2025年大学认知科学与技术专业题库及答案

2025年大学认知科学与技术专业题库及答案1.（单选）在视觉搜索任务中，当目标与干扰项的颜色特征差异恒定时，增加干扰项数量对反应时的影响规律最早由哪项经典实验系统报告？A.Treisman&Gelade1980特征整合实验B.Wolfe1998GuidedSearch4.0实验C.Duncan&Humphreys1989相似性理论实验D.Treisman&Sato1990特征抑制实验答案：A2.（单选）采用事件相关电位（ERP）技术考察语义违反时，通常出现在400ms左右、中央顶区最大负波的成分是A.N170B.N400C.P600D.MMN答案：B3.（单选）在贝叶斯模型比较框架下，若模型A的边际似然为3.2×10⁻⁵，模型B为1.6×10⁻⁴，则数据提供的贝叶斯因子BF₁₀为A.0.2B.5C.0.5D.2答案：A4.（单选）下列关于预测编码（PredictiveCoding）理论的描述，正确的是A.高阶皮层只传递预测误差B.前馈连接携带预测信号，反馈连接携带误差C.误差单元的激活水平与预测精度呈反比D.预测精度由似然精度与先验精度之和决定答案：C5.（单选）在强化学习中，当智能体采用Qlearning更新规则时，若学习率α=0.1，折扣因子γ=0.9，当前Q(s,a)=0.5，执行a后获得奖励r=1，下一状态最大Q值为0.8，则更新后的Q(s,a)为A.0.52B.0.57C.0.62D.0.67答案：B6.（单选）使用driftdiffusionmodel（DDM）拟合行为数据时，若阈值separation增大而漂移率不变，则下列结果不会出现的是A.准确率提高B.平均反应时延长C.非决策时间缩短D.误差试次反应时分布右移答案：C7.（单选）在功能近红外光谱（fNIRS）研究中，常用的修正BeerLambert定律中差分路径长度因子（DPF）与下列哪项参数无关？A.光源探测器距离B.被试年龄C.波长D.头皮到皮层距离答案：A8.（单选）关于视觉工作记忆容量极限的“插槽模型”（slotmodel），下列实验证据最直接支持该模型的是A.记忆精度随记忆项数线性下降B.记忆误差分布呈高斯型C.记忆项数超过3时个体间容量差异显著D.记忆报告误差呈离散多峰分布答案：D9.（单选）在构建认知架构ACTR的声明性记忆模块中，激活值计算公式Aᵢ=Bᵢ+ΣWⱼSⱼᵢ，若基级激活Bᵢ固定，环境线索与记忆项i的关联强度Sⱼᵢ提高，则A.检索概率降低，检索潜伏期延长B.检索概率提高，检索潜伏期缩短C.检索概率提高，检索潜伏期延长D.检索概率降低，检索潜伏期缩短答案：B10.（单选）使用眼动技术考察阅读中的“跳读”现象时，计算跳读率需排除的试次是A.首次注视时间<80msB.回视路径时间>800msC.词长<3字符D.目标词为句尾标点答案：C11.（单选）在深度神经网络可解释性研究中，IntegratedGradients方法相对于简单梯度显著图的主要优势是A.满足敏感性公理与实现不变性公理B.计算复杂度更低C.无需基准输入D.可直接用于离散输入答案：A12.（单选）关于双语认知控制的“适应性控制假说”（AdaptiveControlHypothesis），下列情境最可能诱发持续高监控状态的是A.单语语境下与单语者对话B.双语者间频繁语码切换C.固定语码的单一语境D.与外语初学者对话答案：B13.（单选）在经颅磁刺激（TMS）“虚拟损伤”研究中，判定刺激区域功能必要性的金标准实验设计是A.单脉冲TMS+任务相关时间窗B.thetaburst刺激前测后测C.双盲伪刺激对照+任务×刺激交互D.10Hz兴奋性刺激+行为相关答案：C14.（单选）使用计算神经科学中的“中心surround”网络模型解释视觉对比度检测时，若surround抑制强度增加，则A.对比度响应函数左移，增益提高B.对比度响应函数右移，增益降低C.