第頁人工智能復習練習卷附答案1.對于分類任務，我們不是將神經?絡中的隨機權重初始化，?是將所有權重設為零。下列哪項是正確的？A、沒有任何問題，神經?絡模型將正常訓練B、神經?絡模型可以訓練，但所有的神經元最終將識別同樣的事情C、神經?絡模型不會進?訓練，因為沒有凈梯度變化D、這些均不會發?【正確答案】：B解析：

02.類別不平衡指分類任務中不同類別的訓練樣例數目（）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3.下列哪個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D、決策樹【正確答案】：D解析：

見算法解析4.以下哪些是通用逼近器？A、KernelSVMB、NeuralNetworksC、BoostedDecisionTreesD、以上所有【正確答案】：D解析：

05.訓練圖像分類模型時，對于圖像的預處理，下列技術哪項經常要用（）？。A、圖像增強B、圖像灰度化C、圖片二值化D、圖片RGB通道轉換【正確答案】：A解析：

預處理的主要任務是提高識別效率，常用的處理方式包括去霧和降噪。最常用的是圖像增強，有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果，滿足某些特殊分析的需要。選A6.一張RGB彩色圖片存儲在計算機中通常不含以下哪一項：A、黃色通道B、藍色通道C、綠色通道D、紅色通道【正確答案】：A解析：

一張RGB彩色圖片不包含黃色通道。7.評估完模型之后，發現模型存在高偏差（highbias），應該如何解決？A、減少模型的特征數量B、增加模型的特征數量C、增加樣本數量D、以上說法都正確【正確答案】：B解析：

如果模型存在高偏差（highbias），意味著模型過于簡單。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。而添加樣本數量將減少方差8.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9.下列選項中，無監督學習模型是A、DecisionB、K_meansC、SVMD、LogisticRegression【正確答案】：B解析：

K_means是無監督學習模型，其它選項是有監督學習模型10.欠擬合會出現高（）問題A、標準差B、方差C、偏差D、平方差【正確答案】：C解析：

欠擬合會出現高偏差問題11.在經典的卷積神經網絡模型中，Softmax函數是跟在什么隱藏層后面的?A、卷積層B、池化層C、全連接層D、以上都可以【正確答案】：C解析：

012.Relu在零點不可導，那么在反向傳播中怎么處理（）A、設為0B、設為無窮大C、不定義D、設為任意值【正確答案】：A解析：

Relu在零點不可導，那么在反向傳播中設為013.以下關于SVM說法不正確的是A、SVM是一種二分類模型B、其基本思想是：對于給定的數據集D在樣本空間中找到一個劃分超平面，從而將不同類別的樣本分開C、核函數的作用就是隱含著從高維空間到低維空間的映射D、SVM還可以使用所謂的核技巧有效地進行非線性分類，將其輸入隱式映射到高維特征空間中。【正確答案】：C解析：

核函數的作用就是隱含著從低維空間到高維空間的映射14.DSSM使用（）個全連接層A、兩B、一C、三D、四【正確答案】：A解析：

DSSM使用兩個全連接層15.用Tensorflow處理圖像識別任務時，若輸入數據的形狀為[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：

TensorFlow讀入圖片統一為三通道16.人工智能生態圈分三層結構：（）、技術平臺、落地場景。A、基礎設施B、基礎設備C、基礎措施D、基礎技術【正確答案】：A解析：

人工智能生態圈分三層結構：基礎設施、技術平臺、落地場景。17.假設一個具有3個神經元和輸入為[1,2,3]的簡單MLP模型。輸入神經元的權重分別為4,5和6。假設激活函數是一個線性常數值3（激活函數為：y=3x)。輸出是什么？A、32B、643C、96D、48【正確答案】：C解析：

018.下列哪些項目是在圖像識別任務中使用的數據擴增技術(dataaugmentationtechnique)？1水平翻轉(Horizontalflipping)2隨機裁剪(Randomcropping)3隨機放縮(Randomscaling)4顏色抖動(Colorjittering)5隨機平移(Randomtranslation)6隨機剪切(Randomshearing)A、1，3，5，6B、1，2，4C、2，3，4，5，6D、所有項目【正確答案】：D解析：

019.強化學習在每個時刻環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境中的。A、actionB、rewardC、stateD、agent【正確答案】：A解析：

見算法解析20.閱讀以下文字：假設我們擁有一個已完成訓練的、用來解決車輛檢測問題的深度神經網絡模型，訓練所用的數據集由汽車和卡車的照片構成，而訓練目標是檢測出每種車輛的名稱（車輛共有10種類型）。現在想要使用這個模型來解決另外一個問題，問題數據集中僅包含一種車（福特野馬）而目標變為定位車輛在照片中的位置。A、除去神經網絡中的最后一層，凍結所有層然后重新訓練B、對神經網絡中的最后幾層進行微調，同時將最后一層（分類層）更改為回歸層C、使用新的數據集重新訓練模型D、所有答案均不對【正確答案】：B解析：

021.下列哪個函數不可以做激活函數？A、y=tanh(x)B、y=sin(x)C、y=max(x,0)D、y=2x【正確答案】：D解析：

022.SVM的基本思想是間隔最大化來得到最優分離（）A、超平面B、分離間隔C、分離曲線D、分離平面【正確答案】：A解析：

SVM的基本思想是間隔最大化來得到最優分離超平面23.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的動作,以便于進一步優化評估當前認為最優的動作的值。A、探索;開發B、開發;探索C、探索;輸出D、開發;輸出【正確答案】：A解析：

024.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：

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9725.在選擇神經網絡的深度時，下面哪些參數需要考慮？1神經網絡的類型(如MLP,CNN)2輸入數據3計算能力(硬件和軟件能力決定)4學習速率5映射的輸出函數A、1,2,4,5B、2,3,4,5C、都需要考慮D、1,3,4,5【正確答案】：C解析：

026.在強化學習的過程中,學習率α越大,表示采用新的嘗試得到的結果比例越（）,保持舊的結果的比例越（）。A、大;小B、大;大C、小;小D、小;大【正確答案】：A解析：

027.scikit-learn用于訓練模型的函數接口為（）A、Fit()B、fit()C、Train()D、train()【正確答案】：B解析：

scikit-learn用于訓練模型的函數接口為fit()28.強化學習的基礎模型是（）模型A、馬可夫決策B、貝葉斯C、HMMD、最大后驗概率【正確答案】：A解析：

見算法解析29.2019年，DeepMind開發出一種（）來近似計算薛定諤方程，在精度和準確性上都滿足科研標準，為深度學習在量子化學領域的發展奠定了基礎，A、深度神經網絡B、費米神經網絡C、卷積神經網絡D、循環神經網絡【正確答案】：B解析：

2019年，DeepMind開發出一種費米神經網絡來近似計算薛定諤方程，在精度和準確性上都滿足科研標準，為深度學習在量子化學領域的發展奠定了基礎，30.每一棵決策樹擬合的是之前迭代得到的模型的（）A、標準差B、均方差C、殘差D、方差【正確答案】：C解析：

每一棵決策樹擬合的是之前迭代得到的模型的殘差31.目標檢測常用性能指標的是（）A、信噪比B、平方誤差C、mAPD、分辨率【正確答案】：C解析：

mAP表示算法處理每張照片時間。32.過擬合會出現高（）問題A、標準差B、方差C、偏差D、平方差【正確答案】：B解析：

過擬合會出現高方差問題33.隱馬爾可夫模型（HMM）是結構最簡單的動態貝葉斯網絡，是一種著名的（）模型。A、無向圖B、雙向圖C、有向圖D、單向圖【正確答案】：C解析：

概率圖模型分為兩類，一類是使用有向無環圖表示依賴關系，稱為有向圖模型或貝葉斯網絡，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，例如馬爾可夫隨機場34.下面對強化學習、監督學習和深度卷積神經網絡學習的描述正確的是A、評估學習方式、有標注信息學習方式、端到端學習方式B、有標注信息學習方式、端到端學習方式、端到端學習方式C、評估學習方式、端到端學習方式、端到端學習方式D、無標注學習、有標注信息學習方式、端到端學習方式【正確答案】：A解析：

035.下面的交叉驗證方法

:i.有放回的Bootstrap方法ii.留一個測試樣本的交叉驗證iii.

