡C、訓練算法D、歷史數(shù)據(jù)【正確答案】：D146.以下兩種描述分別對應哪兩種對分類算法的評價標準？（1）警察抓小偷，描述警察抓的人中有多少個是小偷的標準。A、精確率B、召回率C、ROCD、AUC【正確答案】：A147.中國國務院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，闡述了我國人工智能發(fā)展規(guī)劃，并提出到（）年的三步走發(fā)展戰(zhàn)略目標。A、2025B、2030C、2035D、$2,040【正確答案】：B解析：

從未來看，人們對人工智能的定位絕不僅僅只是用來解決狹窄的、特定領域的某個簡單具體的小任務，而是真正像人類一樣，能同時解決不同領域、不同類型的問題，進行判斷和決策，也就是所謂的通用型人工智能。148.（）技術助力人工智能數(shù)據(jù)安全可信地進行協(xié)作。A、量子計算B、隱私計算C、數(shù)字孿生D、數(shù)據(jù)加密【正確答案】：B解析：

人工智能系統(tǒng)穩(wěn)定性技術重點逐步從數(shù)字域擴展到物理域。149.關于專用人工智能與通用人工智能，下列表述不當?shù)厥牵?/p>

）。A、人工智能的近期進展主要集中在專用智能領域B、專用人工智能形成了人工智能領域地單點突破，在局部智能水平地單項測試中可以超越人類智能C、通用人工智能可處理視覺、聽覺、判斷、推理、學習、思考、規(guī)劃、設計等各類問題D、真正意義上完備的人工智能系統(tǒng)應該是一個專用的智能系統(tǒng)【正確答案】：D解析：

生物特征識別技術，是指通過計算機利用人體所固有的生理特征（指紋、虹膜、面相、DNA等）或行為特征(步態(tài)、擊鍵習慣等)來進行個人身份鑒定的技術。指紋識別、人臉識別、虹膜識別運用的都是生物特征，體感交互是指人們可以很直接地使用肢體動作，與周邊的裝置或環(huán)境互動，而無需使用任何復雜的控制設備，便可讓人們身歷其境地與內容做互動，不屬于生物特征識別技術。150.要想讓機器具有智能，必須讓機器具有知識。因此，在人工智能中有一個研究領域，主要研究計算機如何自動獲取知識和技能，實現(xiàn)自我完善，這門研究分支學科是A、專家系統(tǒng)B、機器學習C、神經網(wǎng)絡D、模式識別【正確答案】：B151.Scikit-Learn中（）可以實現(xiàn)計算模型準確率。A、accuracy_scoreB、accuracyC、f1_scoreD、f2_score【正確答案】：A解析：

DBSCAN算法將“簇”定義為：由密度可達關系導出的最大的密度相連樣本集合。152.現(xiàn)在有某個軟件需要在特定場景下的門禁系統(tǒng)進行識別照片來判斷照片中人物的男女性別，目前通過各種渠道和方法采集了10w張人臉圖片。那么（）是更為合理的A、采集的照片訓練集用7w張，測試集3w張B、全都用來訓識別模型最好C、采集的照片訓練集用7w張，驗證集1w張，測試集2w張D、不需要訓練啊，收集這么多數(shù)據(jù)是多余和浪費的【正確答案】：C153.關于線性回歸的描述,以下說法正確的有（）A、基本假設包括隨機干擾項是均值為0,方差為1的標準正態(tài)分布B、基本假設包括隨機干擾項是均值為0的同方差正態(tài)分布C、多重共線性會使得參數(shù)估計值方差減小D、基本假設包括不服從正態(tài)分布的隨機干擾項【正確答案】：B解析：

在人臉檢測算法中，不屬于該算法難點的是需要檢測不同性別的人臉154.模型庫功能要求為：模型管理包括模型（）、模型刪除、版本管理、模型標簽、模型收藏和模型共享。A、評估B、導出C、輸出D、導入【正確答案】：D解析：

