人工智能題庫（一）20201_人工智能概述單選題如果分別向參加測試的人和計算機提出一些書面問題，人類無法區分問題答案來自人還是計算機，那么可以說這臺計算機通過了—測試。A、 黑盒B、 丘奇C、 圖靈D、 智商正確答案：C有人說“人類智能是智能回路的總開關”，即人類智能決定著任何智能的高度、廣度和深度，下—描述和這個觀點不一致。A、 人類智能是機器智能的設計者B、 機器智能目前已經超越了人類智能C、 機器智能目前無法完全模擬人類所有智能D、 機器智能和人類智能相互協同所產生的智能能力可超越人類智能或機器智能正確答案：B下面關于人工智能及深度學習的關系描述中，—是正確的。A、機器學習是深度學習的一種方法日、人工智能是機器學習的一個分支頃人工智能就是深度學習D、深度學習是一種機器學習的方法正確答案：D下面—描述了現有深度學習這一種人工智能方法的特點。A、 大數據，大任務B、 大數據，小任務C、 小數據，小任務D、 小數據，大任務正確答案：B被譽為“機器學習之父“的是—。A、 塞繆爾B、 費根鮑姆C、 西蒙D、 圖靈正確答案：A第一個成功研制的專家系統—。A、 計算機配置專家系統XconB、 血液病診斷專家系統MYCINC、 化合物結構識別專家系統DendralD、 探礦專家系統Prospector正確答案：C強化學習技術屬于—學派。A、 行為主義B、 符號主義C、 連接主義D、 邏輯主義正確答案：A計算機領域的最高獎項—。A、 菲爾茲獎B、 馮.諾伊曼獎C、 圖靈獎D、 香農獎正確答案：C機器智能目前還無法達到人類智能，主要原因—。A、 機器智能占有的數據量還不夠大B、 機器智能的支持設備的計算能力不足C、 機器智能的推理規則不全面D、 機器智能缺乏直覺和頓悟能力正確答案：D我國《新一代人工智能發展規劃》中規劃，到—年成為世界主要人工智能創新中心。TOC\o"1-5"\h\zA、 2020B、 2025C、 2030D、 2035正確答案：C多選題（共12題,52.7分）—系統屬于人工智能應用的實例。A、 計步器B、 機械式密碼鎖頃聊天機器人D、電商網站的商品推薦正確答案：CD下面關于人工智能概念的表述，合理。A、 根據對環境的感知做出合理的行動，并獲得最大收益的計算機程序B、 任何計算機程序都具有人工智能C、 針對特定的任務，人工智能程序一般具有自主學習的能力。、人工智能程序要和人類具有相同的思考方式正確答案：AC下面—學科是人工智能的基礎。A、 經濟學B、 計算機科學C、 地理學D、 數學正確答案：BD符合強人工智能的描述有—。A、 僅在某個特定的領域超越人類的水平B、 是通用的人工智能C、 可以勝任人類的所有工作D、 在科學創造力、智慧等方面都遠勝于人類正確答案：BC發展出圖像識別成功率超越人類的人工智能的主要因素有—。A、 人類專家規則的完善B、 計算力的提升C、 社會關注度提升D、 大量數據驅動正確答案：BD

6.ImageNet是個圖片集合，它是.ABCD圖像算法性能檢驗的“標準”數據集繪制圖像的參考標準任何圖形進行分類的依據每個圖片都有類別標簽I'：'：■6.ImageNet是個圖片集合，它是.ABCD圖像算法性能檢驗的“標準”數據集繪制圖像的參考標準任何圖形進行分類的依據每個圖片都有類別標簽I'：'：■：：：：■正確答案：AD數據驅動的人工智能方法的弱點?—。A、 解釋性差B、 需要大量數據集合C、 需要建立知識庫D、 直接從數據中學習正確答案：AB對人工智能的發展趨勢劃分，一般可分為—。A、 強人工智能B、 泛人工智能C、 弱人工智能D、 超人工智能正確答案：ACDAlphaGo成為第一個戰勝圍棋世界冠軍的人工智能機器人，它用至I技術。A、 專家系統B、 深度學習C、 知識圖譜D、 強化學習正確答案：BD搜索下面的知識圖譜中，可以得到—結論。A、 風云兒是東京的美食品牌B、 風云兒是最著名的拉面品牌C、 在一藺吃壽司人均消費低于100元D、 壽司和拉面是本州島的美食正確答案：AD采用深度學習根據圖像訓練一個植物分類模型前，一般需—。