2026全国中小学信息技术创新与实践大赛(NOC)AI专项真题及答案

2026全国中小学信息技术创新与实践大赛(NOC)AI专项真题及答案一、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.在Python编程中，下列关于列表的描述，正确的是（）。A.列表创建后，其长度不可改变B.列表可以存储不同数据类型的元素C.列表索引是从1开始的D.列表不支持切片操作2.人工智能领域中的“机器学习”按照学习方式主要分为监督学习、无监督学习和（）。A.深度学习B.强化学习C.迁移学习D.生成式学习3.在计算机视觉中，图像通常由像素点组成。若一张分辨率为1024×A.2.25MBB.2.25KBC.768KBD.1024KB4.下列关于神经网络的激活函数，说法错误的是（）。A.ReLU函数可以有效缓解梯度消失问题B.Sigmoid函数的输出值范围在(0,1)之间C.Tanh函数的输出值范围在(-1,1)之间D.线性激活函数常用于隐藏层以引入非线性因素5.在Python中，使用Pandas库读取CSV文件，通常使用的函数是（）。A.read_tableB.read_csvC.load_csvD.get_csv6.某AI模型在测试集中表现优异，但在训练集中表现较差，这种现象被称为（）。A.过拟合B.欠拟合C.梯度爆炸D.死亡梯度7.下列哪个库是Python中专门用于科学计算和矩阵运算的基础库？（）A.NumPyB.MatplotlibC.Scikit-learnD.TensorFlow8.在深度学习的卷积神经网络（CNN）中，池化层的主要作用是（）。A.增加图像的分辨率B.提取特征C.降低数据维度，减少计算量D.增加非线性变换9.表达式`not(TrueorFalse)`的运算结果是（）。A.TrueB.FalseC.NoneD.报错10.在自然语言处理（NLP）中，将文本转换为向量表示的过程称为（）。A.分词B.词性标注C.词向量化D.命名实体识别11.下列关于算法复杂度的描述，正确的是（）。A.时间复杂度是指算法运行所需的空间大小B.空间复杂度是指算法运行所需的时间长短C.O()的算法比D.O(l12.在Python中，定义一个类的关键字是（）。A.functionB.classC.structD.object13.梯度下降算法中，学习率的作用是（）。A.决定了模型迭代的方向B.决定了模型迭代更新的步长大小C.决定了模型的初始权重D.决定了模型的最终精度14.使用OpenCV进行图像处理时，默认读取的图像颜色空间通常是（）。A.RGBB.HSVC.GRAYD.BGR15.在决策树算法中，用于衡量数据集纯度的指标不包括（）。A.信息增益B.基尼系数C.均方误差D.熵16.下列代码执行后，列表`a`的内容是（）。```pythona=[1,2,3]b=ab[0]=99```A.[1,2,3]B.[99,2,3]C.[99,99,99]D.程序报错17.在AI伦理中，确保算法对所有群体公平对待，避免歧视性结果，这属于（）。A.隐私保护B.算法公平性C.可解释性D.安全性18.下列哪个指标主要用于评估二分类模型的准确率、召回率和F1值的平衡？（）A.MAEB.MSEC.F1-ScoreD.RMSE19.在循环神经网络（RNN）中，专门用于解决长距离依赖问题的变体是（）。A.LSTMB.CNNC.GAND.DBN20.Python中，用于生成随机整数的函数是（）。A.random.random()B.random.randint(a,b)C.random.uniform(a,b)D.random.choice(seq)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）21.下列属于Python中常见的数据结构有（）。A.列表B.元组C.字典D.集合22.机器学习模型评估中，混淆矩阵包含的指标有（）。A.TruePositive(TP)B.TrueNegative(TN)C.FalsePositive(FP)D.FalseNegative(FN)23.下列关于深度学习框架的描述，正确的有（）。A.PyTorch支持动态计算图B.TensorFlow最初由Google开发C.Keras是一个高层神经网络API，可以运行在TensorFlow之上D.Caffe主要用于计算机视觉任务24.在数据预处理阶段，常见的操作包括（）。A.缺失值填充B.数据标准化/归一化C.特征编码D.数据增强25.下列哪些是生成式人工智能的应用场景？（）A.文本生成B.图像生成C.机器翻译D.异常检测26.Python中，关于文件的读写操作，描述正确的有（）。A.`open()`函数用于打开文件B.读取文件后需要使用`close()`关闭文件C.