北京建筑大学《智能终端与移动应用开发》2023-2024学年第二学期期末试卷.docVIP

装订线

装订线

PAGE2

第PAGE1页，共NUMPAGES3页

北京建筑大学《智能终端与移动应用开发》

2023-2024学年第二学期期末试卷

院(系)_______班级_______学号_______姓名_______

题号

一

二

三

四

总分

得分

批阅人

一、单选题（本大题共25个小题，每小题1分，共25分．在每小题给出的四个选项中，只有一项是符合题目要求的．）

1、在人工智能的强化学习中，假设智能体在探索环境时面临高风险的动作选择，以下哪种策略能够平衡探索和利用，以实现更好的学习效果？（）

A.ε-贪心策略，以一定概率随机选择动作

B.始终选择最优动作，不进行探索

C.随机选择动作，不考虑之前的经验

D.只在初始阶段进行探索，之后完全利用

2、在人工智能的知识表示方法中，语义网络和框架表示是常见的方式。假设我们要构建一个关于动物分类的知识系统，以下关于这两种表示方法的说法，哪一项是正确的？（）

A.语义网络更适合表示结构化的、层次分明的知识

B.框架表示难以处理知识的不确定性和模糊性

C.语义网络难以表达复杂的对象及其关系

D.框架表示在知识的扩展和更新方面较为困难

3、人工智能在艺术创作领域也有所涉足，例如音乐生成和图像创作。以下关于人工智能在艺术创作中的描述，不正确的是（）

A.可以根据给定的风格和主题生成新的音乐作品和图像

B.人工智能创作的艺术作品具有独特的创新性和表现力

C.人工智能在艺术创作中完全取代了人类艺术家的创造力和情感表达

D.引发了关于艺术本质和创造力的思考和讨论

4、在人工智能的自然语言生成中，故事生成是一个富有创意的任务。假设我们要让计算机生成一个富有想象力的童话故事，以下关于故事生成的挑战，哪一项是不正确的？（）

A.创造新颖和有趣的情节

B.保持故事的逻辑连贯性

C.符合特定的文化和社会背景

D.故事生成不需要考虑读者的喜好和期望

5、在人工智能的发展中，数据的质量和数量对模型的训练和性能有着重要的影响。以下关于数据在人工智能中的作用的描述，不正确的是（）

A.高质量、大规模的数据能够帮助模型学习到更准确和通用的模式

B.数据清洗和预处理是提高数据质量的重要步骤，可以减少噪声和错误

C.即使数据量较少，通过巧妙的算法设计和模型架构，也能训练出性能优异的人工智能模型

D.数据的标注工作对于监督学习非常重要，准确的标注能够提高模型的学习效果

6、人工智能中的模型压缩技术可以减少模型的参数数量和计算量。假设要在移动设备上部署一个深度学习模型，以下哪种模型压缩方法可能最有效？（）

A.剪枝

B.量化

C.知识蒸馏

D.以上都有可能

7、在人工智能的聚类分析中，例如将客户按照消费行为进行分组，假设数据分布不规则且存在噪声。以下哪种聚类算法在这种情况下可能表现较好？（）

A.K-Means聚类算法，基于距离进行分组

B.层次聚类算法，构建层次结构

C.密度聚类算法，基于密度进行分组

D.随机聚类算法，随机分配数据到不同组

8、在人工智能的图像增强技术中，目的是提高图像的质量和可读性。假设我们要对一张低光照条件下拍摄的照片进行增强，以下关于图像增强的方法，哪一项是不准确的？（）

A.直方图均衡化

B.锐化滤波

C.中值滤波

D.图像增强不会引入任何噪声

9、在人工智能的情感分析任务中，假设要分析一段文本所表达的情感倾向，以下关于情感分析方法的描述，正确的是：（）

A.基于词典的情感分析方法简单直观，但准确性较低，容易受到语境影响

B.基于机器学习的情感分析方法需要大量的标注数据，且模型训练时间长

C.深度学习的情感分析模型能够自动学习文本的特征，无需人工设计特征

D.以上方法在情感分析任务中都有各自的优势和局限性

10、在人工智能的研究中，可解释性是一个重要的问题。假设我们训练了一个复杂的深度学习模型用于医疗诊断，但是其决策过程难以理解。那么，以下关于模型可解释性的说法，哪一项是不正确的？（）

A.可解释性对于建立用户信任至关重要

B.一些可视化技术可以帮助理解模型的内部工作机制

C.为了追求高精度，模型的可解释性可以被牺牲

D.可解释性有助于发现模型可能存在的偏差和错误

11、在人工智能的发展中，算力是重要的支撑因素。假设要训练一个大型的人工智能模型，以下关于算力的描述，哪一项是不正确的？（）

A.强大的计算资源，如GPU集群，可以加速模型的训练过程

B.云计算平台可以提供灵活的算力支持，满足不同规模的训练需求

C.算力的提升仅仅取决于硬件的性能，与算法的优化无关

D.合理分配和利用算力资源对于提高训练效率和降低