人工智能核心算法模拟习题含答案
人工智能核心算法模拟题及参考答案
人工智能核心算法模拟题及参考答案1、基于神经网络的分类模型是?A、生成模型B、判别模型C、两者都不属于D、两者都属于答案:B2、优化器是训练神经网络的重要组成部分,使用优化器的目的不包含以下哪项:A、加快算法收敛速度B、减少手工参数的设置难度C、避过过拟合问题D、避过局部极值答案:C3、在SCikitTearn中,DBSCAN算法对于()参数值的选择非常敏感A、pB、epsC、njobsD、a1gorithm答案:B4、11和12正则化是传统机器学习常用来减少泛化误差的方法,以下关于两者的说法正确的是:A、11正则化可以做特征选择B、11和12正则化均可做特征选择C、12正则化可以做特征选择D、11和12正则化均不可做特征选择答案:A5、Re1U在零点不可导,那么在反向传播中怎么处理OA、设为0B、设为无穷大C、不定义D、设为任意值答案:A6、代码array=np.arange(10,31,5)中的5代表()?A、元素的个数B、步长C、第一个元素D、最后一个元素答案:B7、图像处理中无损压缩的目的是OA、滤除图像中的不相干信号B、滤除图像中的高频信号C、滤除图形中的低频信号D、滤除图像中的冗余信号答案:D8、对于DBSCAN,参数EPS固定,当MinPtS取值较大时,会导致A、能很好的区分各类簇B、只有高密度的点的聚集区划为簇,其余划为噪声C、低密度的点的聚集区划为簇,其余的划为噪声D、无影响答案:B9、为应对卷积网络模型中大量的权重存储问题,研究人员在适量牺牲精度的基础上设计出一款超轻量化模型OA、KNNB、RNNC、BNND、VGG答案:C10、在前馈神经网络中,误差后向传播(BP算法)将误差从输出端向输入端进行传输的过程中,算法会调整前馈神经网络的什么参数A、输入数据大小B、神经元和神经元之间连接有无C、相邻层神经元和神经元之间的连接权重D、同一层神经元之间的连接权重答案:C11、1STM是一个非常经典的面向序列的模型,可以对自然语言句子或是其他时序信号进行建模,是一种OOA、循环神经网络B、卷积神经网络C、朴素贝叶斯D、深度残差网络答案:A12、O的核心训练信号是图片的“可区分性”。
人工智能核心算法考试题及参考答案
人工智能核心算法考试题及参考答案1、在一个神经网络中,下面哪种方法可以用来处理过拟合?A、DropoutB、分批归一化Batch NormalizationC、正则化regularizationD、都可以答案:D2、随机森林是一种集成学习算法,是()算法的具体实现。
A、BoostingB、BaggingC、StackingD、Dropping答案:B3、通过以下哪些指标我们可以在层次聚类中寻找两个集群之间的差异?()A、单链接B、全链接C、均链接D、以上都行答案:D4、RNN引入了循环的概念,但是在实际过程中却出现了初始信息随时间消失的题,即长期依赖(Long-TermDependencies)问题,所以引入()。
A、CNNB、LSTMC、GRUD、BERT答案:B5、我们想在大数据集上训练决策树, 为了减少训练时间, 我们可以A、增加树的深度B、增大学习率Learnin RateC、对决策树模型进行预剪枝D、减少树的数量答案:C6、强化学习在每个时刻环境和个体都会产生相应的交互。
个体可以采取一定的(),这样的行动是施加在环境中的。
A、actionB、rewardC、stateD、agent答案:A7、如果我们用了一个过大的学习速率会发生什么?A、神经网络会收敛B、不好说C、都不对D、神经网络不会收敛答案:D8、下列关于K-Means聚类说法错误的是()A、聚类的簇个数会由模型自动给出B、可以使用多组随机的初始中心点进行计算C、聚类前应当进行维度分析D、聚类前应当进行数据标准化答案:A9、下面关于SVM中核函数的说法正确的是?()A、核函数将低维空间中的数据映射到高维空间B、它是一个相似度函数C、A、B都对D、A、B都不对答案:C10、在回归模型中,下列哪一项在权衡欠拟合(under-fitting)和过拟合(over-fitting)中影响最大?A、多项式阶数B、更新权重 w 时,使用的是矩阵求逆还是梯度下降C、使用常数项答案:A11、如果处理以下形状的数据时,适宜采用DBSCAN的是A、球形B、SS形C、椭球形D、方形答案:B12、循环神经网络(recurrent neural network,RNN),是一种用于处理具有类似( )的数据的神经网络。
人工智能-核心算法复习题+参考答案
人工智能-核心算法复习题+参考答案1、()控制着整个LSTM单元的状态或者记忆,它会根据每个时刻的输入进行更新。
A、隐状态向量B、状态向量C、显状态向量D、以上都不对答案:B2、以下属于生成式模型的是:()A、SVMB、随机森林C、隐马尔可夫模型HMMD、逻辑回归答案:C3、对于一个图像识别问题(在一张照片里找出一只猫),下面哪种神经网络可以更好地解决这个问题?A、循环神经网络B、感知机C、多层感知机D、卷积神经网络答案:D4、VGG-19中卷积核的大小为A、3x3B、5x5C、3x3,5x5D、不确定答案:A5、下列关于随机变量的分布函数,分布律,密度函数的理解描述不正确的是?A、离散型随机变量没有分布函数B、密度函数只能描述连续型随机变量的取值规律。
C、分布函数描述随机变量的取值规律D、分布律只能描述离散型随机变量的取值规律答案:A6、感知机描述错误的是:(___)A、感知机根据正确的程度进行权重调整;B、输入层接收外界输入信号传递给输出层;C、输出层是M-P神经元;D、感知机能容易实现逻辑与、或、非运算;答案:A7、机器学习中做特征选择时,下面方法或信息不一定有用的是A、卡方检验B、信息增益C、数据采样D、期望交叉熵答案:C8、在pytorch中,如果主机有1块TitanX显卡,以下哪个选项中的代码都可以将变量名为var的tensor放在GPU上运行A%、var=var.to"cuda:0"、var=var.to"cuda:1"B、var=var.to"cuda:1"C、var=var.cuda、var=var.to"cuda:0"D、var=var.cuda、var=var.to"cuda:1""答案:C9、Adaboost就是从()出发反复训练,在其中不断调整数据权重或者是概率分布。
(完整版)人工智能(部分习题答案及解析)
1.什么是人类智能?它有哪些特征或特点?定义:人类所具有的智力和行为能力。
特点:主要体现为感知能力、记忆与思维能力、归纳与演绎能力、学习能力以及行为能力。
2.人工智能是何时、何地、怎样诞生的?解:人工智能于1956年夏季在美国Dartmouth大学诞生。
此时此地举办的关于用机器模拟人类智能问题的研讨会,第一次使用“人工智能”这一术语,标志着人工智能学科的诞生。
3.什么是人工智能?它的研究目标是?定义:用机器模拟人类智能。