使用`with`语句可以自动管理文件的关闭D.`readlines()`方法返回一个包含所有行的列表27.卷积神经网络中，卷积层的主要超参数包括（）。A.卷积核大小B.步长C.填充D.激活函数类型28.下列哪些算法属于聚类算法？（）A.K-MeansB.DBSCANC.层次聚类D.逻辑回归29.关于过拟合的解决方法，有效的有（）。A.增加训练数据量B.减少模型复杂度C.使用正则化（如L1,L2）D.早停法30.在自然语言处理中，Transformer模型的核心组件包括（）。A.自注意力机制B.前馈神经网络C.卷积层D.位置编码三、填空题（本大题共10小题，每小题2分，共20分。请将答案填写在横线上）31.二进制数转换为十进制数是\_\_\_\_\_\_\_\_。32.在Python中，使用`math`库计算的函数是\_\_\_\_\_\_\_\_。33.在神经网络中，常用的均方误差损失函数公式为J=(，其中表示真实值，表示\_\_\_\_\_\_\_\_。34.已知列表`lst=[10,20,30,40,50]`，切片`lst[1:4]`的结果是\_\_\_\_\_\_\_\_。35.在Pandas中，`DataFrame`的\_\_\_\_\_\_\_\_属性用于查看数据的行数和列数。36.图像处理中，将彩色图像转换为灰度图像的常用公式是Gray37.在K-近邻算法（KNN）中，通常使用\_\_\_\_\_\_\_\_距离来衡量样本之间的相似度。38.Python中，用于导入模块的关键字是\_\_\_\_\_\_\_\_。39.在支持向量机（SVM）中，用于将低维非线性可分数据映射到高维空间的技巧称为\_\_\_\_\_\_\_\_技巧。40.某逻辑回归模型的输出概率为0.7，设定的阈值为0.5，则该样本将被预测为\_\_\_\_\_\_\_\_类（填“正”或“负”）。四、简答题（本大题共4小题，每小题10分，共40分）41.简述监督学习与无监督学习的主要区别，并各举一个典型的应用场景。42.解释什么是梯度消失问题，并说明ReLU激活函数是如何缓解这一问题的。43.在使用Python进行数据分析时，NumPy数组与Python原生列表相比有哪些优势？请列举至少三点。44.简述卷积神经网络（CNN）中卷积层、池化层和全连接层各自的作用。五、综合应用题（本大题共3小题，共50分）45.（Python编程基础，15分）某班级进行了期末考试，成绩存储在字典`scores={'Alice':85,'Bob':92,'Charlie':78,'David':65,'Eve':88}`中。请编写一段Python代码，完成以下任务：(1)计算班级的平均分并保留两位小数。(2)找出成绩最高的学生姓名和分数。(3)筛选出成绩不及格（小于60分）的学生名单，如果没有则输出“全员通过”。46.（算法逻辑与AI基础，15分）在构建一个简单的线性回归模型y=假设当前参数w=2,(1)请计算当前模型对该样本的预测值。(2)请计算该样本的损失值Lo(3)假设学习率α=0.1，请计算参数w和b的梯度（导数），并写出更新后的w和（注：损失函数J=(，其中=wx+b。对w的偏导47.（图像处理与综合场景，20分）“智能垃圾分类”是AI应用的重要场景。假设你正在开发一个基于图像识别的垃圾分类系统。(1)在数据采集阶段，为了保证模型训练的鲁棒性，我们需要对图像进行“数据增强”。请列举3种常见的数据增强方法。(2)在模型训练完成后，我们使用测试集进行评估。已知测试集共有100张图片，其中：纸张类40张，模型正确识别35张；塑料类30张，模型正确识别25张；其他垃圾30张，模型将其中5张误判为塑料，其余识别正确。请计算该模型的总体准确率。(3)请用Python代码（结合OpenCV或PIL库的思路）写出读取一张图片并将其大小调整为(224参考答案及解析一、单项选择题1.B解析：A选项列表长度可变；C选项索引从0开始；D选项列表支持切片操作。B选项正确，列表可以存储任意类型对象。2.B解析：机器学习主要分为监督学习、无监督学习和强化学习。3.A解析：分辨率1024×768，总像素数1024×768=786,4.D解析：线性激活函数f(5.B解析：Pandas中`read_csv()`是读取CSV文件的标准函数。6.B解析：训练集表现差说明模型没学好，是欠拟合。过拟合是训练集表现极好，测试集表现差。7.A解析：NumPy是Python科学计算的基础库，提供高性能的多维数组对象。Matplotlib用于绘图，Scikit-learn用于传统机器学习，TensorFlow用于深度学习。8.C解析：池化层的主要作用是下采样，减小特征图尺寸，降低计算量，并在一定程度上保持特征的不变性。9.B解析：先算括号内`TrueorFalse`结果为`True`，再算`notTrue`结果为`False`。