A、 搜集大量植物圖像樣本B、 搜集少量典型植物圖像樣本C、 對植物樣本進行標注D、 每類植物搜集一張圖像正確答案：AC當前推動人工智能發展的主要支持技術包括—。A、云計算技術B、 大數據技術C、 深度學習算法D、 圖靈測試技術正確答案：ABC每一次比較都使搜索范圍減少一半的方法^。A、 蒙特卡洛方法B、 A*算法C、 minimax算法D、 二分查找法正確答案：D考慮到對稱性，井字棋最終局面有—種不相同的可能。TOC\o"1-5"\h\zA、 19683B、 91C、 44D、 138正確答案：D在啟發式搜索中，評價函數的作用—。A、 判斷搜索算法的時間復雜度B、 判斷搜索算法的空間復雜度C、 從當前節點出發來選擇后續節點D、 計算從當前節點到目標節點之間的最小代價值正確答案：D下面對minimax搜索算法描述中，哪句描述是不正確的A、 MIN節點希望對方收益最小化B、 minimax值計算從根節點自頂向下進行C、 根據minimax值確定行棋決策D、 MAX節點希望自己收益最大化正確答案：D蒙特卡洛搜索樹中，在—階段要兼顧探索和利用。A、 選擇B、 擴展C、 模擬D、 反向傳播正確答案：D根據課程所講的井字棋估值方法，給以下局面估值為—（X為正，O為負）。A、 1B、 -1C、 0D、 2正確答案：D除了問題本身的定義之外，使用問題特定知識的搜索策略被認為是A、 啟發式算法B、 minimax算法C、 深度優先搜索D、 蒙特卡洛樹搜索正確答案：D圖中所示的minimax算法決策樹，圖中估值為7的結點被稱為。A、 終止結點B、 MAX結點C、 MIN結點D、 根節點正確答案：D在啟發式搜索（有信息搜索）中，啟發函數的作用^。A、 從當前節點出發來選擇后續節點B、 計算從當前節點到目標節點之間的最小代價值C、 判斷搜索算法的空間復雜度D、 判斷搜索算法的時間復雜度正確答案：D在貪婪最佳優先搜索中，評價函數取值和啟發函數取值之間的關系^。A、 相等B、 不相等C、 大于D、 小于正確答案：D將兩個圖片每個像素RGB三個分量的差值的平方和作為適應度函數的計算方法。前后兩次計算得出來的值分別為1512869728和1495705312，那么說明適應度函數］_，適應度—。A、 變低了；變低了B、 變高了；變低了C、 變低了；變高了D、 變高了；變高了正確答案：D二.多選題在圍棋對弈的蒙特卡洛搜索樹中，每個節點記錄A/B值分別對應—。A、 該節點的層數B、 該局面的子節點數C、 該局面被訪問總次數D、 該局面被訪問的勝利次數正確答案:CD下列關于搜索算法的描述，錯誤的—。入、盲目搜索如DFS或BFS由于沒有知識支持，很可能在解空間中找不到最優解B、 A*算法如果啟發函數滿足可容性和單調性，一定能在解空間中找到最優解C、 蒙特卡洛算法有可能找到最優解，但搜索效率比minimax搜索要高D、 貪婪最佳優先搜索一定能在解空間中找到最優解正確答案：ACD下列部分屬于基因遺傳算法的有—。A、 選擇B、 交叉和變異C、 初始化編碼D、 反向傳播正確答案：ABC基因遺傳算法的兩個常用的結束條件為—。A、 達到一定的迭代次數B、 達到一定的交叉次數C、 達到一定的變異次數D、 適應度函數結果達到一定的要求正確答案：AD判斷題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。正確答案：X每次在同一個搜索樹中進行蒙特卡洛搜索的結果都是一樣的。正確答案：X仿生算法是一類模擬自然生物進化或者群體社會行為的隨機搜索方法的統稱。正確答案：V2_人工智能單選題如果一個模型_,我們稱它過擬合。A、 在訓練集上表現好，在測試集上表現也好B、 在訓練集上表現不好，在測試集上表現也不好C、 在訓練集上表現好，在測試集上表現不好D、 在訓練集上表現不好，在測試集上表現好正確答案：C某線性回歸模型在訓練集和測試集上的性能都較差，這說明出現了—問題。A、 過擬合B、 欠擬合C、 數據泄露D、 泛化能力強正確答案：B有關機器學習，說法錯誤的—。