主要應用155.卷積神經網(wǎng)絡做圖像分類任務通常不包含：A、卷積操作B、池化操作C、全連接層D、均方誤差損失函數(shù)【正確答案】：D解析：

深度學習系統(tǒng)中，參數(shù)數(shù)量非常龐大不會必然導致運算精度必然高156.預測分析方法分為兩大類，分別是定性分析法和（）。A、回歸分析法B、指數(shù)平滑法C、定量分析法D、平均法【正確答案】：C解析：

主要應用157.模型庫功能要求為：模型測試包括模型部署、（）測試和服務管理，模型測試服務發(fā)布應支持向導模式，宜支持一鍵自動發(fā)布測試服務，模型測試服務宜支持單卡內存級分配。A、在線&B、&離線&C、&自動&D、&手動【正確答案】：A解析：

主要應用158.人工智能的研發(fā)和應用的政策,應該將()置于核心位置。A、道德B、人C、資本D、隱私【正確答案】：B解析：

在技術層面，人工智能正在從云計算向邊緣計算延伸，未來將形成云計算與邊緣計算協(xié)同發(fā)展的態(tài)勢，為人工智能提供更強大的基礎設施。159.（）年是元宇宙元年，互聯(lián)網(wǎng)迭代升級的大幕就此拉開。A、2018B、2019C、2020D、$2,021【正確答案】：D160.DilatedConvolution意思是？A、空洞卷積B、黑洞卷積C、細節(jié)卷積D、返向卷積【正確答案】：A解析：

見算法解析161.當在卷積神經網(wǎng)絡中加入池化層(poolinglayer)時，變換的不變性會被保留，是嗎？A、不知道B、看情況C、是D、否【正確答案】：C解析：

首先我們應該知道卷積或者池化后大小的計算公式，其中，padding指的是向外擴展的邊緣大小，而stride則是步長，即每次移動的長度。

這樣一來就容易多了，首先長寬一般大，所以我們只需要計算一個維度即可，這樣，經過第一次卷積后的大小為:本題（200-5+2*1）/2+1為99.5，取99

經過第一次池化后的大小為：（99-3）/1+1為97

經過第二次卷積后的大小為：（97-3+2*1）/1+1為97162.下面不是超參數(shù)的是：A、權重和偏置B、學習率C、mini-batch的大小D、網(wǎng)絡結構【正確答案】：A解析：

深度學習系統(tǒng)訓練過程通常需要輸入特征值和標簽163.線性降維方法假設從高維空間到低維空間的函數(shù)映射是（）。A、一元B、線性C、多元D、非線性【正確答案】：B解析：

概率圖模型分為兩類，一類是使用有向無環(huán)圖表示依賴關系，稱為有向圖模型或貝葉斯網(wǎng)絡，例如隱馬爾可夫模型；另一類是使用無向圖表示變量間的相關關系，稱為無向圖模型或是馬爾可夫網(wǎng)，例如馬爾可夫隨機場164.如果問題存在最優(yōu)解，則下面幾種搜索算法中，（）可以認為在這幾種算法中是“智能程度相對比較高”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】：D165.關于MNIST,下列說法錯誤的是()。A、是著名的手寫體數(shù)字識別數(shù)據(jù)集B、有訓練集和測試集兩部分C、訓練集類似人學習中使用的各種考試試卷D、測試集大約包含10000個樣本和標簽【正確答案】：C166.以下兩種描述分別對應哪兩種對分類算法的評價標準？

(a)警察抓小偷，描述警察抓的人中有多少個是小偷的標準。

(b)描述有多少比例的小偷給警察抓了的標準。A、Precision,RecallB、Recall,PrecisionC、Precision,ROCD、Recall,ROC【正確答案】：A解析：