研究目标:用计算机模仿人脑思维活动,解决复杂问题;从实用的观点来看,以知识为对象,研究知识的获取、知识的表示方法和知识的使用。
4.人工智能的发展经历了哪几个阶段?解:第一阶段:孕育期(1956年以前);第二阶段:人工智能基础技术的研究和形成(1956~1970年);第三阶段:发展和实用化阶段(1971~1980年);第四阶段:知识工程和专家系统(1980年至今)。
5.人工智能研究的基本内容有哪些?解:知识的获取、表示和使用。
6.人工智能有哪些主要研究领域?解:问题求解、专家系统、机器学习、模式识别、自动定论证明、自动程序设计、自然语言理解、机器人学、人工神经网络和智能检索等。
7.人工智能有哪几个主要学派?各自的特点是什么?主要学派:符号主义和联结主义。
特点:符号主义认为人类智能的基本单元是符号,认识过程就是符号表示下的符号计算,从而思维就是符号计算;联结主义认为人类智能的基本单元是神经元,认识过程是由神经元构成的网络的信息传递,这种传递是并行分布进行的。
8.人工智能的近期发展趋势有哪些?解:专家系统、机器人学、人工神经网络和智能检索。
9.什么是以符号处理为核心的方法?它有什么特征?解:通过符号处理来模拟人类求解问题的心理过程。
特征:基于数学逻辑对知识进行表示和推理。
11.什么是以网络连接为主的连接机制方法?它有什么特征?解:用硬件模拟人类神经网络,实现人类智能在机器上的模拟。
特征:研究神经网络。
人工智能算法入门考试
人工智能算法入门考试(答案见尾页)一、选择题1. 人工智能算法的基础是什么?A. 机器学习B. 深度学习C. 自然语言处理D. 计算机视觉2. 以下哪个是人工智能算法的一种?A. 决策树B. 随机森林C. 神经网络D. 支持向量机3. 人工智能算法在哪些领域有广泛应用?A. 医疗保健B. 交通运输C. 金融服务D. 所有以上领域4. 机器学习中,以下哪个概念描述了模型的预测能力?A. 精确率B.召回率C. F1 分数D. A和B5. 在深度学习中,哪种类型的神经网络通常用于图像识别任务?A. 卷积神经网络(CNN)B. 循环神经网络(RNN)C. 长短期记忆网络(LSTM)D. 以上都可以6. 人工智能算法与传统计算机算法的主要区别是什么?A. 计算能力B. 学习能力C. 交互性D. 并行性7. 在人工智能中,什么是“黑箱”模型?A. 不能解释模型的决策过程B. 可以完全解释模型的决策过程C. 模型决策过程可以部分解释D. 没有实际模型8. 人工智能算法的哪个发展方向是模拟人类大脑的工作方式?A. 机器学习B. 深度学习C. 强化学习D. 人工神经网络9. 在人工智能中,什么是“训练集”?A. 训练模型的数据集合B. 训练模型的硬件设备C. 训练模型的软件环境D. 训练模型的算法10. 人工智能算法的未来发展趋势是什么?A. 更加智能化B. 更加广泛的应用C. 更加普及到各行各业D. A和B11. 什么是人工智能算法?A. 人工智能算法是一种计算机程序B. 人工智能算法是一组用于解决人工智能问题的规则和程序C. 人工智能算法是一种模拟人类智能行为的计算模型D. 人工智能算法是一种数据挖掘技术12. 人工智能算法可以分为哪几类?A. 机器学习算法B. 深度学习算法C. 自然语言处理算法D. 计算机视觉算法13. 机器学习算法中,哪种算法不是无监督学习算法?A. K-均值聚类B. 线性回归C. 逻辑回归D. 支持向量机14. 深度学习算法中,哪种算法不是卷积神经网络的一种?A. 循环神经网络B. 长短期记忆网络C. 卷积神经网络D. 调整线性单元15. 自然语言处理算法中,哪种算法主要用于情感分析?A. 文本分类算法B. 词袋模型C. 得到向量算法D. 注意力机制16. 计算机视觉算法中,哪种算法可以用于物体检测?A. 霍夫变换B. 边缘检测C. K-均值聚类D. YOLO(You Only Look Once)17. 人工智能算法在哪个领域有广泛的应用?A. 医疗保健B. 金融C. 教育D. 所有领域18. 人工智能算法的发展历程可以分为几个阶段?A. 早期研究B. 快速发展期C. 稳定应用期D. 高级阶段19. 人工智能算法的未来发展方向是什么?A. 提高算法性能B. 提高算法可解释性C. 降低算法成本D. 扩大应用领域20. 在人工智能算法中,哪种算法通常用于模式识别?A. 决策树B. 支持向量机C. 随机森林D. 神经网络21. 什么是人工智能?A. 人工智能是一种模拟人类智能的技术和系统B. 人工智能可以替代人类进行所有的思考和工作C. 人工智能只能在特定领域内应用D. 人工智能的发展前景充满了不确定性22. 人工智能的基本组成包括哪些?A. 硬件和软件B. 数据和算法C. 机器学习和深度学习D. 人工智能语言和框架23. 在人工智能中,哪种技术是用于处理大量数据的?A. 机器学习B. 深度学习C. 自然语言处理D. 计算机视觉24. 以下哪个不是人工智能的应用领域?A. 医疗保健B. 交通管理C. 农业生产D. 金融投资25. 人工智能的发展历程可以分为几个阶段?A. 初创期B. 成熟期C. 衰退期D. 繁荣期26. 在人工智能中,哪种技术是用于模拟人类智能行为的?A. 神经网络B. 专家系统C. 模糊逻辑D. 遗传算法27. 人工智能中的机器学习技术包括哪些方法?A. 监督学习B. 无监督学习C. 强化学习D. 集成学习28. 在人工智能中,哪种技术是用于将人类语言转化为计算机可以理解的代码?A. 自然语言处理B. 语音识别C. 计算机视觉D. 机器翻译29. 人工智能的发展对于就业市场有什么影响?A. 会导致某些岗位的消失B. 会创造新的就业机会C. 会使所有工作变得更容易D. 会对经济发展产生负面影响30. 以下哪个因素对人工智能的发展最为关键?A. 计算能力的提升B. 互联网的出现C. 人类的创造力D. 政策和法规的支持31. 人工智能算法的基础是什么?A. 机器学习B. 深度学习C. 自然语言处理D. 计算机视觉32. 以下哪个不是人工智能算法的应用领域?A. 医疗诊断B. 交通控制C. 虚拟现实D. 农业生产33. 人工智能中的深度学习与机器学习的主要区别是什么?A. 深度学习模型包含多个隐层B. 机器学习模型需要手动特征工程C. 深度学习模型的训练速度更快D. 机器学习模型可以处理结构化数据34. 人工智能算法中,哪种算法是用于模式识别?A. 随机森林B. 支持向量机(SVM)C. 神经网络D. K-均值聚类35. 人工智能在自然语言处理中的应用有哪些?A. 语音识别B. 机器翻译C. 情感分析D. 文本摘要36. 人工智能算法中,哪种算法是用于解决优化问题?A. 线性规划B. 随机搜索C. 动态规划D. 蚁群算法37. 人工智能中的卷积神经网络(CNN)主要用于哪种类型的图像识别任务?A. 基于颜色的分类B. 基于形状的分类C. 基于纹理的分类D. 基于对象的识别38. 人工智能算法中,哪种算法是用于时间序列预测?A. 长短期记忆网络(LSTM)B. 支持向量机(SVM)C. 神经网络D. 随机森林39. 在人工智能中,什么是“黑箱”模型?A. 一个不透明的模型,其内部运作不可见B. 一个需要大量数据的模型C. 一个简单的模型,易于理解和解释D. 一个高度复杂的模型,难以理解40. 人工智能算法的发展对于未来社会的影响是什么?A. 提高生产效率B. 促进教育公平C. 解决资源短缺问题D. 增加就业机会二、问答题1. 什么是人工智能?请简述人工智能的定义及其发展历程。
