江苏大学《人工智能基础》2023-2024学年期末试卷_第1页
江苏大学《人工智能基础》2023-2024学年期末试卷_第2页
江苏大学《人工智能基础》2023-2024学年期末试卷_第3页
江苏大学《人工智能基础》2023-2024学年期末试卷_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

自觉遵守考场纪律如考试作弊此答卷无效密自觉遵守考场纪律如考试作弊此答卷无效密封线第1页,共3页江苏大学《人工智能基础》

2023-2024学年期末试卷院(系)_______班级_______学号_______姓名_______题号一二三总分得分一、单选题(本大题共20个小题,每小题2分,共40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、在计算机视觉中,特征提取的方法不包括?()A.SIFTB.HOGC.LBPD.KNN2、人工智能中的蒙特卡罗树搜索常用于()A.围棋游戏B.图像识别C.语音合成D.数据分类3、以下哪个不是深度学习中的正则化方法?()A.DropoutB.L1正则化C.L2正则化D.随机初始化4、以下哪种方法常用于提高图像识别系统对光照变化的鲁棒性?A.数据增强B.归一化处理C.特征融合D.模型融合5、以下哪种技术常用于自然语言处理的词向量训练?A.Word2VecB.GloVeC.FastTextD.以上都是6、以下哪个不是人工智能在娱乐领域的应用?A.游戏开发B.电影特效制作C.艺人选拔D.音乐推荐7、在机器学习中,特征工程的目的是()A.选择有效的特征B.构建新的特征C.以上都是D.以上都不是8、以下哪种算法属于监督学习?A.K-Means聚类B.主成分分析C.决策树D.自组织映射9、人工智能中的自主学习是指?()A.模型在没有人工干预的情况下学习B.人类指导模型学习C.模型从大量数据中随机学习D.以上都不是10、以下哪种模型在处理大规模数据时具有优势?()A.决策树B.支持向量机C.深度学习模型D.朴素贝叶斯11、以下哪个不是人工智能在制造业的应用?()A.质量检测B.生产流程优化C.市场预测D.新闻报道12、在强化学习中,“Q-learning”算法通过估计什么来进行决策?A.状态价值B.动作价值C.策略D.奖励13、以下哪种模型常用于时间序列预测?A.长短时记忆网络B.卷积神经网络C.支持向量机D.决策树14、在机器学习中,One-ClassSVM常用于()A.二分类问题B.多分类问题C.异常检测D.回归问题15、以下哪种模型常用于图像分类?A.支持向量机B.朴素贝叶斯C.卷积神经网络D.决策树16、在自然语言处理中,命名实体识别是?()A.识别文本中的人名、地名等实体B.分析文本的语法结构C.提取文本的主题D.以上都不是17、在机器学习中,“特征工程”的主要目的是?A.选择最优特征B.提取有意义的特征C.对特征进行变换D.以上都是18、人工智能中的“迁移学习”是指?A.将模型从一个领域应用到另一个领域B.对模型进行压缩以减少参数数量C.优化模型的训练过程以提高效率D.对多个模型进行集成以提高性能19、人工智能中的“联邦学习”主要用于解决什么问题?A.数据隐私保护B.模型训练效率C.模型可解释性D.模型泛化能力20、以下哪种算法不属于强化学习?()A.Q-learningB.SARSAC.决策树D.A3C二、简答题(本大题共4个小题,共40分)1、(本题10分)说明人工智能在环境影响评估和可持续发展目标实现中的应用。2、(本题10分)解释知识表示在人工智能中的重要性。3、(本题10分)简述自监督学习的原理和方法。4、(本题10分)解释K近邻算法的工作方式。三、案例分析题(本大题共2个小题,共20分)1、(本题10分)分析一个利用人工智能进行智能物流包装优化系

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论