雨课堂学堂在线学堂云《机器学习及实践（中国传媒）》单元测试考核答案

第1题人工智能学科的诞生标志性事件是哪一年?()A1950年B1956年C1960年D1970年第2题表示学习的主要目标是什么?()A提高计算机的计算速度B自动地学习出有效的特征,并提高最终机器学习模型的性能C减少数据存储的空间D增加数据的多样性第3题给定一些关于“车”的图片,由于图片中每辆车的颜色和形状等属性都不尽相同,因此不同图片在像素级别上的表示差异性也会非常大。这种现象属于什么问题?()A计算复杂度问题B数据冗余问题C语义鸿沟问题D特征选择问题第4题以下哪些是分布式表示的特点?()A离散表示B符号表示COne-Hot向量D压缩、低维、稠密向量第5题以下哪一种表示属于分布式表示?()A琥珀色[1,0,0,0]T,天蓝色[0,1,0,0]T,中国红[0,0,1,0]T,咖啡色[0,0,0,1]TB琥珀色[1.00,0.75,0.00]T,天蓝色[0.00,0.50,1.00]T,中国红[0.67,0.22,0.12]T,咖啡色[0.44,0.31,0.22]T第6题分布式表示的向量维度一般都比较低,表示能力要强很多。()A对B错第7题以下哪些是人工智能的主要研究领域?A感知B学习C认知D记忆正确答案：ABCD第8题在西瓜机器学习中,训练数据包括哪些特征?A颜色条纹B大小C形状D敲声正确答案：ABCD第9题以下哪些属于典型的无监督学习问题?A聚类B特征学习、降维C回归问题D分类问题

正确答案：AB第1题机器学习中,用于验证模型好坏的样本的集合叫做?A训练集B测试集C数据集D语料库第2题什么是经验风险?A模型在训练集上的平均损失B模型在测试集上的平均损失C模型在全部数据集上的平均损失第3题以下哪个说法是错误的?A机器学习的三个基本要素是模型、学习准则、优化算法B常见的假设空间可以分为线性和非线性两种,对应的模型也分别称为线性模型和非线性模型C过拟合的模型泛化能力强,能得到更一般的规律D过低和过高的学习率都会对损失函数带来不利影响,因此,选择合适的学习率对于模型训练至关重要第4题如果在验证集上的错误率不再下降,就提前停止迭代的作用是?A提高参数优化速度B防止欠拟合C降低在训练集上的错误率D防止过拟合第5题随机梯度下降相当于在批量梯度下降的梯度上引入了随机噪声,在非凸优化问题中,随机梯度下降更容易逃离局部最优点。A对B错第6题随着模型复杂度的提高,方差减少而偏差增大,从而导致过拟合。A对B错

第7题以下关于机器学习的定义,哪个是正确的?()A机器学习是通过算法使得机器能从少量数据中学习规律B机器学习是通过算法使得机器能从大量数据中学习规律从而对新样本做决策C机器学习是通过算法使得机器能从数据中学习规律但不做决策D机器学习是通过算法使得机器能从数据中学习规律但不从新样本中学习第8题以下关于损失函数的描述,哪个是正确的?()A损失函数用于衡量模型在训练集上的表现B损失函数用于衡量模型在测试集上的表现C损失函数用于衡量模型预测值与真实值之间的差异D损失函数用于衡量模型的学习速率第9题以下关于随机梯度下降法的描述,哪一个是正确的?()A随机梯度下降法在凸优化问题中更容易逃离局部最优点B随机梯度下降法在非凸优化问题中更容易逃离局部最优点C随机梯度下降法不会引入随机噪声D随机梯度下降法每次迭代使用全部训练样本来计算梯度第10题以下哪些原理或定理与机器学习中的正则化思想相似?()A奥卡姆剃刀原理B没有免费午餐定理C丑小鸭定理D归纳偏置第11题以下哪些属于分类模型的评价指标?A平均误差B均方根误差C准确率D召回率正确答案：DC第12题端到端学习的特点包括哪些?A不进行分模块或分阶段训练B中间过程需要人为干扰C直接优化任务的总体目标D训练数据为“输入-输出”对的形式,无须提供其他额外信息正确答案：ACD第三章综合练习第1题线性回归的基本形式是什么?Ay=wx+bBy=log(x)+bCY=x^2+bDy=sin(x)+b第2题SVM的主要目标是什么?A找到数据点之间的最小距离B最大化数据点之间的间隔C计算数据点的中心点D找到数据点的均值第3题在SVM中,松弛变量(slackvariable)的主要作用是什么?A增加模型的复杂度B允许一些数据点在间隔之外C减少模型的正则化D限制模型的间隔大小第4题非线性SVM是如何处理非线性可分数据的?A使用多项式核B增加更多的特征C应用主成分分析D应用随机森林第5题交叉验证是一种常用的模型评价方法,它主要用于评估什么?难A模型的复杂度B模型的计算速度C模型的内存使用D模型的泛化能力第6题在机器学习中,准确率(Accuracy)是一种性能度量,它如何计算?ATP/(TP+TN+FP+FN)B(TP+FP)/

