2025年人工智能-智能算法考试题库及答案（新版）

答案(最新版)1.神经网络由许多神经元(Neuron)组成，每个神经元接受一个输入，对输入进行处理后给出一个输出。请问下列关于神经元的描述中，哪一项是正确的?A、每个神经元可以有一个输入和一个输出B、每个神经元可以有多个输入和一个输出C、每个神经元可以有多个输入和多个输出标准答案：B2.哪个不是常用的聚类算法()。解析：Softmax不是常用的聚类算法。3.高层的特征是低层特征的组合，从低层到高层的特征表达越来越(),也即越来越能表现语义或者意图。A、具体和形象化B、抽象和概念化C、具体和概念化D、抽象和具体化标准答案：B解析：高层的特征是低层特征的组合，从低层到高层的特征表达越来越抽象和概念化，也即越来越能表现语义或者意图。4.关于bagging下列说法错误的是：()A、各基分类器之间有较强依赖，不可以进行并行训练。B、最著名的算法之一是基于决策树基分类器的随机森林。C、当训练样本数量较少时，子集之间可能有重叠。D、为了让基分类器之间互相独立，需要将训练集分为若干子集。5.数据在完成特征工程的操作后，在构建模型的过程中，以下哪个选项不属于决策树构建过程当中的步骤?B、特征选取D、决策树生成标准答案：C6.通过以下哪些指标我们可以在层次聚类中寻找两个集群之间的差7.下述()不是人工智能中常用的知识格式化表示方法。8.比较成熟的分类预测模型算法包括Logistic回归模型、广义线性9.在pytorch中，设模型变量名为model,则对model.eval()的描述10.()控制着整个LSTM单元的状态或者记忆，它会根据每个时刻的A、隐状态向量11.早期图像识别技术中存在的主要问题是()。12.FPN中根据ROI的()来分配所属层级?B、最大边长度13.随机森林是一种集成学习算法，是()算法的具体实现。解析：随机森林是一种集成学习算法，是Bagging算法的具体实现。14.深度学习是当前很热门的机器学习算法，在深度学习中，涉及到大量的矩阵相乘，现在需要计算三个稠密矩阵A,B,C的乘积ABC,假设三个矩阵的尺寸分别为m?n,n?p,p?q,且m<nD、所有效率都相同15.对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个D、LR线性回归17.fasterRCNN用于生成候选框proposal的模块名称()解析：fasterRCNN用于生成候选框proposal的模块是RPN18.LSTM用于文本分类的任务中，不会出现的网络层是()19.假设你需要调整超参数来最小化代价函数(costfunction),会使B、随机搜索20.ROIPooling在那个模型中被第一次提出()B、它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限征子集。23.线性回归方法是假定条件属性和决策属性之间存在线性关系，然后通过训练数据拟合出一个()方程，并使用该方程去预测未知的新实例。24.考虑某个具体问题时，你可能只有少量数据来解决这个问题。不C、只对最后几层进行调参(finetune)D、对每一层模型进行评估，选择其中的少数来用标准答案：C25.()采用多种乐器的音频数据，可融合多种国家、乐曲风格和乐器音色的特征，创作音乐作品。解析：MuseNet采用多种乐器的音频数据，可融合多种国家、乐曲风格和乐器音色的特征，创作音乐作品。26.下列哪个不是激活函数()。标准答案：D解析：hidden不是激活函数。27.长短期记忆LSTM具有与循环神经网络相似的控制流，两者的区别在于LSTM中增加了()导致单元内的处理过程不同。A、输入门28.批规范化(BatchNormalization)的好处都有啥?29.深度学习是当前很热门的机器学习算法，在深度学习中，涉及到30.下面哪项操作能实现跟神经网络中Dropout的类似效果?()31.我们可以将深度学习看成一种端到端的学习方法，这里的端到端指的是32.语音是一种典型的()数据。于学习率的说法，错误的是()34.为应对卷积网络模型中大量的权重存储问题，研究人员在适量牺牲精度的基础上设计出一款超轻量化模型()35.()是使用某一位置的相邻输出的总体统计特征来代替网络在该C、池化D、批归一化B、梯度下降算法就是不断的更新w和b的导数值解析：梯度下降算法就是不断的更新w和b的值37.下述()不是人工智能中常用的知识格式化表示方法。38.下列可以用于聚类问题的机器学习算法有()39.在废弃阶段，废弃销毁使用目的不复存在或者有更好解决方法替换的人工智能系统，主要包括数据、()以及系统整体的废弃销毁过程。