2025年线性代数与人工智能应用试题.docVIP

2025年线性代数与人工智能应用试题

一、填空题（每小题3分，共30分）

在神经网络中，输入层到隐藏层的线性变换可表示为矩阵乘法运算Z=WX+b，其中W为权重矩阵，X为输入向量，b为偏置向量。当输入层神经元数量为28，隐藏层神经元数量为16时，权重矩阵W的维度为16×28。

图像识别任务中，一张分辨率为224×224的RGB彩色图像可表示为3×224×224的三阶张量，其数据量（不考虑通道维度）为224×224×3=150528个像素值。对该图像进行90度旋转变换，对应的变换矩阵为**[[0,-1,0],[1,0,0],[0,0,1]]**。

在Word2Vec词向量模型中，国王和王后的词向量分别为v?=(0.8,0.2,-0.5,1.1)和v?=(0.7,-0.1,-0.4,0.9)，则这两个词向量的余弦相似度为**(0.8×0.7+0.2×(-0.1)+(-0.5)×(-0.4)+1.1×0.9)/[||v?||·||v?||]=0.92**（精确到小数点后两位）。

推荐系统中用户-物品评分矩阵A（500用户×1000物品）的秩为40，通过矩阵分解技术可将其表示为A≈UV?，其中U矩阵维度为500×40，V矩阵维度为1000×40，这种分解能将存储复杂度从O(500000)降至O(500×40+1000×40)=60000。

主成