人工智能概论 习题及答案 黄林国

第1章人工智能概述一、单项选择题B1.作为计算机科学的一个分支，人工智能的英文缩写是（）。A.CPU B.AI C.BI D.DIC2.人工智能诞生于（）年的达特茅斯会议。A.1954 B.1955 C.1956 D.1957B3.人工智能的定义核心是（）。A.研究和制造人类的智能B.用机器模拟人类的学习能力和人类智能特征C.让机器为人类服务D.研究和制造出超载人类的机器D4.被誉为“人工智能之父”的科学大师是（）。A.爱因斯坦 B.冯·诺依曼C.钱学森 D.图灵A5.人工智能领域中为了检验一台机器是否具有智能，需要进行（）。A.图灵测试 B.乔布斯测试C.达特茅斯测试 D.中文屋测试C6.下面（）是人工智能的重要特点。A.人形外形 B.可以和人类交流C.具有学习能力 D.可以识别物体C7.盲人看不到一切物体，但他们可以通过辨别人的声音识别人，这是智能的（）方面。A.行为能务 B.感知能力C.思维能力 D.学习能力D8.下面的说法中，错误的是（）。A.人工智能的发展目前还处在弱人工智能阶段B.还没有任何证据显示人类可以制造出超人工智能C.人脸识别属于机器视觉的研究领域D.语音识别和自然语言处理的研究内容一样B9.以下关于人工智能的描述，正确的是（）。A.通用人工智能技术已较为成熟B.专用人工智能取得重要突破C.超级人工智能时代即将到来D.我国人工智能理论研究水平高于其他国家C10.强人工智能强调人工智能的完整性，下列（）不属于人工智能。A.（类人）机器的思考和推理就像人的思维一样B.（非类人）机器产生了和人完全不一样的知觉和意识C.看起来像是智能的，其实并不真正拥有智能，也不会有自主意识D.有可能制造出真正能推理和解决问题的智能机器A11.人类有可能制造出真正能推理和解决问题的、有知觉和自我意识的智能机器，这是（）的观点。A.强人工智能 B.弱人工智能C.超人工智能 D.形式主义A12.人工智能的三大学派不包括（）。A.模仿主义 B.行为主义C.连接主义 D.符号主义B13.连接主义认为人的思维基元是（）。A.符号 B.神经元C.数字 D.图形A14.符号主义认为人工智能源于（）。A.数理逻辑 B.神经网络C.信息检索 D.遗传算法D15.认为人的智能是人脑的高层活动的结果，强调智能活动是由大量的简单的单元通过复杂的相互连接后并行运算的结果，这是（）的观点。A.记忆主义 B.行为主义C.符号主义 D.连接主义D16.机器智能目前还无法达到人类智能，主要原因是（）。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二、简答题1.简述人工智能的定义和分类。2.简述人工智能的发展史。3.简述人工智能的三个主要学派。4.简述你身边的人工智能应用。5.请结合自己的专业，简述人工智能在你所学的专业中的应用。

第2章人工智能生态一、单项选择题C1.（）不是人工智能的三要素。A.数据 B.算力 C.通信 D.算法D2.无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合称为（）。A．非结构化数据 B．数据库C．异常数据 D．大数据D3.大数据时代，数据使用的关键是（）。A．数据收集 B．数据存储C．数据可视化 D．数据再利用D4.大数据应用需依托的新技术有（）。A．大规模存储与计算 B．数据分析处理C．智能化 D．三个选项都是D5.以下（）说法是错误的。A.大数据技术是人工智能的基础B.深度学习的对象就是大数据，从海量数据中分析、判断、学习C.人工智能需要强大的计算能力支持，云计算技术的初衷解决了这个问题D.机器学习就是尝试学习D6.以下对大数据特性描述错误的是（）。A.数据规模大 B.数据流动速度快C.数据多样性 D.数据价值密度高A7.以下（）不需要运用云计算技术。A．播放本地电脑音频 B．在线实时翻译C．搜索引擎 D．在线文档协同编辑A8.射频识别技术属于物联网产业链的（）环节。A．标识 B．感知 C．处理 D．信息传送C9.以下（）不是物联网的相关技术。A．射频识别RFID技术 B．传感技术C．多媒体技术 D．云计算技术B10.生活中智能手环的应用，体现了（）技术的应用。A.网络爬虫 B.传感器C.云计算 D.统计计算二、简答题1．简述大数据如何提升人工智能的应用。2．什么是物联网？物联网有何特点？3．按照网络结构进行分类，云计算可以分为哪4种？4．5G网络有哪些应用场景？