A、 可以利用數據來獲取新知識B、 使用樣本數據來建立模型，處理同源數據的能力得以提升C、 從某類數據中學習規律，解決所有數據的預測問題D、 模仿人的學習行為來解決問題正確答案：C線性回歸模型的訓練目標是找到一組參數，彳—最小。A、 樣本損失值B、 樣本特征值C、 決定系數D、 損失函數值正確答案：D回歸分析的目的。A、 對歷史數據進行統計B、 對歷史數據進行歸類C、 對當前數據進行歸類D、 對未知數據做出預測正確答案：D進行多項式回歸時，以下—說法錯誤。A、 特征構建會生成更多得用于建模的特征值B、 越是高次多項式，生成的衍生特征越多C、 一元多項式回歸一般會得到一個曲線模型D、 如果一元線性回歸出現過擬合，可采用多項式回歸避免過擬合正確答案：D對線性回歸模型進行性能評估時，以下—說法正確。A、 均方根誤差接近1最好B、 均方根誤差越大越好C、 決定系數越接近1越好D、 決定系數越接近0越好正確答案：C已知各次在電視、微信兩個渠道投放廣告獲得的收益，利用線性回歸方法為投資和收益關系建模，可得到的目標函數模型為—。Ay二W］勺+w2x2+bEy=中內+i>TOC\o"1-5"\h\zV—1-f-j-|jfj + y= +bA、 AB、 BC、 CD、 D正確答案：A有關線性回歸模型的參數，以下—說法錯誤。A、 參數的數量跟特征數量無關B、 參數可以使用梯度下降法求得C、 一元線性回歸模型的參數大小和正負說明自變量對因變量的相對影響大小D、 添加正則化可以使參數變小正確答案：A回歸分析通過對樣本數據的學習，可以得到一—來表示目標變量和自變量之間的因果關系。A、 數學模型B、 邏輯推理規則C、 關系表D、 決策搜索樹正確答案：A多選題廣義線性回歸要求以下—有一個是一次的就可以。入、自變量日、目標變量C、 損失函數D、 參數正確答案：AD在機器學習建模分析時，通常將數據集劃分為—。A、 訓練集B、 預測集C、 測試集D、 回歸集正確答案：AC以下屬于機器學習的任務—。A、 匯總B、 回歸C、 聚類D、 排序正確答案：BC用線性回歸建模時，以下—是正確的操作。A、 剔除異常值B、 被預測值應該在建模的自變量范圍內C、 可視化觀察目標變量與自變量關系D、 使用相關分析把相關變量合成為一個或只保留一個正確答案：ABCD三.判斷題把訓練數據交給線性回歸模型LinearRegression()，它會自動根據數據分布決定用直線擬合還是曲線擬合。正確答案：X在數據集分割時，一般訓練集的樣本數大于測試集。正確答案：V線性回歸是一種監督學習算法。正確答案：V線性回歸模型能建模多個特征和目標變量的關系。正確答案：V測試集用來評估模型，因此不需要數據標簽。正確答案：X訓練得到的模型如果出現欠擬合，說明模型太復雜。正確答案：X6_用邏輯回歸進行分類單選題測試集有800個樣本，其中正類樣本有600個，若使分類模型的準確率(Accuracy)至少達到85%，則該模型預測結果正確的樣本數目應大于等于—個。TOC\o"1-5"\h\zA、 400B、 480C、 510D、 680正確答案：D邏輯回歸模型中的損失函數一般采用—。A、 對數似然損失函數B、 均方損失函數C、 絕對值損失函數D、 Logistic函數正確答案：A下面對回歸和分類的描述不正確的—。A、 兩者均是學習輸入變量和輸出變量之間潛在關系模型B、 在回歸分析時，學習得到一個函數將輸入變量映射到連續輸出空間C、 回歸是一種無監督學習，分類學習是有監督學習D、 在分類時，學習得到一個模型將輸入變量映射到離散輸出空間正確答案：C用戶針對同一問題建立了四個分類模型，分別繪制了ROC曲線如圖，說明—模型最優。1-特異度A、 NT-proBNPB、 CTNIC、 DKMBD、 D-Dimer正確答案：A保險公司有客戶購買保險的歷史信息（姓名、性別、生日、收入、孩子數、房產面積、已購保險品種），若利用這些信息做數據分析，下面哪種數據分析需要利用機器學習的分類算） 。A、 對老客戶的年齡段進行分類（39以下，40-69,70以上）B、 預測新客戶購買的保險品種C、 對老客戶的性別進行分類（男、女）D、 預測新客戶的房產面積值正確答案：B在用于分類算法建模的數據集合中，—。