山東交通學(xué)院人工智能基礎(chǔ)

第一章測試題第一個(gè)擊敗人類職業(yè)圍棋選手、第一個(gè)戰(zhàn)勝世界圍棋冠軍的人工智能機(jī)器人是由谷歌公司開發(fā)的AlphaGo無需棋譜即可自學(xué)的圍棋的人工智能是AlphaGoZero世界上第一次正式的AI會(huì)議1956年在美國達(dá)特茅斯召開，JohnMcCarthy（約翰麥卡錫）正式提出"ArtificialIntelligence"這一術(shù)語以下哪些不是人工智能概念的正確表述人工智能將其定義為人類智能體的研究以下不屬于人工智能研究基本內(nèi)容的是自動(dòng)化人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)圖靈測試的含義是圖靈測試是測試人在與被測試者(一個(gè)人和一臺(tái)機(jī)器)隔開的情況下，通過一些裝置(如鍵盤)向被測試者隨意提問。問過一些問題后，如果被測試者超過30%的答復(fù)不能使測試人確認(rèn)出哪個(gè)是人、哪個(gè)是機(jī)器的回答，那么這臺(tái)機(jī)器就通過了測試，并被認(rèn)為具有人類智能。下列不屬于人工智能學(xué)派的是機(jī)會(huì)主義人工智能三大學(xué)派符號主義（邏輯主義），行為主義（決策控制），連接主義（仿生學(xué)派）認(rèn)為智能不需要學(xué)習(xí)知識、不需要表示、不需要推理；人工智能可以像人類智能一樣逐步進(jìn)化；智力行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來。這是行為主義學(xué)派的基本思想關(guān)于人工智能研究范式的連接主義，相關(guān)論述不正確的是連接主義學(xué)派的代表人物有卡洛克(WarrenS.McCulloch)、皮茨(WalterH.Pitts)、Hopfield、布魯克斯(Brooks)、紐厄爾(Newlew。人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者關(guān)系論述正確的是人工智能是一門研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法及應(yīng)用的新的交叉學(xué)科，機(jī)器學(xué)習(xí)是人工智能的核心研究鄰域之一，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的新領(lǐng)域，研究多隱層多感知器、模擬人腦進(jìn)行分析學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)支持向量機(jī)可以看做是具有一層隱藏層的神經(jīng)網(wǎng)絡(luò)。支持向量機(jī)的理論基礎(chǔ)是統(tǒng)計(jì)學(xué)深度學(xué)習(xí)屬于連接主義下列不符合符號主義思想的是認(rèn)為智能不需要知識、不需要表示、不需要推理不屬于自然語言處理的核心環(huán)節(jié)的是語音語義識別人工智能的近期目標(biāo)在于研究機(jī)器來模仿和執(zhí)行人腦的某些智力功能視頻彈題1.戰(zhàn)勝國際象棋大師卡斯帕羅夫的計(jì)算機(jī)的名字是DeeperBlue2.人工智能這個(gè)概念是由麥卡錫首次提出3.人工智能之父圖靈、麥卡錫4.圖靈獎(jiǎng)被譽(yù)為計(jì)算機(jī)界的諾貝爾獎(jiǎng)√5.