人工智能核心算法考试题及答案
人工智能核心算法考试题及答案1、使用决策树分类时,如果输入的某个特征的值是连续的,通常使用二分法对连续属性离散化,即根据是否大于/小于某个阈值进行划分。
如果采用多路划分,每个出现的值都划分为一个分支,这种方式的最大问题是A、计算量太大B、验证集和测试集表现很差C、验证集表现良好,测试集表现很差D、验证集表现很差,测试集表现很好答案:C2、关于神经网络中经典使用的优化器,以下说法正确的是?A、Adam的收敛速度比RMSprop慢B、相比于SGD或RMSprop等优化器,Adam的收敛效果是最好的C、对于轻量级神经网络,使用Adam比使用RMSprop更合适D、相比于Adam或RMSprop等优化器,SGD的收敛效果是最好的答案:D3、A*搜索算法何时是最优的?()A、到目标结点的耗散是一个可采纳启发式B、到目标结点的耗散可任意选择C、不存在求解问题的最优的a*搜索算法D、以上描述都不对答案:A4、卷积核与特征图的通道数的关系是:A、卷积核数量越多特征图通道数越少B、卷积核size越大特征图通道数越多C、卷积核数量越多特征图通道数越多D、二者没有关系答案:C5、对线性回归模型进行性能评估时,以下说法正确的是A、均方根误差接近1最好B、均方根误差越大越好C、决定系数越接近1越好D、决定系数越接近0越好答案:C6、人工神经元内部运算包含哪两个部分:A、非线性变换和激活变换B、线性变换和非线性变换C、向量变换和标量变换D、化学变换和电变换答案:B7、以下哪项是主要用于自然语言处理的网络结构()A、AlexNetB、ResNetC、BertD、LeNet答案:C8、下列关于XGboost算法描述中错误的是A、由于其特殊原因,无法分布式化B、xgboost在代价函数里加入了正则项,用于控制模型的复杂度C、可以处理带有缺失值的样本D、允许使用列抽样来减少过拟合答案:A9、哪种聚类方法采用概率模型来表达聚类()A、K-meansB、LVQC、DBSCAND、高斯混合聚类答案:D10、在深度学习网络中,反向传播算法用于寻求最优参数,在反向传播算法中使用的什么法则进行逐层求导的?A、链式法则B、累加法则C、对等法则D、归一法则答案:A11、DSSM模型的结构是什么?A、线性B、双塔C、三塔D、非线性答案:B12、Inception模块采用()的设计形式,每个支路使用()大小的卷积核。
人工智能核心算法模拟题+答案
人工智能核心算法模拟题+答案1、以才哪种组合在CNN不常见A、conv+reluB、conv+relu+poolC、conv+relu+pool+fcD、conv+k-means答案:D2、网络训练时,常会遇到很多问题,对于梯度消失问题,我们可以通过选择使用以下哪种函数减轻该问题?A、Relu 函数B、Sigmoid 函数C、tanh 函数D、Softsign 函数答案:A3、在卷积神经网络中,要求输入尺寸必须固定的层是?()A、卷积层B、全连接层C、池化层D、以上都不是答案:B4、K-Means 算法无法聚以下哪种形状的样本A、圆形分布B、螺旋分布C、带状分布D、凸多边形分布答案:B5、DSSM模型总的来说可以分成哪几层结构,分别是()A、表示层、匹配层B、输入层、匹配层C、输入层、表示层D、输入层、表示层和匹配层。
答案:D6、以下关于最大似然估计MLE的说法正确的是A、MLE中加入了模型参数本身的概率分布B、MLE认为模型参数本身概率是不均匀的C、MLE体现了贝叶斯认为参数也是随机变量的观点D、MLE是指找出一组参数,使得模型产生出观测数据的概率最大答案:D7、关于循环神经网络以下说法错误的是?A、循环神经网络可以根据时间轴展开B、LSTM 无法解决梯度消失的问题C、LSTM 也是一种循环神经网络D、循环神经网络可以简写为 RNN答案:B8、FPN中根据ROI的()来分配所属层级?A、分类分数B、最大边长度C、面积D、nan答案:C9、代码arr1=np.array([[1,2,3],[4,5,6]]);print((arr1**2)[1,1])的输出是()?A、5B、25C、6D、26答案:B10、Softmax算法中温度趋近于0时Softmax将趋于(___)A、仅探索B、仅利用C、全探索D、全利用答案:B11、DBSCAN在最坏情况下的时间复杂度是()。
A、OmB、Om2C、Olog mD、Om*log m答案:B12、池化层一般接在哪种网络层之后A、输入层B、输出层C、卷积层D、全连接层答案:C13、下面哪项操作能实现跟神经网络中Dropout的类似效果?A、BoostingB、BaggingC、StackingD、Mapping答案:B14、根据边的性质不同,概率图模型可大致分为两类:第一类是使用有向无环图表示变量间的依赖关系,称为(___);第二类是使用无向图表示变量间的相关关系,称为无向图模型或马尔可夫网(Markovnetwork)。
人工智能核心算法模拟习题+参考答案
人工智能核心算法模拟习题+参考答案一、单选题(共40题,每题1分,共40分)1、下列哪一项不是常见的机器学习模型正则化方法。
A、数据优化B、数据增强C、引入参数范数惩罚项D、模型集成正确答案:A2、FOIL是(___)的学习算法A、一阶规则B、序贯覆盖C、命题规则D、剪枝优化正确答案:A3、Inception模块可以并行执行多个具有不同尺度的卷积运算或池化操作,下列网络运用Inception的是()A、VGGB、fast-RCNNC、GoogLeNetD、faster-RCNN正确答案:C4、当在卷积神经网络中加入池化层(pooling layer)时,变换的不变性会被保留,是吗?A、是B、否C、看情况D、不知道正确答案:A5、VGG网络在深度学习发展过程中做出了重要贡献,下面关于VGG描述正确的是:A、VGG全部使用了3*3的卷积核和2*2的池化核B、VGG没有使用全连接网络结构C、VGG证明了网络越深越好,所以程序员应该没有限制的搭建更深的网络D、VGG是到目前为止分类效果最好的网络结构正确答案:A6、ROIPooling存在几次取整过程?A、nanB、3C、1D、2正确答案:D7、在不考虑标记样本时,支持向量机试图找到(___)间隔划分超平面A、最小B、最短C、最长D、最大正确答案:D8、()适合连续特征,它假设每个特征对于每个类都符合正态分布。
