2025年人工智能基础试题及答案.docxVIP

2025年人工智能基础试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪种学习方式不属于监督学习？

A.用带标签的图像训练分类模型

B.用用户点击日志训练点击率预测模型

C.用无标签文本数据训练词向量（Word2Vec）

D.用标注的医疗影像训练肿瘤检测模型

2.关于损失函数的选择，以下说法错误的是？

A.回归任务常用均方误差（MSE）作为损失函数

B.二分类任务中，交叉熵损失比均方误差更适合输出概率的模型

C.多分类任务中，softmax函数与交叉熵损失联合使用时，梯度计算更稳定

D.当训练数据存在大量离群点时，均方误差比绝对误差（MAE）更鲁棒

3.卷积神经网络（CNN）中，以下哪项操作不会改变特征图的空间尺寸（宽×高）？

A.3×3卷积核，步长（stride）=1，填充（padding）=1

B.2×2最大池化（maxpooling），步长=2

C.1×1卷积核，步长=1，填充=0

D.转置卷积（transposeconvolution），核大小=2×2，步长=2，填充=0

4.以下哪项不是循环神经网络（RNN）的缺点？

A.长序列依赖问题（Long-termDependency）

B.计算并行性差

C.对输入顺序不敏感

D.梯度消失或爆炸

5.在强化学习中，“策略（Policy）”通常指？

A.环境的状态转移概率

B.智能体在给定状态下选择动作的概率分布

C.奖励函数的设计规则

D.值函数（ValueFunction）的更新策略

6.关于过拟合（Overfitting），以下哪种方法无法缓解？

A.增加训练数据量

B.减小模型复杂度（如减少神经网络层数）

C.使用权重正则化（L2正则化）

D.提高学习率（LearningRate）

7.Transformer模型中，“多头注意力（Multi-HeadAttention）”的主要作用是？

A.减少计算复杂度

B.让模型同时关注不同子空间的上下文信息

C.替代循环神经网络处理序列顺序

D.增加模型的参数量以提升容量

8.以下哪项属于无监督学习任务？

A.图像风格迁移（如将照片转为油画风格）

B.垃圾邮件分类

C.预测用户下一次购买的商品

D.客户分群（Clustering）

9.决策树（DecisionTree）中，信息增益（InformationGain）的计算基于？

A.基尼系数（GiniIndex）

B.熵（Entropy）

C.均方误差

D.互信息（MutualInformation）

10.以下关于激活函数的说法，错误的是？

A.Sigmoid函数的输出范围是（0,1），适合作为二分类模型的输出层激活函数

B.ReLU（RectifiedLinearUnit）在输入为负时梯度为0，可能导致“神经元死亡”

C.Tanh函数的输出范围是（-1,1），比Sigmoid更接近零均值，有利于梯度传播

D.所有激活函数都必须是可导的，否则无法用反向传播训练

二、填空题（每空2分，共20分）

1.机器学习中，将数据划分为训练集、验证集和测试集的主要目的是________。

2.梯度下降法的三种变体中，________（填写缩写）每次使用全部训练数据计算梯度，________（填写缩写）每次仅使用单个样本计算梯度。

3.反向传播（Backpropagation）的核心思想是利用________法则，从输出层向输入层逐层计算损失函数对各参数的梯度。

4.BERT（BidirectionalEncoderRepresentationsfromTransformers）的预训练任务包括________和________。

5.强化学习的三要素是________、________和________。

6.支持向量机（SVM）的目标是找到一个________，使得正负样本到该边界的间隔（Margin）最大。

三、简答题（每题8分，共40分）

1.简述监督学习、无监督学习和半监督学习的区别，并各举一个实际应用场景。

2.卷积神经网络（CNN）中，为什么使用池化层（PoolingLayer）？常用的池化操作有哪些？各自的特点是什么？

3.解释“欠拟合（Underfitting）”和“过拟合（Overfitting）”的含义，并说明如何判断模型处于哪种状态，以及对应的解决方法。

4.描述