1、專題二 測驗(yàn)試卷總分:40 得分:90一、判斷題狀態(tài)空間圖是對(duì)一個(gè)問題的表示，通過問題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。答案:正確人工智能利用遺傳算法在求解優(yōu)化問題時(shí)，會(huì)把問題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱為一個(gè)染色體或個(gè)體。答案:正確P（AB）代表事件A發(fā)生的條件下事件B發(fā)生的概率。答案:錯(cuò)誤人們需要把分類器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類器進(jìn)行訓(xùn)練。答案:錯(cuò)誤深度學(xué)習(xí)是計(jì)算機(jī)利用其計(jì)算能

2、力處理大量數(shù)據(jù)，獲得看似人類同等智能的工具。答案:分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。答案:正確語義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無法表示一系列動(dòng)作、一個(gè)事件等的知識(shí)。答案:錯(cuò)誤下圖表示的是前向狀態(tài)空間搜索。圖答案:正確啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。答案:錯(cuò)誤現(xiàn)實(shí)世界中的規(guī)劃問題需要先調(diào)度，后規(guī)劃。答案:錯(cuò)誤二、選擇題貝葉斯網(wǎng)絡(luò)是一個(gè)（）。有向環(huán)形圖無向環(huán)形圖有向無環(huán)圖無向無環(huán)圖答案:C12.算法模型看起來像一棵倒立的樹，數(shù)據(jù)沿著樹根輸入，再從葉子節(jié)點(diǎn)輸出，中間的分支要根據(jù)不同特征的信息進(jìn)行判斷，決定該向左走還是向右走，這種算法稱為（）。KNN決策樹遺傳算法A*算法

3、答案:B13.下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。圖路徑1路徑2答案:B14.深度學(xué)習(xí)模型區(qū)別于早期的人工神經(jīng)網(wǎng)絡(luò)的是（? ? ）改變算法增加模型訓(xùn)練的層次增加標(biāo)簽量增加數(shù)據(jù)量答案:15.（）設(shè)計(jì)出了一個(gè)會(huì)自主學(xué)習(xí)的跳棋程序，駁倒了“機(jī)器無法超越人類，像人類一樣寫代碼和學(xué)習(xí)”的理論，創(chuàng)造出了“機(jī)器學(xué)習(xí)”這一術(shù)語。亞瑟塞繆爾馮諾依曼托馬斯貝葉斯艾倫麥席森圖靈答案:A16.（）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無用或效率較低的節(jié)點(diǎn)，從而快速找到問題的解。KNN決策樹遺傳算法A*算法答案:D17.當(dāng)我們?cè)谖锲贩N類很多的

4、情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來解決，這些方法中的一種被稱為“遺傳算法”，它是通過模擬達(dá)爾文的進(jìn)化論來解決問題的，因此也被歸類為“進(jìn)化算法”。（）教授首先提出“遺傳算法”。約翰?霍蘭德亞瑟塞繆爾馮諾依曼艾倫麥席森圖靈答案:A18.圖人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（）。標(biāo)簽特征值數(shù)據(jù)結(jié)構(gòu)擬合標(biāo)簽答案:B19.遺傳算法具有（）的迭代過程的搜索算法。也就是說，通過群體的一代代的不斷進(jìn)化，最終收斂到“最適應(yīng)環(huán)境”的個(gè)體，從而求得問題的最優(yōu)解或滿意解。生存檢測遺傳變異自然選擇適者生存答案:A20.下面的動(dòng)物識(shí)別系統(tǒng)中，我們可以在方框中點(diǎn)擊所知?jiǎng)?/p>