A、BaseDiscreteNBB、BernoulliNBC、MultinomialNBD、GaussianNB正确答案:D9、特征是描述样本的特性的维度,关于其在传统机器学习和深度学习的可解释性,以下说法正确的是:A、特征在传统机器学习和深度学习可解释性均弱B、特征在传统机器学习和深度学习可解释性均强C、特征在传统机器学习可解释性强,而在深度学习可解释性弱D、特征在传统机器学习可解释性弱,而在深度学习可解释性强正确答案:C10、给定一个长度为n的不完整单词序列,我们希望预测下一个字母是什么。
人工智能基础概念模拟题含答案
人工智能基础概念模拟题含答案一、单选题(共60题,每题1分,共60分)1、下列哪一个不是神经网络的代表()A、递归神经网络B、xgboost算法C、卷积神经网络D、残差网络正确答案:B2、人工智能诞生在1955年,50年代末第一款神经网络-()将人工智能推向了第一个高潮。
A、机器人B、费曼机C、无人机D、感知机正确答案:D3、在证据理论中,信任函数与似然函数的关系为()。
A、Bel≤PlB、Bel<PlC、Bel≥PlD、Bel>Pl正确答案:A4、C5.0和QUEST决策树只能处理()目标值的问题。
A、连续型B、随机型C、分类型D、离散型正确答案:C5、下列不属于数据预处理和特征工程的流程的是A、数据标准化B、数据清洗C、数据获取D、模型解释正确答案:D6、下列哪一项属于特征学习算法()A、k近邻算法B、神经网络C、随机森林D、都不属于正确答案:B7、两步聚类的两个主要步骤为()和聚类A、分析B、建模C、测试D、预聚类正确答案:D8、()是指将“数据”转换为“产品”的艺术。
A、数据挖掘B、数据运用C、数据柔性D、数据开发正确答案:C9、新一代人工智能关键共性技术的研发部署要以()为核心,以数据和硬件为基础,以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点A、云平台B、算力C、软件D、算法正确答案:D10、()问题更接近人类高级认知智能,有很多重要的开放问题。
A、语音识别B、计算机视觉C、自然语言处理D、知识图谱正确答案:C11、下面关于数据粒度的描述不正确的是:()A、数据综合度越高,粒度也就越大,级别也就越高;B、数据越详细,粒度就越小,级别也就越高;C、粒度是指数据仓库小数据单元的详细程度和级别;D、粒度的具体划分将直接影响数据仓库中的数据量以及查询质量正确答案:A12、下列哪部分不是专家系统的组成部分()。
A、知识库B、综合数据库C、推理机D、用户正确答案:D13、若变量间存在显式的因果关系,则常使用()模型。
人工智能模拟练习题(含参考答案)
人工智能模拟练习题(含参考答案)一、多选题(共100题,每题1分,共100分)1.下列哪些项是决策树常用的属性选择指标()A、距离平方和B、Gini系数C、信息增益率D、信息增益正确答案:BCD2.以下表达式输出结果中不包含重复元素的有A、set ([1,1,2,3])B、list((1,1,2,3))C、{1,1,2,3}D、list({1,1,2,3})正确答案:ACD3.卷积神经网络中的池化层可以减小下层输入的尺寸。
常见的池化有:A、最小地化层B、乘积池化层C、最大池化层D、平均池化层正确答案:CD4.人工智能因其突出的()等能力,可在网络信息安全领域和社会公共安全领域有许多创新性应用A、知识提取B、数据分析C、自主学习D、智能决策正确答案:ABCD5.前馈神经网络由()、()、()构成?A、中间层B、隐藏层C、输出层D、输入层正确答案:BCD6.图像数字化需要经过的步骤包括()A、裁剪B、采样C、旋转D、量化正确答案:BD7.在Python中,令cars=['bmw','audi','toyota','subaru'] 运行cars.sort(reverse=True)后,cars的值为();运行sorted(cars,reverse=True)后,cars的值为()A、['audi', 'bmw', 'subaru', 'toyota']B、['toyota','subaru','bmw','audi']C、['subaru','toyota','audi','bmw']D、['bmw','audi','toyota','subaru']正确答案:BD8.下列哪些部分是专家系统的组成部分?A、用户B、知识库C、推理机D、综合数据库正确答案:BCD9.C语言中三种基本的类型为()。
人工智能模拟题+参考答案
人工智能模拟题+参考答案一、单选题(共103题,每题1分,共103分)1.半监督学习包括。
A、主动学习B、直推学习C、回归学习D、聚类学习正确答案:B2.()是时间序列分析中最灵活和准确的方法。
A、指数平滑模型B、自回归模型C、移动平均模型D、差分自回归移动平均模型正确答案:A3.下列关于 L1和 L2正则描述错误的是?A、&L1 正则兼具特征选择的功能&B、&L1 正则项是非凸的,L2 正则项是凸的C、&L1 正则的引入会使得权重产生更多的 0 元素&D、L1 和 L2 正则的引入都能预防过拟合&正确答案:B4.产生式系统的推理不包括A、简单推理B、正向推理C、逆向推理D、双向推理正确答案:A5.下面哪个技术跟中文分词无关():A、槽位填充B、词语消歧C、词性标注D、未登录词识别正确答案:A6.2*1的数组与1*3的数组相加结果为()。
A、2*3的数组B、1*1的数组C、3*2的数组D、以上都不对正确答案:A7.回归任务最常使用的性能度量是(___)。
A、精度B、ROCC、MSED、AUC正确答案:C8.智能语音应用中具备辨别声音来源方向的硬件设备/技术是()A、麦克风阵列B、语音识别C、说话人识别D、语种识别正确答案:A9.下列哪个神经网络结构会发生权重共享A、卷积神经网络&B、&全连接神经网络&C、&循环神经网络&D、&卷积和循环神经网络正确答案:D10.数据分析与数据可视化密不可分,在python中,哪个是常用数据可视化工具。
A、jsonB、numpyC、pyechartsD、pytorch正确答案:C11.Python语句list(range(1,10,3))执行结果为____。
A、[1, 3, 6, 9]B、[1, 10, 30]C、[1, 4, 7]D、[2, 5, 8]正确答案:C12.机器学习中L1正则化和L2正则化的区别是?()A、使用L1可以得到平滑的权值,使用L2可以得到稀疏的权值B、使用L1可以得到稀疏的权值,使用L2可以得到稀疏的权值C、使用L1可以得到平滑的权值,使用L2可以得到平滑的权值D、使用L1可以得到稀疏的权值,使用L2可以得到平滑的权值正确答案:D13.Root 用户无法在装有 Atlas300 (3000) 加速卡的服务器上安装DDK (DeviceDevelopment Kit),只能使用普通用户进行安装。
人工智能多选模拟练习题含参考答案
人工智能多选模拟练习题含参考答案一、多选题(共100题,每题1分,共100分)1、下面对机器学习方法叙述正确的是()。
