2025 年大学智能科学与技术（智能技术基础）上学期期末测试卷

2025年大学智能科学与技术（智能技术基础）上学期期末测试卷

（考试时间：90分钟满分100分）班级______姓名______一、单项选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填在括号内）1.智能科学与技术中，关于智能系统的核心要素不包括以下哪一项（）A.感知能力B.学习能力C.数据存储量D.决策能力2.以下哪种算法通常用于智能系统中的分类任务（）A.深度优先搜索算法B.支持向量机算法C.最小二乘法D.梯度下降法3.智能技术基础中，知识表示的方法不包括（）A.谓词逻辑表示法B.语义网络表示法C.链表表示法D.框架表示法4.在智能系统中，用来衡量模型泛化能力的指标是（）A.准确率B.召回率C.F1值D.交叉验证准确率5.智能科学与技术中，关于人工智能发展阶段的划分，哪个阶段强调基于知识的推理（）A.计算智能阶段B.感知智能阶段C.认知智能阶段D.弱人工智能阶段6.以下不属于智能系统中常用的机器学习模型的是（）A.决策树B.神经网络C.二叉树D.朴素贝叶斯7.智能技术基础中，关于智能机器人的运动规划算法，不包括（）A.A算法B.Dijkstra算法C.遗传算法D.蚁群算法8.在智能系统开发中，用于数据预处理的操作不包括（）A.数据清洗B.数据加密C.数据归一化D.数据特征提取9.智能科学与技术中，关于智能算法的时间复杂度，以下说法正确的是（）A.n²的时间复杂度一定比n的时间复杂度高B.指数级时间复杂度的算法效率很高C.对数级时间复杂度的算法效率通常比多项式级时间复杂度的算法低D.时间复杂度与问题规模无关10.以下关于智能技术基础中智能传感器的说法，错误的是（）A.能将外界信息转换为电信号B.精度越高越好，不需要考虑成本C.具有一定的抗干扰能力D.不同类型传感器适用于不同的检测场景二、多项选择题（总共5题，每题4分，每题有两个或两个以上正确答案，请将正确答案填在括号内，多选、少选、错选均不得分）1.智能科学与技术中，智能系统的主要应用领域包括（）A.智能家居B.智能交通C.智能医疗D.智能教育E.智能娱乐2.以下属于智能技术基础中机器学习的监督学习算法的有（）A.线性回归B.随机森林C.K近邻算法D.无监督学习E.强化学习3.在智能系统中，知识获取的途径有（）A.专家经验B.数据挖掘C.机器学习D.人工输入E.网络搜索4.智能技术基础中，关于智能算法的优化策略包括（）A.减少计算量B.提高算法精度C.增加算法复杂度D.优化算法结构E.降低算法空间复杂度5.以下关于智能科学与技术中智能芯片的说法正确的是（）A.能提高智能系统的运算速度B.具有低功耗的特点C.不同类型芯片适用于不同的智能任务D.芯片性能与智能系统性能无关E.可集成多种智能算法三、判断题（总共10题，每题2分，请判断下列说法的对错，正确的打√，错误的打×）1.智能科学与技术就是研究如何让机器像人一样思考和行动的学科。（）2.支持向量机算法只能处理线性可分的数据。（）3.在智能系统中，数据越多，模型的性能一定越好。（）4.智能技术基础中，遗传算法是一种基于自然选择和遗传变异原理的优化算法。（）5.智能机器人的行为规划只需要考虑当前的环境信息。（）6.知识表示的目的是为了让计算机能够理解和处理人类知识。（）7.深度学习中的卷积神经网络主要用于处理图像数据，不能处理其他类型的数据。（）8.智能系统开发中，算法的时间复杂度和空间复杂度是衡量算法性能的重要指标。（）9.智能传感器的精度和可靠性不会受到环境因素的影响。（）10.智能科学与技术的发展不会对社会伦理道德产生任何影响。（）四、简答题（总共3题，每题10分，请简要回答以下问题）1.请简述智能科学与技术中智能系统的基本架构，并说明各部分的主要功能。2.在智能技术基础中，什么是机器学习的过拟合和欠拟合现象？如何避免过拟合和欠拟合？3.智能科学与技术中，智能算法的并行化有什么优点？请举例说明一种智能算法的并行化实现方式。五、综合应用题（总共1题，20分，请结合所学知识，完成以下应用问题）假设你要开发一个智能垃圾分类系统，用于识别不同类型的垃圾。请描述该系统的整体设计思路，包括数据采集、数据预处理、模型选择与训练、模型评估等环节，并说明你选择该模型的理由。答案：一、单项选择题1.C2.B3.C4.D5.C6.C7.C8.B9.A10.B二、多项选择题1.ABCDE2.ABC3.ABCDE4.ABDE5.ABCE三、判断题1.√2.×3.×4.√5.×6.√7.×8.√9.×10.×四、简答题1.智能系统基本架构一般包括感知层、认知层和决策层。感知层负责获取外界环境信息；认知层对感知到的数据进行分析、理解和学习；决策层根据认知结果做出决策并执行相应动作。2.过拟合是模型在训练集上表现很好，但在测试集等新数据上表现很差，原因是模型过于复杂。欠拟合是模型在训练集和测试集上表现都不好，原因是模型过于简单。避免过拟合可采用正则化方法、减少特征数量、采用合适的模型复杂度等；避免欠拟合可增加特征、选择更复杂模型、增加训练数据等。3.智能算法并行化优点：提高计算速度，缩短运行时间；可处理大规模数据。如神经网络训练中，可将不同层的计算并行在多个处理器核心上，不同神经元的计算可并行处理，加快训练速度。五、综合应用题数据采集：通过摄像头在垃圾投放点采集垃