对比度响应函数上移，半饱和常数不变D.对比度响应函数下移，半饱和常数降低答案：B15.（单选）在决策场理论（DecisionFieldTheory）中，选项间效价差异不变而时间压力增大，会导致A.决策阈值降低，选择随机性降低B.决策阈值降低，选择随机性提高C.决策阈值提高，选择随机性降低D.决策阈值提高，选择随机性提高答案：B16.（单选）关于人类海马“模式分离”（patternseparation）功能，下列fMRI研究范式最能直接捕捉该过程的是A.情景回忆的相似性梯度分析B.新奇检测的repetitionsuppressionC.高分辨率齿状回/CA3相似性抑制D.目标检测的oddball效应答案：C17.（单选）在脑机接口（BCI）基于运动想象的分类任务中，常用共空间模式（CSP）算法提取特征，其优化目标是A.最大化两类任务间方差差B.最小化同类任务内方差C.最大化同类任务内方差与最小化两类间方差D.最大化两类间方差与最小化同类内方差答案：D18.（单选）在认知负荷理论中，元素交互性（elementinteractivity）与学习效果呈A.线性正相关B.线性负相关C.倒U型关系D.无关答案：C19.（单选）使用潜变量建模考察执行功能三成分（抑制、刷新、转换）时，验证区分效度的最佳统计指标是A.CFI>0.90B.RMSEA<0.08C.AVE>0.50且HTMT<0.85D.SRMR<0.08答案：C20.（单选）在意识研究的“全局工作空间理论”中，信息进入意识的关键标志是A.前馈sweep强度超过阈值B.反馈连接激活跨越顶额网络C.海马sharpwaveripple出现D.alpha能量骤减答案：B21.（多选）下列哪些实验结果支持“感知决策中证据积累是近似最优的”观点？A.神经噪声与漂移扩散模型的漂移率呈正相关B.奖励率最大化可预测被试阈值设置C.反应时分布尾部的指数特性D.微刺激MT区改变漂移率与选择行为一致答案：B,C,D22.（多选）在基于模型的fMRI分析中，用于表征“预测误差”的回归变量必须满足A.与行为选择显著相关B.与神经信号零滞后相关C.与模型参数估计误差无关D.与其他回归变量方差膨胀因子<5答案：A,D23.（多选）关于语言产生中的“词汇偏向效应”（lexicalbias），下列证据支持该效应发生在语音编码阶段而非词汇选择阶段的是A.舌尖现象中语义替代错误多于音素替代B.音素监控任务中伪词也表现出偏向C.语速加快时音素错误率上升但语义错误率不变D.TMS干扰左侧缘上回降低音素错误中的词汇偏向答案：B,D24.（多选）在眼动脑电同步记录中，矫正眼电伪迹的常用方法包括A.独立成分分析（ICA）B.基于眼动轨迹的回归减法C.全脑平均参考D.利用saccade触发对齐的模板减法答案：A,B,D25.（多选）下列关于“认知控制层级”的说法，符合前额叶顶叶网络梯度特征的是A.背侧前扣带回更多表征具体反应冲突B.前岛叶活动随抽象规则切换增强C.背外侧前额叶沿尾喙轴由具体到抽象D.顶下小叶在刺激反应映射更新中激活答案：B,C,D26.（多选）在深度强化学习中，使用经验回放（experiencereplay）的主要作用有A.打破样本间时间相关性B.提高样本效率C.降低过估计偏差D.稳定目标Q值答案：A,B,D27.（多选）关于“时间细胞”（timecells）在海马中的发现，正确的描述包括A.其发放场随时间间隔线性漂移B.编码尺度与任务需求相关C.与位置细胞群体互斥D.可被外部时间结构调制答案：A,B,D28.（多选）在计算精神病学框架下，下列哪些计算参数可用于量化“快感缺失”？A.强化学习中的奖励敏感度B.预测误差精度C.决策阈值D.努力成本权重答案：A,B,D29.（多选）使用虚拟现实（VR）研究空间导航时，保证生态效度需控制A.视场角与真实视觉一致B.运动视觉延迟<20msC.地面材质与真实摩擦匹配D.被试头部转动角速度>500°/s答案：A,B,C30.