2025年人工智能基础课程考试卷及答案.docxVIP

2025年人工智能基础课程考试卷及答案

一、单项选择题（每题2分，共20分）

1.以下哪项属于监督学习任务？

A.客户分群（聚类）

B.房价预测（回归）

C.异常检测

D.主成分分析（降维）

2.关于ReLU激活函数，以下描述错误的是？

A.缓解梯度消失问题

B.在输入为负时输出0

C.计算复杂度低

D.输出范围为(-∞,+∞)

3.自然语言处理（NLP）中，Word2Vec的核心目标是？

A.生成语法正确的句子

B.将词语映射到低维连续向量空间

C.识别文本中的实体名称

D.计算两个句子的相似度

4.在决策树算法中，信息增益的计算基于以下哪个指标？

A.基尼系数（GiniImpurity）

B.交叉熵损失

C.信息熵（Entropy）

D.均方误差（MSE）

5.强化学习（RL）中，“奖励（Reward）”的主要作用是？

A.定义智能体的策略（Policy）

B.指导智能体学习最优行为

C.存储历史状态-动作对

D.计算状态价值函数

6.以下哪种技术是Transformer模型的核心机制？

A.循环神经网络（RNN）

B.注意力机制（Attention）

C.卷积操作（Convolution）

D.批量归一化（BatchNorm）

7.过拟合（Overfitting）的典型表现是？

A.训练集和测试集误差均很高

B.训练集误差低，测试集误差高

C.训练集误差高，测试集误差低

D.训练集和测试集误差均很低

8.计算机视觉（CV）中，FasterR-CNN的主要改进是？

A.引入区域提议网络（RPN）

B.使用更深的卷积层

C.采用多尺度特征融合

D.优化非极大值抑制（NMS）

9.以下哪项不属于机器学习的三要素？

A.模型（Model）

B.数据（Data）

C.策略（Strategy）

D.算法（Algorithm）

10.在生成对抗网络（GAN）中，生成器（Generator）的目标是？

A.区分真实数据和生成数据

B.最小化真实数据与生成数据的差异

C.最大化判别器（Discriminator）的错误率

D.学习数据的真实分布

二、填空题（每题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.神经网络中，反向传播（Backpropagation）的核心是通过__________计算梯度。

3.Transformer模型中的“自注意力（Self-Attention）”机制允许模型在处理序列时__________。

4.支持向量机（SVM）的最优超平面是使__________最大的分隔面。

5.卷积神经网络（CNN）中，池化层（Pooling）的主要作用是__________。

6.自然语言处理中的“词袋模型（Bag-of-Words）”忽略了词语的__________信息。

7.强化学习中的“马尔可夫决策过程（MDP）”由状态、动作、转移概率、奖励和__________组成。

8.欠拟合（Underfitting）通常通过__________模型复杂度（如增加层数或特征）来缓解。

9.决策树剪枝的目的是__________，避免过拟合。

10.生成式模型（如VAE）与判别式模型的根本区别在于前者__________。

三、简答题（每题8分，共40分）

1.请比较支持向量机（SVM）与逻辑回归（LogisticRegression）的异同。

2.解释注意力机制（Attention）如何解决循环神经网络（RNN）在长序列任务中的“长距离依赖”问题。

3.随机梯度下降（SGD）与批量梯度下降（BatchGD）各有什么优缺点？

4.什么是迁移学习（TransferLearning）？请举例说明其典型应用场景。

5.人工智能伦理中，“算法公平性”需要关注哪些核心问题？

四、计算题（每题10分，共20分）

1.假设某二分类任务中，真实标签为[1,0,1,1,0]，模型预测概率为[0.8,0.3,0.6,0.4,0.7]（阈值为0.5时，概率≥0.5预测为1，否则为0）。计算该模型的准确率（Accuracy）、精确率（Precision）和召回率（Recall）。

2.一个全连接神经网络输入层有3个神经元，隐藏层有4个神经元，输出层有2个神