人工智能是一門綜合性的邊緣學(xué)科和交叉學(xué)科第二章測試題下列哪一個(gè)是"分類"任務(wù)的準(zhǔn)確描述為每個(gè)項(xiàng)目分配一個(gè)類別在機(jī)器學(xué)習(xí)領(lǐng)域，分類的目標(biāo)是指將具有相似特征的對象聚集兩種以上（不含兩種）的分類問題被稱為多分類有關(guān)分類器的構(gòu)造和實(shí)施步驟描述錯(cuò)誤的是在訓(xùn)練樣本上執(zhí)行分類模型，生成預(yù)測結(jié)果分類器是基于現(xiàn)有數(shù)據(jù)構(gòu)造出一個(gè)模型或者函數(shù)，以將數(shù)據(jù)庫中的數(shù)據(jù)映射到給定類別，從而可以應(yīng)用于數(shù)據(jù)預(yù)測。常包含以下步驟：（正確順序）③選定樣本（包含正樣本和負(fù)樣本），將所有樣本分成訓(xùn)練樣本和測試樣本。①在練樣本上執(zhí)行分類器算法，生成分類模型。②在測試樣本上執(zhí)行分類模型，生成預(yù)測結(jié)果。④根據(jù)預(yù)測結(jié)果，計(jì)算必要的評估指標(biāo)，評估分類模型的性能。在測試樣本上執(zhí)行分類模型，可以生成預(yù)測結(jié)果下列算法中，不能夠?qū)o定樣本進(jìn)行分類的是梯度下降算法SVM是一種典型的二類分類模型把樣本所屬的類型和樣本實(shí)現(xiàn)對應(yīng)起來被稱為標(biāo)注分類器測試的作用是檢驗(yàn)分類器的效果下列敘述中關(guān)于歸一化不正確的是歸一化后，所有元素值范圍在（0，1）深度學(xué)習(xí)中，常用的歸一化函數(shù)是SoftMax函數(shù)視頻彈題1.判斷一張圖片是否為山鳶尾的分類問題屬于二分類2.一下不屬于分類器的是主成分分析，分類器包括決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)3.以下哪個(gè)實(shí)際生活中的應(yīng)用可以使用SVM來實(shí)現(xiàn)圖片分類、文本分類、新聞聚類第三章視頻彈題1.有特征、有標(biāo)簽的機(jī)器學(xué)習(xí)屬于監(jiān)督學(xué)習(xí)2.有特征、無標(biāo)簽的機(jī)器學(xué)習(xí)是無監(jiān)督學(xué)習(xí)3.函數(shù)z=ax+by中，變量z與變量x的關(guān)系為不完全相關(guān)4.通過房地產(chǎn)市場的數(shù)據(jù)，預(yù)測一個(gè)給定面積的房屋的價(jià)格屬于回歸問題5.回歸的輸出是一個(gè)連續(xù)的值，而分類的輸出則是一個(gè)離散的類別6.下面說明正確的是如果把因變量y的取值限定為布爾值，即只能取0或1，也就是把樣本的結(jié)果歸結(jié)為一個(gè)二分類問題，這種問題的處理就稱為邏輯回歸7.下列哪一個(gè)是聚類任務(wù)的準(zhǔn)確描述對數(shù)據(jù)對象進(jìn)行分組測試題無監(jiān)督學(xué)習(xí)可以完成聚類任務(wù)有特征、有部分標(biāo)簽的機(jī)器學(xué)習(xí)屬于半監(jiān)督學(xué)習(xí)機(jī)器學(xué)習(xí)包括監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)4.尋找數(shù)據(jù)之間的相似性并將之劃分組的方法稱為聚類5.電影推薦系統(tǒng)是以下哪些的應(yīng)用實(shí)例分類、聚類、強(qiáng)化學(xué)習(xí)、回歸6.初始化采用隨機(jī)分配的K值算法，下列哪個(gè)順序是正確的①指定簇的數(shù)目②隨機(jī)分配簇的質(zhì)心③將每個(gè)數(shù)據(jù)點(diǎn)分配給最近的質(zhì)心⑤重新計(jì)算簇的質(zhì)心④將每個(gè)點(diǎn)重新分配給最近的簇質(zhì)心7.以下不屬于聚類算法的是樸素貝葉斯算法，屬于的是K均值算法、AGNES算法、DIANA算法第四章視頻彈題1.