5折交叉驗證iv.重復兩次的5折教程驗證當樣本是1000時，下面執行時間的順序，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方法是傳統地隨機抽樣，驗證一次的驗證方法，只需要訓練1次模型，所以時間最少。留一個測試樣本的交叉驗證，需要n次訓練過程（n是樣本個數），這里，要訓練1000個模型。5折交叉驗證需要訓練5個模型。重復2次的5折交叉驗證，需要訓練10個模型36.ID3算法選擇劃分屬性的準則是A、信息增益B、增益率C、基尼系數D、信息熵【正確答案】：A解析：

ID3算法使用信息增益為準則來選擇劃分屬性37.下列對LVW算法的說法錯誤的是（）A、算法中特征子集搜索采用了隨機策略B、每次特征子集評價都需要訓練學習器，開銷很大C、算法設置了停止條件控制參數D、算法可能求不出解【正確答案】：D解析：

見算法解析38.無監督學習需要（）A、學習程序自己形成和評價概念，沒有教師B、學習程序在教師監督下形成和評價概念C、學習程序有時需要教師，有時不需要教師，以形成和評價概念D、以上說法都不對【正確答案】：A解析：

039.以下兩種描述分別對應哪兩種對分類算法的評分標準?(a)排查竊電情況，描述排查中有多少是真實竊電行為的標準（b）描述有多少比例的竊電情況被發現的標準A、Precision，RecallB、Recall,PrecisionC、Precision,ROCD、Recall,ROC【正確答案】：A解析：

040.如果在大型數據集上訓練決策樹。為了花費更少的時間來訓練這個模型，下列哪種做法是正確的？A、增加樹的深度B、增加學習率C、減小樹的深度D、減少樹的數量【正確答案】：C解析：

041.OLAM技術一般簡稱為”數據聯機分析挖掘”,下面說法正確的是:A、OLAP和OLAM都基于客戶機/服務器模式,只有后者有與用戶的交互性B、由于OLAM的立方體和用于OLAP的立方體有本質的區別C、基于WEB的OLAM是WEB技術與OLAM技術的結合.D、OLAM服務器通過用戶圖形借口接收用戶的分析指令,在元數據的知道下,對超級立方體作一定的操作.【正確答案】：D解析：

042.下列選項中，不屬于深度學習模型的是A、線性回歸B、深度殘差網絡C、卷積神經網絡CNND、循環神經網絡RNN【正確答案】：A解析：

線性回歸是傳統統計學系呢絨43.池化操作的作用是：A、上采樣B、下采樣C、paddingD、增加特征圖通道數【正確答案】：B解析：

池化操作的作用是下采樣44.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、區間估計D、有偏估計【正確答案】：B解析：

EM算法通過迭代求L(theta)=logP(Y|theta)的極大似然估計，每次迭代交替進行求期望和求極大化。45.半監督學習四大范型不含有（）A、基于分歧方法B、半監督SVMC、生成式方法D、半監督聚類【正確答案】：D解析：

見算法解析46.以下卷積神經網絡模型中，最早用于手寫數字識別的是A、LeNet-5B、AlexNetC、ResNet50D、ResNet152【正確答案】：A解析：

最早用于手寫數字識別的卷積神經網絡模型是LeNet-547.循環神經網在工業上最常用的兩種實現是：①.LSTM②.GRU③.CNN④.DNNA、①③B、①②C、①③D、①④【正確答案】：B解析：

CNN、DNN不屬于循環神經網絡48.圖像識別技術是指利用計算機對（）進行處理、分析，以識別不同模式的目標和對象，是深度學習算法的一種，現主要運用于人臉識別與商品識別。A、圖形B、圖像C、圖片D、圖文【正確答案】：B解析：

圖像識別技術是指利用計算機對圖像進行處理、分析，以識別不同模式的目標和對象，是深度學習算法的一種，現主要運用于人臉識別與商品識別。49.深度學習與傳統的機器學習算法根本差別在于（）A、模型假設B、評價函數C、假設的復雜度D、優化算法【正確答案】：C解析：

深度學習與傳統的機器學習算法根本差別在于假設的復雜度50.對于DBSCAN，參數Eps固定，當MinPts取值較大時，會導致A、能很好的區分各類簇B、只有高密度的點的聚集區劃為簇，其余劃為噪聲C、低密度的點的聚集區劃為簇，其余的劃為噪聲D、無影響【正確答案】：B解析：

051.梯度下降法（gradientdescent）以單個樣本的（）對權重進行調節A、均方誤差的梯度方向B、均方誤差的負梯度方向C、協方差的梯度方向D、協方差的負梯度方向【正確答案】：B解析：

梯度下降法（gradientdescent），以單個樣本的均方誤差的負梯度方向對權重進行調節。52.考慮以下問題：假設我們有一個5層的神經網絡，這個神經網絡在使用一個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，單個數據需要花費2秒的時間。如果我們現在把架構變換一下，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為多少？A、少于2sB、大于2sC、仍是2sD、說不準【正確答案】：C解析：

053.在目標檢測中，以下能產生候選框的算法是（）a)

SelectiveSearchb)

ROIpoolingc)

RegionproposallayerA、b)、c)B、a)、b)C、a)D、a)、c)【正確答案】：D解析：

SelectiveSearch、Regionproposallayer能產生候選框54..

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、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】：B解析：

055.Matplotlib是一個主要用于繪制（）維圖形的Python庫，用途：繪圖、可視化。A、一B、二C、三D、四【正確答案】：B解析：

見算法解析56.如果我們用了一個過大的學習速率會發生什么？A、神經網絡會收斂B、不好說C、都不對D、神經網絡不會收斂【正確答案】：D解析：

057.考慮某個具體問題時，你可能只有少量數據來解決這個問題。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絡。可以用下面哪種方法來利用這個預先訓練好的網絡？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、對新數據重新訓練整個模型C、只對最后幾層進行調參(finetune)D、對每一層模型進行評估，選擇其中的少數來用【正確答案】：C解析：

058.在scikit-learn中，DBSCAN算法對于（）參數值的選擇非常敏感A、pB、epsC、n_jobsD、algorithm【正確答案】：B解析：

059.為應對圖計算中對高效處理大規模圖數據的巨大挑戰，（）圖計算成為了當前熱點研究問題。A、拓展分列式B、分布式C、可擴展D、可擴展分布式【正確答案】：D解析：

為應對圖計算中對高效處理大規模圖數據的巨大挑戰，可擴展分布式圖計算成為了當前熱點研究問題。60.關于模型參數（權重值）的描述，錯誤的說法是A、在訓練神經網絡過程中，參數不斷調整，其調整的依據是基于損失函數不斷減少B、每一次Epoch都會對之前的參數進行調整，迭代次數越多，損失函數一般越小C、模型參數量越多越好，沒有固定的對應規則D、訓練好的神經網絡模型存儲于一定結構的神經元之間的權重和神經元的偏置中【正確答案】：C解析：

幾乎模型每個操作所需的時間和內存代價都會隨模型參數量的增加而增加61.與生成方法、半監督SVM、圖半監督學習等基于單學習機器利用未標記數據不同，基于分歧的方法（disagreement-basedmethods）使用多學習器，而學習器之間的“分歧”（disagreement）對未標記數據的利用至關重要。（）是此類方法的重要代表A、協同訓練B、組合訓練C、配合訓練D、陪同訓練【正確答案】：A解析：

