2026年概述试题及答案.docVIP

2026年概述试题及答案

一、填空题（每题2分，共20分）

1.人工智能的发展经历了符号主义、连接主义和_______三个主要阶段。

2.在机器学习的分类中，支持向量机属于_______学习算法。

3.深度学习中的卷积神经网络主要用于_______任务。

4.自然语言处理中的词嵌入技术可以将词语表示为_______向量。

5.强化学习中的Q-learning算法是一种_______学习算法。

6.数据挖掘中的关联规则挖掘算法通常使用_______度量规则强度。

7.在云计算中，IaaS、PaaS和SaaS分别代表_______、_______和_______。

8.大数据技术中的Hadoop框架主要包括_______和_______两个核心组件。

9.物联网（IoT）的核心特征包括_______、_______和_______。

10.量子计算的主要优势在于其能够实现_______的计算能力。

二、判断题（每题2分，共20分）

1.人工智能的目标是创造出具有人类智能的机器。（√）

2.决策树算法是一种非参数学习方法。（√）

3.朴素贝叶斯分类器假设特征之间相互独立。（√）

4.深度学习模型通常需要大量的训练数据。（√）

5.卷积神经网络适用于图像分类和目标检测任务。（√）

6.强化学习中的奖励函数设计对算法性能有重要影响。（√）

7.关联规则挖