A、 不需要分類標簽列B、 是否需要分類標簽，根據集合特點確定C、 一定有多列是分類標簽D、 至少有一列是分類標簽正確答案：D評價一個分類模型的性能，召回率計算公式為—。A、將正類預測為正類的樣本數/所有真正的正類的樣本數B、 將正類預測為正類的樣本數/所有預測為正類的樣本數C、 所有預測正確的樣本數/總的樣本數D、 所有真正的正類樣本數/總的樣本數正確答案：A多選題處理數據集中的缺失值一般采取以下方法—。A、 刪除相關記錄B、 替換為Nan即可C、 替換為0D、 用估計的數據填充正確答案：AD邏輯回歸模型建立后，對于一個新的未知數據進行分類，可以通—實現。A、 計算模型輸出的概率值B、 計算損失函數值C、 決策邊界計算D、 Sigmoid函數計算正確答案：AC以下屬于機器學習的任務—。A、 匯總B、 回歸C、 分類D、 排序正確答案：BC以下關于邏輯回歸的說法，正確的有—。A、 可以實現二元分類B、 是線性的C、 是非線性的D、 是否線性根據實際情況確定正確答案：AC以下需要使用到分類技術的應用有—。A、 根據客戶消費額大小將用戶聚為三類B、 樹木生長高度預測C、 車牌識別D、 垃圾郵件過濾正確答案：CD分類問。A、 是一種預測，預測數據所屬的類別B、 有二分類問題和多分類問題C、 是無監督學習問題D、 是有監督學習問題正確答案：ABD判斷題非平衡的二分類問題，是指正負樣本的比例差異大。正確答案：V邏輯回歸的損失函數應該反映預測值與分類標簽0和1的距離，因此適合采用交叉嫡損失函數。正確答案：V邏輯回歸模型用于二分類(0,1)的輸出結果是樣本屬于類別1的概率值。正確答案：V7_決策樹與隨機森林單選題信息增益的計算方法是―。A、 信息嫡（當前集劃分前）-信息嫡（當前集劃分后）B、 信息嫡（當前集劃分后）-信息嫡（當前集劃分前）C、 信息熵（訓練集初始嫡）-信息嫡（葉節點樣本集信息嫡）D、 信息嫡（葉節點樣本集信息嫡）-信息熵（訓練集初始嫡）正確答案：A隨機森林算法中，—。A、 隨機的含義是包含決策樹的個數是隨機的B、 樹之間沒有關聯，每棵樹單獨學習C、 一棵樹的學習結果作為另一棵樹的輸入D、 隨機森林的預測結果取決于分類性能最強的那棵決策樹正確答案：B下面有關過擬合的認識錯誤的—。A、 過擬合是因為訓練樣本太多了，把訓練樣本的規律都擬合進去了。B、 降低決策樹的復雜度可以減少過擬合，例如減少決策樹的深度。C、 判斷模型是否過擬合可以看隨著訓練的增加，訓練集的分類精度提高，但測試集的精度卻下降了。D、 分類算法都可能會遇到過擬合現象。正確答案：A集成學習的主要思想是—。A、 將多個數據集合集成在一起進行訓練B、 將多源數據（如文本、圖像、聲音等）進行融合學習C、 通過聚類算法使數據集分為多個簇D、 將多個機器學習模型組合起來解決問題正確答案：DID3算法使用—作為啟發式信息來及進行特征選擇。A、 信息嫡B、 信息增益C、 信息增益比D、 Gini指數正確答案：B從歷史數據中建立模型分析某人是否適合某個崗位，以指導招聘人員選撥新員工，這應該用—算法解決。A、 分類B、 回歸C、 聚類D、 查詢正確答案：A決策樹算法—。A、 擬合出一個含有參數的函數B、 構造出一個含有參數的網絡C、 生成一個有分枝的決策樹D、 生成一^有向圖正確答案：C有關決策樹與特征工程的關系，以下說法錯誤的—。A、 決策樹可以得到對分類重要的屬性，因此可以作為分類特征獲取的一種方法。B、 如果要了解影響簽署合同快慢的主要因素，可以使用決策樹算法。C、 決策樹獲得的特征可以作為其他算法（例如回歸算法的自變量）輸入的依據。D、 決策樹可以增強數據集獲得更多的特征。正確答案：D如果從員工的日常表現數據預測其升職的可能性可以使用下面—機器學習方法。A、 關聯分析B、 線性回歸C、 聚類D、 分類正確答案：DID3用信息增益來進行特征選擇，信息增—。