人工智能题库2020

人工智能题库（一）20201_人工智能概述单选题如果分别向参加测试的人和计算机提出一些书面问题，人类无法区分问题答案来自人还是计算机，那么可以说这台计算机通过了—测试。A、 黑盒B、 丘奇C、 图灵D、 智商正确答案：C有人说“人类智能是智能回路的总开关”，即人类智能决定着任何智能的高度、广度和深度，下—描述和这个观点不一致。A、 人类智能是机器智能的设计者B、 机器智能目前已经超越了人类智能C、 机器智能目前无法完全模拟人类所有智能D、 机器智能和人类智能相互协同所产生的智能能力可超越人类智能或机器智能正确答案：B下面关于人工智能及深度学习的关系描述中，—是正确的。A、机器学习是深度学习的一种方法日、人工智能是机器学习的一个分支顷人工智能就是深度学习D、深度学习是一种机器学习的方法正确答案：D下面—描述了现有深度学习这一种人工智能方法的特点。A、 大数据，大任务B、 大数据，小任务C、 小数据，小任务D、 小数据，大任务正确答案：B被誉为“机器学习之父“的是—。A、 塞缪尔B、 费根鲍姆C、 西蒙D、 图灵正确答案：A第一个成功研制的专家系统—。A、 计算机配置专家系统XconB、 血液病诊断专家系统MYCINC、 化合物结构识别专家系统DendralD、 探矿专家系统Prospector正确答案：C强化学习技术属于—学派。A、 行为主义B、 符号主义C、 连接主义D、 逻辑主义正确答案：A计算机领域的最高奖项—。A、 菲尔兹奖B、 冯.诺伊曼奖C、 图灵奖D、 香农奖正确答案：C机器智能目前还无法达到人类智能，主要原因—。A、 机器智能占有的数据量还不够大B、 机器智能的支持设备的计算能力不足C、 机器智能的推理规则不全面D、 机器智能缺乏直觉和顿悟能力正确答案：D我国《新一代人工智能发展规划》中规划，到—年成为世界主要人工智能创新中心。TOC\o"1-5"\h\zA、 2020B、 2025C、 2030D、 2035正确答案：C多选题（共12题,52.7分）—系统属于人工智能应用的实例。A、 计步器B、 机械式密码锁顷聊天机器人D、电商网站的商品推荐正确答案：CD下面关于人工智能概念的表述，合理。A、 根据对环境的感知做出合理的行动，并获得最大收益的计算机程序B、 任何计算机程序都具有人工智能C、 针对特定的任务，人工智能程序一般具有自主学习的能力。、人工智能程序要和人类具有相同的思考方式正确答案：AC下面—学科是人工智能的基础。A、 经济学B、 计算机科学C、 地理学D、 数学正确答案：BD符合强人工智能的描述有—。A、 仅在某个特定的领域超越人类的水平B、 是通用的人工智能C、 可以胜任人类的所有工作D、 在科学创造力、智慧等方面都远胜于人类正确答案：BC发展出图像识别成功率超越人类的人工智能的主要因素有—。A、 人类专家规则的完善B、 计算力的提升C、 社会关注度提升D、 大量数据驱动正确答案：BD

6.ImageNet是个图片集合，它是.ABCD图像算法性能检验的“标准”数据集绘制图像的参考标准任何图形进行分类的依据每个图片都有类别标签I'：'：■6.ImageNet是个图片集合，它是.ABCD图像算法性能检验的“标准”数据集绘制图像的参考标准任何图形进行分类的依据每个图片都有类别标签I'：'：■：：：：■正确答案：AD数据驱动的人工智能方法的弱点•—。A、 解释性差B、 需要大量数据集合C、 需要建立知识库D、 直接从数据中学习正确答案：AB对人工智能的发展趋势划分，一般可分为—。A、 强人工智能B、 泛人工智能C、 弱人工智能D、 超人工智能正确答案：ACDAlphaGo成为第一个战胜围棋世界冠军的人工智能机器人，它用至I技术。A、 专家系统B、 深度学习C、 知识图谱D、 强化学习正确答案：BD搜索下面的知识图谱中，可以得到—结论。A、 风云儿是东京的美食品牌B、 风云儿是最著名的拉面品牌C、 在一蔺吃寿司人均消费低于100元D、 寿司和拉面是本州岛的美食正确答案：AD采用深度学习根据图像训练一个植物分类模型前，一般需—。