關聯(lián)規(guī)則就是有關聯(lián)的規(guī)則，形式是這樣定義的：兩個不相交的非空集合X、Y，如果有X→Y，就說X→Y是一條關聯(lián)規(guī)則。在題目的例子中，我們發(fā)現(xiàn)購買啤酒就一定會購買尿布，{啤酒}→{尿布}就是一條關聯(lián)規(guī)則。167.前饋神經網(wǎng)絡是一種簡單的神經網(wǎng)絡，各神經元分層排列，是目前應用最廣泛，發(fā)展最迅速的人工神經網(wǎng)絡之一。以下關于前饋神經網(wǎng)絡說法正確的是:A、具備計算能力的神經元與上下兩層相連B、其輸入節(jié)點具備計算能力C、同一層神經元相互連接D、層間信息只沿個方向傳遞【正確答案】：D168.下列哪項網(wǎng)絡不屬于常用的深度神經網(wǎng)絡：()A、HopField網(wǎng)絡B、AlexNetC、ResNetD、VGG【正確答案】：A169.在語音識別中,按照從微觀到宏觀的順序排列正確的是()。A、幀-狀態(tài)-音素-單詞B、幀-音素-狀態(tài)-單詞C、音素-幀-狀態(tài)-單詞D、幀-音素-單詞-狀態(tài)【正確答案】：A170.人工智能產業(yè)鏈主要包括：基礎技術支撐，（），人工智能應用。A、智能平臺建設B、大數(shù)據(jù)C、互聯(lián)網(wǎng)D、人工智能技術【正確答案】：D解析：

ResNet網(wǎng)絡是參考了VGG19網(wǎng)絡，在其基礎上進行了修改，并通過短路機制加入了殘差單元171.下面是一段將圖像轉換為向量的函數(shù)img2vector。該函數(shù)創(chuàng)建1×1024的NumPy數(shù)組，然后打開給定的文件，循環(huán)讀出文件的前32行，并將每行的頭32個字符值存儲在NumPy數(shù)組中，最后返回數(shù)組。請問填充在空白處的代碼應該是哪個。defimg2vector(filename):returnVect=zeros((1,1024))fr=open(filename)foriinrange(32):______________________________forjinrange(32):returnVect[0,32*i+j]=int(lineStr[j])returnreturnVectA、lineStr=fr.readlines()B、lineStr=fr.read_line()C、lineStr=readline()D、lineStr=fr.readline()【正確答案】：D解析：

機器學習算法的一般流程

(1)收集數(shù)據(jù)：可以使用任何方法。

(2)準備數(shù)據(jù)：距離計算所需要的數(shù)值，最好是結構化的數(shù)據(jù)格式。

(3)分析數(shù)據(jù)：可以使用任何方法。

(4)訓練算法：此步驟不適用于k-近鄰算法。

(5)測試算法：計算錯誤率。

(6)使用算法：首先需要輸入樣本數(shù)據(jù)和結構化的輸出結果，然后運行k-近鄰算法判定輸

入數(shù)據(jù)分別屬于哪個分類，最后應用對計算出的分類執(zhí)行后續(xù)的處理。172.半監(jiān)督學習不包括A、直推學習B、純半監(jiān)督學習C、主動學習D、圖半監(jiān)督學習【正確答案】：C解析：

見算法解析173.卷積神經網(wǎng)絡(convolu-tionalneuralnetwork，CNN)，是一種專門用來處理具有類似()的數(shù)據(jù)的神經網(wǎng)絡。A、網(wǎng)格結構B、數(shù)組結構C、序列結構D、表格結構【正確答案】：A解析：

Transformer中拋棄了傳統(tǒng)的CNN和RNN，整個網(wǎng)絡結構完全是由Attention機制組成。174.代碼array=np.arange（10,31,5）中的5代表（）？A、元素的個數(shù)B、步長C、第一個元素D、最后一個元素【正確答案】：B解析：

見算法解析175.下列哪一項不是常見的機器學習模型正則化方法。A、數(shù)據(jù)優(yōu)化B、數(shù)據(jù)增強C、模型集成D、引入?yún)?shù)范數(shù)懲罰項【正確答案】：A解析：

不定長輸入數(shù)據(jù)特征為RNN循環(huán)神經網(wǎng)絡特征176.在強化學習中，哪個機制的引入使得強化學習具備了在利用與探索中尋求平衡的能力A、貪心策略B、蒙特卡洛采樣C、動態(tài)規(guī)劃D、Bellman方程【正確答案】：A177.LSTM用于文本分類的任務中，不會出現(xiàn)的網(wǎng)絡層是A、全連接B、詞嵌入層C、卷積層D、以上選項均不正確【正確答案】：C178.人工智能平臺應提供主要網(wǎng)絡設備、通信線路和（）系統(tǒng)的硬件冗余，保證高可用性，在無不可抗力環(huán)境下應滿足7×24小時服務不中斷。A、數(shù)據(jù)庫B、主機C、電源D、集群【正確答案】：D解析：