A、解释学习需要环境提供一组示例,而示例学习只要环境提供一个示例。
B、符号学习对模拟人类较低级的神经活动是比较有效的C、观察与发现学习是基于归纳推理的D、机械式学习是没有推理能力的正确答案:CD2、支持向量机的求解通常是借助于凸优化技术,针对线性核SVM来说,主要的求解提升效率方法为(____)。
A、坐标下降法B、快速采样法C、割平面法D、随机梯度下降正确答案:ACD3、以下哪项关于决策树的说法是正确的 ( )A、决策树算法对于噪声的干扰非常敏感B、子树可能在决策树中重复多次C、冗余属性不会对决策树的准确率造成不利的影响D、寻找最佳决策树是NP完全问题正确答案:BCD4、计算智能的主要研究领域包括()。
A、数字计算B、进化计算C、模糊计算D、神经计算正确答案:BCD5、人工智能工程化聚焦()全生命流程的高效耦合。
A、算法提升B、工具体系C、模型管理D、开发流程正确答案:BCD6、word2vec包含两个经典模型,()和()。
A、Skip-gramB、Skip-cramC、CBOWD、BCOW正确答案:AC7、对于FPGA描述正确的是()A、FPGA内部是一种与或阵列结构。
B、FPGA在断电后信息不会丢失。
C、FPGA是现场可编程门阵列的简称。
D、FPGA属于高密度可编程逻辑器件。
正确答案:CD8、函数能处理比定义时更多的参数,他们是()参数。
A、不可变B、收集C、不定长D、可变正确答案:BCD9、关于python的字符串,下列说法正确的是A、在三引号字符串中可以包含换行回车等特殊字符B、字符串以\0标志字符串的结束C、既可以用单引号,也可以用双引号创建字符串D、字符应该视为长度为1的字符串正确答案:ACD10、下列()是有序的。
A、集合B、列表C、字符串D、元组正确答案:BCD11、以下哪些是常见的神经网络()?A、SQM网络B、ART网络C、RIO网络D、RBF网络E、SOM网络正确答案:BDE12、常见的聚类技术有()A、KonhonennetworkB、两步聚类C、K平均值聚类D、分层聚类正确答案:ABCD13、DSSM模型总的来说可以分成三层结构,分别是()A、表示层B、输出层C、匹配层D、输入层正确答案:ACD14、机器学习的要素有哪些?A、泛化能力B、样本空间划分C、一致性假设正确答案:ABC15、关于Python的全局变量和局部变量,以下选项中描述正确的是A、使用global保留字声明简单数据类型变量后,该变量作为全局变量使用B、全局变量指在函数之外定义的变量,一般没有缩进,在程序执行全过程有效C、简单数据类型变量无论是否与全局变量重名,仅在函数内部创建和使用,函数退出后变量被释放D、局部变量指在函数内部使用的变量,当函数退出时,变量依然存在,下次函数调用可以继续使用正确答案:ABC16、以下属于机器学习的是()A、监督式学习B、强化学习C、非监督式学习D、半监督式学习正确答案:ABCD17、“噪声”是指测量变量中的随机错误或偏差,噪声数据的主要表现形式有哪些?A、错误数据B、缺失数据C、异常数据D、虚假数据正确答案:ACD18、知识图谱的垂直领域应用包括( )。
人工智能核心算法模拟题及参考答案
人工智能核心算法模拟题及参考答案随着人工智能的普及,越来越多的人开始关注人工智能领域的核心算法。
本文将介绍一个人工智能核心算法模拟题,并给出参考答案。
题目如下:假设有一个文本分类任务,需要将一篇文本分为“体育”、“科技”和“娱乐”三类。
假设有1000篇这样的文本,分别来自不同的新闻网站。
你需要使用给定的训练数据集训练模型,并在测试数据集上进行测试,计算预测结果的准确率。
训练数据集包含500篇文本,其中“体育”类有150篇,“科技”类有200篇,“娱乐”类有150篇。
测试数据集包含500篇文本,其中“体育”类有100篇,“科技”类有200篇,“娱乐”类有200篇。
请在给定的训练数据集上训练出一个文本分类模型,并在测试数据集上测试。
参考答案:解决文本分类问题的常用方法是使用朴素贝叶斯算法。
朴素贝叶斯算法是一种基于贝叶斯定理和特征独立假设的分类算法,因其简单易懂、计算速度快、准确率高而被广泛应用于文本分类、垃圾邮件过滤等领域。
训练阶段:1. 计算每个类别的文档数,分别记为Nc,如上述例子中,N体育=150、N科技=200、N娱乐=150。
2. 计算每个类别出现的单词的总数,分别记为Tc。
例如,体育类中所有文档的单词数量为T体育。
3. 根据训练数据集,计算每个单词在每个类别中出现的概率P(w|c)。
这可以使用朴素贝叶斯算法的基本公式进行计算:P(w|c)=(N(w,c)+1)/(Tc+|V|),其中,N(w,c)表示在类别c中单词w出现的次数,|V|表述所有单词的总数。
4. 对于每个类别,计算P(c)=Nc/N,其中N为所有文档的数量,即500篇。
测试阶段:1. 对于每个输入文本,计算它属于每个类别的概率。
假设输入文本为T,类别为c,则P(T|c)=P(w1|c)×P(w2|c)×...×P(wn|c),其中wi为T中的第i个单词。
2. 计算输入文本T属于每个类别的概率P(c|T)=P(T|c)×P(c),并根据概率大小选出概率最大的类别作为预测结果。
人工智能核心算法复习题含答案
人工智能核心算法复习题含答案一、单选题(共40题,每题1分,共40分)1、假设我们有一个使用ReLU激活函数(ReLU activation function)的神经网络,假如我们把ReLU激活替换为线性激活,那么这个神经网络能够模拟出同或函数(XNOR function)吗A、可以B、不能C、不好说D、不一定正确答案:B2、EM算法是()A、半监督B、都不是C、有监督D、无监督正确答案:D3、让学习器不依赖外界交互、自动地利用未标记样本来提升学习性能,就是(___)?A、监督学习B、倍监督学习C、无监督学习D、半监督学习正确答案:D4、YOLOv3在coco数据集上聚类了()个矛框?A、9B、nanC、80D、3正确答案:A5、在一个神经网络中,知道每一个神经元的权重和偏差是最重要的一步。
如果知道了神经元准确的权重和偏差,便可以近似任何函数,但怎么获知每个神经的权重和偏移呢?A、以上都不正确的B、搜索每个可能的权重和偏差组合,直到得到最佳值C、随机赋值,听天由命D、赋予一个初始值,然后检查跟最佳值的差值,不断迭代调整权重正确答案:D6、执行完语句X_train, X_test, y_train, y_test = train_test_split( ... iris.data, iris.target, test_size=0.4, random_state=0),训练集占比多少?A、50%B、70%C、60%D、40%正确答案:C7、如果一个模型在测试集上偏差很大,方差很小,则说明该模型?A、过拟合B、刚好拟合C、可能过拟合可能欠拟合D、欠拟合正确答案:C8、下列哪个神经网络结构会发生权重共享A、卷积神经网络B、循环神经网络C、全连接神经网络D、卷积和循环神经网络正确答案:D9、混沌度(Perplexity)是一种常见的应用在使用深度学习处理NLP问题过程中的评估技术,关于混沌度,哪种说法是正确的?A、混沌度越高越好B、混沌度对于结果的影响不一定C、混沌度没什么影响D、混沌度越低越好正确答案:D10、关于递归函数基例的说明,以下选项中错误的是A、递归函数的基例不再进行递归B、每个递归函数都只能有一个基例C、递归函数的基例决定递归的深度D、递归函数必须有基例正确答案:B11、通过以下哪些指标我们可以在层次聚类中寻找两个集群之间的差异?()A、以上都行B、均链接C、单链接D、全链接正确答案:A12、考虑以下问题:假设我们有一个5层的神经网络,这个神经网络在使用一个4GB显存显卡时需要花费3个小时来完成训练。
