2026年哈佛大学的考试卷及答案.docVIP

2026年哈佛大学的考试卷及答案

一、填空题（每题2分，共20分）

1.______是人工智能的核心技术之一，它使得机器能够从数据中学习并做出决策。

2.在深度学习模型中，______是一种常用的优化算法，用于调整模型参数以最小化损失函数。

3.自然语言处理（NLP）中的______技术能够将文本转换为数值表示，以便机器处理。

4.强化学习中的______是指智能体通过与环境交互获得奖励或惩罚，从而学习最优策略。

5.卷积神经网络（CNN）主要用于______任务，如图像识别和图像分类。

6.在机器学习中，______是一种常用的特征选择方法，用于选择对模型预测最有帮助的特征。

7.生成对抗网络（GAN）由两个神经网络组成，分别是______和______。

8.在深度学习中，______是一种常见的正则化技术，用于防止模型过拟合。

9.自然语言处理中的______技术能够将文本转换为词向量，以便机器处理。

10.在强化学习中，______是指智能体在决策过程中考虑未来所有可能的状态和动作。

二、判断题（每题2分，共20分）

1.人工智能的目标是让机器能够像人类一样思考和行动。（正确）

2.决策树是一种常用的监督学习方法。（正确）

3.卷积神经网络（CNN）主要用于处理序列数据。（错误）

4.生成对抗网络（GAN）能够生成高质量的图像。（正确）

5.