主要應用179.在強化學習過程中,()表示隨機地采取某個動作,以便于嘗試各種結果;()表示采取當前認為最優(yōu)的動作,以便于進一步優(yōu)化評估當前認為最優(yōu)的動作的值。A、探索B、開發(fā)C、開發(fā)D、探索E、探索F、輸出【正確答案】：A180.ID3在分類過程中使用的（）A、條件熵B、基尼指數(shù)GiniC、信息增益D、聯(lián)合熵【正確答案】：C解析：

CART樹在分類過程中使用的基尼指數(shù)Gini181.下列哪個模型屬于監(jiān)督學習的方法A、K-meansB、SVRC、DBSCAND、以上都是【正確答案】：B解析：

在pytorch中，model.eval在模型驗證、模型測試階段都可以使用182.在大規(guī)模的語料中，挖掘詞的相關性是一個重要的問題。以下哪一個信息不能用于確定兩個詞的相關性。（）A、互信息B、最大熵C、卡方檢驗D、最大似然比【正確答案】：B183.從給定的特征集合中選擇出相關特征子集的過程，稱為(___)A、特征抽取B、特征選擇C、特征降維D、特征簡化【正確答案】：B解析：

見算法解析184.隨著集成中個體分類器（相互獨立）數(shù)目T的增大，集成的錯誤率將呈(___)_下降，最終趨向于零A、指數(shù)級B、對數(shù)級C、線性級D、平方級【正確答案】：A解析：

見算法解析185.全局梯度下降算法、隨機梯度下降算法和批量梯度下降算法均屬于梯度下降算法，以下關于其有優(yōu)缺點說法錯誤的是:A、全局梯度算法可以找到損失函數(shù)的最小值B、批量梯度算法可以解決局部最小值問題C、隨機梯度算法可以找到損失函數(shù)的最小值D、全局梯度算法收斂過程比較耗時【正確答案】：C186.正則化是為了什么？（)A、最小化錯誤率B、正規(guī)化C、防止過擬合D、最大化過擬合【正確答案】：C解析：

在其他條件不變的前提下，以下做法容易引起機器學習中的“過擬合”問題的是SVM算法中使用高斯核/RBF核代替線性核。187.以下哪個不是語音識別技術的應用場景（)A、入侵檢測B、語音合成C、語音翻譯D、智能客服【正確答案】：A188.考慮某個具體問題時，你可能只有少量數(shù)據(jù)來解決這個問題。不過幸運的是你有一個類似問題已經預先訓練好的神經網(wǎng)絡?？梢杂孟旅婺姆N方法來利用這個預先訓練好的網(wǎng)絡？A、把除了最后一層外所有的層都凍結，重新訓練最后一層B、對新數(shù)據(jù)重新訓練整個模型C、只對最后幾層進行調參(finetune)D、對每一層模型進行評估，選擇其中的少數(shù)來用【正確答案】：C189.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、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】：A解析：

在監(jiān)督學習中，預測變量離散，稱為分類，預測變量連續(xù)，稱為回歸，兩者本質一樣，都是對輸入做預測，不過分類輸出的是物體所屬的類別，回歸輸出的是物體的值。答案選D190.在主成分分析中，將幾個主分量經過線性組合構造為一個綜合評價函數(shù)時，每個主分量的權數(shù)為()。A、每個主分量的方差B、每個主分量的標準差C、每個主分量的方差貢獻率D、每個主分量的貢獻率【正確答案】：C解析：

在進行主成分分析時，應使第一主成分在總方差中所占的比重最大。191.歸結原理的特點是(___)A、發(fā)明新的概念和關系B、發(fā)現(xiàn)更多的規(guī)則C、緩解過擬合的風險D、將復雜的邏輯規(guī)則與背景知識聯(lián)系起來化繁為簡【正確答案】：D解析：