2023人工智能算法设计复习 题集附答案
2023人工智能算法设计复习题集附答案一、算法复习题1. 请简述什么是算法?算法是一种有序、有限的指令集合,描述了如何在有限时间内解决特定问题或完成特定任务的方法。
2. 请解释什么是时间复杂度和空间复杂度?时间复杂度指的是算法运行所需的时间量度,通常用大O表示法表示。
空间复杂度指的是算法运行所需的额外空间量度,同样用大O表示法表示。
3. 请列举几种常见的排序算法及其时间复杂度。
- 冒泡排序(Bubble Sort):时间复杂度为O(n^2)- 插入排序(Insertion Sort):时间复杂度为O(n^2)- 选择排序(Selection Sort):时间复杂度为O(n^2)- 快速排序(Quick Sort):时间复杂度为O(nlogn)- 归并排序(Merge Sort):时间复杂度为O(nlogn)4. 请解释什么是递归算法,并给出一个递归算法的例子。
递归算法是指在解决问题的过程中调用自身的算法。
一个典型的例子是计算斐波那契数列的值。
斐波那契数列中每个数的值都是前两个数之和,因此可以使用递归算法来计算。
5. 请简述动态规划算法的思想。
动态规划是一种将问题分解成子问题并重复利用已经解决过的子问题来解决整体问题的算法思想。
动态规划算法通常使用一个表格格来存储已解决的子问题的解,避免重复计算。
二、算法设计题1. 设计一个算法,计算出给定数组中的最大连续子数组之和。
算法思路:- 初始化两个变量:current_max记录当前连续子数组的最大和,global_max记录整个数组中的最大和,初始值都设为第一个元素的值。
- 从数组的第二个元素开始遍历。
- 对于每一个元素,如果将其加入当前连续子数组后的和比元素本身大,则将其加入;否则,以当前元素作为起点重新开始统计连续子数组的和。
- 在遍历过程中,不断更新current_max和global_max的值,最终得到整个数组中的最大连续子数组和。
2. 设计一个算法,找出给定数组中的两个元素之间的最大差值。
人工智能模拟考试题+参考答案
人工智能模拟考试题+参考答案一、单选题(共103题,每题1分,共103分)1.神经网络研究属于下列哪个学派?A、符号主义B、连接主义C、行为主义D、以上都不是正确答案:B2.下列不是知识表示法的是()A、计算机表示法B、状态空间表示法C、“与/或”图表示法D、产生式规则表示法正确答案:A3.或图通常称为()。
A、状态图B、博亦图C、框架网络D、语义图正确答案:A4.下列选项中,不属于生物特征识别技术的是()A、声纹识别B、文本识别C、步态识别D、虹膜识别正确答案:B5.()是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。
A、文本分类B、问答系统C、文本识别D、机器翻译正确答案:D6.根据numpy数组中ndim属性的含义确定程序的输出()。
array=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]);print(array.ndim)A、$4B、(3,4)C、(4,3)D、2正确答案:D7.下面哪项操作能实现跟神经网络中Dropout的类似效果?A、BoostingB、BaggingC、StackingD、Mapping正确答案:B8.我们想在大数据集上训练决策树, 为了减少训练时间, 我们可以A、增大学习率(Learnin Rate)B、增加树的深度C、对决策树模型进行预剪枝D、减少树的数量正确答案:C9.深度学习中神经网络类型很多,以下神经网络信息是单向传播的是:A、LSTMB、GRUC、循环神经网络D、卷积神经网络正确答案:D10.在处理序列数据时,较容易出现梯度消失现象的模型是()A、CNNC、GRUD、LSTM正确答案:B11.人工智能发展历程大致分为三个阶段。
符号主义(Symbolism)是在人工智能发展历程的哪个阶段发展起来的?A、20世纪70年代-90年代B、20世纪50年代-80年代C、20世纪60年代-90年代正确答案:B12.在人脸检测算法中,不属于该算法难点的是()A、需要检测不同性别的人脸B、人脸角度变化大C、需要检测分辨率很小的人脸D、出现人脸遮挡正确答案:A13.深度学习神经网络的隐藏层数对网络的性能有一定的影响,以下关于其影响说法正确的是:A、隐藏层数适当增加,神经网络的分辨能力越弱B、隐藏层数适当减少,神经网络的分辨能力不变C、隐藏层数适当减少,神经网络的分辨能力越强D、隐藏层数适当增加,神经网络的分辨能力越强正确答案:D14.Inception模块采用()的设计形式,每个支路使用()大小的卷积核。
人工智能核心算法考试模拟题与参考答案
人工智能核心算法考试模拟题与参考答案一、单选题(共44题,每题1分,共44分)RS属于哪种特征选择方法(___)A、包裹式B、启发式C、嵌入式D、过滤式正确答案:C2.信息熵是度量样本集合(___)最常用的一种指标。
A、精确度B、准确率C、召回率D、纯度正确答案:D3.阅读以下文字:假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型,训练所用的数据集由汽车和卡车的照片构成,而训练目标是检测出每种车辆的名称(车辆共有10种类型)。
现在想要使用这个模型来解决另外一个问题,问题数据集中仅包含一种车(福特野马)而目标变为定位车辆在照片中的位置。
()A、除去神经网络中的最后一层,冻结所有层然后重新训练B、对神经网络中的最后几层进行微调,同时将最后一层(分类层)更改为回归层C、使用新的数据集重新训练模型D、所有答案均不对正确答案:B4.用Tensorflow处理图像识别任务时,若输入数据的形状为[64,224,224,3],下面说法正确的是A、每一张图片都是二值图片B、每一张图片都是三通道图片C、模型一次处理224张图片(batchsize为224)D、以上选项均不正确正确答案:B5.半监督学习包括。
