- 0
- 0
- 约8.12千字
- 约 19页
- 2026-01-22 发布于河南
- 举报
人工智能核心算法习题库含答案
一、单选题(共44题,每题1分,共44分)
1.将一副图像进行分割后,分割出的区域彼此之间(____)重叠。
A、可以
B、根据分割方法确定是否可以
C、根据任务需要确定是否可以
D、不可以
正确答案:D
2.在强化学习中,哪个机制的引入使得强化学习具备了在利用与探索中寻求平衡的能力
A、贪心策略
B、蒙特卡洛采样
C、动态规划
D、Bellman方程
正确答案:A
3.下列哪个是CNN网络的超参数。
A、权重
B、偏置
C、激活函数
D、学习率
正确答案:D
4.关于K均值和DBSCAN的比较,以下说法不正确的是()。
A、K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
B、K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。
C、K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇。
D、K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇。
正确答案:A
5.无监督学习需要()
A、学习程序自己形成和评价概念,没有教师
B、学习程序在教师监督下形成和评价概念
C、学习程序有时需要教师,有时不需要教师,以形成和评价概念
D、以上说法都不对
正确答案:A
6.对于给定的关于天气信息的数据集,已知空气的温度、湿度、气压、是否降雨以及pm2.5指数,需要建立一个回归模型预测pm2.5指数,这是一个()。
A、半监督学习
B、无监督学习
C、强化学习
D、有监督的学习
正确答案:D
7.关于MNIST,下列说法错误的是()。
A、有训练集和测试集两部分
B、训练集类似人学习中使用的各种考试试卷
C、是著名的手写体数字识别数据集
D、测试集大约包含10000个样本和标签
正确答案:B
8.隐马尔可夫模型(HMM)是结构最简单的动态贝叶斯网络,是一种著名的()模型。
A、单向图
B、有向图
C、双向图
D、无向图
正确答案:B
9.对于一个图像识别问题,下面哪种神经网络可以更好地解决这个问题?()
A、多层感知机
B、循环神经网络
C、卷积神经网络
D、自动编码机
正确答案:C
10.代码array=np.arange(10,31,5)中的5代表()?
A、最后一个元素
B、元素的个数
C、第一个元素
D、步长
正确答案:D
11.在统计语言模型中,通常以概率的形式描述任意语句的可能性,利用最大相似度估计进行度量,对于一些低频词,无论如何扩大训练数据,出现的频度仍然很低,下列哪种方法可以解决这一问题
A、一元切分
B、N元文法
C、一元文法
D、数据平滑
正确答案:D
12.与生成方法、半监督SVM、图半监督学习等基于单学习机器利用未标记数据不同,基于分歧的方法(disagreement-basedmethods)使用多学习器,而学习器之间的“分歧”(disagreement)对未标记数据的利用至关重要。(___)是此类方法的重要代表
A、协同训练
B、组合训练
C、配合训练
D、陪同训练
正确答案:A
13.独热编码的缺点是:①.过于稀疏②.词与词的相关性比较小③.易于编码④.容易存储
A、③④
B、②④
C、①②
D、①③
正确答案:C
14.下列选项中,是合页损失函数的是()。
A、[1-yf(x)]_+
B、exp(-yf(x))
C、log[1+exp(-yf(x))
D、exp(yf(x))
正确答案:A
15.()的数目通常也被称作卷积核的个数
A、输入维度
B、输入通道
C、输出通道
D、通道
正确答案:C
16.下面对前馈神经网络这种深度学习方法描述不正确的是
A、实现了非线性映射
B、隐藏层数目大小对学习性能影响不大
C、是一种监督学习的方法
D、是一种端到端学习的方法
正确答案:B
17.下面算法中哪个不是分类算法
A、高斯混合模型GMM
B、决策树
C、Xgboost
D、随机森林
正确答案:A
18.下列哪个选项中的模型属于集成学习()
A、C4.5
B、kNN分类
C、Adaboost
D、k-means
正确答案:C
19.Transformer中抛弃了传统的CNN和RNN,整个网络结构完全是由()机制组成。
A、Action
B、Attention
C、Transformation
D、Information
正确答案:B
20.LSTM是一种什么网络?
A、前馈神经网
B、卷积神经网
C、循环神经网
D、孪生网络
正确答案:C
21.模型有效的基本条件是能够()已知的样本
A、结合
B、联合
C、聚集
D、拟合
正确答案:D
22.如果我们用了一个过大的学习速率会发生什么?()
A、都不对
B、神经网络不会收敛
C、不好说
D、神经网络会收敛
正确答案:B
23.()采用
原创力文档

文档评论(0)