見算法解析192.用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任務？A、根據(jù)內容檢索B、建模描述C、預測建模D、尋找模式和規(guī)則【正確答案】：A解析：

聚類是無監(jiān)督學習方法的一種，可以用來處理無標簽的數(shù)據(jù)集。193.LSTM單元中引入了哪些門來更新當前時刻的單元狀態(tài)向量?A、輸入門、遺忘門B、任意門、輸入門C、輸出門、任意門D、遺忘門、任意門【正確答案】：A解析：

LSTM是一種循環(huán)神經網(wǎng)絡194.對于一個分類任務，如果開始時神經網(wǎng)絡的權重不是隨機賦值的，而是都設成0，下面哪個敘述是正確的？A、其他選項都不對B、沒啥問題，神經網(wǎng)絡會正常開始訓練C、神經網(wǎng)絡可以訓練，但是所有的神經元最后都會變成識別同樣的東西D、神經網(wǎng)絡不會開始訓練，因為沒有梯度改變【正確答案】：C195.從全稱判斷推導出特稱判斷或單稱判斷的過程，即由一般性知識推出適合于某一具體情況的結論的推理是A、默認推理B、歸結推理C、演繹推理D、單調推理【正確答案】：C解析：

搜索分為盲從搜索與啟發(fā)式搜索196.自然語言處理機制涉及兩個流程，分別是()。A、自然語言理解和自然語言轉化B、自然語言理解和自然語言生成C、自然語言理解和自然語言翻譯D、自然語言生成和自然語言翻譯【正確答案】：B解析：

NLP問題經歷了從基于規(guī)則到基于統(tǒng)計的過程，語法規(guī)則，詞性，構詞法等，這些都是基于規(guī)則的自然語言處理過程，其忽略了上下文相關性，從而使建立在數(shù)學模型上的基于統(tǒng)計的自然語言方法成為主流。197.Adaboost就是從（）出發(fā)反復訓練，在其中不斷調整數(shù)據(jù)權重或者是概率分布。A、弱分類器B、強分類器C、多個分類器D、單個分類器【正確答案】：A解析：

Boosting的本質實際上是一個加法模型，通過改變訓練樣本權重學習多個分類器并進行一些線性組合198.以下對于標稱屬性說法不正確的是A、標稱屬性的值是一些符號或事物的名稱,每種值代表某種類別、編碼或狀態(tài)。B、標稱值并不具有有意義的順序,且不是定量的C、對于給定對象集,找出這些屬性的均值、中值沒有意義。D、標稱屬性通過將數(shù)值量的值域劃分有限個有序類別,把數(shù)值屬性離散化得來?！菊_答案】：D199.最早的自然語言理解方面的研究工作是（)A、語音識別B、機器翻譯C、語音合成D、語言分析【正確答案】：B200.下列關于LARS算法的說法正確的是(___)A、每次選擇一個與殘差相關性最大的特征B、是一種包裹式特征選擇法C、基于線性回歸平絕對誤差最小化D、是通過對LASSO稍加修改而實現(xiàn)【正確答案】：A解析：

見算法解析201.ROIAlign在哪個模型被采用（）A、fastRCNNB、fasterRCNNC、maskRCNND、YOLOv3【正確答案】：C解析：

fasterRCNN用于生成候選框proposal的模塊是RPN202.以下哪些算法是分類算法（）A、DBSCANB、C4.5

C.K-MeanD、EM【正確答案】：B203.下面哪種不屬于數(shù)據(jù)預處理的方法？A、變量代換B、離散化C、聚集D、估計遺漏值【正確答案】：D解析：

特征選擇的方法主要有三種方法：1、Filter（過濾）方法；2、Wrapper（包裝）方法；3、Embedded（嵌入）方法204.C4.5決策樹算法中采用()對連續(xù)屬性進行離散化處理。A、二分法B、最小二乘法C、均值法D、投票法【正確答案】：A解析：

見算法解析205.DSSM經典模型的優(yōu)點;1.解決了字典爆炸問題，降低了計算復雜度；2.中文方面使用字作為最細切分粒度，可以復用每個字表達的詞義，減少分詞的依賴，從而提高模型的泛化能力；3.字母的n-gram可以更好的處理新詞，具有較強的魯棒性；4.使用有監(jiān)督的方法，優(yōu)化語義embedding的映射問題；5.省去了人工特征工程；6.采用有監(jiān)督訓練，精度較高。A、B、C、.5.6D、3.4.6【正確答案】：C解析：

