2026年哈佛大学考试题及答案.docVIP

2026年哈佛大学考试题及答案

一、填空题（每题2分，共20分）

1._______是人工智能领域中的核心概念，用于描述机器学习算法如何从数据中学习并做出预测。

2.在深度学习中，_______是一种常用的优化算法，通过调整学习率来最小化损失函数。

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

4.强化学习中的_______是指智能体通过与环境交互，根据获得的奖励或惩罚来调整其策略。

5.卷积神经网络（CNN）在图像识别任务中表现出色，其主要优势在于_______。

6.在机器学习模型评估中，_______是指模型在训练集上的表现，而_______是指模型在未见过的数据上的表现。

7.数据增强是一种常用的技术，通过_______来增加训练数据的多样性，提高模型的泛化能力。

8.在自然语言处理中，_______是一种用于情感分析的技术，能够识别文本中的情感倾向。

9.深度学习中的_______是一种用于处理序列数据的模型，能够捕捉时间序列中的依赖关系。

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，以选择最优策略。

二、判断题（每题2分，共20分）

1.机器学习是一种无监督学习方法。（×）

2.卷积神经网络（CNN）适用于处理序列数据。（×）

3.支持向量机（SVM）