A、 搜集大量植物图像样本B、 搜集少量典型植物图像样本C、 对植物样本进行标注D、 每类植物搜集一张图像正确答案：AC当前推动人工智能发展的主要支持技术包括—。A、云计算技术B、 大数据技术C、 深度学习算法D、 图灵测试技术正确答案：ABC每一次比较都使搜索范围减少一半的方法^。A、 蒙特卡洛方法B、 A*算法C、 minimax算法D、 二分查找法正确答案：D考虑到对称性，井字棋最终局面有—种不相同的可能。TOC\o"1-5"\h\zA、 19683B、 91C、 44D、 138正确答案：D在启发式搜索中，评价函数的作用—。A、 判断搜索算法的时间复杂度B、 判断搜索算法的空间复杂度C、 从当前节点出发来选择后续节点D、 计算从当前节点到目标节点之间的最小代价值正确答案：D下面对minimax搜索算法描述中，哪句描述是不正确的A、 MIN节点希望对方收益最小化B、 minimax值计算从根节点自顶向下进行C、 根据minimax值确定行棋决策D、 MAX节点希望自己收益最大化正确答案：D蒙特卡洛搜索树中，在—阶段要兼顾探索和利用。A、 选择B、 扩展C、 模拟D、 反向传播正确答案：D根据课程所讲的井字棋估值方法，给以下局面估值为—（X为正，O为负）。A、 1B、 -1C、 0D、 2正确答案：D除了问题本身的定义之外，使用问题特定知识的搜索策略被认为是A、 启发式算法B、 minimax算法C、 深度优先搜索D、 蒙特卡洛树搜索正确答案：D图中所示的minimax算法决策树，图中估值为7的结点被称为。A、 终止结点B、 MAX结点C、 MIN结点D、 根节点正确答案：D在启发式搜索（有信息搜索）中，启发函数的作用^。A、 从当前节点出发来选择后续节点B、 计算从当前节点到目标节点之间的最小代价值C、 判断搜索算法的空间复杂度D、 判断搜索算法的时间复杂度正确答案：D在贪婪最佳优先搜索中，评价函数取值和启发函数取值之间的关系^。A、 相等B、 不相等C、 大于D、 小于正确答案：D将两个图片每个像素RGB三个分量的差值的平方和作为适应度函数的计算方法。前后两次计算得出来的值分别为1512869728和1495705312，那么说明适应度函数］_，适应度—。A、 变低了；变低了B、 变高了；变低了C、 变低了；变高了D、 变高了；变高了正确答案：D二.多选题在围棋对弈的蒙特卡洛搜索树中，每个节点记录A/B值分别对应—。A、 该节点的层数B、 该局面的子节点数C、 该局面被访问总次数D、 该局面被访问的胜利次数正确答案:CD下列关于搜索算法的描述，错误的—。入、盲目搜索如DFS或BFS由于没有知识支持，很可能在解空间中找不到最优解B、 A*算法如果启发函数满足可容性和单调性，一定能在解空间中找到最优解C、 蒙特卡洛算法有可能找到最优解，但搜索效率比minimax搜索要高D、 贪婪最佳优先搜索一定能在解空间中找到最优解正确答案：ACD下列部分属于基因遗传算法的有—。A、 选择B、 交叉和变异C、 初始化编码D、 反向传播正确答案：ABC基因遗传算法的两个常用的结束条件为—。A、 达到一定的迭代次数B、 达到一定的交叉次数C、 达到一定的变异次数D、 适应度函数结果达到一定的要求正确答案：AD判断题在解决函数优化问题时，基因遗传算法的全局性不好，容易陷入局部最优值。正确答案：X每次在同一个搜索树中进行蒙特卡洛搜索的结果都是一样的。正确答案：X仿生算法是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称。正确答案：V2_人工智能单选题如果一个模型_,我们称它过拟合。A、 在训练集上表现好，在测试集上表现也好B、 在训练集上表现不好，在测试集上表现也不好C、 在训练集上表现好，在测试集上表现不好D、 在训练集上表现不好，在测试集上表现好正确答案：C某线性回归模型在训练集和测试集上的性能都较差，这说明出现了—问题。A、 过拟合B、 欠拟合C、 数据泄露D、 泛化能力强正确答案：B有关机器学习，说法错误的—。