LSTM是一個非常經典的面向序列的模型，可以對自然語言句子或是其他時序信號進行建模，是一種循環(huán)神經網(wǎng)絡。206.（

）是自然語言處理的重要應用，也可以說是最基礎的應用。A、文本識別B、機器翻譯C、文本分類D、問答系統(tǒng)【正確答案】：C解析：

專用人工智能，是指只對某一方面有自動化專業(yè)能力；通用人工智能，是指具有像人一樣的思維水平以及心理結構的全面性智能化。所以真正意義上完備的人工智能系統(tǒng)應該是一個通用的智能系統(tǒng)，D選項錯誤，答案選D.207.當前人工智能算力持續(xù)突破，面向訓練用和推斷用的芯片仍在快速推進，基于（）的訓練芯片持續(xù)增多。A、CPUB、GPUC、FPGAD、5G通訊【正確答案】：B208.循環(huán)神經網(wǎng)絡的英語簡寫是：A、CNNB、RNNC、DNND、CTC【正確答案】：B解析：

語言模型的作用是查看一句話成為一句“人話”的概率209.類腦計算系統(tǒng)從“（）”向“（）”逐步演進A、專業(yè)、通用B、靜態(tài)、動態(tài)C、單一、多樣D、簡單、復雜【正確答案】：A解析：

機器學習在向分布式隱私保護方向演進。210.下列屬于基于統(tǒng)計的自然語言處理進路的是()。A、基于中間語的翻譯B、基于深層語法的翻譯C、基于淺層語法的翻譯D、基于貝葉斯公式【正確答案】：D211.獨熱編碼的英文是：A、onehotB、twohotC、onecoldD、twocold【正確答案】：A解析：

通常池化操作的效果是使圖片變小212.信息熵是度量樣本集合(___)最常用的一種指標。A、精確度B、準確率C、召回率D、純度【正確答案】：D解析：

見算法解析213.EM算法通過迭代求L(theta)=logP(Y|theta)的（），每次迭代交替進行求期望和求極大化。A、無偏估計B、極大似然估計C、區(qū)間估計D、有偏估計【正確答案】：B解析：

在分類學習中，提升方法通過反復修改訓練數(shù)據(jù)的權值分布，構建一系列基本分類器并將它們線性組合，形成一個強分類器。214.不屬于語音聲學特征的是？A、頻率B、語義C、時長D、振幅【正確答案】：B215.ROIPooling存在幾次取整過程？A、1B、2C、3D、nan【正確答案】：B解析：

見算法解析216.下列關于知識圖譜應?的說法不正確的是()。A、知識問答的實現(xiàn)分為兩步：提問分析和答案推理B、傳統(tǒng)的基于關鍵詞搜索的信息搜索方法，往往無法理解用戶的意圖，用戶需自己斟選C、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D、Siri、Cortana、小度都是以問答系統(tǒng)為核心技術的產品和服務【正確答案】：C217.下列選項中，屬于圖像識別技術應用的是（）A、人臉識別支付B、編寫word文檔C、制作多媒體D、制作ppt【正確答案】：A218.國網(wǎng)95598客戶服務從人工模式逐漸轉變?yōu)椋ǎ?，解放重復機械化的人力勞動，進一步改善客戶服務體驗。A、人工智能模式B、智能化模式C、智慧模式D、機器模式【正確答案】：B解析：

近年來基于GAN的“DeepFakes”（深度偽造）技術應用，使得“換臉”虛假視頻的制作門檻不斷降低，大量深度偽造數(shù)據(jù)內容開始涌現(xiàn)。219.2021年1月，Google推出的SwitchTransformer模型以高達1.6()的參數(shù)量打破了GPT-3作為最大AI模型的統(tǒng)治地位，成為史上首個()級語言模型。A、十億B、百億C、千億D、萬億【正確答案】：D220.在圖搜索中，選擇最有希望的節(jié)點作為下一個要擴展的節(jié)點，這種搜索方法叫做()A、寬度搜索B、深度搜索C、有序搜索D、廣義搜索【正確答案】：C221.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：