見算法解析62.Iou表示的是（）A、兩個框之間的重疊程度B、兩個框的總面積C、兩個框的相對大小D、一個框面積與周長比值【正確答案】：A解析：

見算法解析63.為什么不能用多層全連接網絡解決命名實體識別問題：A、序列數據的輸入和輸出通常是不固定的，有的序列長，有的序列短B、全連接網絡的根本不能處理任何序列數據C、全連接網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，全連接網絡也不能解決這個問題【正確答案】：A解析：

序列數據的輸入和輸出通常是不固定的，有的序列長，有的序列短，因此不能用多層全連接網絡解決命名實體識別問題64.下屬模型是一階段網絡的是（）A、YOLOv2B、rcnnC、fast-rcnnD、faster-rcnn【正確答案】：A解析：

見算法解析65.在一些算法中，為了進行屬性之間的比較或運算，需要把不同屬性的不同變量取值范圍變換成同一范圍，以免使得結果發生扭曲，偏向取值范圍大的變量。這一過程稱為（）。A、合并B、數據聚合C、歸一化D、數據處理【正確答案】：C解析：

066.在深度學習網絡中，反向傳播算法用于尋求最優參數，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】：A解析：

反向傳播算法利用鏈式法則進行梯度求解及權重更新的。67.決策樹的優點不包括A、不容易過擬合B、容易可視化，容易解釋C、無需對特征進行歸一化處理D、適合混合特征類型的數據集【正確答案】：A解析：

068.以下哪項關于決策樹的說法是錯誤的（）A、冗余屬性不會對決策樹的準確率造成不利的影響B、子樹可能在決策樹中重復多次C、決策樹算法對于噪聲的干擾非常敏感D、尋找最佳決策樹是NP完全問題【正確答案】：C解析：

069.使用機器學習—深度學習—的目的：尋找一個合適的（）。A、參數B、數據C、算法D、函數【正確答案】：D解析：

見算法解析70.以下哪種模型是自然語言處理后Bert時代的預訓練模型A、Word2VecB、RNNC、XLNetD、LSTM【正確答案】：C解析：

XLNet是自然語言處理后Bert時代的預訓練模型71.以下關于Bagging（裝袋法）的說法不正確的是A、能提升機器學習算法的穩定性和準確性，但難以避免overfittingBagging（裝袋法）是一個統計重采樣的技術,它的基礎是BootstrapC、主要通過有放回抽樣）來生成多個版本的預測分類器,然后把這些分類器進行組合D、進行重復的隨機采樣所獲得的樣本可以得到沒有或者含有較少的噪聲數據【正確答案】：A解析：

072.假設你需要調整參數來最小化代價函數（costfunction），可以使用下列哪項技術（）？A、窮舉搜索B、隨機搜索C、Bayesian優化D、以上任意一種【正確答案】：D解析：

073.以下剪枝算法中性能最好的是A、REPB、IREPC、RIPPERD、CN2【正確答案】：C解析：

見算法解析74.下面哪種方法沒辦法直接應用于自然語言處理的任務？A、去語法模型B、循環神經網絡C、卷積神經網絡D、主成分分析(PCA)【正確答案】：D解析：

075.最基本的數據挖掘屬性分為如下兩類：1、（）。特點是屬性的數據之間沒有確定的順序2、連續型。特點是屬性的數據一般是數值，數據之間是有確定的順序，可以相互比較和計算。A、名稱型B、類別型C、序數型D、連續型【正確答案】：A解析：

076.在神經網絡學習中，每個神經元會完成若干功能，下面哪個功能不是神經元所能夠完成的功能A、對前序相鄰神經元所傳遞信息進行加權累加B、對加權累加信息進行非線性變化（通過激活函數）C、向前序相鄰神經元反饋加權累加信息D、將加權累加信息向后續相鄰神經元傳遞【正確答案】：C解析：

077.使用交叉驗證最簡單的方法是在估計器和數據集上調用什么輔助函數？A、cross_val_scoreB、cross_val%C、val_scoreD、cross_score【正確答案】：A解析：

078.GoogLeNetInceptionV1中使用了5*5的卷積核所以訓練代價非常高，為了解決這個問題，GoogLeNet使用的方法是：A、取消5*5的卷積核B、先用1*1的卷積核降維，然后在使用5*5的卷積核C、把5*5拆分為2個3*3D、縮減5*5的卷積核的個數【正確答案】：B解析：

GoogLeNetInceptionV1先用1*1的卷積核降維，然后在使用5*5的卷積核79.算法的有窮性是指（）A、算法程序的運行時間是有限的B、算法程序所處理的數據量是有限的C、算法程序的長度是有限的D、算法只能被有限的用戶使用【正確答案】：A解析：

080.Google與Facebook分別提出SimCLR與MoCo兩個算法，實現在（）上學習圖像數據表征。兩個算法背后的框架都是對比學習（contrastivelearning）A、標注數據B、無標注數據C、二維數據D、圖像數據【正確答案】：B解析：

Google與Facebook分別提出SimCLR與MoCo兩個算法，實現在無標注數據上學習圖像數據表征。兩個算法背后的框架都是對比學習（contrastivelearning）81.感知機（Perceptron）是由（）層神經元組成的一個簡單模型A、1B、2C、3D、4【正確答案】：B解析：

感知機（Perceptron）是由兩層神經元組成的一個簡單模型82.假設我們已經在ImageNet數據集(物體識別)上訓練好了一個卷積神經網絡。然后給這張卷積神經網絡輸入一張全白的圖片。對于這個輸入的輸出結果為任何種類的物體的可能性都是一樣的，對嗎？A、對的B、不知道C、看情況D、不對【正確答案】：D解析：

083.2018年開發者大會，百度發布了國內首款云端通用AI處理器（）。A、百度鴻鵠B、百度昆侖C、百度靈云D、百度鴻基【正確答案】：B解析：

2018年開發者大會，百度發布了國內首款云端通用AI處理器是百度昆侖。84.能夠提取出圖片邊緣特征的網絡是（）。A、卷積層B、池化層C、全連接層D、輸出層【正確答案】：A解析：

085.2010年谷歌推出以頂點為中心的圖處理系統（），其專為大規模圖數據處理而設計，將圖數據保存在主存儲器中并采用并行計算的BSP模型AregelB、PregelCregelDregel【正確答案】：B解析：

2010年谷歌推出以頂點為中心的圖處理系統Pregel，其專為大規模圖數據處理而設計，將圖數據保存在主存儲器中并采用并行計算的BSP模型86.LARS屬于哪種特征選擇方法（）A、包裹式B、啟發式C、嵌入式D、過濾式【正確答案】：C解析：

見算法解析87.回歸方程判定系數的計算公式R^2=SSR/SST=1-SSE/SST，對判定系數描述錯誤的是（）。A、式中的SSE指殘差平方和B、式中的SSR指總離差平方和C、判定系數用來衡量回歸方程的擾合優度D、判定系數R^2等于相關系數的平方【正確答案】：B解析：

088.增強現實領域（AR）大量應用了（）,典型的就是微軟的HoLolens。A、虛擬現實技術B、圖像處理C、計算機視覺D、語音識別【正確答案】：C解析：

增強現實領域（AR）大量應用了計算機視覺,典型的就是微軟的HoLolens。89.在廢棄階段，廢棄銷毀使用目的不復存在或者有更好解決方法替換的人工智能系統，主要包括數據、（）以及系統整體的廢棄銷毀過程。A、算法B、模型C、程序D、算法模型【正確答案】：D解析：

在廢棄階段，廢棄銷毀使用目的不復存在或者有更好解決方法替換的人工智能系統，主要包括數據、算法模型以及系統整體的廢棄銷毀過程。90.（）是使用某一位置的相鄰輸出的總體統計特征來代替網絡在該位置的輸出A、卷積B、約化C、池化D、批歸一化【正確答案】：C解析：