第3章人工智能软/硬件平台一、单项选择题B1.以下不属于人工智能芯片的是（）。A.GPU B.USB C.FPGA D.ASICA2.用于计算机进行计算任务的芯片是（）。A.处理器芯片 B.存储芯片C.接口芯片 D.通信芯片D3.以下关于GPU的特点描述，错误的是（）。A.GPU的计算能力比CPU强B.GPU的并行数据处理可以大幅提高运算能力C.GPU使用高速全局内存可以进一步提升运算速度D.GPU无法使用共享内存结构提高通信速度C4.以下提供GPU芯片的中国公司是（）。A.谷歌 B.英特尔C.景嘉微 D.英伟达D5.专用神经网络处理器的芯片属于（）类型的芯片。A.CPU B.FPGAC.GPU D.ASIC二、简答题1.什么是摩尔定律？2.简述传统芯片与人工智能芯片的区别。3.智能芯片按照技术架构可分为哪几种？4.开发框架有何作用？常见的人工智能开发框架有哪些？

第4章机器学习一、单项选择题D1.人类通过对经验的归纳，总结规律，并以此对新的问题进行预测。类似的机器会对（）进行（），建立（），并以此对新的问题进行预测。A.经验，训练，模型 B.数据，总结，模型C.数据，训练，模式 D.数据，训练，模型D2.下面（）步骤不属于机器学习的流程。A.特征提取 B.模型训练C.模型评估 D.数据展示B3.学习样本中有一部分有标记，有一部分无标记，这类机器学习的算法，属于（）。A.监督学习 B.半监督学习C.无监督学习 D.集成学习C4.机器学习算法中有一类称为聚类算法，会将数据根据相似性进行分组。这类算法属于（）。A.监督学习 B.半监督学习C.无监督学习 D.集成学习A5.用于预测分析的建模技术是（），它研究的是因变量（目标）和自变量（预测器）之间的关系。A.回归算法 B.分类算法C.神经网络 D.决策树A6.下面关于无监督学习描述正确的是（）。A.无监督算法只处理“特征”，不处理“标签”B.降维算法不属于无监督学习C.K均值算法和SVM算法都属于无监督学习算法D.以上都不对A7.K近邻算法的K值必须是（）。A.奇数 B.偶数C.3 D.5C8.监督学习与无监督学习最大的区别是（）。A.先验知识 B.学习算法C.有无标签 D.学习方法B9.线性回归模型要解决的问题是（）。A.找到自变量与因变量之间的函数关系B.尽量用一条直线来拟合样本数据C.模拟样本数据曲线D.找到数据与时间的变化关系B10.梯度下降法的目标是（）。A.尽快完成模型训练B.寻找损失函数的最小值C.提高算法效率D.提高模型性能A11.衣服有L、M、S等尺码，这些尺码可以表示为（）。A.分类数据 B.数值数据C.连续数据 D.整数D12.线性回归中的权重W和b（）。A.没有办法计算B.研究人员根据经验设置C.都不可以是负数D.都是可以从数据中计算出来的B13.模型的损失函数（）。A.通过升高损失函数的值优化模型B.通过降低损失函数的值优化模型C.可以是负数D.有绝对的好坏标准D14.下面关于训练数据和测试数据的说法中，正确的是（）。A.测试数据可有可无B.训练数据的损失值越小，模型拟合得越好C.训练数据的损失值越大，模型拟合得越好D.不可以使用测试数据训练C15.下面关于过拟合的说法中，正确的是（）。A.过拟合说明模型泛化能力强B.过拟合可能由于模型太简单导致C.过拟合可能与训练集和测试集划分有关D.过拟合问题不严重，不用担心A16.机器学习的主要特点是（）。A.通过各种算法从大数据中学习如何完成任务B.像人一样开展自主学习C.具有人类神经网络的功能D.能对真实世界中的事件做出决策和预测D17.人工智能在图像识别上已经超越了人类，支持这些图像识别技术的通常是（）。A.云计算 B.因特网C.神经计算 D.深度神经网络D18.下面关于人工智能与机器学习的关系描述正确的是（）。A.机器学习是深度学习的一种方法B.人工智能是机器学习的一个分支C.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二、简答题1.什么是机器学习？2.监督学习与无监督学习有何不同之处？。3.常用监督学习算法有哪些？常用无监督学习算法有哪些？4.支持向量机的核心思想是什么？5.决策树有哪些优缺点？6.简述K近邻算法的工作原理。7.简述梯度下降法的基本思想。