A、 可以利用数据来获取新知识B、 使用样本数据来建立模型，处理同源数据的能力得以提升C、 从某类数据中学习规律，解决所有数据的预测问题D、 模仿人的学习行为来解决问题正确答案：C线性回归模型的训练目标是找到一组参数，彳—最小。A、 样本损失值B、 样本特征值C、 决定系数D、 损失函数值正确答案：D回归分析的目的。A、 对历史数据进行统计B、 对历史数据进行归类C、 对当前数据进行归类D、 对未知数据做出预测正确答案：D进行多项式回归时，以下—说法错误。A、 特征构建会生成更多得用于建模的特征值B、 越是高次多项式，生成的衍生特征越多C、 一元多项式回归一般会得到一个曲线模型D、 如果一元线性回归出现过拟合，可采用多项式回归避免过拟合正确答案：D对线性回归模型进行性能评估时，以下—说法正确。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越好正确答案：C已知各次在电视、微信两个渠道投放广告获得的收益，利用线性回归方法为投资和收益关系建模，可得到的目标函数模型为—。Ay二W］勺+w2x2+bEy=中内+i>TOC\o"1-5"\h\zV—1-f-j-|jfj + y= +bA、 AB、 BC、 CD、 D正确答案：A有关线性回归模型的参数，以下—说法错误。A、 参数的数量跟特征数量无关B、 参数可以使用梯度下降法求得C、 一元线性回归模型的参数大小和正负说明自变量对因变量的相对影响大小D、 添加正则化可以使参数变小正确答案：A回归分析通过对样本数据的学习，可以得到一—来表示目标变量和自变量之间的因果关系。A、 数学模型B、 逻辑推理规则C、 关系表D、 决策搜索树正确答案：A多选题广义线性回归要求以下—有一个是一次的就可以。入、自变量日、目标变量C、 损失函数D、 参数正确答案：AD在机器学习建模分析时，通常将数据集划分为—。A、 训练集B、 预测集C、 测试集D、 回归集正确答案：AC以下属于机器学习的任务—。A、 汇总B、 回归C、 聚类D、 排序正确答案：BC用线性回归建模时，以下—是正确的操作。A、 剔除异常值B、 被预测值应该在建模的自变量范围内C、 可视化观察目标变量与自变量关系D、 使用相关分析把相关变量合成为一个或只保留一个正确答案：ABCD三.判断题把训练数据交给线性回归模型LinearRegression()，它会自动根据数据分布决定用直线拟合还是曲线拟合。正确答案：X在数据集分割时，一般训练集的样本数大于测试集。正确答案：V线性回归是一种监督学习算法。正确答案：V线性回归模型能建模多个特征和目标变量的关系。正确答案：V测试集用来评估模型，因此不需要数据标签。正确答案：X训练得到的模型如果出现欠拟合，说明模型太复杂。正确答案：X6_用逻辑回归进行分类单选题测试集有800个样本，其中正类样本有600个，若使分类模型的准确率(Accuracy)至少达到85%，则该模型预测结果正确的样本数目应大于等于—个。TOC\o"1-5"\h\zA、 400B、 480C、 510D、 680正确答案：D逻辑回归模型中的损失函数一般采用—。A、 对数似然损失函数B、 均方损失函数C、 绝对值损失函数D、 Logistic函数正确答案：A下面对回归和分类的描述不正确的—。A、 两者均是学习输入变量和输出变量之间潜在关系模型B、 在回归分析时，学习得到一个函数将输入变量映射到连续输出空间C、 回归是一种无监督学习，分类学习是有监督学习D、 在分类时，学习得到一个模型将输入变量映射到离散输出空间正确答案：C用户针对同一问题建立了四个分类模型，分别绘制了ROC曲线如图，说明—模型最优。1-特异度A、 NT-proBNPB、 CTNIC、 DKMBD、 D-Dimer正确答案：A保险公司有客户购买保险的历史信息（姓名、性别、生日、收入、孩子数、房产面积、已购保险品种），若利用这些信息做数据分析，下面哪种数据分析需要利用机器学习的分类算） 。A、 对老客户的年龄段进行分类（39以下，40-69,70以上）B、 预测新客户购买的保险品种C、 对老客户的性别进行分类（男、女）D、 预测新客户的房产面积值正确答案：B在用于分类算法建模的数据集合中，—。