池化是使用某一位置的相鄰輸出的總體統計特征來代替網絡在該位置的輸出91.不同于通常涉及大量的規則編碼的早期嘗試語言處理，現代NLP算法是基于A、自動識別B、機器學習C、模式識別D、算法輔助【正確答案】：B解析：

現代自然語言處理算法是基于機器學習，尤其是統計機器學習。機器學習范式不同于以前的語言處理嘗試。通常的做法是基于公共語料庫訓練機器學習模型，將一段包含自然語言的文本數據分割到訓練好的機器學習模型中，然后基于詞向量進行語義識別。92.關于人工智能的發展歷史下列說法中不正確的是（）。A、其發展階段經歷了三次大的浪潮。B、第一次是50-60年代注重邏輯推理的機器翻譯時代。C、人工智能的概念形成于20世紀40年代。D、第二次是70-80年代依托知識積累構建模型的專家系統時代。【正確答案】：C解析：

人工智能的概念形成于20世紀60年代。。93.集成學習中的結合策略不包括A、平均法B、投票法C、學習法D、加權法【正確答案】：D解析：

集成學習中的結合策略包括平均法、投票法、學習法94.TensorFlow程序開發時經常會使用到placeholder，placeholder是指？A、常量B、變量C、張量D、占位符【正確答案】：D解析：

Placeholder的中文意思就是占位符因為每增加一個常量,TensorFlow都會在計算圖中增加一個結點,所以說擁有幾百萬次迭代的神經網絡會擁有極其龐大的計算圖,而占位符卻可以解決這一點,它只會擁有占位符這一個結點95.以下哪些分類方法可以較好地避免樣本的不平衡問題，（）A、KNNB、SVMC、ayesD、神經網絡【正確答案】：A解析：

096.圖像數字化分為兩個步驟：一為取樣，二為（）。A、數字化B、量化C、去噪聲D、清洗【正確答案】：B解析：

圖像數字化分為兩個步驟：一為取樣，二為量化。97.下面哪個不屬于數據的屬性類型A、標稱B、序數C、區間D、相異【正確答案】：D解析：

098.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99.主成分分析是一種數據降維和去除相關性的方法，它通過（）將向量投影到低維空間。A、線性變換B、非線性變換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據降維和去除相關性的方法，它通過線性變換將向量投影到低維空間。100.圖計算的局部性差，使得計算在等待（）花費了巨大的開銷。A、I/OB、數據準備C、數據讀取D、數據存儲【正確答案】：A解析：

圖計算的局部性差，使得計算在等待I/O花費了巨大的開銷。1.我們知道二元分類的輸出是概率值。一般設定輸出概率大于或等于0.5，則預測為正類；若輸出概率小于0.5，則預測為負類。那么，如果將閾值0.5提高，例如0.6，大于或等于0.6的才預測為正類。則準確率（Precision）和召回率（Recall）會發生什么變化（多選）？A、準確率（Precision）增加或者不變B、準確率（Precision）減小C、召回率（Recall）減小或者不變D、召回率（Recall）【正確答案】：AC解析：

02.最常用的降維算法是PCA，以下哪項是關于PCA是正確的A、PCA是一種無監督的方法B、.它搜索數據具有最大差異的方向C、主成分的最大數量D、.所有主成分彼此正交【正確答案】：ABCD解析：

PCA的原理是線性映射，簡單的說就是將高維空間數據投影到低維空間上，然后將數據包含信息量大的主成分保留下來，忽略掉對數據描述不重要的次要信息。而對于正交屬性空間中的樣本，如何用一個超平面對所有樣本進行恰當合適的表達呢?若存在這樣的超平面，應該具有兩種性質：所有樣本點到超平面的距離最近，樣本點在這個超平面的投影盡可能分開3.下列敘述中不正確的是A、算法復雜度是指算法控制結構的復雜程度B、法設計只需考慮結果的可靠性C、數據的存儲結構會影響算法的效率D、算法復雜度是用算法中指令的條數來度量的【正確答案】：ABD解析：

算法的設計要求包括效率與低存儲量，即要考慮算法的時間復雜度與空間復雜度。因此選項B錯誤;算法的復雜度主要包括時間復雜度和空間復雜度。所謂算法的時間復雜度，是指執行算法所需要的計算工作量;一個算法的空間復雜度，一般是指執行這個算法所需要的內存空間，因此選項A、D錯誤。4.需要循環迭代的算法有A、k-meansB、線性回歸C、svmD、邏輯回歸【正確答案】：ABD解析：

支持向量機（SVM）從數據中找出一個數據的分割超平面。將兩個類別的數據完全分割開，并且在模型構建的過程中，保證分割區間最大化,無迭代循環5.下列哪些包不是圖像處理時常用的（）A、timeB、sklearnC、osD、opencv【正確答案】：ABC解析：

見算法解析6.Transformer由且僅由（）和（）組成。只要計算資源夠，可以通過堆疊多層Transformer來搭建復雜網絡。A、Self-AttenionB、FeedForwardNeuralNetworkC、FeedBackwardNeuralNetworkD、Self-Action【正確答案】：AB解析：

見算法解析7.機器學習中常見的優化方法。A、梯度下降法B、擬牛頓法C、啟發式優化方法D、EM算法【正確答案】：ABCD解析：

08.帶有記憶處理的神經元有（）A、LSTMB、GRUCNND、ResNet【正確答案】：AB解析：

09.AlexNet與LeNet的區別是A、模型構造不同B、激活函數不同C、AlexNet使用dropout來控制全連接層的模型復雜程度D、AlexNet中引入了圖像增廣【正確答案】：ABCD解析：

AlexNet與LeNet的區別是模型構造不同,激活函數不同,AlexNet使用dropout來控制全連接層的模型復雜程度,AlexNet中引入了圖像增廣10.下面關于隨機森林和集成學習的說法，正確的是：A、隨機森林只能用于解決分類問題B、隨機森林由隨機數量的決策樹組成C、集成學習通過構建多個模型，并將各個模型的結果使用求平均數的方法集成起來，作為最終的預測結果，提高分類問題的準確率D、隨機森林的弱分類器（基分類器）的特征選擇是隨機的【正確答案】：CD解析：

011.下列哪些是詞向量模型（）A、fastTextB、word2vecC、BERTD、CNN【正確答案】：ABC解析：

見算法解析12.現代的卷積神經網絡，常用的模塊包括哪些（）A、多分枝結構B、殘差連接C、BatchNormalizationD、Sigmoid激活函數【正確答案】：ABC解析：

見算法解析13.淺層神經網絡與深度神經網絡比較，其區別之處是A、淺層結構算法：其局限性在于有限樣本和計算單元情況下對復雜函數的表示能力有限，針對復雜分類問題其泛化能力受到一定制約B、深度學習可通過學習一種深層非線性網絡結構，實現復雜函數逼近，表征輸入數據分布式表示，并展現了強大的從少數樣本集中學習數據集本質特征的能力C、深度學習多層的好處是可以用較少的參數表示復雜的函數D、深度學習的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升分類或預測的準確性【正確答案】：ABCD解析：

淺層結構算法：其局限性在于有限樣本和計算單元情況下對復雜函數的表示能力有限，針對復雜分類問題其泛化能力受到一定制約，深度學習可通過學習一種深層非線性網絡結構，實現復雜函數逼近，表征輸入數據分布式表示，并展現了強大的從少數樣本集中學習數據集本質特征的能力，深度學習多層的好處是可以用較少的參數表示復雜的函數，深度學習的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升分類或預測的準確性14.SVM中常用的核函數包括哪些?A、高斯核函數B、多項式核函數C、Sigmiod核函數D、線性核函數【正確答案】：ABCD解析：

SVM常用的核函數包括：線性核函數、多項式核函數、高斯核函數、Sigmiod核函數15.正則化是傳統機器學習中重要且有效的減少泛化誤差的技術，以下技術屬于正則化技術的是A、L1正則化B、L2正則化C、DropoutD、動量優化器【正確答案】：ABC解析：