(TP+TN+FP+FN)CTP/(TP+FN)D(TP+TN)/

(TP+TN+FP+FN)正确答案：D第7题混淆矩阵中的TP、TN、FP和FN分别代表什么?A真正例、假正例、真反例、假反例B真反例、假反例、真正例、假正例C假正例、真反例、真正例、假反例D假反例、真反例、假正例、真正例第8题ROC曲线下面积（AUC）是一种性能度量，它衡量的是什么？A模型在不同阈值下的性能B模型的稳健性C模型的准确性D模型的计算效率第9题在模型训练过程中,我们通常使用哪个指标来评估模型对训练数据的拟合程度?A测试误差B训练误差C交叉验证误差D所有上述选项第10题过拟合(Overfitting)通常发生在哪种情况下?A模型过于简单,无法捕捉数据的复杂性B模型过于复杂,对训练数据过度拟合C数据量太少,无法训练出有效模型D特征选择不当,导致模型性能下降第11题以下哪些说法关于支持向量机()是正确的?ASVM在训练时不需要设定阈值参数BSVM的核函数可以是线性的,也可以是非线性的CSVM的目的是找到最小化数据点间隔的决策边界DSVM模型的复杂度可以通过调整正则化参数C来控制E在SVM中,松弛变量(slackvariable)允许一些数据点在间隔之外正确答案：BDE第12题符合以下哪些条件的函数可以作为核函数?A函数K(x,y)具有对称性,即K(x,y)=K(y,x)B函数K(x,y)具有周期性,即K(x+T,y)

