原创力文档- 0
- 0
- 约8.35千字
- 约 11页
- 2026-02-08 发布于江苏
- 举报
人工智能工程师考试试卷（总分100分）
一、单项选择题（共10题，每题1分，共10分）
以下哪种机器学习方法属于监督学习？
A.K-means聚类
B.决策树分类
C.主成分分析（PCA）
D.关联规则挖掘
答案：B
解析：监督学习需要标注的训练数据，目标是学习输入到输出的映射。决策树分类（B）通过带标签的训练数据学习分类规则，属于监督学习。K-means（A）、PCA（C）、关联规则（D）均为无监督学习方法，无需标签数据。
深度学习中，ReLU激活函数的主要优点是？
A.避免梯度爆炸
B.解决梯度消失
C.输出范围在(0,1)
D.计算复杂度高
答案：B
解析：ReLU（修正线性单元）在输入0时导数为1，输入≤0时导数为0，能有效缓解深层网络中的梯度消失问题（B正确）。避免梯度爆炸通常通过梯度裁剪（A错误）；输出范围(0,1)是Sigmoid的特性（C错误）；ReLU计算简单（D错误）。
自然语言处理（NLP）中，BERT模型的核心创新是？
A.单向语言模型
B.双向Transformer编码器
C.循环神经网络结构
D.基于规则的句法分析
答案：B
解析：BERT（双向编码器表示）通过双向Transformer编码器（B正确）捕捉上下文双向语义，突破了传统单向模型（如GPT）的限制。单向语言模型（A）是GPT的特点；RNN（C）是早期NLP模型结构；基于规则（D）是传统方法（错误）。
计算机视觉中，ResNet解决的主要问题是？
A.计算速度慢
B.模型参数量过大
C.深层网络退化（准确率下降）
D.小样本学习困难
答案：C
解析：ResNet（残差网络）通过残差块（跳跃连接）解决了深层网络训练时的退化问题（准确率随层数增加而下降）（C正确）。计算速度（A）通过轻量级模型优化；参数量（B）通过模型压缩解决；小样本（D）通过迁移学习处理（错误）。
强化学习中，“奖励函数”的作用是？
A.定义智能体的目标
B.优化模型参数
C.生成训练数据
D.评估模型泛化能力
答案：A
解析：奖励函数是环境对智能体动作的反馈，直接定义了智能体需要最大化的长期累积奖励（即目标）（A正确）。优化参数（B）由策略梯度等算法完成；生成数据（C）是探索过程；评估泛化（D）通过测试集（错误）。
数据预处理中，“归一化”（Normalization）的主要目的是？
A.消除量纲影响，将数据缩放到同一范围
B.增加数据的噪声鲁棒性
C.减少特征维度
D.平衡正负样本比例
答案：A
解析：归一化（如Min-Max缩放）将不同量纲的特征缩放到[0,1]等统一范围，避免模型对大数值特征过度敏感（A正确）。增加鲁棒性（B）通过数据增强；降维（C）通过PCA；平衡样本（D）通过过采样/欠采样（错误）。
以下哪种方法最常用于解决模型过拟合问题？
A.增加训练数据量
B.减少特征数量
C.提高学习率
D.移除隐藏层
答案：A
解析：过拟合是模型对训练数据过度拟合，泛化能力差。增加训练数据量（A）能提供更多样本多样性，缓解过拟合。减少特征（B）可能丢失有用信息；提高学习率（C）影响收敛速度；移除隐藏层（D）可能导致欠拟合（错误）。
分类任务中，F1值是以下哪两个指标的调和平均？
A.准确率（Accuracy）和召回率（Recall）
B.精确率（Precision）和召回率（Recall）
C.精确率（Precision）和准确率（Accuracy）
D.真阳性率（TPR）和假阳性率（FPR）
答案：B
解析：F1值=2(PR)/(P+R)，是精确率（查准率）和召回率（查全率）的调和平均（B正确）。准确率（A、C）是整体正确比例；TPR和FPR（D）用于ROC曲线（错误）。
以下哪项不属于生成对抗网络（GAN）的组成部分？
A.生成器（Generator）
B.判别器（Discriminator）
C.编码器（Encoder）
D.对抗损失函数
答案：C
解析：GAN由生成器（生成假数据）、判别器（区分真假数据）和对抗损失函数（驱动两者博弈）组成（A、B、D正确）。编码器（C）是VAE（变分自编码器）的组成部分（错误）。
AI伦理中，“算法公平性”主要关注？
A.模型运行速度
B.不同群体间的预测偏差
C.数据存储成本
D.模型可解释性
答案：B
解析：算法公平性要求模型对不同性别、种族等群体的预测结果无系统性偏差（B正确）。运行速度（A）、存储成本（C）是工程问题；可解释性（D）是另一个伦理维度（错误）。
二、多项选择题（共10题，每题2分，共20分）
以下属于特征工程常用方法的有？
A.独热编码（One-HotEncoding）
B.主成分分析（PCA）
C.批量归一化（Bat
文档评论（0）