A、 越小越好B、 越大越好C、 為0最好D、 為1最好正確答案：B在決策樹算法中，如果一個特征對于所有樣本都沒有區分能力，那么它對決A、 無用途，可以不考慮B、 仍必須保留在決策樹中C、 最好放在距離根節點近的位置D、 最好放在距離葉節點近的位置正確答案：A多選題理想的決策樹具有—特點。A、 樹的高度最高B、 葉子節點數最多C、 葉子節點數最少D、 葉子節點深度最小正確答案：CD決策樹通過構造一棵樹來實現分類任務。它^。A、 一種有監督學習方法B、 一種無監督學習方法C、 樹的葉子節點對應分類結果D、 樹的中間節點對應數據特征正確答案：ACD決策樹中進行決策選擇的節點包括_。A、 根節點B、 中間節點C、 葉子節點D、 所有節點正確答案：AB構建樹結構為多叉樹的決策樹算法有—。A、 ID3B、 C4.5C、 LogisticD、 CART正確答案：AB以下—算法屬于決策樹算法。A、 ID3B、 C4.5C、 LogisticD、 CART正確答案：ABD判斷題決策樹是一種分類模型，不能用于解決回歸問題。正確答案：X—個集成學習分類算法可能包含多個弱分類器。正確答案：V在決策樹中，選用較好分類能力的特征對數據集進行劃分，各分支中樣本的純度會比較高。正確答案：V集成學習分類算法AdaBoosting通過關注被已有分類器分類錯誤的樣本，來提升新的分類器性能。正確答案：V8_^Kmeans進行聚類單選題聚類算法屬于—。A、 分類問題B、 回歸分析C、 有監督學習D、 無監督學習正確答案：D聚類的目標是—。A、 已知數據類別和特點，將其他數據分類到和它相似度高的類別中B、 已知數據類別和特點，將類別進一步細分C、 未知數據類別和特點，把相似度高和相似度低的樣本分別聚集在一起D、 未知數據類別和特點，根據數據內在性質及規律將其劃分為若干個子集正確答案：DK-means聚類的結果中。A、 類別的個數不確定B、 最終的類別之間不能有樣本的交叉C、 最終的類別之間允許有少量樣本的交叉D、 不同類別的元素之間相似度大正確答案：BK-means算法的結束條件是。A、 K的值達到最大B、 每個簇包含相同個數的樣本C、 每個簇的中心點不再變化D、 某個簇的樣本相似度最大正確答案：CK-means算法中如果使用余弦相似度計算數據樣本的相似性，那么計算結；^。A、 越接近0,相似度越高B、 越接近1,相似度越高C、 越接近-1，相似度越高D、 無法僅根據值判斷相似度正確答案：B如果用K-means算法根據廣場上的人員分布進行聚類，應該選擇—度量樣本相似性。A、 歐式距離B、 余弦距離C、 漢明距離D、 人員密度正確答案：A以下對K-means聚類結果的解釋，描述錯誤的—。A、 最終聚類結果中，簇內凝聚度高，簇間分離度高B、 換不同的K值聚類結果應該一樣C、 每個樣本數據歸屬于與其距離最近的聚類質心所在的簇D、最終聚類結果中每個簇中所包含的數據差異性最小正確答案：BK-means算法中的K個初始中心點，通常的選擇方法—。A、 排序后選最大的K個值B、 排序后選最小的K個值C、 求均值后，選與均值最接近的K個值D、 隨機選擇K個值正確答案：D根據用戶使用移動運營商的數據，可以為他們設計合適的套餐，使—方法比較合適。A、 聚類B、 回歸C、 匯總D、 分類正確答案：A下列說法錯誤的。A、 在聚類分析中，簇之間的相似性越大，簇內樣本的差別越大，聚類的效果就越好B、 聚類分析可以看作是一種非監督的樣本分組過程C、 k均值算法是一種常用的聚類算法，簇的個數算法不能自動確定D、 k均值算法的計算耗時與初始假設聚類中心的位置有關正確答案：A分析營銷投入與銷售收入的關系可以使用—數據建模方法。A、 匯總B、 聚類C、 回歸D、 分類正確答案：C在使用Kmeans算法進行聚類時，可以利用肘部原理觀察—折線圖來選擇k值。A、 迭代次數B、 蘭德指數C、 輪廓系數D、 歐式距離正確答案：C在聚類時，根據—衡量樣本是否可以聚為同類。A、 樣本損失B、 樣本數量C、 樣本維度D、 樣本相似度正確答案：D多選題下面描述屬于K-means聚類算法特點的有—。A、 算法迭代執行B、 需要初始化聚類質心C、 數據需要帶有分類標簽D、 需要事先確定聚類數目正確答案：ABD有關機器學習算法選擇的說法不正確的有―。