2025年人工智能基础知识考试题及答案.docxVIP

2025年人工智能基础知识考试题及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于机器学习的经典任务类型？

A.分类（Classification）

B.回归（Regression）

C.聚类（Clustering）

D.编译（Compilation）

2.梯度下降算法中，“批量梯度下降（BatchGradientDescent）”的主要特点是？

A.每次仅用一个样本更新参数，训练速度快但波动大

B.每次用全部样本计算梯度，训练稳定但计算成本高

C.每次用小批量样本计算梯度，平衡速度与稳定性

D.不依赖梯度信息，通过随机搜索优化参数

3.在神经网络中，激活函数的主要作用是？

A.加速参数初始化

B.引入非线性特征，增强模型表达能力

C.减少计算复杂度

D.防止过拟合

4.以下哪项是Transformer模型的核心机制？

A.卷积操作（Convolution）

B.循环结构（RecurrentUnit）

C.注意力机制（AttentionMechanism）

D.残差连接（ResidualConnection）

5.自然语言处理（NLP）中，“词嵌入（WordEmbedding）”的主要目的是？

A.将文本转换为固定长度的向量，捕捉语义相关性

B.统计词语出现频率，构建词袋模型

C.识别句子中的实体和关系

D.生成符合语法的新句子

6.以下哪种算法属于无监督学习？

A.支持向量机（SVM）用于二分类

B.K-means聚类

C.线性回归预测房价

D.随机森林预测客户流失

7.在计算机视觉中，“目标检测（ObjectDetection）”与“图像分类（ImageClassification）”的主要区别是？

A.目标检测需要定位物体位置，分类仅判断整体类别

B.目标检测使用卷积神经网络，分类使用循环神经网络

C.目标检测处理单张图像，分类处理视频序列

D.目标检测关注像素级分割，分类关注全局特征

8.以下哪项是生成式对抗网络（GAN）的核心思想？

A.通过两个网络（生成器与判别器）的对抗训练，生成逼真数据

B.使用自编码器压缩数据，再重构原始数据

C.通过强化学习优化策略，最大化奖励

D.利用迁移学习将预训练模型适配到新任务

9.以下哪种技术可用于缓解神经网络的过拟合问题？

A.增加模型层数

B.数据增强（DataAugmentation）

C.减少训练数据量

D.提高学习率

10.AI伦理中，“算法偏见（AlgorithmBias）”的主要成因是？

A.计算硬件性能差异

B.训练数据中存在偏见或代表性不足

C.模型参数初始化随机

D.算法复杂度过高

二、填空题（每空2分，共20分）

1.机器学习的三要素是数据、模型和__________。

2.深度学习中，常用的激活函数包括ReLU（修正线性单元）、Sigmoid和__________（写出一种）。

3.自然语言处理中的“BERT”模型基于__________架构（填写模型名称）。

4.强化学习的核心要素包括智能体（Agent）、环境（Environment）、状态（State）、动作（Action）和__________。

5.计算机视觉中，“语义分割（SemanticSegmentation）”的目标是为图像中每个__________分配类别标签。

6.决策树算法中，常用的划分标准有信息增益（ID3）、信息增益率（C4.5）和__________（写出一种）。

7.迁移学习的常见类型包括__________迁移（将源任务知识迁移到目标任务）和跨领域迁移。

8.生成式AI中，除GAN外，另一种主流模型是__________（如GPT系列）。

9.评估分类模型性能的常用指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）和__________（F1分数）。

10.AI系统的可解释性（Explainability）指模型能够以__________的方式说明其决策过程。

三、简答题（每题8分，共40分）

1.简述监督学习与无监督学习的区别，并各举一个典型应用场景。

2.解释卷积神经网络（CNN）中“卷积层”和“池化层”的作用。

3.对比随机森林（RandomForest）与梯度提升树（GradientBoostingDeci