解析：在废弃阶段，废弃销毁使用目的不复存在或者有更好解决方法替换的人工智能系统，主要包括数据、算法模型以及系统整体的废弃销毁过程。40.对于神经网络的说法，下面正确的是()A、增加神经网络层数，可能会增加测试数据集的分类错误率B、减少神经网络层数，总是能减小测试数据集的分类错误率C、增加神经网络层数，总是能减小训练数据集的分类错误率41.按照类别比例分组的k折用的是哪个函数()标准答案：B42.高层的特征是低层特征的组合，从低层到高层的特征表达越来越(),也即越来越能表现语义或者意图。43.关于模型参数(权重值)的描述，错误的说法是B、每一次Epoch都会对之前的参数进行调整([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]);pri45.下列关于深度学习说法错误的是A、LSTM在一定程度上解决了传D、IRH解析：VGG-19中卷积核的大小为3x47.CRF(条件随机场)和HMM(隐马尔可夫模型)之间的主要区别是什么?48.产生式系统的推理不包括()(document-termmatrix)。以下哪项可用于减少数据维度?(1)关A、只有(1)51.循环神经网络优于全连接网络的一个原因是循环神经网络实现了52.以下属于生成式模型的是：()A、原子命题54.线性回归在3维以上的维度中拟合面是?A、曲面B、平面D、测试集大约包含10000个样本和标签56.在卷积操作过程中计算featuremap的尺寸：设图像大小为300*300,卷积核大小为3*3,卷积窗口移动的步长为1,则featuremaps的大小是()个元素?57.自然语言中的词语需要转化为计算机B、向量58.循环神经网络中，假设输入是一个32*32*3的图像，3表示RGB三通道，卷积核的结构是5*5*3,共6个不同的卷积核，一个卷积核产生一个featuremap,则输出的featuremap矩阵的结构是()。三通道，卷积核的结构是5*5*3,共6个不同的卷积核，一个卷积核产生一个featuremap,则输出的featuremap矩阵的结构是28*28*6。59.fromsklearnimportlinear_modelreg=linear_model.Lasso,其中Lasso是用来拟合什么样的线性模型的?60.如果问题存在最优解，则下面几种搜索算法中，哪一个必然可以E、探索标准答案：A62.对于一个分类任务，如果开始时神经网络的权重不是随机赋值的，而是都设成0,下面哪个叙述是正确的?B、没啥问题，神经网络会正常开始训练C、神经网络可以训练，但是所有的神经元最后都会变成识别同样的D、神经网络不会开始训练，因为没有梯度改变63.下列哪些不是"子集搜索"中的搜索方式()B、双向搜索C、前向搜索D、后向搜索64.LARS属于哪种特征选择方法()B、启发式C、嵌入式D、过滤式66.下面哪个叙述是对的?Dropout对一个神经元随机屏蔽输入权重Dropconnect对一个神经元随机屏蔽输入和输出权重A、1是对的，2是错的C、1是错的，2是对的D、期望交叉熵A、可以提高特征关联性B、可以减轻维数灾难问题C、可以降低学习任务的难度D、特征选择和降维具有相似的动机69.全局梯度下降算法、随机梯度下降算法和批量梯度下降算法均属于梯度下降算法，以下关于其有优缺点说法错误的是：A、全局梯度算法可以找到损失函数的最小值B、批量梯度算法可以解决局部最小值问题C、随机梯度算法可以找到损失函数的最小值D、全局梯度算法收敛过程比较耗时70.下面的问题，属于分类问题的是；据，预测员工在接下来一段时间内的工资涨幅B、根据员工的薪水、工作压力、成长环境、工作年限、绩效考核等数据，预测员工下一季度的绩效考核分数C、根据员工的薪水、工作压力、成长环境、工作年限、绩效考核等数据，预测员工是否可能会在接下来的一段时间内离职据，预测员工下一季度的销售额72.如果问题存在最优解，则下面几种搜索算法中，广度优先搜索必73.下列哪个函数不可以做非线性激活函数?()74.Softmax算法中温度趋近于0时Softmax将趋于(75.闵可夫斯基距离表示为曼哈顿距离时，p为()。解析：闵可夫斯基距离定义为：该距离最常用的p是2和1,前者是欧几里得距离),后者是曼哈顿距离。76.下面的问题，哪一个属于分类问题的是()77.Relief属于哪种特征选择方法()78.哪种聚类方法采用概率模型来表达聚类()79.在经典的卷积神经网络模型中，Softmax函数是跟在什D、以上都可以80.回归分析中定义的()A、设为081.如果强行限制输出层的分布是标准化的，可能会导致某些特征模D、收敛D、测试集大约包含10000个样本和标签83.Relu在零点不可导，那么在反向传播中怎么处理()84.