A、 不需要分类标签列B、 是否需要分类标签，根据集合特点确定C、 一定有多列是分类标签D、 至少有一列是分类标签正确答案：D评价一个分类模型的性能，召回率计算公式为—。A、将正类预测为正类的样本数/所有真正的正类的样本数B、 将正类预测为正类的样本数/所有预测为正类的样本数C、 所有预测正确的样本数/总的样本数D、 所有真正的正类样本数/总的样本数正确答案：A多选题处理数据集中的缺失值一般采取以下方法—。A、 删除相关记录B、 替换为Nan即可C、 替换为0D、 用估计的数据填充正确答案：AD逻辑回归模型建立后，对于一个新的未知数据进行分类，可以通—实现。A、 计算模型输出的概率值B、 计算损失函数值C、 决策边界计算D、 Sigmoid函数计算正确答案：AC以下属于机器学习的任务—。A、 汇总B、 回归C、 分类D、 排序正确答案：BC以下关于逻辑回归的说法，正确的有—。A、 可以实现二元分类B、 是线性的C、 是非线性的D、 是否线性根据实际情况确定正确答案：AC以下需要使用到分类技术的应用有—。A、 根据客户消费额大小将用户聚为三类B、 树木生长高度预测C、 车牌识别D、 垃圾邮件过滤正确答案：CD分类问。A、 是一种预测，预测数据所属的类别B、 有二分类问题和多分类问题C、 是无监督学习问题D、 是有监督学习问题正确答案：ABD判断题非平衡的二分类问题，是指正负样本的比例差异大。正确答案：V逻辑回归的损失函数应该反映预测值与分类标签0和1的距离，因此适合采用交叉嫡损失函数。正确答案：V逻辑回归模型用于二分类(0,1)的输出结果是样本属于类别1的概率值。正确答案：V7_决策树与随机森林单选题信息增益的计算方法是―。A、 信息嫡（当前集划分前）-信息嫡（当前集划分后）B、 信息嫡（当前集划分后）-信息嫡（当前集划分前）C、 信息熵（训练集初始嫡）-信息嫡（叶节点样本集信息嫡）D、 信息嫡（叶节点样本集信息嫡）-信息熵（训练集初始嫡）正确答案：A随机森林算法中，—。A、 随机的含义是包含决策树的个数是随机的B、 树之间没有关联，每棵树单独学习C、 一棵树的学习结果作为另一棵树的输入D、 随机森林的预测结果取决于分类性能最强的那棵决策树正确答案：B下面有关过拟合的认识错误的—。A、 过拟合是因为训练样本太多了，把训练样本的规律都拟合进去了。B、 降低决策树的复杂度可以减少过拟合，例如减少决策树的深度。C、 判断模型是否过拟合可以看随着训练的增加，训练集的分类精度提高，但测试集的精度却下降了。D、 分类算法都可能会遇到过拟合现象。正确答案：A集成学习的主要思想是—。A、 将多个数据集合集成在一起进行训练B、 将多源数据（如文本、图像、声音等）进行融合学习C、 通过聚类算法使数据集分为多个簇D、 将多个机器学习模型组合起来解决问题正确答案：DID3算法使用—作为启发式信息来及进行特征选择。A、 信息嫡B、 信息增益C、 信息增益比D、 Gini指数正确答案：B从历史数据中建立模型分析某人是否适合某个岗位，以指导招聘人员选拨新员工，这应该用—算法解决。A、 分类B、 回归C、 聚类D、 查询正确答案：A决策树算法—。A、 拟合出一个含有参数的函数B、 构造出一个含有参数的网络C、 生成一个有分枝的决策树D、 生成一^有向图正确答案：C有关决策树与特征工程的关系，以下说法错误的—。A、 决策树可以得到对分类重要的属性，因此可以作为分类特征获取的一种方法。B、 如果要了解影响签署合同快慢的主要因素，可以使用决策树算法。C、 决策树获得的特征可以作为其他算法（例如回归算法的自变量）输入的依据。D、 决策树可以增强数据集获得更多的特征。正确答案：D如果从员工的日常表现数据预测其升职的可能性可以使用下面—机器学习方法。A、 关联分析B、 线性回归C、 聚类D、 分类正确答案：DID3用信息增益来进行特征选择，信息增—。