2026年人工智能期末试题及答案完整版(新)

2026年人工智能期末试题及答案完整版(新)一、单项选择题（本大题共20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）

1.1956年的（）会议被广泛认为是人工智能作为一个独立学科诞生的标志。

A.图灵会议

B.达特茅斯会议

C.纽约会议

D.神经网络会议

2.在搜索策略中，广度优先搜索（BFS）为了保证找到最短路径，通常使用的数据结构是（）。

A.栈

B.队列

C.优先队列

D.链表

3.在A算法中，评价函数f(n)=g(n)+h(n)，其中h(n)代表（）。

A.从初始节点到节点n的实际代价

B.从节点n到目标节点的估计代价

C.从初始节点到目标节点的总估计代价

D.节点n的深度

4.下列关于知识表示的描述中，错误的是（）。

A.产生式系统由规则库、综合数据库和控制系统组成

B.一阶谓词逻辑具有严格的语义，但难以表示不确定性知识

C.语义网络通过节点和边表示概念及其关系

D.框架表示法主要适用于表示过程性知识

5.在机器学习中，监督学习与无监督学习的主要区别在于（）。

A.数据量的大小

B.模型的复杂度

C.训练数据是否有标签

D.是否使用神经网络

6.决策树算法中，ID3算法使用（）作为选择分裂属性的标准。

A.基尼指数

B.信息增益

C.信息增益率

D.均方误差

7.对于线性不可分的数据，支持向量机（SVM）通过引入（）将其映射到高维空间，使其变得线性可分。

A.梯度下降

B.核函数

C.正则化项

D.激活函数

8.在深度学习的卷积神经网络（CNN）中，池化层的主要作用是（）。

A.增加网络的非线性

B.提取特征

C.降低特征图维度，减少计算量

D.防止过拟合

9.下列激活函数中，哪一种函数的导数在正区间恒为1，有助于缓解梯度消失问题？（）

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

10.循环神经网络（RNN）在处理长序列时容易出现梯度消失或梯度爆炸，为了解决这个问题，通常采用（）结构。

A.LSTM

B.CNN

C.GAN

D.DBN

11.在强化学习中，Agent通过与环境交互，目标是最大化累积（）。

A.损失函数

B.准确率

C.奖励

D.熵

12.Q-learning算法是一种基于（）的强化学习算法。

A.策略梯度

B.价值迭代

C.模型预测

D.遗传算法

13.在聚类分析中，K-Means算法的目标是最小化（）。

A.类间距离

B.类内距离平方和

C.样本点到中心的曼哈顿距离

D.聚类数量

14.主成分分析（PCA）是一种常用的降维技术，它通过（）变换将数据投影到新的坐标系。

A.线性

B.非线性

C.逻辑

D.核

15.评估二分类模型性能时，若关注模型在所有正样本中的识别能力，应主要查看（）。

A.准确率

B.精确率

C.召回率

D.特异度

16.生成对抗网络（GAN）由两部分组成：生成器和（）。

A.编码器

B.判别器

C.解码器

D.分类器

17.Transformer模型的核心机制是（），它允许模型在处理序列时并行计算并捕捉长距离依赖。

A.卷积

B.循环

C.注意力机制

D.池化

18.在自然语言处理中，Word2Vec模型的主要目的是将词语映射为（）。

A.稀疏向量

B.独热编码

C.低维稠密实数向量

D.概率分布

19.关于人工智能伦理，下列哪项不属于目前主要讨论的偏见问题？（）

A.种族偏见

B.性别偏见

C.算法黑箱

D.硬件故障

20.AlphaGo战胜围棋世界冠军李世石，主要结合了（）和蒙特卡洛树搜索。

A.专家系统

B.深度强化学习

C.支持向量机

D.逻辑回归

二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题给出的四个选项中，有多项是符合题目要求的。全部选对得3分，选对但不全得1分，有选错得0分）