正則化和優化策略是深度學習的兩個重要部分，L1、L2正則化和Dropout屬于正則化，而動量優化屬于優化策略。16.隱馬爾可夫模型三個基本問題以及相應的算法說法正確的是（）A、評估—前向后向算法B、解碼—維特比算法C、學習—Baum-Welch算法D、學習—前向后向算法【正確答案】：ABC解析：

017.以下方法不需要目標向量的是（）A、特征選擇嵌入法B、無監督學習C、監督學習D、特征選擇過濾法【正確答案】：BD解析：

018.關于謂詞邏輯，下列描述正確的是（）A、緊接于量詞之后被量詞作用的謂詞公式稱為該量詞的轄域B、在一個量詞的轄域中與該量詞的指導變元相同的變元稱為約束變元C、僅個體變元被量化的謂詞成為一階謂詞D、個體變元、函數符號和謂詞符號都被量化的謂詞成為二階謂詞【正確答案】：ABCD解析：

019.屬于深度學習模型的選項是？A、樸素貝葉斯B、深度殘差網絡C、卷積神經網絡CNND、循環神經網絡RNN【正確答案】：BCD解析：

020.下列哪些屬于集成學習（）AdaboostB、決策樹C、隨機森林D、XGBoost【正確答案】：ACD解析：

見算法解析21.下列哪些是卷積操作的優點？（）A、具有局部感受野B、對事物不同部分的觀察之間能實現參數共享C、可有效捕捉序列化數據的特征D、操作復雜度與輸入尺寸無關【正確答案】：AB解析：

見算法解析22.以下屬于角點提取的特征描述算法的有。A、CannyB、HOGC、SURFD、SIFT【正確答案】：BCD解析：

對特征的描述有很多種方法和算子，常見的有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算法是多級邊緣檢測算法。答案BCD23.關于聚類的描述正確的是（）。A、聚類是一種非監督式學習B、聚類是一種監督式學習C、使用的數據不需要包含類別卷標D、使用的數據需要包含類別卷標【正確答案】：AC解析：

024.決策樹的構造是一個遞歸的過程，哪幾種情形會導致遞歸返回A、當前結點包含的樣本全屬于同一類別B、當前屬性集為空C、當前屬性集所有樣本在所有屬性上取值相同，無法劃分D、當前結點包含的樣本集合為空，不能劃分【正確答案】：ABCD解析：

決策樹的構造是一個遞歸的過程，有三種情形會導致遞歸返回：(1)當前結點包含的樣本全屬于同一類別；(2)當前屬性集為空，或是所有樣本在所有屬性上取值相同，無法劃分；(3)當前結點包含的樣本集合為空，不能劃分。25.下面哪一個組合，不全是深度學習算法？A、BP,KNN,CNN,RNNB、DNN,RNN,LSTM,CRFC、LSTM,BP,CNN,SVRD、RNN,DNN,BP,LSTM【正確答案】：ABC解析：

常見深度學習算法包括：(1).BP(2).CNN(3).DNN(4).RNN(5).LSTM26.vgg19中的19代表了網絡中哪些層的數目總和（）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是常用的卷積神經網絡之一，包括16層卷積層和3層全連接層，中間用到池化層27.下列哪些部分是專家系統的組成部分？A、用戶B、綜合數據庫C、推理機D、知識庫【正確答案】：BCD解析：

028.貝葉斯網絡由兩部分組成，分別是A、網絡結構B、先驗概率C、后驗概率D、條件概率表【正確答案】：AD解析：

029.數據增強有哪些方式處理圖片（）。A、翻轉B、縮放C、改變色溫D、亮度【正確答案】：ABCD解析：

030.可作為決策樹選擇劃分屬性的參數是（）A、信息增益B、增益率C、基尼指數D、密度函數【正確答案】：ABC解析：

031.使用KNN(K-NearestNeighbor)算法解決分類問題的步驟包括A、對未知數據進行正則化B、計算未知數據與已知標簽數據之間的距離C、得到距離未知數據最近的k個已知標簽數據D、通過已知標簽數據的數量進行多數表決，作為未知數據的分類結果【正確答案】：BCD解析：

032.自適應神經-模糊推理系統（ANFIS）可以表達成包括6個層的神經網絡，包括以下。A、歸一化層B、去模糊化層C、總結層D、輸出層【正確答案】：ABC解析：

該自適應網絡是一個多層前饋網絡，其中的方形節點需要進行參數學習。第一層為輸入變量的隸屬函數層，負責輸入信號的模糊化；第二層負責將輸入信號相乘，為規則強度釋放層；第三層所有規則強度的歸一化；第四層計算模糊規則的輸出，第五層計算總結所有輸入信號的總輸出。答案ABC33.下列可用于隱馬爾可夫預測的算法是（）。A、維特比算法Baum-Welch算法C、前向-后向算法D、擬牛頓法【正確答案】：ABCD解析：

A是教材原文；B是EM算法，可用于求解隱馬爾可夫模型，C和D用于求解條件隨機場，而隱馬爾可夫模型可以寫成條件隨機場的形式。34.NMF(Non-negativeMatrixFactorization)是一種降維算法，它的特點包括A、原始矩陣的元素是非負數B、分解后矩陣的元素是非負數C、分解后矩陣的元素可以是負數D、沒有“潛在語義空間的每一個維度都是正交的”這一約束條件【正確答案】：ABD解析：

035.下列哪些方法的輸出結果，通常包含boundingbox？（）A、MTCNNB、FasterRCNNC、MaskRCNND、AlexNet【正確答案】：ABC解析：

見算法解析36.使用k折交叉驗證，下面說法正確的是（）A、模型性能對數據劃分非常敏感B、避免了在劃分訓練集和驗證集時的隨機性C、通過平均模型評論指標來考查擬合優度D、可以從有限的數據中獲取盡可能多的有效信息【正確答案】：BCD解析：

037.FasterRCNN模型相比于FastR-CNN模型，算法的改進主要體現在（）A、提出候選框生成網絡，取代了SelectiveSearchB、在RPN與最終輸出的兩個階段，將分類損失和框回歸損失進行聯合后對網絡進行優化C、采用ROIpooling層，加速特征提取過程D、將CNN提取到的特征送入SVM進行分類【正確答案】：AB解析：

見算法解析38.選擇如下哪些搜索方法屬于無信息搜索A、貪婪搜索B、A*搜索C、雙向搜索D、寬度優先搜索【正確答案】：CD解析：

039.下列何者可以有效識別視頻中的行為（）。A、利用較低取樣率對原始視頻進行取樣B、利用較高取樣率對原始視頻進行取樣C、增加深度學習的隱藏層數目D、參考高取樣率的動作估測結果【正確答案】：AD解析：

040.關于反向傳播算法，它的主要不足在于A、訓練時間較長B、完全不能訓練，訓練時由于權值調整過大使得激活函數達到飽和C、易陷入局部極小值D、訓練過程中，學習新樣本時有一網舊樣本的趨勢【正確答案】：ABCD解析：

學習速度慢，失敗的可能性較大是主要不足之處41.關于反向傳播算法，它的主要不足在于（）。A、訓練時間較長B、完全不能訓練，訓練時由于權值調整過大使得激活函數達到飽和C、易陷入局部極小值D、訓練過程中，學習新樣本時有一網舊樣本的趨勢。【正確答案】：ABCD解析：

042.驅動深度學習的三駕馬車是指？（）A、大模型B、大應用C、大算力D、大數據【正確答案】：ACD解析：

見算法解析43.下列關于Ridge回歸的說法，正確的是（）。A、若λ=0，則等價于一般的線性回歸B、若λ=0，則不等價于一般的線性回歸C、若λ=+∞，則得到的權重系數很小，接近于零D、若λ=+∞，則得到的權重系數很大，接近與無窮大【正確答案】：AC解析：