A、聚类学习B、直推学习C、主动学习D、回归学习正确答案:B6.深度神经网络的运行过程是由三个算法依次运行组成,下面不属于这三个算法中的是A、归一化B、梯度下降C、正向传播D、反向传播正确答案:A7.下列关于核函数的表述正确的是A、多项式核函数只是将原始特征映射,并没有升维B、使用线性核函数的SVM是非线性分类器C、核函数即特征的映射关系D、高斯核函数将特征映射到无穷维正确答案:D8.以下关于集成的描述,错误的是(___)。
A、随着集成中个体分类器(相互独立)数目T的增大,集成的错误率将指数级下降,最终趋向于零B、集成学习通过构建并结合多个学习器来完成学习任务,也称为多分类器系统、基于委员会的学习等C、集成中只包含同种类型的个体学习器,如“决策树集成”,“神经网络集成”等,这样的集成是“同质”的D、集成中同时包含多种类型的个体学习器,这样的集成是“异质”的,异质集成的个体学习器一般称为基学习器正确答案:D9.常用的图像特征包括A、形状特征B、纹理特征C、颜色特征D、像素特征正确答案:DN不具有以下那个特性。
人工智能算法设计复习题及参考答案
人工智能算法设计复习题及参考答案1. 什么是人工智能算法设计?人工智能算法设计是通过使用数学方法和计算机技术,为解决现实生活中的问题开发和实现智能算法的过程。
它涉及模拟人类智能思维和行为的能力,以及通过机器研究和数据分析等技术来实现的智能决策。
参考答案:人工智能算法设计是一种专门针对具体问题设计和实现的算法。
它可以用于解决各种领域的问题,如图像识别、自然语言处理、推荐系统等。
算法设计者需要结合领域知识和数学模型,通过迭代改进和优化算法,从而使算法能够更好地适应实际应用场景。
2. 人工智能算法设计的重要性是什么?人工智能算法设计的重要性在于它可以为解决实际问题提供有效的解决方案。
通过合理的算法设计,可以提高问题的解决效率和准确率,实现智能化的决策和推荐。
在现代社会中,人工智能算法设计已经被广泛应用于各个领域,如医疗、金融、交通等,为人们的生活和工作带来了诸多便利。
参考答案:人工智能算法设计的重要性体现在以下几个方面:- 提高效率:通过优化算法设计,可以减少算法计算时间和资源消耗,提高问题的解决效率。
- 改善准确性:通过引入更多的数据和机器研究技术,可以提高算法的准确性和预测能力,使得决策更加智能化和准确。
- 促进创新:不断改进和创新算法设计,可以探索新的解决方案和应用领域,推动技术和科学的发展。
3. 人工智能算法设计的挑战有哪些?人工智能算法设计面临着一些挑战,如下所示:- 数据获取与处理:获取高质量的数据并进行预处理是算法设计的基础,但现实中往往存在数据不完整、不准确等问题,需要通过合理的数据处理方法来解决。
- 模型选择与优化:选择合适的数学模型和算法是算法设计的核心问题,需要综合考虑问题的特点和需求,并不断优化和迭代改进模型设计。
- 可解释性与隐私保护:人工智能算法的决策过程往往是黑盒子模型,难以解释其具体逻辑,同时还面临个人隐私信息的保护问题,这些都是需要解决的挑战。
- 伦理与道德问题:人工智能算法的应用涉及到人类社会的方方面面,包括自动驾驶、人脸识别等,因此需要思考和解决相关的伦理和道德问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
人工智能核心算法模拟习题(含答案)1、图像分类是根据图像的语义信息对不同类别图像进行区分,是计算机视觉的核心,是()、人脸识别等其他高层次视觉任务的基础A、物体检测B、图像分割C、物体跟踪D、行为分析答案:ABCD2、决策树分为两大类OoA、回归树B、分类树C、交叉树D、森林答案:AB3、关于学习器结合的描述,正确的是OoA、避免单学习器可能因误选而导致泛化性能不佳B、降低陷入局部极小点的风险C、假设空间扩大,有可能学得更好的近似D、多学习器结合有可能冲突答案:ABC4、()类型的数据集不适合用深度学习?A、数据集太小B、数据集有局部相关性C、数据集太大D、数据集没有局部相关性答案:AD5、需要循环迭代的算法有OoA、k-meansB、线性回归C、svmD、逻辑回归答案:ABD6、下列描述正确的是OA、K均值一般会聚类所有对象,但DBSCAN会丢弃被它识别为噪声的对象B、当簇具有很不相同的密度时,K均值和DBSCAN的性能都很差C、K均值可以用于高维的稀疏数据,DBSCAN则通常在此类数据上性能很差D、K均值可以发现不是明显分离的簇,但DBSCAN会合并有重叠的簇答案:ABCD7、深度学习中常用的损失函数有?A、11损失函数B、均方误差损失函数C、交叉燧误差损失函数D、自下降损失函数答案:BC8、预剪枝使得决策树的很多分子都没有展开,会导致OOA、显著减少训练时间开销B、显著减少测试时间开销C、降低过拟合风险I)、提高欠拟合风险答案:ABCD9、在某神经网络的隐层输出中,包含0.75,那么该神经网络采用的激活函数可能是OA、sigmoidB、tanhC、re1u答案:ABC10、关于随机森林说法正确的是OA、与AdaboOSt相比,随机森林采用一个固定的概率分布来产生随机向量B、随着个体学习器数目的增加,随机森林通常会收敛到更低的泛化误差C、与AdabOOSt相比,随机森林鲁棒性更好D、随机森林的训练效率往往低于Bagging答案:ABC11、下列哪些项用于对问题进行形式化A、感知B、初始状态C、动作D、环境答案:BC12、深度学习中的激活函数需要具有哪些属性?A、计算简单B、非线性C、具有饱和区D、几乎处处可微答案:ABC13、常见的聚类算法有哪些?A、密度聚类B、层次聚类C、谱聚类D、Kmeans答案:ABCD14、对于朴素贝叶斯分类器,下面说法正确的是OA、适用于小规模数据集B、适用于多分类任务C、适合增量式训练D、对输入数据的表达形式不敏感答案:ABC15、下列可用于隐马尔可夫预测的算法是OOA、维特比算法B、Baum-We1ch算法C、前向-后向算法D、拟牛顿法答案:ABCD16^Hiatp1ot1ib中,SUbPIOts_adjust方法中的()和()参数分别控制图片的宽度和高度百分比,以用作子图间的间距。