1.人工智能的主要学派包括（）。

A.符号主义

B.连接主义

C.行为主义

D.逻辑主义

2.下列属于盲目搜索算法的有（）。

A.深度优先搜索

B.广度优先搜索

C.一致代价搜索

D.A搜索

3.产生式系统的推理方式包括（）。

A.正向推理

B.反向推理

C.双向推理

D.混合推理

4.机器学习中，常见的正则化方法有（）。

A.L1正则化

B.L2正则化

C.Dropout

D.早停法

5.下列关于过拟合的描述，正确的有（）。

A.训练集误差很低，测试集误差很高

B.模型过于复杂，捕捉了数据中的噪声

C.增加训练数据量通常可以缓解过拟合

D.减少模型复杂度（如减少网络层数）可以缓解过拟合

6.卷积神经网络中常见的层类型包括（）。

A.卷积层

B.池化层

C.全连接层

D.归一化层

7.强化学习的基本要素包括（）。

A.智能体

B.环境

C.状态

D.动作和奖励

8.自然语言处理中的常见任务包括（）。

A.文本分类

B.命名实体识别

C.机器翻译

D.情感分析

9.下列属于人工智能在医疗领域应用的有（）。

A.医学影像辅助诊断

B.新药研发

C.智能健康监护

D.自动驾驶

10.贝叶斯分类器基于贝叶斯定理，其假设包括（）。

A.特征之间相互独立

B.类别先验概率已知

C.特征条件概率服从正态分布

D.数据是线性可分的

三、填空题（本大题共15空，每空2分，共30分）

1.在图灵测试中，如果人类测试者不能区分被测试对象是人还是机器，则认为该机器具有________。

2.在状态空间搜索中，f(n)是节点n的估价函数，A算法在搜索过程中每次扩展f(n)值________的节点。

3.谓词逻辑中，量词∀表示________，量词∃表示________。

4.机器学习模型的泛化能力是指模型在________上的表现能力。

5.梯度下降算法中，学习率是一个超参数，如果学习率过大，可能导致目标函数________；如果学习率过小，会导致收敛速度________。

6.神经网络中的反向传播算法主要利用________链式法则来计算梯度。

7.在深度学习中，BatchNormalization通常作用在________层之后，激活函数之前。

8.卷积神经网络中，卷积核的参数是通过________学习得到的。

9.在聚类算法DBSCAN中，核心点是指在其给定半径ϵ邻域内包含至少________个样本点的对象。

10.强化学习中，ϵ-greedy策略是指在以概率ϵ选择________动作，以概率1−ϵ选择当前最优动作。

11.在评估分类器时，ROC曲线的横坐标是________，纵坐标是________。

12.Transformer模型中，位置编码的引入是为了给模型输入序列中的每个词注入________信息。

13.大语言模型（LLM）的训练通常包含两个阶段：预训练和________。

四、判断题（本大题共10小题，每小题1分，共10分。正确的打“√”，错误的打“×”）

1.人工智能就是让机器具有人类一样的意识，因此目前的弱人工智能不属于人工智能范畴。（）

2.启发式搜索总是能找到最优解，只要启发函数h(n)是可采纳的。（）

3.专家系统是一种模拟人类专家解决领域问题的计算机程序系统，通常由知识库和推理机组成。（）

4.在决策树学习中，剪枝是防止过拟合的重要手段。（）

5.感知机只能解决线性可分问题，对于异或问题无法直接求解。（）

6.所有的神经网络模型都包含至少一个隐藏层。（）

7.K-近邻算法（KNN）是一种懒惰学习算法，它没有显式的训练过程。（）

8.协同过滤是推荐系统中常用的一种技术，主要分为基于用户和基于物品的协同过滤。（）

9.深度学习不需要人工提取特征，可以自动从原始数据中学习特征表示。（）

10.计算机视觉中的边缘检测算子（如Sobel、Canny）属于深度学习算法。（）

五、简答题（本大题共5小题，每小题8分，共40分）

1.简述人工智能、机器学习和深度学习三者之间的关系。

2.什么是启发式搜索？什么是可采纳性启发函数？请举例说明。

3.简述支持向量机（SVM）的基本原理，特别是如何处理线性不可分数据。

4.解释卷积神经网络中的“卷积”操作及其在图像处理中的物理意义。

5.简述强化学习中的“探索与利用”困境，并列举一种常见的解决策略。

六、计算与分析题（本大题共3小题，共40分）

1.（15分）A算法应用

设某城市的交通图如下，节点代表地点，连线代表道路，连线上的数字代表距离（实际代价）。