嶺回歸是一種專用于共線性數據分析的有偏估計回歸方法，實質上是一種改良的最小二乘估計法，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價獲得回歸系數更為符合實際、更可靠的回歸方法，對病態數據的擬合要強于最小二乘法。44.屬于Boosting的擴展變體有哪些。AdaBoostB、隨機森林C、XGBoostD、GBDT【正確答案】：ACD解析：

Boosting是一族可將弱學習器提升為強學習器的算法，其典型代表包括AdaBoost，XGBoost和45.數據挖掘的挖掘方法包括:（）A、聚類分析B、回歸分析C、線性分析D、神經網絡【正確答案】：ABD解析：

046.英語重視哪兩個問題的區分?（）A、謂語與非謂語B、可數名詞與不可數名詞C、冠詞與數詞D、單復數【正確答案】：BD解析：

見算法解析47.下面屬于數據集的一般特性的有：（）A、連續性B、維度C、稀疏性D、相異性【正確答案】：BC解析：

048.常用的盲目搜索方法是什么？A、隨機碰撞式搜索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：

049.下列的哪種方法可以用來降低深度學習模型的過擬合問題？A、增加更多的數據B、使用數據擴增技術(dataaugmentation)C、使用歸納性更好的架構D、降低架構的復雜度【正確答案】：ABCD解析：

上面所有的技術都會對降低過擬合有所幫助。50.數據挖掘的預測建模任務主要包括哪幾大類問題？（）A、分類B、回歸C、聚類D、關聯規則挖掘【正確答案】：AB解析：

051.下列有監督學習算法中可解決分類問題的算法有A、線性回歸B、邏輯回歸C、支持向量機D、隨機森林【正確答案】：BCD解析：

線性回歸無法解決分類問題52.決策樹構建過程中剪枝的策略有A、預剪枝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：預剪枝和后剪枝。53.人工神經元網絡與深度學習的關系是（）A、人工神經元網絡是深度學習的前身B、深度學習是人工神經元網絡的一個分支C、深度學習是人工神經元網絡的一個發展D、深度學習與人工神經元網絡無關【正確答案】：AC解析：

深度學習是實現機器學習的一種技術,現在所說的深度學習大部分都是指神經網絡54.一個好的學習訓練模型應該是（）。A、模型應該簡單(防止過擬合)；B、在訓練時最小化錯誤率(提高在訓練集上的準確率)C、可以利用已知的數據特性，例如稀疏、低秩等D、將模型函數正則化【正確答案】：ABCD解析：

見算法解析55.以下哪些聚類算法屬于基于原型的聚類（）。A、模糊C均值B、EM算法C、SOMD、CLIQUE【正確答案】：ABC解析：

056.列哪些屬于循環神經網絡（）A、CNNB、LSTMC、BERTD、RNN【正確答案】：BD解析：

見算法解析57.關于線性回歸說法正確的是（）A、日常生活中，收入預測可以作為線性回歸問題來解決B、商品庫存預測，是一種典型的有監督學習方法C、常用的回歸模型有線性回實用歸和非線性回歸D、線性回歸是簡單的方法"【正確答案】：ABCD解析：

058.長短時記憶網絡在哪些領域有成功應用A、語音識別B、圖片描述C、自然語言處理D、以上都不正確【正確答案】：ABC解析：

059.支持向量機的求解通常是借助于凸優化技術，針對線性核SVM來說，主要的求解提升效率方法為(____)。A、割平面法B、隨機梯度下降C、坐標下降法D、快速采樣法【正確答案】：ABC解析：

見算法解析60.層次聚類方法包括A、劃分聚類方法B、凝聚型層次聚類方法C、分解型層次聚類方法D、基于密度聚類方法【正確答案】：BC解析：

061.關于支持向量機，哪項說法正確?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、核函數的選擇對支持向量機的性能影響較大【正確答案】：ACD解析：

支持相量機不僅用于線性可分的分類問題，也可用于線性不可分的情況。62.k-means算法的典型計算步驟包括A、從數據點中隨機選擇數量與簇的數量相同的數據點，作為這些簇的重心B、計算數據點與各重心之間的距離，并將最近的重心所在的簇作為該數據點所屬的簇C、計算每個簇的數據點到重心距離的平均值，并將其作為新的重心D、重復步驟2與步驟3，繼續計算，直到所有數據點不改變所屬的簇，或達到計算最大次數【正確答案】：ABCD解析：

063.哪些項屬于集成學習A、KnnB、AdaboostC、隨機森林D、XGBoost【正確答案】：BCD解析：

集成學習方法大致可分為兩大類：即個體學習器間存在強依賴關系，必須串行生成的序列化方法以及個體學習器間不存在強依賴關系、可同時生成的并行化方法；前者代表是Boosting，后者代表是Bagging和“隨機森林”64.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、循環連接D、Attention模塊【正確答案】：CD解析：

見算法解析65.做一個二分類預測問題，先設定閾值為0.5，概率不小于0.5的樣本歸入正例類（即1），小于0.5的樣本歸入反例類（即0）。然后，用閾值n（n>0.5）重新劃分樣本到正例類和反例類，下面說法正確的是（）。A、增加閾值不會提高召回率B、增加閾值會提高召回率C、增加閾值不會降低查準率D、增加閾值會降低查準率【正確答案】：AC解析：

召回率=TP/TP+FN查準率=TP/TP+FP所以當概率閾值增加時，TP、FP減少或者持平，TP+FN不變，所以召回率不會增加，一般情況，用不同的閥值，統計出一組不同閥值下的精確率和召回率。66.決策樹學習算法包括哪幾個部分？A、特征選擇B、樹的生成C、分類決策規則D、樹的剪枝【正確答案】：ABD解析：

k近鄰算法的三要素：距離度量，k值選擇，分類決策規則67.我國建設安全便捷的智能社會的重要途徑包括（）A、發展便捷高效的智能服務B、推進社會治理智能化C、提升公共安全保障能力D、促進社會交往共享互信【正確答案】：ABCD解析：

見算法解析68.下列關于PCA說法正確的是（多選）？A、在使用PCA之前，我們必須標準化數據B、應該選擇具有最大方差的主成分C、應該選擇具有最小方差的主成分D、可以使用PCA在低維空間中可視化數據【正確答案】：ABD解析：

PCA對數據中變量的尺度非常敏感，因此我們需要對各個變量進行標準化。方法是減去各自變量的均值，除以標準差69.人工智能算法中，決策樹分類算法包括A、C4.5B、ID3C、SGDD、CART【正確答案】：ABD解析：

常見決策樹分類算法包括C4.5，ID3，CART。SGD隨機梯度下降算法屬于降維算法。70.以下關于機器學習算法與傳統基于規則方法的區別中正確的是?A、傳統的基于規則的方法，其中的規律可以人工顯性的明確出來B、傳統基于規則的方法使用顯性編程來解決問題C、機器學習中模型的映射關系是自動學習的D、機器學習所中模型的映射關系必須是隱性的【正確答案】：ABC解析：

071.k近鄰算法包含哪幾個要素？A、距離度量B、k值選擇C、分類決策規則D、函數間隔定義【正確答案】：ABC解析：

函數間隔定義是支持向量機的要素72.RNN可以用來處理（）A、圖像類別預測B、語音分析C、情感分類D、文章創作【正確答案】：ABCD解析：

073.Svm適用于以下哪種數據集（）A、線性可分的數據集B、含有很多噪聲和重疊的數據C、經過清洗較為干凈的數據D、以上數據都適用【正確答案】：AB解析：

074.常見的聚類算法有哪些?A、密度聚類B、層次聚類C、譜聚類D、Kmeans【正確答案】：ABCD解析：

密度聚類、層次聚類和譜聚類都是常見的聚類算法。75.回歸問題的評估方法包括A、F值B、AUCC、決定系數D、均方誤差【正確答案】：CD解析：

076.機器學習的核心要素包括（）A、算法B、算力C、操作人員D、數據【正確答案】：ABD解析：

操作人員并不是機器學習的核心要素。77.關于k折交叉驗證，下列說法正確的是？A、k值并不是越大越好，k值過大，會降低運算速度B、選擇更大的k值，會讓偏差更小，因為k值越大，訓練集越接近整個訓練樣本C、選擇合適的k值，能減小驗方差D、k折交叉驗證能夠有效提高模型的學習能力【正確答案】：ABCD解析：