下列說法正確的是神經(jīng)網(wǎng)絡(luò)分為人工神經(jīng)網(wǎng)絡(luò)和生物神經(jīng)網(wǎng)絡(luò)2.感知機(jī)不屬于反饋神經(jīng)網(wǎng)絡(luò)，屬于前饋神經(jīng)網(wǎng)絡(luò)，不是深度學(xué)習(xí)網(wǎng)絡(luò)3.神經(jīng)網(wǎng)絡(luò)是由許多神經(jīng)元組成的，每個(gè)神經(jīng)元接受一個(gè)輸入，處理它并給出一個(gè)輸出。下列關(guān)于神經(jīng)元的陳述中是正確的？一個(gè)神經(jīng)元只有一個(gè)輸入和一個(gè)輸出一個(gè)神經(jīng)元有多個(gè)輸入和多個(gè)輸出一個(gè)神經(jīng)元有任意個(gè)輸入和任意個(gè)輸出4.淺層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)不包括中間層，包括輸入層、隱藏層、輸出層5.以下各異或運(yùn)算正確的是a=0,b=1,a+b=16.深度學(xué)習(xí)是含有多個(gè)隱含層的多層神經(jīng)網(wǎng)絡(luò)模型的強(qiáng)化學(xué)習(xí)，訓(xùn)練過程中加入了激活函數(shù)。下列對激活函數(shù)描述正確模擬大腦對信息刺激的敏感性轉(zhuǎn)換信息的邏輯輸出激活函數(shù)包括Sigmod()、Rulu()測試題1.辛頓被稱為“神經(jīng)網(wǎng)絡(luò)之父”和“人工智能教父”2.循環(huán)神經(jīng)網(wǎng)絡(luò)架構(gòu)有反饋連接3.對于自然語言處理問題，循環(huán)神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)更適合4.使用感知機(jī)模型的前提是數(shù)據(jù)線性可分5.有關(guān)淺層神經(jīng)網(wǎng)絡(luò)說法正確的是各神經(jīng)元分層排列，是一種單向多層結(jié)構(gòu)同一層神經(jīng)元之間沒有互相連接6.對于多層神經(jīng)網(wǎng)絡(luò)，BP反向傳播算法的直接作用是加快訓(xùn)練權(quán)值參數(shù)和偏置參數(shù)7.梯度下降算法的正確步驟：d.初始化隨機(jī)權(quán)重和偏差c.把輸入傳入網(wǎng)絡(luò)，得到輸出值計(jì)算預(yù)測值和真實(shí)值之間的誤差e.對每一個(gè)產(chǎn)生誤差的神經(jīng)元，改變相應(yīng)的（權(quán)重）值以減小誤差b.迭代更新，直到找到最佳權(quán)重8.感知機(jī)是只含輸入層和輸出層的一種淺層神經(jīng)網(wǎng)絡(luò)，兩個(gè)感知機(jī)輸出解決了“異或”問題，進(jìn)一步擴(kuò)展到多感知機(jī)輸出，并增加了偏置單元。關(guān)于偏置單元的作用正確的是施加干擾，消除網(wǎng)絡(luò)死循環(huán)，以達(dá)到輸出收斂9.深度學(xué)習(xí)是一種多層神經(jīng)網(wǎng)絡(luò)的模擬認(rèn)知訓(xùn)練方法，多層神經(jīng)網(wǎng)絡(luò)包含多個(gè)隱含層感知層，也稱作卷積神經(jīng)網(wǎng)絡(luò)（CNN），它的研究熱潮興起于本世紀(jì)初期×10.深度學(xué)習(xí)可以具有2，3，4個(gè)隱藏層11.深度學(xué)習(xí)中常用的激活函數(shù)不包括Sin函數(shù)12.深度學(xué)習(xí)是含有一個(gè)隱含層的多層神經(jīng)網(wǎng)絡(luò)模型的強(qiáng)化學(xué)習(xí)，訓(xùn)練過程加入了激活函數(shù)×13.