2025-2026年人工智能算法与优化专项习题.docxVIP

2025-2026年人工智能算法与优化专项习题

一、单选题（本大题共10小题，每小题2分，共20分）

1.在人工智能算法优化中，梯度下降法（GradientDescent）的核心思想是通过迭代更新参数，使损失函数值逐渐减小。以下哪种情况会导致梯度下降法陷入局部最优解？（）

A.损失函数具有多个局部最小值

B.学习率设置过大

C.数据集特征维度过高

D.损失函数呈现凸形

2.神经网络训练过程中，反向传播算法（Backpropagation）的主要计算任务包括对权重和偏置进行梯度计算。以下哪个公式正确描述了权重更新规则？（）

A.w_new=w_old-α?L(w_old)

B.w_new=w_old+α?L(w_old)

C.w_new=w_old-α?L2(w_old)

D.w_new=w_old+α?L2(w_old)

3.在支持向量机（SVM）算法中，核函数（KernelFunction）的主要作用是什么？（）

A.直接计算样本点之间的距离

B.将数据映射到高维空间

C.控制正则化参数λ的大小

D.选择最优的决策边界

4.遗传算法（GeneticAlgorithm）在优化过程中，选择算子（Selection