078.考慮智能體函數與智能體程序的差異，從下列陳述中選擇正確的答案A、一個智能體程序實現一個智能體函數B、智能體程序與智能體函數沒有任何關系C、一個智能體函數實現一個智能體程序D、智能體程序包含智能體函數【正確答案】：AD解析：

079.強化學習中的兩種免模型學習是（）、（）。A、逆強化學習B、時序差分學習C、蒙特卡羅強化學習D、模仿學習【正確答案】：BC解析：

在現實的強化學習任務中，環境的轉移概率、獎賞函數往往很難得知，甚至很難知道環境中一共有多少狀態，若學習算法不依賴于環境建模，則稱為“免模型學習”，包括蒙特卡羅強化學習和時序差分學習80.如何判斷一段文本的情感方向？關于遞歸神經網絡RNN（Socheretal.,2011)的下列描述錯誤的是A、遞歸神經網絡RNN中的每個詞表示為一個高維稀疏向量B、遞歸神經網絡RNN中基于詞袋模型表示詞向量C、遞歸神經網絡RNN利用了語法分析樹的結果D、遞歸神經網絡RNN中父節點的詞向量通過利用組合函數g由其孩子節點的向量得到【正確答案】：AB解析：

081.大規模關系分析場景下，以下哪個選項屬于海量關系處理的三高需求（）A、對海量數據的高效關系發現需求B、對海量數據的高效共享需求C、對海量數據的高效存儲和訪問需求D、對關系分析平臺的高可擴展性和高可用性【正確答案】：ACD解析：

082.專家系統知識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、產生式D、語義網絡【正確答案】：ABCD解析：

083.關于邏輯回歸，說法正確的是（）A、垃圾郵件分類問題可以使用邏輯回歸模型B、一條商品評論分為正面，負面和中性，不可以使用邏輯回歸模型C、邏輯回歸不能直接用于多分類問題D、以上都不對【正確答案】：AC解析：

084.數據挖掘算法的組件包括（）A、模型或模型結構B、評分函數C、優化和搜索方法D、數據管理策略【正確答案】：ABCD解析：

085.以下技術，BERT使用的包括哪些？（）A、TransformerB、Sel-Attention模塊C、RNN循環連接D、文本卷積【正確答案】：AB解析：

見算法解析86.以下哪些網絡結構具有反饋連接功能，即將前一層的輸出和當前層自身作為輸入（）A、循環神經網絡B、卷積神經網絡C、LSTM網絡D、多層感知機【正確答案】：AC解析：

LSTM是循環神經網絡的一種，循環神經網絡的輸入是前一層的輸出和當前層自身87.下列哪些項是決策樹常用的屬性選擇指標（）A、Gini系數B、信息增益C、信息增益率D、距離平方和【正確答案】：ABC解析：

見算法解析88.下面關于邏輯回歸的說法，正確的是：A、邏輯回歸主要應用于二分類問題B、邏輯回歸使用LogisticFunction后得到的數值在-1到1之間C、把邏輯回歸應用于多分類問題時，需要使用Onevs.Rest方法D、邏輯回歸得到的數值可以看作屬于類別1的概率【正確答案】：ACD解析：

089.以下聚類算法屬于基于網格的聚類算法（）。A、STINGB、WaveClusterC、MAFIAD、BIRCH【正確答案】：ABC解析：

090.下列哪些屬于常用的分類算法A、kNNB、SVMC、SVRDBSCAN【正確答案】：AB解析：

見算法解析91.以下會造成梯度消失的激活函數有A、sigmoid函數B、tanh函數C、ReLU函數D、softplus函數【正確答案】：AB解析：

092.卷積神經網絡中典型的模式是？A、卷積層后為池化層，然后還是卷積層-池化層。B、多個連續的池化層，然后跟著一個卷積層C、網絡中最后的幾個層是全連接層D、網絡中最開始的幾個層是全連接層【正確答案】：AC解析：

一般卷積層后為池化層，網絡最后為幾個全連接層。93.下面關于決策樹的說法，正確的是：A、決策樹有二叉樹和多叉樹B、建立決策樹模型的時候，可能不需要用到數據集中的所有特征來建立決策樹節點的分裂規則C、決策樹子節點分裂時，選擇的是最優的特征進行分裂D、決策樹只能用于分類【正確答案】：ABC解析：

094.哪些屬于生成式對抗網絡模塊A、生成模型B、對抗模型C、判別模型D、回歸模型【正確答案】：AC解析：

生成式對抗網絡模塊由生成模型和判別模型組成95.深度學習網絡架構中，存在的主要問題難點有A、數據精度設置B、每層卷積核多少設置C、網絡層數選取D、激活函數選取【正確答案】：BCD解析：

見算法解析96.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：

見算法解析97.DecisionTree構造的重要步驟。A、特征選擇B、決策樹生成C、剪枝D、計算信息增益【正確答案】：ABC解析：

決策樹構造只有特征選擇、決策樹生成、剪枝三個環節過程98.下列關于Ridge回歸，說法正確的是（多選）？A、若λ=0，則等價于一般的線性回歸B、若λ=0，則不等價于一般的線性回歸C、若λ=+∞，則得到的權重系數很小，接近于零D、若λ=+∞，則得到的權重系數很大，接近與無窮大【正確答案】：AC解析：

099.對于樸素貝葉斯分類器，下面說法正確的是（）A、適用于小規模數據集B、適用于多分類任務C、適合增量式訓練D、對輸入數據的表達形式不敏感【正確答案】：ABC解析：

0100.可以用隨機梯度下降法求解參數的模型分別有A、線性回歸B、卷積神經網絡C、循環神經網絡D、LSTM【正確答案】：ABCD解析：

見算法解析1.通過計算一個特征在森林中所有樹上的平均深度，可以估算出一個特征的重要程度。A、正確B、錯誤【正確答案】：A解析：

正確2.GoogLeNet從增加網絡深度角度改進了之前的圖像分類網絡A、正確B、錯誤【正確答案】：B解析：

錯誤3.K均值丟棄被它識別為噪聲的對象,而DBSCAN一般聚類所有對象A、正確B、錯誤【正確答案】：B解析：

04.自然語言生成主要是幫助機器生成人能夠理解的語言A、正確B、錯誤【正確答案】：A解析：

正確5.與傳統的知識庫相比，知識圖譜具有表達清晰、自動分析、高速反饋等優勢A、正確B、錯誤【正確答案】：A解析：

正確6.已知x為非空列表，那么執行語句x[0]=3之后，列表對象x的內存地址不變。A、正確B、錯誤【正確答案】：A解析：

正確7.常用的單向循環神經網絡，同層的神經元，彼此相連A、正確B、錯誤【正確答案】：B解析：

常用的單向循環神經網絡，同層的神經元，彼此不相連8.Relu激活函數能解決梯度消失問題，但是會出現dyingrelu現象，即訓練過程中，有些神經元實際上已經"死亡“而不再輸出任何數值A、正確B、錯誤【正確答案】：A解析：

正確9.卷積神經網絡是含有卷積層的神經網絡，二維卷積層有高和寬兩個空間維度，常用來處理文本數據。A、正確B、錯誤【正確答案】：B解析：

010.根據應用場景不同，人工智能芯片可分為通用類芯片（比如CPU和GPU）、基于FPGA的半定制化芯片、全定制化ASIC芯片、類腦計算芯片A、正確B、錯誤【正確答案】：B解析：