=K(x,y)C函数K(x,y)具有半正定性,即∀Ci(i=1~N),∀N有∑(i=1,

N)∑(j=1,N)CiCjK(Xi,Xj)≧0D函数K(x,y)具有恒等性,即∀i,

j,K(Xi,Yj)恒等于N(N为常数)正确答案：AC第13题以下哪些方法可以减少模型过拟合的程度?A通过增加训练样本的数量和增加数据变体(如旋转、缩放等)来人工扩展训练集B在损失函数中添加权重的绝对值之和或者添加权重的平方和C在训练过程中,如果验证集上的性能在连续多个周期内没有改善,则停止训练D使用多个训练/验证数据集组合来评估模型的泛化能力正确答案：ABCD第四章综合练习第1题在反向传播算法中,神经网络的参数主要通过什么方法进行优化?()A随机梯度下降B梯度下降C动量法D牛顿法第2题符号微分和自动微分都利用什么来自动求解导数?()A计算图和链式法则B梯度下降和链式法则C计算图和梯度下降D链式法则和反向传播第3题减轻梯度消失问题的一种简单有效的方法是什么?()A使用导数比较大的激活函数B增加网络层数C减少网络层数D使用Sigmoid函数第4题以下哪个不是为了增强网络的表示能力和学习能力,激活函数需要具备的特点?A连续并可导B线性函数C激活函数及其导函数要尽可能的简单D激活函数的导函数的值域要在一个合适的区间内第5题以下哪种激活函数自身带有一个可学习的参数?ASigmoidBTanhCReLUDPReLU第6题以下关于前馈神经网络的描述中,错误的是?A网络中的信息传播有正向传播和反向传播B前馈神经网络是最早发明的简单人工神经网络C整个网络中无反馈,信号从输入层向输出层单向传播D前馈神经网络具有很强的拟合能力,常见的连续非线性函数都可以用前馈神经网络来近似第7题编译时间长,尤其对于循环;需要设计一种专门的语言来表示数学表达式,并且要对变量预先声明;难以对程序调试。描述的是哪种梯度计算方法?A数值微分B符号微分C自动微分第8题关于神经网络的优化问题,以下说法错误的是?A神经网络的优化问题是一个非凸优化问题B神经网络的参数学习比线性模型要更加困难,主要原因为非凸优化问题和梯度消失问题C减轻梯度消失问题,可以使用导数比较大的激活函数,比如ReLUD减轻梯度消失问题,可以使用导数比较大的激活函数,比如Sigmoid型函数第9题关于Softplus函数的描述,下列哪些是正确的?ASoftplus函数是Rectifier函数的平滑版本BSoftplus函数具有单侧抑制特性CSoftplus函数具有宽兴奋边界DSoftplus函数具有稀疏激活性正确答案：ABC第10题前馈神经网络的特点有哪些?A各个神经元按接收信息的先后分为不同的组B每一层的神经元可以接收前一层神经元的信号C信号从输入层向输出层单向传播D整个网络中无反馈正确答案：ABCD第11题以下关于静态计算图和动态计算图的描述,哪些是正确的?A静态计算图在编译时构建,运行时不能改变B动态计算图在程序运行时动态构建C静态计算图灵活性高,但不容易优化D动态计算图灵活性高,但不容易优化正确答案：ABD第12题符号微分的特点有哪些?A在编译阶段构造计算图B通过符号计算得到导数的表达式C在程序运行阶段代入变量的具体数值来计算导数D在程序运行阶段边计算边记录计算图正确答案：ABC第五章综合练习第1题卷积神经网络的基本组成单元是什么?A池化层B全连接层C卷积层D激活函数第2题以下哪个不是卷积神经网络中的激活函数?ASigmoidBReLUCSoftmaxDMeanSquaredError第3题卷积神经网络中的卷积核有什么作用?A减少参数数量B增加计算复杂度C减少特征维度D增加特征维度第4题以下哪个是卷积神经网络中常用的池化操作?A平均池化B标准差池化C最大池化D所有上述选项第5题在卷积神经网络中,步长(Stride)的主要作用是什么?A增加感受野大小B减少输出特征图的尺寸C增加输出特征图的尺寸D改变卷积核的形状第6题以下哪个网络不是卷积神经网络的一种?AAlexNetBVGGNetCResNetDDecisionTree第7题卷积神经网络中的填充(Padding)通常用于什么目的?A增加特征图的尺寸B减少计算量C防止边缘信息丢失D使卷积核能够覆盖更多的像素第8题数据增广是一种用于提高模型泛化能力的技巧,以下哪个不是数据增广的方法?A旋转B缩放C裁剪D增加噪声第9题在卷积神经网络中,为什么使用多个卷积层?A减少计算量B增加特征的抽象层次C减少过拟合D所有上述选项第10题微调(Fine-tuning)在迁移学习中通常指的是什么?A完全重新训练一个新的网络B冻结预训练模型的部分层,只训练最后几层C只使用预训练模型的前几层D随机初始化所有层的权重第11题以下哪种情况最适合使用卷积神经网络?A文本分类B图像识别C时间序列预测D语音识别第12题BatchNormalization在卷积神经网络中的主要作用是什么?A减少训练时间B增加模型的容量C减少内部协变量偏移D增加模型的泛化能力第13题以下哪些是卷积神经网络在图像处理中的优势?A参数共享,减少计算量B旋转不变性,能够识别图像中的局部特征C能够自动学习到特征表示D需要手动设计特征提取器正确答案：AC第14题在卷积神经网络中,哪些方法可以用于解决或缓解梯度消失或爆炸问题?A使用ReLU激活函数代替Sigmoid或TanhB引入批量归一化(Batch

