2025年下学期高中数学与自监督学习数学模型试卷.docVIP

2025年下学期高中数学与自监督学习数学模型试卷

一、选择题（本大题共12小题，每小题5分，共60分。在每小题给出的四个选项中，只有一项是符合题目要求的）

已知集合(A={x\midx^2-5x+6\leq0})，(B={x\mid2^x4})，则(A\capB=)

A.((2,3])

B.([2,3])

C.((2,+\infty))

D.([3,+\infty))

复数(z=\frac{3-i}{1+2i})（(i)为虚数单位）的共轭复数在复平面内对应的点位于

A.第一象限

B.第二象限

C.第三象限

D.第四象限

函数(f(x)=\sin\left(2x+\frac{\pi}{3}\right))在区间([0,\pi])上的对称轴方程为

A.(x=\frac{\pi}{12})

B.(x=\frac{7\pi}{12})

C.(x=\frac{\pi}{6})

D.(x=\frac{2\pi}{3})

已知等差数列({a_n})中，(a_3+a_7=10)，则其前9项和(S_9=)

A.45

B.50

C.90

D.100

自监督学习是一种特殊形式的无监督学习，其核心思想是通过数据本身生成标签。下列关于自监督学习的说法错误的是

A.无需人工标注数据

B.可通过设计预训练任务挖掘数据内在结构

C.对比学习是自监督学习的重要方法之一

D.无法应用于自然语言处理领域

某自监督学习模型通过预测图像旋转角度进行预训练，若将图像随机旋转0°、90°、180°、270°，则该任务的标签空间大小为

A.2

B.4

C.8

D.16

函数(f(x)=x^3-3x^2+2)的极值点个数为

A.0

B.1

C.2

D.3

在对比学习中，通过最大化正样本对相似度、最小化负样本对相似度实现特征学习。若定义相似度函数(\text{sim}(z_i,z_j)=\frac{z_i\cdotz_j}{|z_i||z_j|})，则当(z_i)与(z_j)完全相同时，(\text{sim}(z_i,z_j)=)

A.-1

B.0

C.1

D.2

已知向量(\vec{a}=(1,2))，(\vec{b}=(m,1))，且(\vec{a}\perp\vec{b})，则(m=)

A.-2

B.(-\frac{1}{2})

C.(\frac{1}{2})

D.2

掩码语言模型（MLM）是自然语言处理中的一种自监督任务，其典型做法是

A.预测句子的下一个单词

B.随机掩盖部分单词并预测原词

C.将句子翻译成其他语言

D.对句子进行情感分类

若圆(C:x^2+y^2-2x+4y-4=0)的圆心为((h,k))，半径为(r)，则

A.(h=1,k=-2,r=3)

B.(h=-1,k=2,r=3)

C.(h=1,k=-2,r=9)

D.(h=-1,k=2,r=9)

自监督学习模型在预训练阶段学习到的特征可迁移至下游任务。下列场景中不适合使用自监督预训练特征的是

A.医学图像分割（标注数据稀缺）

B.情感分析（文本数据丰富）

C.手写数字识别（已有大量标注样本）

D.自动驾驶环境感知（未标注路况数据充足）

二、填空题（本大题共4小题，每小题5分，共20分）

函数(f(x)=\log_2(x-1)+\sqrt{4-x})的定义域为________。

等比数列({a_n})中，(a_1=2)，公比(q=3)，则其前5项和(S_5=)________。

自监督学习的基本流程包括：设计任务→生成标签→________→特征提取。

已知函数(f(x)=2x^3-3x^2+1)，则(f(1)=)________（其中(f(x))为(f(x))的导函数）。

三、解答题（本大题共6小题，共70分。解答应写出文字说明、证明过程或演算步骤）

17.（本小题满分10分）

已知函数(f(x)=\sinx+\cosx)，(x\in[0,\pi])。

（1）求(f(x))的最大值及对应(x)的值；

（2）将(f(x))图像上所有点的横坐标缩短为原来的(\frac{1}{2})（纵坐标不变），得到函数(g(x))的图像，求(g(x))的最小正周期。

18.（本小题满分12分）

自监督学习中的旋转预测任务：给定图像(I)，随机将其旋转(0^\circ)、(90^\circ)、(180^\circ)或(270^\circ)，训练模型预测旋转角度。

（1）若训练集中有1000张图像，每张图像生成4种旋转版本，求训练样本总量；

（2）设模型对某图像的旋转角度预测概率分布为(P=[0.1,0.7,0.1,0.1])，真实角度为(90^\circ)，计算交叉熵损失(L=-\sum_{k=0}^3y_k\log