A、 越小越好B、 越大越好C、 为0最好D、 为1最好正确答案：B在决策树算法中，如果一个特征对于所有样本都没有区分能力，那么它对决A、 无用途，可以不考虑B、 仍必须保留在决策树中C、 最好放在距离根节点近的位置D、 最好放在距离叶节点近的位置正确答案：A多选题理想的决策树具有—特点。A、 树的高度最高B、 叶子节点数最多C、 叶子节点数最少D、 叶子节点深度最小正确答案：CD决策树通过构造一棵树来实现分类任务。它^。A、 一种有监督学习方法B、 一种无监督学习方法C、 树的叶子节点对应分类结果D、 树的中间节点对应数据特征正确答案：ACD决策树中进行决策选择的节点包括_。A、 根节点B、 中间节点C、 叶子节点D、 所有节点正确答案：AB构建树结构为多叉树的决策树算法有—。A、 ID3B、 C4.5C、 LogisticD、 CART正确答案：AB以下—算法属于决策树算法。A、 ID3B、 C4.5C、 LogisticD、 CART正确答案：ABD判断题决策树是一种分类模型，不能用于解决回归问题。正确答案：X—个集成学习分类算法可能包含多个弱分类器。正确答案：V在决策树中，选用较好分类能力的特征对数据集进行划分，各分支中样本的纯度会比较高。正确答案：V集成学习分类算法AdaBoosting通过关注被已有分类器分类错误的样本，来提升新的分类器性能。正确答案：V8_^Kmeans进行聚类单选题聚类算法属于—。A、 分类问题B、 回归分析C、 有监督学习D、 无监督学习正确答案：D聚类的目标是—。A、 已知数据类别和特点，将其他数据分类到和它相似度高的类别中B、 已知数据类别和特点，将类别进一步细分C、 未知数据类别和特点，把相似度高和相似度低的样本分别聚集在一起D、 未知数据类别和特点，根据数据内在性质及规律将其划分为若干个子集正确答案：DK-means聚类的结果中。A、 类别的个数不确定B、 最终的类别之间不能有样本的交叉C、 最终的类别之间允许有少量样本的交叉D、 不同类别的元素之间相似度大正确答案：BK-means算法的结束条件是。A、 K的值达到最大B、 每个簇包含相同个数的样本C、 每个簇的中心点不再变化D、 某个簇的样本相似度最大正确答案：CK-means算法中如果使用余弦相似度计算数据样本的相似性，那么计算结；^。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、 无法仅根据值判断相似度正确答案：B如果用K-means算法根据广场上的人员分布进行聚类，应该选择—度量样本相似性。A、 欧式距离B、 余弦距离C、 汉明距离D、 人员密度正确答案：A以下对K-means聚类结果的解释，描述错误的—。A、 最终聚类结果中，簇内凝聚度高，簇间分离度高B、 换不同的K值聚类结果应该一样C、 每个样本数据归属于与其距离最近的聚类质心所在的簇D、最终聚类结果中每个簇中所包含的数据差异性最小正确答案：BK-means算法中的K个初始中心点，通常的选择方法—。A、 排序后选最大的K个值B、 排序后选最小的K个值C、 求均值后，选与均值最接近的K个值D、 随机选择K个值正确答案：D根据用户使用移动运营商的数据，可以为他们设计合适的套餐，使—方法比较合适。A、 聚类B、 回归C、 汇总D、 分类正确答案：A下列说法错误的。A、 在聚类分析中，簇之间的相似性越大，簇内样本的差别越大，聚类的效果就越好B、 聚类分析可以看作是一种非监督的样本分组过程C、 k均值算法是一种常用的聚类算法，簇的个数算法不能自动确定D、 k均值算法的计算耗时与初始假设聚类中心的位置有关正确答案：A分析营销投入与销售收入的关系可以使用—数据建模方法。A、 汇总B、 聚类C、 回归D、 分类正确答案：C在使用Kmeans算法进行聚类时，可以利用肘部原理观察—折线图来选择k值。A、 迭代次数B、 兰德指数C、 轮廓系数D、 欧式距离正确答案：C在聚类时，根据—衡量样本是否可以聚为同类。A、 样本损失B、 样本数量C、 样本维度D、 样本相似度正确答案：D多选题下面描述属于K-means聚类算法特点的有—。