A、 每種算法都有其使用范圍，因此選擇算法需要考慮具體處理的問題B、 判斷機器學習算法好壞在數據需求階段就可以確定C、 在分類前可以先做聚類分析D、 對聚類問題可以任選一種聚類算法正確答案：BD對移動客戶進行分組，以便根據各組的特點，策劃不同的營銷方案，需要客戶數據可能包括A、身高日、收入C、 年齡D、 客戶長途市話以及漫游等通話數據正確答案：BCD以下算法需要訓練數據樣本必須有標簽。A、 決策樹B、 邏輯回歸C、 Kmeans聚類D、 線性回歸正確答案：ABD對聚類結果進行評估可以采用輪廓系數，它綜合考慮了—。A、 簇內凝聚度B、 簇內分離度C、 簇間分離度D、 簇間凝聚度正確答案：AC判斷題對有標簽的數據集進行聚類結果的性能評估，可以利用“調正蘭德系數ARI”計算真實標簽與聚類標簽的分布相似性，ARI越接近0越好。正確答案：x聚類和分類的本質是一樣的，都是對樣本的類別進行預測。正確答案：x9_神經網絡原理與實現單選題以下—算法是基于規則的分類器。A、 神經網絡B、 k-meansC、 邏輯回歸D、 決策樹正確答案：D2'以下關于人工神經網絡的描述正確的—。A、 神經網絡對訓練數據中的噪聲不敏感，因此不用考慮數據質量B、 神經網絡訓練后很容易得到分類的規則C、 訓練人工神經網絡是一個很耗時的過程D、 只能用于分類任務正確答案：C有關前饋神經網絡的認識正確的是_。A、 神經網絡訓練過程是擬合訓練數據模式的過程B、 神經網絡訓練后很容易得到分類的規則C、 一個結構明確的神經網絡的訓練結果是唯一的D、 神經網絡模型的分類能力一定比決策樹好正確答案：A在一個神經網絡中，確定每一個神經元的權重和偏差是模型擬合訓練樣本的目標，比較有效的辦法A、根據人工經驗隨機賦值B、 搜索所有權重和偏差的組合，直到得到最佳值C、 賦予一個初始值，然后迭代更新權重，直至損失函數取得極小D、 下一層神經元繼承上一層神經元的權重和偏差正確答案：C梯度下降算法的正確計算步驟是_。計算預測值和真實值之間的誤差迭代更新，直到找到最佳權重把輸入傳入網絡，得到輸出值初始化隨機權重和偏差對每一個產生誤差的神經元，改變其權重值以減小誤差A、 1)2)3)4)5)B、 5)4)3)2)1)C、 3)2)1)5)4)D、 4)3)1)5)2)正確答案：D以下—問題不適合應用神經網絡。牌1 H2 圍3 &|4A、 預測電信客戶流失的可能性B、 輔助確定是否給銀行的客戶貸款C、 對基金公司的客戶進行分組，了解每組客戶的特點D、 股票走勢的預測正確答案：C—用來評估神經網絡的計算模型對樣本的預測值和真實值之間的誤差大小。A、 優化函數B、 梯度下降C、 反向傳播D、 損失函數正確答案：D下面對感知機網絡(PerceptronNetworks)描述不正確的是。A、 感知機網絡沒有隱藏層B、 感知機網絡具有一層隱藏層C、 感知機網絡不能擬合復雜數據D、 感知機網絡是一種特殊的前饋神經網絡正確答案：B在神經網絡學習中，每個神經元會完成若干功能，下面—不是神經元所能夠完成的功能。A、 將加權累加信息向后續相鄰神經元傳遞B、 通過激活函數對加權累加信息進行非線性變換C、 向前序相鄰神經元反饋加權累加信息D、 對前序相鄰神經元所傳遞信息進行加權累加正確答案：C10—對前饋神經網絡的描述是不正確的。A、 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B、 各個神經元接受前一級神經元的輸入，并輸出到下一級C、 同一層內神經元之間存在全連接D、 同一層內的神經元相互不連接正確答案：C11下面 圖像是sigmoid激活函數。TOC\o"1-5"\h\zA、 圖1B、 圖2C、 圖3D、 圖4正確答案：A12神經網絡的一次誤差反向傳播算法可?—。A、 修改一層神經元的參數B、 修改相鄰2層的神經元的參數C、 修改網絡中所有神經元的參數D、 修改網絡中所有神經元的激活函數正確答案：C13神經網絡訓練時，數據的類別標簽可以用獨熱編碼，編碼中—。