Normalization)C适当初始化权重,例如使用He初始化或Xavier初始化D使用残差连接(Residual

Connections)或残差网络(ResNet)正确答案：ABCD第六章综合练习第1题循环神经网络(RNN)与前馈神经网络相比,哪一个更符合生物神经网络的结构?A前馈神经网络B循环神经网络C两者都符合D两者都不符合第2题序列到类别模式主要用于什么类型的问题?A序列数据的分类问题B图像分类问题C回归问题D聚类问题第3题在序列到类别的任务中,除了将最后时刻的状态作为整个序列的表示之外,还可以对整个序列的所有状态进行平均,并用这个平均状态来作为整个序列的表示。这种方法的优点是什么?A可以更好地捕捉序列中的全局信息B减少计算复杂度C避免过拟合D提高模型的可解释性第4题以下哪个不是反馈网络(记忆网络)的特点?A记忆网络中的神经元具有记忆功能,在不同的时刻具有不同的状态B整个网络中的信息传播可以是单向或双向传递C整个网络中的信息是朝一个方向传播,没有反向的信息传播D具有更强的计算和记忆能力第5题以下关于图网络的特点中,哪一项是错误的?A图网络的输入可以表示为向量或向量序列B前馈网络和记忆网络很难处理图结构的数据,所以提出了网络结构中的图网络C图中每个方形节点都由一个或一组神经元构成D节点之间的连接可以是有向的,也可以是无向的第6题以下有关循环神经网络的说法,错误的是?A具有网络短期记忆能力B结构上包含输入层、输出层、隐藏层和延迟器C理论上,前馈神经网络可以模拟任何程序,而循环神经网络可以模拟任何连续函数D通过使用带自反馈的神经元,能够处理任意长度的时序数据第7题循环神经网络是一类具有长期记忆能力的神经网络。A对B错第8题机器翻译属于哪种模式的问题?A序列到类别模式B同步的序列到序列模式C异步的序列到序列模式第9题每一时刻都有输入和输出,输入序列和输出序列的长度相同,这是同步的序列到序列模式的特点。A对B错第10题计算梯度时,相较于RTRL算法,BPTT算法的计算量会更小,但是BPTT算法需要保存所有时刻的中间梯度,空间复杂度较高。A对B错第11题以下关于LSTM和GRU的说法,错误的是?A引入新的内部状态和门控机制,可以有效地解决简单循环神经网络的梯度爆炸或消失问题BGRU的单元结构中包含输入门、遗忘门和输出门CLSTM的记忆单元c中保存信息的生命周期要长于短期记忆h,但又远远短于长期记忆,因此称为长短期记忆DGRU参数比LSTM少,所以容易收敛;数据集大的情况下,LSTM的表达性能还是比GRU好第12题在有些任务中,一个时刻的输出不但和过去时刻的信息有关,也和后续时刻的信息有关。比如给定一个句子,其中一个词的词性由它的上下文决定,即包含左右两边的信息。因此,在这些任务中,我们可以增加一个按照时间的逆序来传递信息的网络层,来增强网络的能力。这种网络结构被称为?A堆叠循环神经网络B双向循环神经网络C延时神经网络D图神经网络第13题以下哪些任务中已经广泛应用了循环神经网络()?A语音识别B语言模型C自然语言生成D图像分类正确答案：ABC第14题以下关于语言模型的描述,哪些是正确的?A语言模型可以用于生成文本B语言模型只能用于翻译任务C语言模型可以用于语音识别D语言模型可以用于文本分类正确答案：ACD第15题以下哪些属于序列到类别的问题?A文本的情感分类B文本中的词性标注C语音的情感分类D机器翻译正确答案：AC第16题以下哪些属于同步的序列到序列模式的问题?A文本的情感分类B文本中的词性标注C中文分词D机器翻译正确答案：BC第17题以下哪些方法可以缓解长程依赖问题?A通过权重衰减和梯度截断来避免梯度爆炸B选取合适的参数,同时使用非饱和的激活函数,尽量使得γ≈1C通过引入门控机制来进一步改进模型D通过改变模型缓解梯度消失正确答案：ABC第七章综合练习第1题多头注意力的作用是什么?A用于减少模型的计算量B每个头关注信息的不同部分C为了增加模型的参数数量D增强模型对单一信息源的专注度第2题自注意力机制的作用是什么?A建立输入序列之间的长距离依赖关系,基于自注意机制动态生成权重。B减少模型对输入序列的依赖,提高模型的泛化能力。C通过固定权重的方式,加快模型的计算速度。D将输入序列转换为固定大小的向量,以便后续处理。E限制模型只能关注序列中的局部信息,忽略长距离依赖。第3题注意力机制网络和卷积神经网络是两种不同的网络,二者互不兼容,不可结合。A对B错第4题为什么要将注意力机制引入卷积神经网络?A引入注意力机制是为了使卷积神经网络能够处理非图像数据。B注意力机制可以替代卷积层,减少模型的参数数量。C注意力机制可以提高卷积神经网络的解释性,但不影响其性能。D卷积神经网络中每一层感受野有限,更大感受野需要增加层数,带来计算量增加。E注意力机制可以完全消除卷积神经网络中的过拟合问题。第5题Transformer在自然语言处理(NLP)任务时,由于自注意力自带序列信息,所以不需要额外的位置编码。A对B错第6题以下哪些网络将卷积网络与注意力机制相结合?AVisionTransformerBNon-localNetworkCSqueeze-and-Excitation