（多选）在婴儿认知研究中，采用近红外光谱（fNIRS）优于fMRI的原因有A.安静无噪声B.可直立坐姿C.对运动伪迹不敏感D.时间分辨率高于fMRI答案：A,B,D31.（填空）在信号检测论中，若击中率=0.8，虚报率=0.3，则d′=______。（保留两位小数）答案：1.3532.（填空）使用最大期望算法（EM）估计混合高斯模型参数时，E步计算的是______。答案：隐变量后验概率（或责任值）33.（填空）在人工神经网络中，若输入层4单元，隐藏层5单元，输出层2单元，全连接且无偏置项，则总权重参数为______。答案：3034.（填空）根据Cowan工作记忆模型，成年人典型激活项数上限约为______项。答案：435.（填空）在心理物理学阶梯法（staircase）中，采用2down1up规则时，收敛点对应______%正确率。答案：70.736.（填空）若某神经元的膜时间常数为20ms，则其截止频率为______Hz。（保留一位小数）答案：8.037.（填空）在贝叶斯决策理论中，最小化期望风险等价于最大化______。答案：后验期望效用38.（填空）使用Granger因果分析时，需先检验时间序列的______性。答案：平稳39.（填空）在ACTR中，检索时间T与激活值A的关系公式为T=______。（F为latencyfactor）答案：F·e^(–A)40.（填空）在眼动轨迹的velocitybased算法中，常用速度阈值一般为______°/s以区分注视与扫视。答案：3041.（简答）阐述“表征动量”（representationalmomentum）效应的实验范式及其对内部动态模型的启示，并举一例计算模型说明其机制。答案：表征动指当观察者看到运动物体突然消失后，其记忆位置会沿运动方向向前偏移。典型范式：屏幕呈现一个矩形沿水平方向匀速右移，消失后要求被试用鼠标点击最后位置。偏移量约等于0.2–0.3倍速度（px/frame）。该效应提示视觉系统内部存在动态前向模型，持续外推物体轨迹。计算上可用“动量神经元”网络模拟：设网络含位置层x(t)与速度层v(t)，更新规则x(t+1)=x(t)+v(t)+η，η为噪声；消失后继续更新n步，则记忆位置为x(t+n)。通过拟合人类偏移量可估计前向步数n≈3，对应90ms外推，与行为数据吻合。42.（简答）说明“努力折扣”（effortdiscounting）的数学形式，并给出基于神经影像的验证证据。答案：努力折扣指个体赋予高努力选项的奖励以折扣价值。数学形式：V(E)=R/(1+k·E)，其中E为努力成本，k为折扣率。fMRI研究让被试在握力任务中选择不同奖励努力组合，发现背侧前扣带回（dACC）活动随E增加而增强，且其活动强度与个体k值正相关；同时腹侧纹膜（VS）编码V(E)，当V(E)被匹配时VS活动无差异，表明VS代表折扣后价值而非原始奖励。43.（简答）描述“神经反馈”增强工作记忆训练的双盲对照实验设计，并指出主要结果指标。答案：设计：招募60名健康成人，随机分真反馈组与伪反馈组。训练任务：3back，连续10日，每日30min。真反馈组实时接收左DLPFC的θ波功率经ICA去伪迹后转化为视觉火箭高度，要求被试升高火箭；伪反馈组播放预录yoked轨迹。双盲：实验员与被试均不知分组。指标：1.训练后nback准确率提升量；2.转移：复杂广度任务得分；3.神经：θ功率任务相关增幅；4.三个月保持率。统计：混合ANOVA组×时间交互，预期真反馈组提升显著高于伪反馈，且θ功率增幅与行为增益相关。44.（简答）解释“层级预测编码”框架下精度（precision）与注意的关系，并给出实证研究范例。答案：精度指预测误差的不确定性权重。高精度→高增益，对应注意聚焦。