第5章人工神经网络与深度学习一、单项选择题D1.以下关于人工神经网络的描述正确的是（）。A.任何两个神经元之间都是有连接的B.前馈神经网络是带有反馈的人工神经网络C.带反馈的人工神经网络比不带反馈的人工神经网络高级D.神经元的激活函数具有多种形式，不同的激活函数得到的性能不同C2.人工神经网络的导数增加会导致梯度消失现象，其本质原因是（）。A.各层误差梯度相加 B.各层误差梯度相减C.各层误差梯度相乘 D.误差趋于饱和D3.以下关于深度学习的描述不正确的是（）。A.深度神经网络的层数多于浅层神经网络，具有更强的表达能力B.卷积神经网络可以不需要人工提取特征图C.深度学习是大数据时代的必然产物D.以上都不正确A4.以下关于感知机的说法错误的是（）。A.单层感知机可以解决“异或”问题B.感知机分类的原理是通过调整权值使两类样本经过感知机模型后的输出不同C.单层感知机只能针对线性可分的数据集分类D.学习率可以控制每次权值调整力度A5.卷积层的主要作用是（）。A.提取图像特征B.降低输入维度C.解决梯度消失和梯度爆炸问题D.进行某种非线性变换B6.（）使机器模仿人类的视听和思考等活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。A.特征学习 B.深度学习C.简单学习 D.表示学习A7.标志着第一个采用卷积思想的神经网络面世的是（）。A.LeNet B.AlexNetC.CNN D.VGGD8.下列表述中，不属于神经网络的组成部分的是（）。A.输入层 B.隐藏层C.输出层 D.特征层C9.不属于卷积神经网络典型术语的是（）。A.全连接 B.卷积C.递归 D.池化B10.卷积神经网络（）。A.只可以应用在图像识别领域B.大量使用在图像识别领域C.在自然语言处理领域表现最好D.可以解决任何问题B11.下面关于卷积神经网络的说法中，错误的是（）。A.解决了参数量过大的问题B.解决了无法有效激活的问题C.保持了局部相关性和空间不变性D.是一种神经网络D12.深度学习的深度是指（）。A.机器学习的能力比较强B.构成神经网络的输出层比较多C.构成神经网络的输入层比较多D.构成神经网络的隐藏层比较多二、简答题1.简述MP模型的结构？2.BP神经网络的实现过程主要由哪两个阶段组成？这两个阶段分别做了哪些事情？3.卷积神经网络在网络结构上有何特点？实现了什么功能？4.循环神经网络在网络结构上有何特点？它适合解决什么问题？5.简述什么是深度学习。6.简述什么是激活函数，以及激活函数的作用。7..对图像进行卷积运算，图像矩阵与卷积核分别如图5-29和图5-30所示，请给出按步长为1进行卷积后的特征图。图5-29图像矩阵图5-30卷积核答案：8.对如图5-31所示的图像矩阵进行最大池化运算，采用2×2大小的池化窗口，步长与池长窗口大小相同，请给出池化后的图像矩阵。图5-31图像矩阵答案1391214

第6章计算机视觉一、单项选择题C1.视觉是人类获得信息最多的感官来源，有实验证实，视觉所获得的信息占人类获得信息的（）以上。A.60％ B.70％ C.80％ D.90％B2.一幅灰度级均匀分布的图像，其灰度范围在（0，255）区间。若该图像中某个像素点的灰度值为127，该灰度值经归一化处理以后应为（）。A.0 B.0.5 C.1 D.127D3.以下选项中，不属于计算机视觉的图像处理技术的是（）。A.分类 B.定位C.目标检测 D.图像压缩C4.以下关于图像分类的特点中描述错误的是（）。A.图像分类具有局限性B.通过机器替代人来实现图像分类，能够在一定程度上减少错误和缺陷C.在任何场景下，机器进行图像识别的准确率都高于人类D.在一定程度上能够减轻人类的负担B5.下列不属于图像分类应用的是（）。A.车牌识别 B.机器翻译C.医疗影像诊断 D.工业瑕疵诊断A6.（）是检测图像中人脸所在位置的一项技术。A.人脸检测 B.人脸配准C.人脸属性识别 D.人脸特征提取B7.（）是定位出人脸上五官关键点坐标的一项技术。A.人脸检测 B.人脸配准C.人脸属性识别 D.人脸特征提取A8.通过比对，两张人脸的特征相似度（）阈值，即判定两张人脸属于同一个人。A.大于 B.等于 小于 D.不相关D9.（）是将输入的人脸和一个集合中的所有人脸进行比对，根据比对后的相似度对集合中的人脸进行排序。A.人脸比对 B.人脸聚类C.人脸验证 D.人脸检索B10.人脸认证系统容易受到各种手段的欺骗，如用偷拍的照片假冒真人等，所以（）检测技术的研究显得异常重要。A.人脸比对 B.人脸活体C.人脸验证 D.人脸提取特征二、简答题1.什么是计算机视觉？2.计算机视觉的图像处理技术主要有哪些？3.简述人脸识别的基本流程。4.在生活中，请列举至少3种图像分类的应用场景。

第7章