根據不同的應用場景，人工智能芯片設計可以分為云推理、云訓練、終端推理三部分11.機器學習的算法主要包括回歸、分類、聚類、關聯分析、支持向量機、神經網絡等。A、正確B、錯誤【正確答案】：A解析：

012.決策樹是一種采用測量不同特征值之間的距離方法進行分類的算法。A、正確B、錯誤【正確答案】：B解析：

采用測量不同特征值之間的距離方法進行分類的算法是K-近鄰算法。錯誤13.元組是不可變的，不支持列表對象的inset（）、remove（）等方法，也不支持命令刪除其中的元素，但可以使用del命令刪除整個元組對象。A、正確B、錯誤【正確答案】：A解析：

正確14.如果一個匹配中,任何一個節點都不同時是兩條或多條邊的端點,也稱作極大匹配A、正確B、錯誤【正確答案】：B解析：

極大匹配(MaximalMatching)是指在當前已完成的匹配下,無法再通過增加未完成匹配的邊的方式來增加匹配的邊數15.異常處理結構中的finally塊中代碼仍然有可能出錯從而再次引發異常。A、正確B、錯誤【正確答案】：A解析：

正確16.回歸分析法屬于外推法A、正確B、錯誤【正確答案】：B解析：

017.Python集合中的元素不允許重復。A、正確B、錯誤【正確答案】：A解析：

正確18.人工智能數據安全應用是人工智能技術用于數據安全治理,包含人工智能技術在精準化數據安全策略制定、自動化數據資產安全管理、智能化數據活動安全保護以及高效化數據安全事件管理方面的應用。A、正確B、錯誤【正確答案】：A解析：

正確19.ResNet從改善網絡退化現象角度改進了之前的圖像分類網絡A、正確B、錯誤【正確答案】：A解析：

正確20.大數據是神經網絡發展的有效前提A、正確B、錯誤【正確答案】：A解析：

正確21.CNN不可用于文本分類，RNN可用于文本分類A、正確B、錯誤【正確答案】：B解析：

CNN可用于22.1956年10月，中國科學院籌建了中科院自動化及遠距離操縱研究所（后更名為中科院自動化所）A、正確B、錯誤【正確答案】：A解析：

正確23.在解決函數優化問題時,基因遺傳算法的全局性不好,容易陷入局部最優值。（）A、正確B、錯誤【正確答案】：B解析：

024.如果一個對象不強屬于任何簇，那么該對象是基于聚類的離群點A、正確B、錯誤【正確答案】：A解析：

025.未來5年，計算機視覺在AI市場中均占比44%以上，是AI市場最主要的技術應用方向A、正確B、錯誤【正確答案】：A解析：

正確26.學習率是根據不同場景人為設定的A、正確B、錯誤【正確答案】：A解析：

正確27.谷歌研究提出，隨著訓練數據數量級的增加，相同機器視覺算法模型的性能呈指數上升。A、正確B、錯誤【正確答案】：B解析：

歌研究提出，隨著訓練數據數量級的增加，相同機器視覺算法模型的性能呈線性上升。28.空洞卷積也叫擴張卷積，在保持參數個數不變的情況下增大了卷積核的感受野。A、正確B、錯誤【正確答案】：A解析：

正確29.np.ones不可以創建全為1的數組A、正確B、錯誤【正確答案】：B解析：

np.ones可以創建全為1的數組30.判斷AI應用場景可行性的方法是構建前提和商業前提A、正確B、錯誤【正確答案】：A解析：

正確31.在問題歸約圖中，終葉節點是可解節點。A、正確B、錯誤【正確答案】：B解析：

在問題歸約圖中，終葉節點是不可解節點。32.人工智能就是機器展現出的智能，即只要是某種機器，具有某種或某些智能的特征或表現，都應該算作“人工智能”A、正確B、錯誤【正確答案】：A解析：

正確33.冗余屬性不會對決策樹的準確率造成不利的影響A、正確B、錯誤【正確答案】：A解析：

034.語音識別主要包括兩個步驟：訓練和識別A、正確B、錯誤【正確答案】：A解析：

正確35.對文件進行讀寫操作之后必須顯式關閉文件以確保所有內容都得到保存。A、正確B、錯誤【正確答案】：A解析：

正確36.數據集被劃分成訓練集和測試集，其中訓練集用于確定模型的參數，測試集用于評判模型的效果A、正確B、錯誤【正確答案】：A解析：

正確37.計算機視覺是使用計算機模仿人類視覺系統的科學，讓計算機擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力A、正確B、錯誤【正確答案】：A解析：

正確38.目前，智能傳感器已能實現對信息數據的持續收集和初步處理，且具備一定的自動編程能力，可以根據設備的狀態進行程序的同步更新A、正確B、錯誤【正確答案】：A解析：

正確39.深度學習建模編寫方式中，靜態圖模式（命令式編程范式，類比Python）：解析式的執行方式。用戶無需預先定義完整的網絡結構，每寫一行網絡代碼，即可同時獲得計算結果A、正確B、錯誤【正確答案】：B解析：

錯誤40.AdaGrad使用的是一階差分(firstorderdifferentiation)A、正確B、錯誤【正確答案】：A解析：

041.softmax函數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、正確B、錯誤【正確答案】：A解析：

正確42.用于分類與回歸應用的主要算法有決策樹、BP神經網絡、貝葉斯A、正確B、錯誤【正確答案】：A解析：

043.可以通過將偏差初始化為0來很好地訓練網絡A、正確B、錯誤【正確答案】：A解析：

044.語料采用的數據存儲方式應包括：TXT、CSV、xls、xlsx、xml等常見格式A、正確B、錯誤【正確答案】：A解析：

正確45.對于列表而言，在尾部追加元素比在中間位置插入元素速度更快一些，尤其是對于包含大量元素的列表。A、正確B、錯誤【正確答案】：A解析：

正確46.DSSM模型總的來說可以分成三層結構，分別是輸入層、表示層和匹配層A、正確B、錯誤【正確答案】：A解析：

正確47.處理數據的五個環節是：1.讀入數據2.拆分樣本集合3.訓練樣本集亂序4.生成批次數據5.校驗數據有效性A、正確B、錯誤【正確答案】：A解析：

正確48.知識工程屬于人工智能科學的疇（）A、正確B、錯誤【正確答案】：A解析：

正確49.假設輸入圖片尺寸為100×100，卷積核大小為3×3，填充為1，步長為2，那么輸出特征圖的尺寸：H=10，W=10A、正確B、錯誤【正確答案】：B解析：

錯誤50.數據歸一化是非常重要的預處理步驟，用于重新縮放輸入的數值以適應特定的范圍，從而確保在反向傳播期間更好地收斂。A、正確B、錯誤【正確答案】：A解析：

正確51.Python集合支持雙向索引。A、正確B、錯誤【正確答案】：B解析：

不支持52.神經網絡的標準結構中每個神經元由加權和與非線性變換構成，然后將多個神經元分層的擺放并連接形成神經網絡A、正確B、錯誤【正確答案】：A解析：

正確53.人工智能芯片擁有巨大的產業價值和戰略地位A、正確B、錯誤【正確答案】：A解析：

正確54.基于規則的AI系統由一連串的if-then-else規則來進行推斷或行動決策。（）A、正確B、錯誤【正確答案】：A解析：

055.高方差是指模型過擬合了，導致在測試集中的泛化能力較差。A、正確B、錯誤【正確答案】：A解析：

正確56.卷積神經網絡中，池化層可以理解為局部視野+參數共享A、正確B、錯誤【正確答案】：B解析：

錯誤57.人工智能算法模型主要反映了數據關聯性和特征統計，并且獲取了數據因果關系。A、正確B、錯誤【正確答案】：B解析：

人工智能算法模型主要反映了數據關聯性和特征統計，而沒有真正獲取數據因果關系。58.近年來，全球人工智能人才需求呈現持續增長的趨勢