A、 算法迭代执行B、 需要初始化聚类质心C、 数据需要带有分类标签D、 需要事先确定聚类数目正确答案：ABD有关机器学习算法选择的说法不正确的有―。A、 每种算法都有其使用范围，因此选择算法需要考虑具体处理的问题B、 判断机器学习算法好坏在数据需求阶段就可以确定C、 在分类前可以先做聚类分析D、 对聚类问题可以任选一种聚类算法正确答案：BD对移动客户进行分组，以便根据各组的特点，策划不同的营销方案，需要客户数据可能包括A、身高日、收入C、 年龄D、 客户长途市话以及漫游等通话数据正确答案：BCD以下算法需要训练数据样本必须有标签。A、 决策树B、 逻辑回归C、 Kmeans聚类D、 线性回归正确答案：ABD对聚类结果进行评估可以采用轮廓系数，它综合考虑了—。A、 簇内凝聚度B、 簇内分离度C、 簇间分离度D、 簇间凝聚度正确答案：AC判断题对有标签的数据集进行聚类结果的性能评估，可以利用“调正兰德系数ARI”计算真实标签与聚类标签的分布相似性，ARI越接近0越好。正确答案：x聚类和分类的本质是一样的，都是对样本的类别进行预测。正确答案：x9_神经网络原理与实现单选题以下—算法是基于规则的分类器。A、 神经网络B、 k-meansC、 逻辑回归D、 决策树正确答案：D2'以下关于人工神经网络的描述正确的—。A、 神经网络对训练数据中的噪声不敏感，因此不用考虑数据质量B、 神经网络训练后很容易得到分类的规则C、 训练人工神经网络是一个很耗时的过程D、 只能用于分类任务正确答案：C有关前馈神经网络的认识正确的是_。A、 神经网络训练过程是拟合训练数据模式的过程B、 神经网络训练后很容易得到分类的规则C、 一个结构明确的神经网络的训练结果是唯一的D、 神经网络模型的分类能力一定比决策树好正确答案：A在一个神经网络中，确定每一个神经元的权重和偏差是模型拟合训练样本的目标，比较有效的办法A、根据人工经验随机赋值B、 搜索所有权重和偏差的组合，直到得到最佳值C、 赋予一个初始值，然后迭代更新权重，直至损失函数取得极小D、 下一层神经元继承上一层神经元的权重和偏差正确答案：C梯度下降算法的正确计算步骤是_。计算预测值和真实值之间的误差迭代更新，直到找到最佳权重把输入传入网络，得到输出值初始化随机权重和偏差对每一个产生误差的神经元，改变其权重值以减小误差A、 1)2)3)4)5)B、 5)4)3)2)1)C、 3)2)1)5)4)D、 4)3)1)5)2)正确答案：D以下—问题不适合应用神经网络。牌1 H2 围3 &|4A、 预测电信客户流失的可能性B、 辅助确定是否给银行的客户贷款C、 对基金公司的客户进行分组，了解每组客户的特点D、 股票走势的预测正确答案：C—用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。A、 优化函数B、 梯度下降C、 反向传播D、 损失函数正确答案：D下面对感知机网络(PerceptronNetworks)描述不正确的是。A、 感知机网络没有隐藏层B、 感知机网络具有一层隐藏层C、 感知机网络不能拟合复杂数据D、 感知机网络是一种特殊的前馈神经网络正确答案：B在神经网络学习中，每个神经元会完成若干功能，下面—不是神经元所能够完成的功能。A、 将加权累加信息向后续相邻神经元传递B、 通过激活函数对加权累加信息进行非线性变换C、 向前序相邻神经元反馈加权累加信息D、 对前序相邻神经元所传递信息进行加权累加正确答案：C10—对前馈神经网络的描述是不正确的。A、 层与层之间通过“全连接”进行连接，即两个相邻层之间神经元完全成对连接B、 各个神经元接受前一级神经元的输入，并输出到下一级C、 同一层内神经元之间存在全连接D、 同一层内的神经元相互不连接正确答案：C11下面 图像是sigmoid激活函数。TOC\o"1-5"\h\zA、 图1B、 图2C、 图3D、 图4正确答案：A12神经网络的一次误差反向传播算法可•—。A、 修改一层神经元的参数B、 修改相邻2层的神经元的参数C、 修改网络中所有神经元的参数D、 修改网络中所有神经元的激活函数正确答案：C13神经网络训练时，数据的类别标签可以用独热编码，编码中—。