如果问题存在最优解，则下面几种搜索算法中，()必然可以得到该最优解。必然可以得到最优解，答案选A85.在前馈神经网络中，误差后向传播(BP算法)将误差从输出端向B、偏置87.神经元之间的每个连接都有()权重。A、一个C、多个B、通过调参可以往往可以得到很好的分类效果C、训练速度快89.问答系统中的NLP技术，以下描述不正确的是：A、问答(QA)系统的想法是直接从文档、对话、在线搜索和其他地方提取信息，以满足用户的信息需求。QA系统不是让用户阅读整个文档，而是更喜欢简短而简洁的答案。B、QA系统相对独立很难与其他NLP系统结合使用，现有QA系统只能处理对文本文档的搜索，尚且无法从图片集合中提取信息。C、大多数NLP问题都可以被视为一个问题回答问题。范例很简单：我们发出查询指令，机器提供响应。通过阅读文档或一组指令，智能系统应该能够回答各种各样的问题。D、强大的深度学习架构(称为动态内存网络(DMN))已针对QA问题进行了专门开发和优化。给定输入序列(知识)和问题的训练集，它可以形成情节记忆，并使用它们来产生相关答案。标准答案：B90.Word2Vec提出了哪两个算法训练词向量?91.Iou表示的是()94.影响基本K-均值算法的主要因素不包括下列哪一个选项?C、聚类准则95.对于一个图像识别问题(在一张照片里找出一只猫),下面哪种神B、感知机96.主成分分析是一种数据降维和去除相关性的方法，它通过()将97.在主成分分析中，将几个主分量经过线性组合构造为一个综合评98.以下关于Bagging(装袋法)的说法不正确的是99.语音是一种典型的()数据。100.在RNN中，目前使用最广泛的模型便是()模型，该模型能够更101.关于线性回归的描述，以下正确的有()A、基本假设包括随机干扰项是均值为0,方差为1的标准正态分布B、基本假设包括随机干扰项是均值为0的同方差正态分布解析：线性回归的基本假设是随机干扰项是均值为0的同方差正态分布D、集中式2.非线性核SVM研究重点是设计快速近似算法，包括()4.下列关于DSSM经典模型的结构的说法不正确的是()D、非线性5.当发现机器学习模型过拟合时，以下操作正确的是：()A、准确性8.考虑到RNN(或者LSTM,GRU等)类模型只能从()依次计算或者从A、前向后10.下列哪些方法的输出结果，通常包含boundingbox?()A、词性标注12.深度学习的训练过程包括：自下而上的()和自顶向下的()。13.以下哪些机器学习算法可以不对特征做归一化处理()14.卷积神经网络结构包括()、()、()。A、输入层D、输出层15.关于SVM,以下描述正确的是()化能力最强.17.常见的数据增强方式有()B、添加噪声(高斯噪声)18.预剪枝使得决策树的很多分子都没有展开，会导致()。B、分类准则20.关于对数几率回归，以下说法正确的是()21.卷积神经网络中的池化层可以减小下层输入的尺寸。常见的池化22.遗传算法评价的常用方法有()D、都不是24.常见的聚类性能度量内部指标有()C、冠词与数词D、单复数B、隐藏层D、池化层27.层次聚类算法中数据集的划分可采用的策略为()D、重复步骤2与步骤3,继续计算，直到所有数据点不改变所属的30.Embedding编码有哪些特点?C、能够表征词与词之间的相互关系(相似度计算)C、能够表征词与词之间的相互关系(相似度计算)32.关于神经网络模型的说法，哪些是不正确的()三.判断题1.Python不允许使用关键字作为变量名，允许使用内置函数名作为A、正确3.人工智能的一个重要分支是PatternRecognition,中文名称是模式识别它主要研究视觉和听觉的识别()模型，一种是由中心词预测上下文的skip-gramA、正确12.在决策树中，随着树中结点数变得太大，即A、正确15.非线性SVM中，核函数的选择对于SVM的性能至关重要()解析：非线性SVM中，核函数的选择对于SVM的性能至关重要()16.xgboost借鉴了随机森林的做法，支持列抽样，不仅能降低过拟17.池化层减小图像尺寸即数据降维，缓解过拟合，保持一定程度的18.数据规范化是必不可少的预处理步骤，用于对值进行重新缩放以20.人工神经元网络会遭遇"框架问题"()B、错误B、错误23.基于VC维和Rademacher复杂度推导泛化误差界，所得到的结果25.如果强行限制输出层的分布是标准化的，可能会导致某些特征模平移网络是由Quillian于上世纪60年代提出的知识表达模式，其用相互连接的节点和边来表示知识。27.GeneticAlgorithms属于表现型进化算法。()29.