A、 只有1個1,其他為0B、 只有1個0,其他為1C、 只要是二進制就可以D、 一般用8位二進制數正確答案：A14神經網絡建模步驟一般是—。模型評估網絡配置模型訓練數據準備模型預測A、 1)2)3)4)5)B、 3)2)1)5)4)C、 5)4)3)2)1)D、 4)2)3)1)5)正確答案：D多選題神經網絡由許多神經元組成，下列關于神經元的陳述中—是正確的。A、 —神經元可以有多個輸入和—輸出B、 —神經元可以有—輸入和多個輸出C、 一個神經元可以有多個輸入和多個輸出D、 一^神經元只能有一^輸入和一^輸出正確答案：ABC神經網絡的激活函數，通常具有—特性。A、 非線性B、 線性C、 可導D、 不可導正確答案：AC下列—可以使神經網絡模型擬合復雜函數的能力增加。A、 隱藏層層數增加B、 Dropout的比例增加C、 加大學習率D、 增加神經元的數量正確答案：AD訓練樣本中，正負樣本數量的比例較大，這稱為樣本類別不平衡問題，可采—解決。A、 過采樣，即增加正樣本數量，使正負樣本接近再學習B、 欠采樣，即去除反例樣本數量，使正負樣本接近再學習C、 設置閾值。基于原始數據集學習，當使用已訓練好的分類器進行測試時，將正負樣本數量的比例作為閾值嵌入到決策過程中D、 改變評價標準，用AUC/ROC來進行評價正確答案：ABCD如果神經網絡的學習率太大，—。A、 網絡一定收斂B、 網絡可能無法收斂C、 網絡收斂速度慢D、 網絡收斂速度快正確答案：BD判斷題全連接神經網絡輸入層的神經元個數一般與一個輸入樣本的特征個數相同。正確答案：V10_神經網絡應用案例與調優單選題實現二分類任務的神經網絡中，輸出層激活函數一般選擇—。A、 softmaxB、 reluC、 tanhD、 sigmoid正確答案：D如果神經網絡的性能有—表現，說明出現過擬合。A、 訓練集精度升高、驗證集精度升高B、 訓練集精度下降、驗證集精度下降C、 訓練集精度升高、驗證集精度下降D、 訓練集精度下降、驗證集精度升高正確答案：C實現多分類任務的神經網絡，輸出層的神經元個數一般選擇—。A、 與類別數一致B、 10以內C、 2個D、 類別數的2倍正確答案：A神經網絡訓練時采用k折交叉驗證時，—。A、 隨機選任一份做驗證集，其他份做訓練集B、 隨機選任一份做訓練集，其他份做驗證集C、 依次選一份做驗證集，其他份做訓練集D、 隨機選k份做訓練集，其他份做驗證集正確答案：C5實現標量回歸預測任務的神經網絡，評價指標一般選電。A、 精確率B、 平均絕對誤差C、 召回率D、 交叉嫡正確答案：B多選題在進行神經網絡訓練之前，一般需要把訓練集再分割為_。A、 訓練集B、 測試集C、 驗證集D、 備用集正確答案：AC神經網絡的數據預處理，一般包括—步驟。A、 將數據向量化B、 將數據值標準化C、 處理缺失值D、 將數據值轉化為浮點數或整數正確答案：ABCD判斷題特征工程的目標就是減少數據集中特征的個數。正確答案：X神經網絡模型訓練中不應該出現過擬合，這網絡結構不合理。正確答案：X上海積累了歷年的氣候大數據，并使用這些數據訓練建立了神經網絡模型進行天氣預測，那么這個模型也可用于其他地區的天氣預測。正確答案：X11_卷積神經網絡計算機視覺基礎單選題以下—情況下，神經網絡模型被稱為深度學習模型。入、加入更多層，使神經網絡深度加深日、輸入層可以接收維度更高的數據C、 當問題是圖形識別或分類問題時D、 激活函數更復雜正確答案：A卷積神經網絡輸入的彩色圖像數據的張量格式為.。A、 （樣本數，高度，寬度，通道數）B、 （樣本數，高度，寬度）C、 （高度，寬度）D、 （高度*寬度）正確答案：A深度學習算法對于圖像進行特征提取采用的方法是。A、 人為設計好特征，由網絡實現提取B、 網絡自動提取C、 不需要提取特征D、 根據特征集合提取正確答案：B假設我們需要訓練一個卷積神經網絡，來完成500種圖像分類，類別采用獨熱編碼。該卷積神經網絡最后一層是分類層，則最后一層輸出向量的維數大小可能是。TOC\o"1-5"\h\zA、 1B、 100C、 250D、 500正確答案：DCNN網絡中池化層的作用有—。