A、wspaceB、hspaceC、vspaceI)、Ispace答案:AB17、1ibraRCNN从O几个角度论证并增强了两阶段检测模型A、FPN特征B、RPN结构C、正负样本采样D^1oss答案:ACD18、机器学习中做特征选择时,可能用到的方法有?OA、卡方B、信息增益C、平均互信息D、期望交叉端答案:ABCD19、关于反向传播算法,它的主要不足在于A、训练时间较长B、完全不能训练,训练时由于权值调整过大使得激活函数达到饱和C、易陷入局部极小值D、训练过程中,学习新样本时有一网旧样本的趋势答案:ABCD20、以下属于梯度下降的是A、BGDB、SGDC、Mini-BatchD、dropout答案:ABC21、人工智能算法中,决策树分类算法包括A、C4.5B、ID3C、SGDD、CART答案:ABD22、关于数据发掘,下列说法正确的是A、数据挖掘的成功经常依赖于数据挖掘工具的选择B、虽然数据可视化具有很明显的吸引力,高维数据上的图形挖掘却不能够很轻易地完成C、主成分分析能在不明显丢失信息的情况下降低数据维度D、数据挖掘就是从处理过后的数据中进行知识提取答案:ABC23、下列那些方式可处理神经网络中的过拟合问题?A、11/12正则化dropoutC、dataargumentationD>ear1ystop答案:ABCD24、下面关于机器学习的理解正确的是OA、非监督学习的样本数据是要求带标签的B、监督学习和非监督学习的区别在于是否要求样本数据带标签C、强化学习以输入数据作为对模型的反馈I)、卷积神经网络一般用于图像处理等局部特征相关的数据答案:BCD25、关于聚类的描述正确的是O0A、聚类是一种非监督式学习B、聚类是一种监督式学习C、使用的数据不需要包含类别卷标D、使用的数据需要包含类别卷标答案:AC26、EM算法每次迭代包括哪些步骤?A、求期望B、求极大值C、求标准差D、求方差答案:AB27、根据个体学习器的生成方式,目前集成学习大致分为两类,其中一种是个体学习器间不存在强依赖关系、可同时生成的并行化方法,该方法的代表是OA^BoostingB、BaggingC、随机森林D、reboot答案:BC28、遗传算法评价的常用方法有OA、当前最好法B、在线比较法C、离线比较法D、都不是答案:ABC29、传统目标检测提取特征的方式有OA、SIFTB、HOGC、SVMD、Adaboost答案:AB30、列哪些属于循环神经网络OA、CNNB、1STMC、BERTD、RNN答案:BD31>N1P中字、词的one-hot表示:把每个词表示为一个长向量。
这个向量的维度是词表大小,向量中只有一个维度的值为O,其余维度为(),这个维度就代表了当前的词。
A、0B、1C、2D、3答案:AB32、影响聚类算法结果的主要因素有()A、已知类别的样本质量B、分类准则C、特征选取D、模式相似性测度答案:BCD33、哪些项属于集成学习A、KnnB、AdaboostC、随机森林D、XGBoost答案:BCD34、在自然语言处理任务中,首先需要考虑字、词如何在计算机中表示。
通常,有两种表示方式:()表示和()表示A、on-hotB、one-hotC、分布式D、集中式答案:BC35、以下模型中,会用到随机梯度下降法的分别是OA、CNNB、RNNC、KNND、C4.5答案:AB36、图像边缘检测中常用的边缘检测算子有哪些?A、Roberts算子Prewitt算子C、Sobe1算子I)、Canny算子答案:ABCD37、下列关于Ridge回归的说法,正确的是OoA、若λ=0,则等价于一般的线性回归B、若入=0,则不等价于一般的线性回归C、若λ=+∞,则得到的权重系数很小,接近于零D、若入二+8,则得到的权重系数很大,接近与无穷大答案:AC38、正则化是传统机器学习中重要且有效的减少泛化误差的技术,以下技术属于正则化技术的是:A、11正则化B、12正则化C、DropoutD、动量优化器答案:ABC39、做一个二分类预测问题,先设定阈值为0.5,概率不小于0.5的样本归入正例类(即1),小于0.5的样本归入反例类(即0)。
然后,用阈值n (n>0.5)重新划分样本到正例类和反例类,下面说法正确的是OoA、增加阈值不会提高召回率B、增加阈值会提高召回率C、增加阈值不会降低查准率I)、增加阈值会降低查准率答案:AC40、下列哪些方法的输出结果,通常包含boundingbox?OA、MTCNNB、FasterRCNNC、MaskRCNND、A1exNet答案:ABC41、下列哪些是数据预处理的常用技术OA、数字属性的缺失值补0B、1abe1EncoderC^one-hotencoderD、CountVectorize答案:ABCD42、集成学习模型的集成方式有A、同质集成B、异质集成C、本质集成D、泛化集成答案:AB43、下列哪些项是决策树常用的属性选择指标OA、Gini系数B、信息增益C、信息增益率D、距离平方和答案:ABC44、机器学习中评价指标有哪些OA、AccuracyB>PrecisionC、Reca11D、Iou答案:ABC45、模型压缩的主要方法有哪些?A、模型剪枝B、模型蒸播C、模型参数量化D、nan答案:ABC46、下列无监督学习算法中可解决聚类问题的算法有A、PCAB、1SAC、混合高斯D、k-means答案:CD47、那种机器学习算法不需要对数据进行标注A、有监督学习B、无监督学习C、强化学习D、深度学习答案:BC48、关于卷积神经网络池化层以下描述正确的是?A、池化操作采用扫描窗口实现B、池化层可以起到降维的作用C、常用的池化方法有最大池化和平均池化D、经过池化的特征图像变小了答案:ABCD49、强化学习主要由智能体(Agent)以及O组成。
A、环境(Environment)B、状态(State)C^动作(Action)D^奖励(Reward)答案:ABCD50、vgg19中的19代表了网络中哪些层的数目总和OA、全连接层B、输入层C、池化层D、卷积层答案:ACD51、面向对象的三大特性A、封装B、继承C、多态D、独立答案:ABCD52、缩小训练误差与测试误差间的差距会产生过拟合,防止过拟合的方法包括OOA、交叉验证B、集成方法C、增加正则化D、特征工程答案:AC53、常用的机器学习算法,可使用哪些开发包OA A sk1earnB、XgboostC、IightgbmD、numpy答案:ABC54、CNN常见的数据集有OA、P ASCA1VOCB、NfNISTC、ImageNetD、CIFAR-IO答案:ABCD55>分布式表示:WOrdembeddir1g指的是将词转化成一种分布式表示,又称()。
分布式表示将词表示成一个O的连续的稠密向量。
A、词向量B、词相量答案:AD56、目标检测存在的挑战有OA、光照B、遮挡C、重叠D、多尺度答案:ABCD57、机器翻译的局限性在于()A、训练样本单一B、只能处理简单句C、基于己有的既成案例D、错误较多答案:BC58、聚类算法常见的性能评估指标有哪些?A、AdjustRandIndex衡量两个序列相似性的算法。
B、齐次性和完整性C、轮廓系数答案:ABC59、广义不确定性可分为OA、粗糙性B、模糊性C、不完全性D、时变性答案:BC60、Ro1POO1ing在哪些方法中被采用()E、RCNNF、fastRCNNG、fasterRCNNH、maskRCNN答案:BC61、对于Word2vec的2个基础算法,每次()更新只能优化一个向量且SoftmaX里的指数求和操作计算量太大,一般使用比较高效的O算法。
A、旋度B、梯度答案:BC62、属于深度学习模型的选项是?A、朴素贝叶斯B、深度残差网络C、卷积神经网络CNNI)、循环神经网络RNN答案:BCD63、数据增强有哪些方式处理图片OOA、翻转B、缩放C、改变色温D、亮度答案:ABCD64、降维的重要特征提取技术OA、PCA8、KPCAC、ICAD、AA答案:ABC65、WorC12vec包含两个经典模型,()和()。