人工智能基础2025年考试试题及答案.docxVIP

人工智能基础2025年考试试题及答案

一、单项选择题（每题2分，共30分）

1.以下哪项属于无监督学习任务？

A.预测房价（给定面积、房间数等特征）

B.图像分类（给定标签的训练集）

C.客户分群（根据消费行为自动分组）

D.垃圾邮件识别（标注好的邮件数据集）

答案：C

2.深度学习中，ReLU激活函数的主要优点是？

A.解决梯度爆炸问题

B.避免过拟合

C.计算简单且缓解梯度消失

D.输出值范围在(0,1)

答案：C

3.在自然语言处理（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.识别句子中的实体

D.计算两个句子的相似度

答案：B

4.决策树中，信息增益的计算基于？

A.基尼系数

B.信息熵的减少量

C.均方误差

D.交叉熵损失

答案：B

5.以下哪项是循环神经网络（RNN）的主要缺陷？

A.无法处理变长序列

B.长距离依赖导致的梯度消失/爆炸

C.参数量过大难以训练

D.只能处理前向传播

答案：B

6.在支持向量机（SVM）中，核函数的作用是？

A.增加模型复杂度

B.将低维特征映射到高维空间，使数据线性可分

C.减少过拟合

D.加速训练过程

答案：B

7.卷积神经网络（CNN）中，池化层的主要作用是？

A.增加特征图的尺寸

B.提取局部空间特征

C.降低计算复杂度并保留主要特征

D.引入非线性变换

答案：C

8.以下哪种方法用于解决深度学习中的过拟合问题？

A.增加训练数据量

B.减少网络层数

C.使用更大的学习率

D.移除激活函数

答案：A

9.强化学习中，“奖励函数”的作用是？

A.定义智能体的目标

B.优化策略网络的参数

C.生成训练数据

D.计算状态转移概率

答案：A

10.Transformer模型中的“自注意力机制”主要解决了什么问题？

A.序列数据的长距离依赖

B.图像的局部特征提取

C.多模态数据的融合

D.模型参数量过大

答案：A

11.在机器学习中，“偏差方差权衡”指的是？

A.模型复杂度与训练时间的平衡

B.高偏差（欠拟合）与高方差（过拟合）的平衡

C.训练集与测试集的分布差异

D.监督学习与无监督学习的适用场景

答案：B

12.BERT模型的预训练任务包括？

A.掩码语言模型（MLM）和下一句预测（NSP）

B.文本生成和情感分析

C.命名实体识别和关系抽取

D.机器翻译和问答系统

答案：A

13.以下哪项属于计算机视觉中的底层任务？

A.目标检测

B.图像分割

C.边缘检测

D.图像分类

答案：C

14.生成对抗网络（GAN）由哪两个部分组成？

A.生成器和判别器

B.编码器和解码器

C.卷积层和全连接层

D.循环层和注意力层

答案：A

15.人工智能伦理中，“可解释性”的核心要求是？

A.模型预测结果必须与人类专家一致

B.模型决策过程能够被人类理解

C.模型训练数据必须完全公开

D.模型参数数量必须可计算

答案：B

二、填空题（每题2分，共20分）

1.机器学习的三要素包括模型、策略和算法。

2.梯度下降算法中，更新参数的公式为：θ=θη·?θJ(θ)，其中η表示学习率。

3.深度学习中，BatchNormalization（批量归一化）的主要作用是加速训练并稳定网络。

4.循环神经网络（RNN）的隐藏状态更新公式为：ht=tanh(Wxhxt+Whhht1+bh)，其中tanh是激活函数。

5.自然语言处理中，“词袋模型”（BagofWords）忽略了词语的顺序信息。

6.支持向量机（SVM）的最优分类超平面是使间隔最大的平面。

7.卷积神经网络（CNN）中，“感受野”指的是特征图中一个像素对应输入图像的区域大小。

8.强化学习的核心要素包括状态、动作、奖励和策略。

9.Transformer模型中的“多头注意力”通过多个并行的注意力头捕捉不同子空间的上下文信息。

10.人工智能安全中的“对抗攻击”指通过添加微小扰动使模型输出错误结果的攻击方式。

三、简答题（每题6分，共30分）

1.简述监督学习与无监督学习的区别，并各举一例。