NetworkDSelectiveKernel

Network正确答案：BCD第7题序列到序列(Seq2Seq)模型适合进行哪些任务?A视频描述生成B图像检索C机器翻译D语音识别E遥感图像分类正确答案：ACD第8题基于时序注意力的Seq2Seq模型有哪些优点?A能够处理更长的序列而不损失性能B解决了基于RNN的Seq2Seq模型中的瓶颈问题C提供了一些解释性D增强了模型对输入序列中关键信息的捕捉能力E加入了跳层连接缓解了梯度消失问题正确答案：BCDE第9题下列关于基于RNN的Seq2Seq模型的叙述,正确的是()?A一般使用两个RNN来分别进行编码和解码B编码器和解码器中间通过一个语义编码向量连接C这个语义编码向量的容量固定,造成此类模型具有长程依赖问题D使用注意力机制可以改进基于RNN的Seq2Seq模型的长程依赖问题正确答案：ABCD第10题使用Transformer的经典模型以及其处理的任务有哪些?AVision

Transformer;语音识别BBERT;图像分类CVision

Transformer;图像分类DBERT;自然语言处理正确答案：CD第11题下面哪些关于VisionTransformer的说法是错误的?A从模型架构的角度添加了归纳偏置,使其更适合更大规模的数据B其主要使用Transformer的解码器,将图像划分为不同patch后解码为类别CVision

Transformer最初主要进行图像分类任务DVision

Transformer是一种自回归式模型正确答案：ABD第12题Transformer包含以下哪些模块?AFeedForwardNetworkBBatchNormalizationCLayer-wiseConvolutionDMultihead

Self-Attention正确答案：AD第13题Self-attention有哪些优点?A建模长程依赖B并行计算C减少模型参数数量D动态地关注输入序列中的不同位置正确答案：ABD第八章综合练习第1题神经网络优化过程中的驻点是什么?A梯度绝对值最大的点B梯度为0的点C损失函数值最小的点D损失函数值最大的点E权重和偏置的初始值点第2题神经网络优化过程中的鞍点是什么?A损失函数值最小的点B在所有维度上梯度都为零的点C梯度为零但在某些维度上存在非零梯度的点D损失函数值最大的点第3题以下关于使用了动量法的梯度下降算法的描述中,正确的是()A动量法通过减少学习率来避免梯度爆炸问题B动量法通过积累动量来影响梯度,使梯度下降更加稳定C动量法通过增加学习率来加快参数更新的速度D动量法通过引入随机性来避免陷入局部最小值第4题在深度学习中,正则化技术的主要目的是什么?A增加模型的复杂度,以更好地拟合数据B减轻过拟合,提高模型在新数据上的泛化能力C提高模型训练的速度D防止梯度消失或爆炸,提高模型稳定性第5题下列关于EarlyStop