人工智能应用基础 习题及答案 项目6练习题.docx

6.7项目练习

一、选择题

1.生成式人工智能的目标是什么？（C）。

A.提高训练速度B.提高计算效率C.模拟人类的创造力D.实现自动化生产

2.生成式模型能够生成哪些类型的数据？（D）。

A.文本B.图像C.音频D.文本、图像、音频和视频等多种类型的数据

3．生成对抗网络的作用是什么？（A）

A.生成逼真的图像、文字、视频等B.优化数据存储C.图像识别D.目标检测

4.生成式人工智能在文本生成方面的应用不包括以下哪一项？（D）

A.创作新闻文章B.生成诗歌C.编写程序代码D.实现语音识别

5.以下哪项不是生成式人工智能的关键技术？（B）

A.深度学习B.样本标签C.神经网络D.生成对抗模型

二、填空题

1.自动编码器由编码器和解码器两部分组成。

答案：编码器；解码器

2.生成式人工智能的最大区别在于能根据训练数据生成新数据，如文本、_______和音频等。

答案：图像

3.生成对抗模型（GAN）的核心组成包括_____和_______两部分。

答案：生成器；判别器

三、简答题

1.简述生成对抗网络的训练过程与传统的分类模型有什么不一样。

答案：GAN首先根据判别器的误差来更新判别器的参数，也就是说，先让判别器学会区分真实的和生成的图像。训练完判别器后，相当于有了一个鉴别标准了，此时锁定判别器不训练，只训练生成器。生成器会通过随机噪声生成一张图片，当然一开始这张图像是过不了判别器这关的，如果判断出是生成的图像，就会输出一个较低的分数，比如0，同时计算出与真实图像之间的误差来更新生成器的参数。接下来就交替训练这两个网络，直至生成器能够生成高质量的图像

2.简述自编码器的结构特点及其作用。

答案：自动编码器由编码器和解码器组成，它们通常情况下是结构相同的两个神经网络，可以由全连接层组成，也可以是由卷积层组成的。编码器的任务将输入数据转换为一个特征向量，它可以看作是对输入数据的一种压缩表示方法，里面包含有能识别出输入数据的特征，是一个机器能理解的参数值。自编器的输出端也不再是对输入数据进行分类，而是一个解码器，它的任务是将该特征向量进行解码重建，重新转换为输入数据的样子，从而使其具备了生成数据的能力。