人工智能复习精彩试题和问题详解.docxVIP

在实际操作中，我们发现学生在处理卷积神经网络相关题目时普遍存在困难。以2024年期末考试第12题为例，题目要求学生根据给定的输入图像（32×32像素的RGB猫图片）和卷积核参数，手动计算经过两层卷积和池化后的特征图尺寸。这道题的正确率仅为38%，主要错误集中在padding计算和步长理解上。

在强化学习部分，我们重点考察了Qlearning算法的实际应用。第23题设计了一个具体的场景：智能体需要在4×4的网格环境中找到从起点(0,0)到终点(3,3)的最优路径，避开障碍物(1,1)和(2,2)。题目要求学生写出完整的Q表更新过程，包括初始Q值设定、ε贪婪策略选择动作、以及Q值更新公式Q(s,a)←Q(s,a)+α[r+γmaxQ(s,a)Q(s,a)]。这道题的关键在于理解折扣因子γ=0.9和学习率α=0.1对收敛速度的影响。

针对这些难点，我在每周的答疑时间都会安排12道典型题目进行详细讲解，并要求学生在课后完成类似的练习题。从期末考试的结果来看，这种针对性的复习方式使得班级平均分从上学期的72分提升到了本学期的81分，特别是算法应用题的得分率提高了15个百分点。

如有疑问，可通过课程群或每周二、四下午2:004:00在办公室405进行咨询。预祝大家考试顺利！

李明

计算机科学与技术系

2025年12月8日