A、 實現局部特征提取B、 減少過擬合C、 減少隱層節點數D、 獲得分類結果正確答案：C下列—在神經網絡中引入了非線性。A、 隨機梯度下降B、 Relu函數C、 卷積計算D、 損失函數正確答案：BCNN中，—是局部連接，所以提取的是局部信息。A、 卷積層B、 池化層C、 全連接層D、 Dropout層正確答案：A數據增強可以有效提升模型質量，最好在—進行數據增強。A、 整個數據集B、 訓練集C、 驗證集D、 測試集正確答案：B預訓練模型是指―。A、 先訓練一個模型作為基準B、 在正式訓練之前，做一次試驗訓練C、 已經在大數據集上訓練好的一個模型D、 預先根據任務特點，對模型結構進行調整正確答案：C10使用預訓練模型進行特征提取，要訓練的部分—。A、 全連接分類器B、 高層卷積層C、 底層卷積層D、 整個網絡正確答案：A預訓練模型的卷積基一舟—。A、 只包含卷積層B、 包含卷積層、池化層和全連接層C、 包含卷積層和池化層D、 包含凍結的卷積層正確答案：C微調預訓練模型，一般是指調—。A、 全連接層B、 高層卷積層C、 底層卷積層D、 任意一^或幾個卷積層正確答案：B要解決的問題只有少量的數據，但幸運的是有一個之前訓練過的針對類似問題的神經網絡模型。最佳方案是 。A、 對于新的數據集重新訓練模型B、 凍結除第一層之外的所有層，微調第一層C、 評估型每一層的功能，然后選擇其中的某些層D、 凍結除最后一層之外的所有層，重新訓練最后一層正確答案：D多選題深度全連接神經網絡在圖像處理中有_弱點。A、 參數量太大B、 無法利用相鄰像素關聯C、 模型結構單一D、 過擬合嚴重正確答案：AB通過數據增強可以減少過擬合的發生，常用的方法有以下—。A、 從數據源采集更多的數據B、 復制原有數據并添加隨機噪聲C、 復制多份一樣的數據放在一起D、 根據現有樣本估計樣本的分布，然后按照此分布再產生一些樣本正確答案：ABDCNN網絡中可能包含—層。入、輸入層B、 卷積層C、 池化層D、 全連接層正確答案：ABCDCNN網絡中，卷積核大小一般常采用—。A、 3*3B、 5*5C、 100*100D、 1024*1024正確答案：AB深度學習對—的數據集沒有明顯優勢。A、 數據集小B、 數據集大C、 沒有局部相關性D、 有局部相關性正確答案：AC在訓練深度神經網絡的過程中，如果泛化能力太差，則可—。A、 調整網絡結構B、 調整樣本C、 調整學習率D、 調整優化器正確答案：ABDKeras的圖片生成器的主要作用是—。A、隨機動態生成圖像日、自動批量加載磁盤圖像C、 實現數據的轉換D、 生成圖像并保存到磁盤正確答案：BC對圖片數據進行數據增強可以采用—方法。A、 旋轉圖像B、 隨機裁剪C、 增加噪聲D、 數據集中兩個圖像疊加正確答案：ABC在微調預訓練模型時，—情況下，凍結層數越少。A、 數據集越大B、 數據集越小C、 數據集與原始數據集相似性越大D、 數據集與原始數據集相似性越小正確答案：AD判斷題CNN網絡的每個卷積層之后都有池化層。正確答案：xCNN中，卷積核的各元素值是神經網絡在訓練過程中自己學習得到。正確答案：x卷積神經網絡卷積核的深度和下層輸入數據通道數相同。正確答案：xCNN網絡的一個卷積核只能提取一種模式。正確答案：V卷積神經網絡的參數量要遠遠小于同樣規模的全連接神經網絡的參數量。正確答案：V卷積神經網絡可以對一個輸入完成旋轉、錯切等變換。正確答案：x增大卷積核的大小必然會提高卷積神經網絡的性能。正確答案：x12_循環神經網絡自然語言處理基礎一.單選題聲音是一種時序數據，是對連續聲音信號的—進行采樣獲得。A、 頻率B、 振幅C、 周期D、 長度正確答案：B在使用深度學習進行文本處理時，一個文本句子要被理解，首先需要做的是_A、 分詞B、 詞性標注C、 命名實體識別D、 生成詞嵌入正確答案：A如果要采用神經網絡來對文本進行建模，必須先將文本向量化，這一過程是才指A、 將文本分詞B、 獲得文本類別標簽C、 將文本壓縮D、 將文本轉換為數值張量正確答案：D在經過學