2025年大学认知科学与技术专业题库—— 认知科学与技术的机器学习与智能算法.docxVIP

2025年大学认知科学与技术专业题库——认知科学与技术的机器学习与智能算法

考试时间：______分钟总分：______分姓名：______

一、选择题（每题2分，共20分）

1.下列哪一项不属于机器学习的三大主要范式？

A.监督学习

B.无监督学习

C.半监督学习

D.强化学习

2.在机器学习模型评估中，当模型在训练数据上表现很好，但在测试数据上表现差时，最可能发生的问题是？

A.模型欠拟合

B.模型过拟合

C.数据噪声过大

D.样本采集偏差

3.决策树算法在处理不纯度时，通常采用哪种指标来衡量节点的不纯度？

A.交叉熵

B.方差

C.均方误差

D.决策系数

4.下列哪种算法主要用于无监督学习中的聚类任务？

A.线性回归

B.K近邻（KNN）

C.K均值（K-Means）

D.逻辑回归

5.支持向量机（SVM）通过寻找一个最优超平面来划分不同类别的数据，该超平面能最大化什么？

A.分类精度

B.简单性

C.与最近样本点的距离

D.支持向量的间隔

6.在神经网络中，通常引入哪个函数来引入非线性因素？

A.线性函数

B.ReLU函数

C.Sigmoid函数

D.Softmax函数

7.下列哪种模型特别适用于处理序列数据，例如时间序列预测或自然语言处理？

A.决策树

B.卷积神经网络（CNN）

C.循环神经网络（RNN）

D.K近邻（KNN）

8.在强化学习中，智能体通过与环境交互，根据环境反馈获得奖励或惩罚，以学习最优策略。这种环境反馈通常称为？

A.特征

B.状态

C.动作

D.奖励信号

9.贝叶斯网络是一种用于表示变量之间依赖关系的概率图模型，它主要用于解决什么类型的问题？

A.聚类分析

B.回归预测

C.不确定性推理

D.优化问题

10.下列哪一项不是机器学习在认知科学领域应用的一个例子？

A.基于机器学习模型模拟人类短期记忆的编码过程

B.利用深度学习进行脑电信号（EEG）的特征提取与癫痫预测

C.开发能够理解复杂自然语言对话的聊天机器人

D.使用聚类算法对消费者购买行为进行市场细分

二、填空题（每空1分，共15分）

1.机器学习算法通常需要将数据划分为__________和__________两部分。

2.过拟合是指模型学习到了训练数据中的__________，导致其泛化能力下降。

3.决策树是一种基于__________的监督学习方法。

4.在K均值聚类算法中，每个数据点会被分配到与其最近的__________中心所在的簇。

5.神经网络中的基本计算单元称为__________。

6.在强化学习中，智能体为了最大化预期累积奖励而采取的行动序列称为__________。

7.贝叶斯网络中的节点代表随机变量，有向边代表变量之间的__________。

8.卷积神经网络（CNN）特别擅长处理具有__________结构的数据。

9.降维技术如主成分分析（PCA）可以帮助减少数据的__________，同时保留主要信息。

10.在认知科学中，机器学习可用于分析行为数据，以识别不同__________状态下的个体差异。

三、简答题（每题5分，共20分）

1.简述监督学习和无监督学习的主要区别。

2.解释什么是过拟合，并列举至少两种减少过拟合的方法。

3.描述神经网络中反向传播算法的基本思想。

4.简要说明机器学习技术如何应用于情感计算领域。

四、计算题（共15分）

假设我们使用逻辑回归模型来预测用户是否会点击广告（Y=1表示点击，Y=0表示未点击），模型简化后的决策边界为：P(Y=1|X)=1/(1+exp(-(w1*x1+w2*x2+b)))。给定以下训练样本和参数值：

样本1:(x1=1,x2=2,Y=1)

样本2:(x1=2,x2=1,Y=0)

样本3:(x1=0,x2=3,Y=1)

参数:w1=1,w2=1,b=-3

请计算：

1.对于样本1，其点击概率P(Y=1|X)是多少？（计算结果保留两位小数）

2.根据计算出的概率和给定的决策阈值（例如0.5），样本1被预测为点击还是未点击？

3.简述逻辑回归模型如何利用计算出的概率进行最终的分类决策。

五、应用