fMRI研究采用随机点运动任务，操纵运动一致性精度（相干度20%vs80%），发现精度高时顶额误差单元激活增强，且与背侧前扣带回对误差的增益调节相关；经颅电刺激（tACS）降低beta频段精度信号后，注意导向行为受损，验证精度编码因果作用。45.（简答）概述“认知神经随机共振”（stochasticresonance）现象，并给出量化指标。答案：当输入信号低于感官阈值时，适量噪声可提高检测率。量化：定义检测率曲线P(σ)随噪声强度σ先升后降，峰值对应最优噪声强度σ_opt。指标：增益G=[P(σ_opt)–P(0)]/P(0)。案例：触觉检测2μm位移，足底施加0.1–0.5mA电噪声，G≈0.3，EEG显示30%的SSSEP增幅，证实共振。46.（综合）阅读材料：某研究使用7TfMRI记录人类V1区，发现当光栅朝向与神经元偏好相差15°时，BOLD振幅下降30%；同时采用optogenetics小鼠实验激活抑制性中间神经元（PV+）可模拟该调谐抑制。请回答：（1）写出描述朝向选择性调谐的常用函数形式，并给出半高宽（FWHM）与带宽参数关系。（2）解释PV+中间神经元如何塑造兴奋性神经元调谐曲线。（3）若在人脑利用7T的BOLD非线性，设计一项验证“抑制调控”因果性的干预实验，说明自变量、因变量与统计方法。答案：（1）高斯调谐：R(θ)=R_maxexp[–(θ–θ₀)²/(2σ²)]，FWHM=2σ√(2ln2)。（2）PV+提供周围抑制，通过反馈抑制扩宽兴奋性细胞调谐，降低旁侧朝向响应。（3）设计：自变量：经颅聚焦超声（tFUS）靶向V1区，低频0.5MHz占空50%，分真刺激与伪刺激；因变量：BOLD朝向调谐曲线半高宽、行为朝向分辨阈值；统计：刺激前后交叉设计，线性混合效应模型，固定效应含刺激类型×时间交互，随机效应被试，预期真刺激增宽调谐、提高阈值，交互显著p<0.05。47.（综合）某团队开发基于transformer的语言模型模拟人类句子阅读，使用surprisal预测眼动。给定句子“Thedoctortreatedthepatientwithanewdrugdiscoveredinthelab.”，模型给出逐词surprisal（bit）：The0.2,doctor1.5,treated3.1,the0.1,patient2.0,with4.5,a0.2,new2.8,drug1.9,discovered5.2,in2.0,the0.1,lab3.0。请：（1）画出surprisal阅读时间散点并拟合线性回归，给出斜率b的估计。（2）解释with处surprisal峰值可能的句法歧义来源。（3）若采用surprisal与DDM联合模型，说明如何将surprisal映射为漂移率v并写出公式。答案：（1）以词位x=1…13，surprisal为y，线性拟合b=Σ(x–x̄)(y–ȳ)/Σ(x–x̄)²≈0.25bit/词。（2）withPP可附加treated（工具）或patient（修饰），导致gardenpath，需重分析，故surprisal高。（3）设v=v₀–k·S，S为surprisal，k>0，v₀为基础漂移；阈值固定，surprisal越高v越小，反应时延长，与眼动一致。48.（综合）某研究探究“序列学习中的概率模型更新”，采用12元素序列，含二阶转移概率，被试按键反应。实验分学习段与测试段，测试段插入低概率转移（10%）作为oddball。记录MEG并计算神经surprise（表征相似性RSA）。请：（1）给出二阶转移概率的数学定义。（2）说明如何用RSA量化神经surprise。（3）若发现oddball刺激在150–250ms窗内RSA距离显著增大，解释其反映的计算过程。答案：（1）P(x_t|x_{t2}x_{t1})，二阶马尔可夫。（2）对each刺激前200ms窗口构建空间模式向量，计算与预测模式（基于前二阶历史）的余弦距离D，D越大surprise越高。（3）增大表明感觉皮层模板与输入失配，触发预测误差，对应前馈swe