图结构描述：

起点为S，终点为G。

S的邻居：A(距离4)，B(距离6)。

A的邻居：C(距离3)，G(距离10)。

B的邻居：C(距离2)，D(距离5)。

C的邻居：G(距离4)。

D的邻居：G(距离3)。

启发式函数h(n)（直线距离估算）：

h(S)=10,h(A)=8,h(B)=7,h(C)=4,h(D)=1,h(G)=0。

请利用A算法求出从S到G的最短路径。要求写出详细的扩展过程（OPEN表和CLOSED表的变化情况），并给出最终路径和总代价。

2.（15分）决策树ID3算法计算

给定一个包含14个样本的数据集（类似“打网球”数据），属性包括“天气”（晴、阴、雨）、“湿度”（高、正常）、“风”（有、无），目标类别为“Play”（是、否）。

数据统计如下：

总样本数14，其中“Play=是”9个，“Play=否”5个。

属性“天气”的分布：

晴：5个样本（是2，否3）

阴：4个样本（是4，否0）

雨：5个样本（是3，否2）

属性“湿度”的分布：

高：7个样本（是3，否4）

正常：7个样本（是6，否1）

属性“风”的分布：

有：6个样本（是3，否3）

无：8个样本（是6，否2）

请计算：

(1)数据集关于目标属性的信息熵H(D)。

(2)分别计算属性“天气”、“湿度”、“风”的信息增益。

(3)根据计算结果，ID3算法会选择哪个属性作为根节点的分裂属性？

3.（10分）反向传播计算

假设有一个简单的神经网络，包含一个输入节点x，一个输出节点y，一个隐藏节点h。

权重设置：=0.5（输入到隐藏），=0.2（隐藏到输出）。

偏置设置：=0.1,=0.2。

激活函数均为Sigmoid函数：σ(z)=。

损失函数为均方误差：E=(。

当前输入x=0.8，目标输出=0.5。

请进行一次前向传播计算预测输出，并计算损失E。（不需要进行反向传播更新权重，只需计算前向过程）。

七、综合应用题（本大题共2小题，共30分）

1.（15分）知识图谱与逻辑推理

某智能问答系统需要利用知识图谱回答用户问题。知识库中包含以下谓词逻辑事实和规则：

事实：

Student(Tom)

Student(Jerry)

Professor(Smith)

Teaches(Smith,AI)

Enrolled(Tom,AI)

Enrolled(Jerry,Math)

规则：

∀x∀y(Enrolled(x,y)∧Teaches(z,y)→TaughtBy(x,z))（如果x选修了y，且z教授y，则x被z教授）

∀x(TaughtBy(x,Smith)→Smart(x))（如果x被Smith教授，则x是聪明的）

请利用谓词逻辑的归结原理或正向推理，回答以下问题：

(1)Tom是否被Smith教授？请写出推理过程。

(2)Tom是否是聪明的？请写出推理过程。

(3)如果要查询“谁是聪明的？”，系统应返回什么结果？

2.（15分）深度学习模型设计

假设你要设计一个用于识别手写数字图片（MNIST数据集）的卷积神经网络。图片大小为28×28的灰度图，共10个类别（0-9）。

请设计一个网络结构，要求至少包含以下组件：

两个卷积层（ConvolutionalLayer）

两个池化层（PoolingLayer）

一个全连接层（FullyConnectedLayer）

一个输出层

请详细描述：

(1)每一层的类型、参数（如卷积核大小、步长、激活函数类型）。

(2)数据在经过每一层后的维度变化（假设第一层卷积核数量为32，第二层为64）。

(3)为什么在卷积神经网络中使用ReLU激活函数比Sigmoid更有优势？

---

参考答案及解析

一、单项选择题

1.B

2.B

3.B

4.D（框架表示法主要适用于表示陈述性知识，过程性知识通常用过程或脚本表示）

5.C

6.B

7.B

8.C

9.C

10.A

11.C

12.B

13.B

14.A

15.C

16.B

17.C

18.C

19.D（硬件故障属于工程问题，不属于算法层面的伦理偏见）

20.B

二、多项选择题

1.ABC

2.AB（一致代价搜索属于盲目搜索，A是启发式搜索）

3.ABC

4.ABCD

5.ABCD

6.ABCD

7.ABCD

8.ABCD

9.ABC

10.AB（朴素贝叶斯假设特征独立，贝叶斯分类器需要先验概率。高斯分布是高斯NB的特例假设）

三、填空题

1.智能

2.最小

3.全称量词；存在量