2021高考语文北京卷试题及答案.docxVIP

2021高考语文北京卷试题及答案2021高考语文 北京卷试题及答案-、本大题共5小题，共17分。 阅读下面材料，完成1 -5题。 材料一机器学习是一种人工智能技术，它通过设计算法，让计算机可以从有限的观测数据中分析并获 取规律，然后利用“学习”到的规律对未知数据进行预测,从而帮助人们完成应用任务。运用机器 学 习解决应用问题，一般包含如下几步：首先是对观测数据作预处理，然后是从观测数据中提取 有效特征并对特征进行转换，最后是构建函数并利用它进行预测。 传统的机器学习主要关注预测函数的构建，至于特征，那么一般是通过人为地设计一些准那么，然 后根据这些准那么从观测数据中获得。对机器而I ,这可看作是一种“浅层学习。由于浅层学习有 时不能很好地获得有助于提升预测准确率的特征，“深度学习”应运而生。 深度学习需要构建具有一定“深度”的模型，让机器自动从观测数据中学习到有效的特征，帮助提 升 预测的准确率。“深度”与数据处理过程的组件数量密切相关，深度模型的原始输入与输出结果 之 间有多个组件，每个组件都会对数据进行加工，并影响后续组件。当得到最终的输出结果 时，我们并不清楚每个组件的贡献是多少，判断每个组件对输出结果的影响称为“贡献度分配”问 题。 以下围棋为例，每当下完一盘棋，我们会思考哪几步棋导致了最后的胜利或失败，判断每-步棋贡献的多少就是贡献度分配问题。该问题在深度学习中至关重要，解决起来也至常困 难。 目前，深度学习大多采用“人工神经网络”来实现。人I神经网络内部包含多个层次，正好能满兄 深 度学习的“深度需求。近年来?深度学习技术快速开展，其所使M的人工神经取络模型从早期 的 五至十层增加到目前的数百层，这极大提高了特征提取与转换的能力，也使预测的准确率随之 上升。 深度学习技术被「泛应用于模式识别、自然语言处理等诸多领域并取得了重大突破。我们要想 在 方兴未艾的科技革命中占有先机，牢固掌握以深度学习为代表的人工智能技术是必要条件。 ?根据材料一，以下表述正确的一项为哪一项（3分）A?机器学习的最终目的是从数据中寻找到某种规律。 B?机器学习从数据中学到的规律可以用函数来表示。 C?机器学习完成特征提取与转换后就可以进行预测。 D?浅层学习无需人工干预，完全依赖机器自主完成。 ?根据材料一，以下对“深度学习”的理解与推断，不正确的一项为哪一项（3分）A-可以更好地处理数据特征，更准确地预测。 B?数据处理过程中的组件数量会影响其深度。 C?数据处理过程中影响最大的组件不难确定。 D?是人工智能技术的代表，已有广泛的应用。 材料二人脑神经系统是一个声常复杂的组织，包含n百亿个神经元。神经元与神经元之间没有物理连 接， 它们通过突触进行互联来传递信息。神经元可被看作是只有兴奋和抑制两种状态的细胞， 突触将 -个神经元的兴奋状态传至另一个神经元。突触有强有弱，其强度可以通过学习或训练 来不断改 变，具有一定的可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他神经元 接收到的信 号量以及突触的强度。当一个神经元接收到的信号量总和超过了某个阈值，细胞体 就会兴奋，产 生电脉冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神经系统中，每个神经元本 身固然重要，但更重要的是神经元如何组成网络。 受人脑的启发，科学家构建了一种在结构、工作原理和功能上都模拟人脑神经系统的计算模 型，称之为“人I神经刑络”，简称神经网络”。在机器学习领域，神经网络指由很多人工神经元 相互连接构成的系统，这些人工神经元一般被称为节点，每个节点本质上是一个函数。神经网 络不同节点间的连接被赋予了不同的权重，每个权重表示一个节点对另一个节点影响的大小。 每个节点的“兴奋”或“抑制”，由来自其他节点的数据信息与节点间的连接权重综合计算得到。 深度学习利用神经网络构建模型，可以对数据进行更好的特征提取与特征转换，从市得到预测 准确率更高的函数。除了神经网络模型，深度学习也可以采用深度信念网络”等其他类型的模 型。但由于神经网络能借助相关算法较好地解决贡献度分配问题，它成为了深度学习主要采用 的模型。 （以上两那么材料取材于邱锡鹏的相关著作）?根据材料二，以下对人脑神经系统的理解，不正确的一项为哪一项（3分） A?一个神经元是兴奋还是抑制的状态不全由其自身决定。 B?一个神经元接收到其他神经元的电脉冲以后就会兴奋。 C?人脑神经系统中神经元本身不如神经元如何组网重要。 D?人脑神经系统启发了深度学习中一种主要模型的构建。 ?根据材料一和材料二，以下理解与推断，不正确的一项为哪一项（3分）A?人工神经网络在自然语言处理等诸多领域是无可替代的。 B?深度学习进行预测的能力与其模型的层次数量密切相关。 C?沟通不同神经元的突触的强度不是恒定的，可以被改变。 D?人工神