10.C解析：将文本转换为数学向量的过程称为词向量化或嵌入。11.D解析：O(logn)的增长速度远慢于12.B解析：Python使用`class`关键字定义类。13.B解析：学习率控制梯度下降中每一步更新的步长。14.D解析：OpenCV读取彩色图像默认使用BGR格式，而不是常用的RGB。15.C解析：均方误差是回归问题的损失函数，不是决策树衡量纯度的指标。决策树常用信息增益、基尼系数和熵。16.B解析：Python中列表是可变对象，赋值是引用传递。`b=a`后`b`和`a`指向同一块内存，修改`b`会影响`a`。17.B解析：算法公平性（Fairness）关注算法是否存在对不同群体的偏见。18.C解析：F1-Score是精确率和召回率的调和平均，用于综合评估二分类模型。19.A解析：LSTM（长短期记忆网络）是RNN的一种变体，专门解决长序列训练中的梯度消失和长距离依赖问题。20.B解析：`random.randint(a,b)`生成[a,b]之间的随机整数。A生成浮点数，C生成均匀分布浮点数，D从序列中随机选择。二、多项选择题21.ABCD解析：Python内置的数据结构包括列表、元组、字典、集合。22.ABCD解析：混淆矩阵包含TP,TN,FP,FN四个基础指标。23.ABCD解析：四个选项描述均正确。PyTorch动态图，TensorFlow静态图（2.x后也支持动态），Keras是高层API，Caffe主打视觉。24.ABCD解析：缺失值填充、标准化、特征编码、数据增强都是常见的数据预处理步骤。25.ABC解析：生成式AI可以生成文本、图像、翻译内容等。异常检测通常属于判别式任务（尽管可以用生成模型做，但典型场景是A/B/C）。26.ABCD解析：四个选项关于文件读写的描述均正确。27.ABCD解析：卷积核大小、步长、填充以及激活函数类型都是卷积层的重要配置参数。28.ABC解析：K-Means,DBSCAN,层次聚类都是聚类算法。逻辑回归是分类算法。29.ABCD解析：增加数据、降低复杂度、正则化、早停法都是防止过拟合的有效手段。30.ABD解析：Transformer核心是自注意力机制、前馈网络和位置编码。它不使用传统的卷积层（CNN）。三、填空题31.22解析：1×32.exp解析：`math.exp(x)`计算。33.预测值解析：损失函数计算的是真实值与模型预测值之间的差异。34.[20,30,40]解析：切片索引包含1不包含4，即第2、3、4个元素。35.shape解析：`df.shape`返回元组。36.绿解析：公式中绿色系数0.587最大，因为人眼对绿色最敏感。37.欧氏解析：KNN最常用欧氏距离，有时也用曼哈顿距离。38.import解析：Python使用`import`导入模块。39.核函数解析：SVM利用核函数技巧处理非线性可分问题。40.正解析：概率0.7大于阈值0.5，判为正类。四、简答题41.答案：主要区别：监督学习的数据集包含输入特征和对应的正确标签（答案），目标是学习从输入到输出的映射；无监督学习的数据集只有输入特征，没有标签，目标是发现数据内部的结构或模式（如聚类）。应用场景：监督学习——垃圾邮件分类、房价预测；无监督学习——客户群体细分、主成分分析（PCA）降维。42.答案：梯度消失是指在深层神经网络使用反向传播算法训练时，梯度值在向前层传递过程中呈指数级衰减，导致靠近输入层的权重几乎无法更新，网络难以训练。这常发生在使用Sigmoid或Tanh等饱和激活函数时。ReLU（线性整流单元）的导数在正区间恒为1，负区间为0。在正区间内，梯度不会随层数增加而变小，从而有效缓解了梯度消失问题，加速了模型的收敛。43.答案：(1)性能更高：NumPy数组底层由C语言实现，存储和计算效率远高于Python列表，适合大规模数值计算。(2)支持向量化运算：NumPy支持广播机制，可以直接对整个数组进行数学运算，无需编写循环，代码更简洁。(3)内存占用更小：NumPy数组存储的是相同类型的数据，内存连续，比Python列表（存储对象指针）更节省空间。44.答案：(1)卷积层：通过卷积核在图像上滑动，提取局部特征（如边缘、纹理）。(2)池化层：对特征图进行下采样（如最大池化、平均池化），减小数据尺寸和计算量，同时保持特征的不变性。(3)全连接层：将提取到的二维或三维特征图展平为一维向量，通过矩阵运算实现特征组合，最终输出分类或回归结果。五、综合应用题45.答案：```pythonscores={'Alice':85,'Bob':92,'Charlie':78,'David':65,'Eve':88}(1)计算平均分total=sum(scores.values())count=len(scores)average=total/c