神經(jīng)網(wǎng)絡(luò)中，線性模型的表達(dá)能力不夠時(shí)，可引入激活函數(shù)來添加非線性因素第五章視頻彈題1.小孔成像驗(yàn)證了光的直線傳播2.視網(wǎng)膜上對弱光敏感的是視桿細(xì)胞3.數(shù)字圖像的最小單位是像素4.計(jì)算機(jī)處理圖像時(shí)的三原色是紅綠藍(lán)5.已知最古老的照片是由JosephN.Niepce6.可以將圖中的相應(yīng)區(qū)域進(jìn)行遮蓋的運(yùn)算是圖像乘法7.以下不屬于圖像增強(qiáng)方法的是均值濾波，屬于的是對比度展寬、直方圖均衡、偽彩色8.關(guān)于圖像梯度，說法不正確的是邊緣梯度值要比平滑紋理梯度值小，正確的是水平梯度圖中豎向的邊緣會(huì)比較清楚，垂直梯度圖中，水平方向的邊緣會(huì)比較清楚9.關(guān)于視頻的說法不正確的是我們常見的視頻一般是20幀/秒視頻是離散的√10.關(guān)于卷積層的說法，錯(cuò)誤的是卷積層的參數(shù)值是人為指定的正確的是卷積層的尺寸是人為指定的，可以作為神經(jīng)網(wǎng)絡(luò)的隱藏層，特征圖是卷積層的最終輸出11.池化層的作用不包括實(shí)現(xiàn)特征分類，包括解決卷積計(jì)算量過大的問題、降低特征圖的分辨率、實(shí)現(xiàn)不同尺度特征的提取12.CNN中用來完成分類的是全連接層測試題1.計(jì)算機(jī)中存儲(chǔ)的圖象是數(shù)字圖像2.圖像的空間離散化叫做采樣3.計(jì)算機(jī)顯示器使用的顏色模型是RGB4.圖像的基本運(yùn)算點(diǎn)運(yùn)算、代數(shù)運(yùn)算、邏輯運(yùn)算，塊運(yùn)算不是圖像的基本運(yùn)算5.圖像壓縮的目的是去掉圖像中的冗余信息6.可以檢測出圖像中運(yùn)動(dòng)的大小和方向的方法是光流法7.CNN的基本結(jié)構(gòu)不包括反向池化層，包括前向池化層、全連接層、卷積層第六章視頻彈題1.文字是最主要的信息載體2.按照匹配長度的優(yōu)先度進(jìn)行區(qū)分可以分為最大匹配和最小匹配√3.“南京市長江大橋”如果按照逆向最大匹配進(jìn)行切分，與最大正相匹配不一致√4.在依存關(guān)系分析中，我們把其中一類叫核心詞，也可以叫做支配詞5.在語義網(wǎng)絡(luò)中，網(wǎng)絡(luò)節(jié)點(diǎn)表示事物本身，網(wǎng)絡(luò)的連接用來表示事物之間的關(guān)系√6.N元語法模型存在的兩個(gè)最大缺陷是參數(shù)空間過大，不可能實(shí)用化；數(shù)據(jù)稀缺嚴(yán)重7.Word2Vec模型是由谷歌公司發(fā)布的測試題1.一句自然語言是處理系統(tǒng)的輸入還是輸出，自然語言處理完成的功能也可以劃分為以下兩類：自然語言生成、自然語言理解2.自然語言處理作為人工智能領(lǐng)域最重要的一個(gè)研究方向，其技術(shù)發(fā)展與人工智能的發(fā)展歷史一樣，主要有以下兩類方法：基于統(tǒng)計(jì)的方法、基于規(guī)則的方法3.下列技術(shù)屬于自然語言處理范疇的有哪些相似度檢測、摘要抽取、字典查詢、機(jī)器翻譯4.下列哪些屬于詞法分析的范疇詞性標(biāo)注、命名實(shí)體識別、分詞、新詞發(fā)現(xiàn)5.中文分詞中，按照遍歷搜索的方向不同可以分為哪些類別正向匹配、逆向匹配6.在詞法分析里，需要處理的最小單位是詞7.對于詞性標(biāo)注的主要方法有哪些基于統(tǒng)計(jì)的方法、基于規(guī)則的方法、基于統(tǒng)計(jì)的和規(guī)則的相結(jié)合的方法8.下列哪些是基于詞典的切詞方法的缺陷歧義消解的能力差、切分正確率不高9.所謂命名