見算法解析222.人工智能的快速發(fā)展推動數(shù)據(jù)規(guī)模不斷提升。據(jù)IDC測算，2025年全球數(shù)據(jù)規(guī)模將達到163（），其中80%-90%是非結構化數(shù)據(jù)。A、PBB、EBC、ZBD、YB【正確答案】：C223.代碼arr3=np.array（[[1,2,3],[4,5,6]]）.transpose（）;print（arr3[1,1]）的輸出結果是（）？A、5B、4C、3D、$2【正確答案】：A解析：

見算法解析224.一個特征的權重越高，說明該特征比其他特征（）。A、更重要B、不重要C、有影響D、無法判斷【正確答案】：A解析：

全連接層常做為CNN網(wǎng)絡的最后一層。225.在CNN構建中，指定每次訓練或驗證數(shù)據(jù)集圖片多少的變量為（）。A、reluB、batchC、stepD、padding【正確答案】：B解析：

在CNN中，梯度下降法的作用是求函數(shù)最小值。226.國際組織、行業(yè)協(xié)會提出應將監(jiān)管之手擴展到人工智能方面，手段不包括（）。A、加大資本投資B、加強安全方面管控C、構建人工智能標準和規(guī)則D、鼓勵公眾參與人工智能治理【正確答案】：A227.在模型中全連接層可采用A、paddle.nn.LinearB、paddle.nn.Conv2DC、paddle.nn.MaxPool2DD、paddle.nn.ReLU【正確答案】：A解析：

不同訓練數(shù)據(jù)集的神經網(wǎng)絡結構的最優(yōu)層數(shù)不同，并非層數(shù)越深效果越好，訓練時間除了與層數(shù)有關以外，batchsize大小、學習率、衰減方式等都有很大影響，神經元的數(shù)量并不一定與層數(shù)正相關228.“文檔”是待處理的數(shù)據(jù)對象，它由一組詞組成，這些詞在文檔中不計順序的額，例如一篇論文、一個網(wǎng)頁都可以看做一個文檔；這樣的表示方式稱為(___)？A、語句B、詞袋C、詞海D、詞塘【正確答案】：B解析：

見算法解析229.深度學習可以用在下列哪些NLP任務中？A、情感分析B、問答系統(tǒng)C、機器翻譯D、所有選項【正確答案】：D230.關于wordembedding下列敘述正確的是①.向量維數(shù)較低②.向量之間有更強的相關關系③.向量不再是稀疏的④.向量中的值更容易計算A、①③④B、①②③C、①③④D、①②④【正確答案】：B解析：

獨熱編碼的缺點是：①.過于稀疏②.詞與詞的相關性比較小231.早期圖像識別技術中存在的主要問題是（）。A、全局特征丟掉了圖像細節(jié)B、提取不到主要特征C、存儲效率低下D、太多的錯誤匹配【正確答案】：A解析：

在CNN構建中，指定每次訓練或驗證數(shù)據(jù)集圖片多少的變量為batch。232.第一個擊敗人類職業(yè)圍棋選手、第一個戰(zhàn)勝世界圍棋冠軍的人工智能機器人是由谷歌公司開發(fā)的（）。AlphaGoB、AlphaGoodC、AlphaFunD、Alpha【正確答案】：A233.說話人確認(SpeakerVerification)，是用以確認某段語音是否是指定的某個人所說的，是“____”問題A、多選一B、一對一C、多對多【正確答案】：B解析：

說話人辨認(SpeakerIdentification)，是用以判斷某段語音是若干人中的哪一個所說的技術，是“多選一”問題234.人工智能在圖像識別上已經超越了人類，支持這些圖像識別技術的，通常是A、云計算B、因特網(wǎng)C、神經計算D、深度神經網(wǎng)絡【正確答案】：D235.要想讓機器具有智能，必須讓機器具有知識因此，在人工智能中有一個研究領域，主要研究計算機如何自動獲取知識和技能，實現(xiàn)自