吉林水利电力职业学院《机器学习与量化投资》2023-2024学年第一学期期末试卷.docVIP

装订线

装订线

PAGE2

第PAGE1页，共NUMPAGES3页

吉林水利电力职业学院

《机器学习与量化投资》2023-2024学年第一学期期末试卷

院(系)_______班级_______学号_______姓名_______

题号

一

二

三

四

总分

得分

一、单选题（本大题共20个小题，每小题1分，共20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、想象一个语音识别的系统开发，需要将输入的语音转换为文字。语音数据具有连续性、变异性和噪声等特点。以下哪种模型架构和训练方法可能是最有效的？（）

A.隐马尔可夫模型（HMM）结合高斯混合模型（GMM），传统方法，对短语音处理较好，但对复杂语音的适应性有限

B.深度神经网络-隐马尔可夫模型（DNN-HMM），结合了DNN的特征学习能力和HMM的时序建模能力，但训练难度较大

C.端到端的卷积神经网络（CNN）语音识别模型，直接从语音到文字，减少中间步骤，但对长语音的处理可能不够灵活

D.基于Transformer架构的语音识别模型，利用自注意力机制捕捉长距离依赖，性能优秀，但计算资源需求大

2、某机器学习项目需要对大量的图像进行分类，但是计算资源有限。以下哪种技术可以在不显著降低性能的前提下减少计算量？（）

A.模型压