A、 只有1个1,其他为0B、 只有1个0,其他为1C、 只要是二进制就可以D、 一般用8位二进制数正确答案：A14神经网络建模步骤一般是—。模型评估网络配置模型训练数据准备模型预测A、 1)2)3)4)5)B、 3)2)1)5)4)C、 5)4)3)2)1)D、 4)2)3)1)5)正确答案：D多选题神经网络由许多神经元组成，下列关于神经元的陈述中—是正确的。A、 —神经元可以有多个输入和—输出B、 —神经元可以有—输入和多个输出C、 一个神经元可以有多个输入和多个输出D、 一^神经元只能有一^输入和一^输出正确答案：ABC神经网络的激活函数，通常具有—特性。A、 非线性B、 线性C、 可导D、 不可导正确答案：AC下列—可以使神经网络模型拟合复杂函数的能力增加。A、 隐藏层层数增加B、 Dropout的比例增加C、 加大学习率D、 增加神经元的数量正确答案：AD训练样本中，正负样本数量的比例较大，这称为样本类别不平衡问题，可采—解决。A、 过采样，即增加正样本数量，使正负样本接近再学习B、 欠采样，即去除反例样本数量，使正负样本接近再学习C、 设置阈值。基于原始数据集学习，当使用已训练好的分类器进行测试时，将正负样本数量的比例作为阈值嵌入到决策过程中D、 改变评价标准，用AUC/ROC来进行评价正确答案：ABCD如果神经网络的学习率太大，—。A、 网络一定收敛B、 网络可能无法收敛C、 网络收敛速度慢D、 网络收敛速度快正确答案：BD判断题全连接神经网络输入层的神经元个数一般与一个输入样本的特征个数相同。正确答案：V10_神经网络应用案例与调优单选题实现二分类任务的神经网络中，输出层激活函数一般选择—。A、 softmaxB、 reluC、 tanhD、 sigmoid正确答案：D如果神经网络的性能有—表现，说明出现过拟合。A、 训练集精度升高、验证集精度升高B、 训练集精度下降、验证集精度下降C、 训练集精度升高、验证集精度下降D、 训练集精度下降、验证集精度升高正确答案：C实现多分类任务的神经网络，输出层的神经元个数一般选择—。A、 与类别数一致B、 10以内C、 2个D、 类别数的2倍正确答案：A神经网络训练时采用k折交叉验证时，—。A、 随机选任一份做验证集，其他份做训练集B、 随机选任一份做训练集，其他份做验证集C、 依次选一份做验证集，其他份做训练集D、 随机选k份做训练集，其他份做验证集正确答案：C5实现标量回归预测任务的神经网络，评价指标一般选电。A、 精确率B、 平均绝对误差C、 召回率D、 交叉嫡正确答案：B多选题在进行神经网络训练之前，一般需要把训练集再分割为_。A、 训练集B、 测试集C、 验证集D、 备用集正确答案：AC神经网络的数据预处理，一般包括—步骤。A、 将数据向量化B、 将数据值标准化C、 处理缺失值D、 将数据值转化为浮点数或整数正确答案：ABCD判断题特征工程的目标就是减少数据集中特征的个数。正确答案：X神经网络模型训练中不应该出现过拟合，这网络结构不合理。正确答案：X上海积累了历年的气候大数据，并使用这些数据训练建立了神经网络模型进行天气预测，那么这个模型也可用于其他地区的天气预测。正确答案：X11_卷积神经网络计算机视觉基础单选题以下—情况下，神经网络模型被称为深度学习模型。入、加入更多层，使神经网络深度加深日、输入层可以接收维度更高的数据C、 当问题是图形识别或分类问题时D、 激活函数更复杂正确答案：A卷积神经网络输入的彩色图像数据的张量格式为.。A、 （样本数，高度，宽度，通道数）B、 （样本数，高度，宽度）C、 （高度，宽度）D、 （高度*宽度）正确答案：A深度学习算法对于图像进行特征提取采用的方法是。A、 人为设计好特征，由网络实现提取B、 网络自动提取C、 不需要提取特征D、 根据特征集合提取正确答案：B假设我们需要训练一个卷积神经网络，来完成500种图像分类，类别采用独热编码。该卷积神经网络最后一层是分类层，则最后一层输出向量的维数大小可能是。TOC\o"1-5"\h\zA、 1B、 100C、 250D、 500正确答案：DCNN网络中池化层的作用有—。