如果SVM模型欠拟合，可以通过减小核系数(gamma参数)来改进模型B、错误标准答案：B解析：gamma参数是你选择径向基函数作为kernel后，该函数自带的一个参数.隐含地决定了数据映射到新的特征空间后的分布.gamma参30.反向传播算法被设计为减少公共子表达式的数量并且考虑存储的的开销。B、错误32.混沌度(Perplexity)是一种常见的应用在使用深度学习处理NLP33.FasterRCNN中的ROIpooling,仍能保留pixel-level的输入输出B、错误34.如果允许一条记录触发多条分类规则，把每条被触发规则的后件41.如果自变量X和因变量Y之间存在高度的非线性和复杂关系，那42.时序预测回归预测一样，也是用已知的数据预测未来的值，但这43.Sigmoid是早期神经网络模型中常见的非44.Dropout为在神经网络过程中有一定概率暂时消除神经节点，减45.PCA(PrincipalponentAnalysis)算法通过计算特征之间的相关性，度B、错误47.混合高斯分布对呈椭圆形分布的数据聚类效果较好，而k-meansB、错误48.()把大脑当作信息处理装置的观点是认知心理学的首要特征。误差平方和最小化。()52.反向传播是一种用于多层神经网络的训练算法。它将错误信息从A、正确53.卷积的作用：捕获图像相邻像素的依赖性；起到类似滤波用，得到不同形态的featuremap56.从被触发规则中选择一个规则来执行，被执行的规则称为可触发58.方差度量了学习算法的期望预测与真实结果的偏离程度，即刻画60.Bayes法是一种在已知后验概率与类条件概率的情况下的模式分62.基于sklearn用机器学习B、错误63.示例学习又称为实例学习，它是通过环境中若干与某个概念有关B、错误A、正确65.图像分类是根据图像的语义信息对不同类别图像进行区分，是计66.softmax函数一般用在多分类问题中，它是对逻辑斯蒂回归68.在现有的深度学习模型中，句子情感分类通常会形成一个联合的A、正确71.正则化是解决过拟合的方法之一()72.设有机器人走迷宫问题，其入口坐标为(x0,y0),出口坐标为(xt,yt),当前机器人位置为(x,y),若定义，当从入口到出口存在通73.基于规则的AI系统由一连串的if-then-else规则来进行推断或74.提升卷积核(convolutionalkernel)的大小会显著提升卷积神经75.Bayes法是一种在已知后验概率与类条件概率的情况下的模式分77.可以通过将所有权重初始化为0来训练网络79.经典的全连接神经网络中，隐含层的节点数是可以调整的，节点80.广度优先搜索方法的原理是：从树的根节点开始，在树中一层一层的查找，当找到目标节点时，搜索结束()。81.基尼指数越小，数据集的纯度越高。83.先验原理可以表述为：如果一个项集是频繁的，那包含它的所有互关系。87.贝叶斯网学习而言，模型就是一个贝叶斯网，每个贝叶斯网描述A、正确90.Logisticregression(逻辑回归)是一种监督式机器学习算法。91.Sigmoid是神经网络中最常用到的一种激活函数，除非当梯度太92.k近邻法对给定的训练实例点和输入实例点，首先确定输入实例A、正确93.HSV颜色空间中H的取值范围为(0,1)B、错误95.对训练数据的预测效果很好，但对验证数据的预测效果不好的现B、错误B、错误97.当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变99.多层非线性映射(multi-layernonlinearprojection):表示深度300,然后最后一层的维度是128维度，激活函数采用tanh100.Glove可使用ngram、subword等细粒度信息A、正确解析：Precision不变时，Recall越大，1/Recall越小，从而F1越104.假设x是含有5个元素的列表，那么切片操作x[10:]是无法执108.BP网络的学习过程是一种误差修正型学习算法，由正向传播和A、正确A、正确115.AlphaBeta剪枝的效率一定比单纯的minimax算法效率高。()116.聚类分析的相异度矩阵是用于存储所有对象两两之间相异度的矩阵，为一个nn维的单模矩阵118.Self-0rganizingFeatureMap(SOFM)神经网络可用于聚类。()A、正确121.梯度爆炸会导致梯度激增，应避免梯度爆炸。122.图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础标准答案：A123.K近邻算法的目标是从大量的数据中通过算法搜索隐藏于其中的B、错误125.强化学习需要