A、 实现局部特征提取B、 减少过拟合C、 减少隐层节点数D、 获得分类结果正确答案：C下列—在神经网络中引入了非线性。A、 随机梯度下降B、 Relu函数C、 卷积计算D、 损失函数正确答案：BCNN中，—是局部连接，所以提取的是局部信息。A、 卷积层B、 池化层C、 全连接层D、 Dropout层正确答案：A数据增强可以有效提升模型质量，最好在—进行数据增强。A、 整个数据集B、 训练集C、 验证集D、 测试集正确答案：B预训练模型是指―。A、 先训练一个模型作为基准B、 在正式训练之前，做一次试验训练C、 已经在大数据集上训练好的一个模型D、 预先根据任务特点，对模型结构进行调整正确答案：C10使用预训练模型进行特征提取，要训练的部分—。A、 全连接分类器B、 高层卷积层C、 底层卷积层D、 整个网络正确答案：A预训练模型的卷积基一舟—。A、 只包含卷积层B、 包含卷积层、池化层和全连接层C、 包含卷积层和池化层D、 包含冻结的卷积层正确答案：C微调预训练模型，一般是指调—。A、 全连接层B、 高层卷积层C、 底层卷积层D、 任意一^或几个卷积层正确答案：B要解决的问题只有少量的数据，但幸运的是有一个之前训练过的针对类似问题的神经网络模型。最佳方案是 。A、 对于新的数据集重新训练模型B、 冻结除第一层之外的所有层，微调第一层C、 评估型每一层的功能，然后选择其中的某些层D、 冻结除最后一层之外的所有层，重新训练最后一层正确答案：D多选题深度全连接神经网络在图像处理中有_弱点。A、 参数量太大B、 无法利用相邻像素关联C、 模型结构单一D、 过拟合严重正确答案：AB通过数据增强可以减少过拟合的发生，常用的方法有以下—。A、 从数据源采集更多的数据B、 复制原有数据并添加随机噪声C、 复制多份一样的数据放在一起D、 根据现有样本估计样本的分布，然后按照此分布再产生一些样本正确答案：ABDCNN网络中可能包含—层。入、输入层B、 卷积层C、 池化层D、 全连接层正确答案：ABCDCNN网络中，卷积核大小一般常采用—。A、 3*3B、 5*5C、 100*100D、 1024*1024正确答案：AB深度学习对—的数据集没有明显优势。A、 数据集小B、 数据集大C、 没有局部相关性D、 有局部相关性正确答案：AC在训练深度神经网络的过程中，如果泛化能力太差，则可—。A、 调整网络结构B、 调整样本C、 调整学习率D、 调整优化器正确答案：ABDKeras的图片生成器的主要作用是—。A、随机动态生成图像日、自动批量加载磁盘图像C、 实现数据的转换D、 生成图像并保存到磁盘正确答案：BC对图片数据进行数据增强可以采用—方法。A、 旋转图像B、 随机裁剪C、 增加噪声D、 数据集中两个图像叠加正确答案：ABC在微调预训练模型时，—情况下，冻结层数越少。A、 数据集越大B、 数据集越小C、 数据集与原始数据集相似性越大D、 数据集与原始数据集相似性越小正确答案：AD判断题CNN网络的每个卷积层之后都有池化层。正确答案：xCNN中，卷积核的各元素值是神经网络在训练过程中自己学习得到。正确答案：x卷积神经网络卷积核的深度和下层输入数据通道数相同。正确答案：xCNN网络的一个卷积核只能提取一种模式。正确答案：V卷积神经网络的参数量要远远小于同样规模的全连接神经网络的参数量。正确答案：V卷积神经网络可以对一个输入完成旋转、错切等变换。正确答案：x增大卷积核的大小必然会提高卷积神经网络的性能。正确答案：x12_循环神经网络自然语言处理基础一.单选题声音是一种时序数据，是对连续声音信号的—进行采样获得。A、 频率B、 振幅C、 周期D、 长度正确答案：B在使用深度学习进行文本处理时，一个文本句子要被理解，首先需要做的是_A、 分词B、 词性标注C、 命名实体识别D、 生成词嵌入正确答案：A如果要采用神经网络来对文本进行建模，必须先将文本向量化，这一过程是才指A、 将文本分词B、 获得文本类别标签C、 将文本压缩D、 将文本转换为数值张量正确答案：D在经过学