四川大学锦江学院《智慧城市》2026-2027学年第一学期期末试卷含解析

学校________________班级____________姓名____________考场____________准考证号学校________________班级____________姓名____________考场____________准考证号…………密…………封…………线…………内…………不…………要…………答…………题…………第1页，共3页四川大学锦江学院《智慧城市》2026-2027学年第一学期期末试卷题号一二三四总分得分批阅人一、单选题（本大题共25个小题，每小题1分，共25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、人工智能中的迁移学习可以利用已有的预训练模型来加速新任务的学习。假设要将一个在大规模图像数据集上训练好的模型迁移到医学图像分析任务中，以下关于迁移学习的步骤，哪一项是不准确的？（）A.冻结预训练模型的部分层，只训练特定任务相关的层B.直接在新的医学图像数据集上微调整个预训练模型C.对新的数据集进行数据增强，以增加数据的多样性D.分析预训练模型和新任务之间的差异，选择合适的迁移策略2、自然语言处理是人工智能的重要应用领域之一。假设我们要开发一个能够自动回答用户问题的智能客服系统，需要对大量的文本数据进行学习和理解。在这个过程中，词向量模型如Word2Vec和GloVe起到了关键作用。那么，关于词向量模型，以下说法哪一项是不准确的？（）A.能够将单词表示为低维的实数向量，捕捉单词之间的语义关系B.可以通过对大规模语料库的无监督学习得到C.不同的词向量模型在处理多义词时效果都很好D.词向量的计算可以基于单词的上下文信息3、人工智能中的生成对抗网络（GAN）具有强大的生成能力。假设使用GAN生成逼真的图像，以下关于GAN的描述，哪一项是不正确的？（）A.GAN由生成器和判别器组成，两者通过对抗训练不断优化B.GAN可以学习到数据的分布特征，从而生成新的、与真实数据相似的样本C.GAN生成的图像在质量和真实性上可以与真实拍摄的图像完全无法区分D.调整GAN的网络结构和训练参数可以影响生成图像的效果4、在人工智能的图像识别领域，除了卷积神经网络，还有其他一些方法和技术。假设我们要对卫星图像中的地物进行分类，以下哪种方法可能会与卷积神经网络结合使用，以提高分类效果？（）A.支持向量机B.决策树C.聚类分析D.以上都有可能5、人工智能中的生成对抗网络（GAN）是一种创新的模型架构。以下关于GAN的说法，不正确的是（）A.GAN由生成器和判别器组成，通过两者之间的对抗训练来生成逼真的数据B.GAN在图像生成、文本生成和数据增强等领域取得了显著的成果C.GAN的训练过程稳定，容易收敛到最优解D.GAN的应用存在一些潜在的问题，如模式崩溃和训练不稳定等6、人工智能在自动驾驶领域有着广阔的应用前景。假设一辆自动驾驶汽车在行驶过程中需要做出决策，以下关于人工智能在自动驾驶中的描述，哪一项是不正确的？（）A.传感器数据的融合和处理是自动驾驶系统做出准确决策的基础B.深度学习算法可以识别道路标志、行人和其他车辆，辅助驾驶决策C.自动驾驶系统能够在所有复杂的路况下做出完美无误的决策，无需人类干预D.为了确保安全，自动驾驶系统需要具备应对突发情况的能力和冗余机制7、在人工智能的算法选择中，需要根据具体问题和数据特点进行决策。假设要解决一个分类问题，数据具有高维度和复杂的非线性关系，以下关于算法选择的描述，正确的是：（）A.线性分类算法如逻辑回归一定能够处理这种复杂的数据，无需考虑其他算法B.决策树算法在处理高维度和非线性数据时总是表现最佳C.深度学习中的卷积神经网络（CNN）对于处理图像等具有空间结构的数据效果显著，但对于一般的高维数据可能不太适用D.支持向量机（SVM）结合核函数能够有效地处理非线性分类问题，是一个合适的选择8、在人工智能的研究中，模型的压缩和量化技术可以减少模型的参数和计算量。以下关于模型压缩和量化的叙述，不准确的是（）A.可以通过剪枝、量化和低秩分解等方法实现模型压缩B.模型压缩和量化会导致模型性能的一定损失，但可以在可接受范围内提高计算效率C.模型压缩和量化技术只适用于小型模型，对于大型复杂模型效果不佳D.这些技术对于在资源受限的设备上部署人工智能模型具有重要意义9、在人工智能的发展中，算力是重要的支撑因素。假设要训练一个大型的人工智能模型，以下关于算力的描述，哪一项是不正确的？（）A.强大的计算资源，如GPU集群，可以加速模型的训练过程B.云计算平台可以提供灵活的算力支持，满足不同规模的训练需求C.算力的提升仅仅取决于硬件的性能，与算法的优化无关D.合理分配和利用算力资源对于提高训练效率和降低成本至关重要10、人工智能中的迁移学习技术可以利用已有的知识和模型来解决新的问题。假设已经有一个在大规模图像数据集上训练好的卷积神经网络模型，现在要将其应用于一个新的、但相关的图像分类任务。以下哪种迁移学习策略最有可能取得较好的效果？（）A.直接使用原模型进行预测B.微调原模型的部分层C.重新训练一个新的模型D.对原模型进行压缩11、人工智能在医疗影像诊断中的应用不断发展。以下关于人工智能在医疗影像诊断应用的说法，不正确的是（）A.能够辅助医生更快速、准确地检测病变和异常B.可以提高诊断的一致性和重复性，减少人为误差C.人工智能的诊断结果可以完全替代医生的专业判断D.需要与医生的临床经验和专业知识相结合，共同为患者提供诊断服务12、人工智能中的预训练语言模型，如GPT-3，在自然语言处理任务中取得了显著成果。假设要将预训练语言模型应用于特定领域的文本分类任务，以下关于预训练模型应用的描述，正确的是：（）A.可以直接使用预训练模型进行分类，无需任何微调就能获得良好的效果B.预训练模型的参数是固定的，不能根据新的任务和数据进行调整C.在预训练模型的基础上，使用特定领域的数据进行微调，可以提高在该领域任务中的性能D.预训练语言模型对计算资源要求不高，任何设备都能轻松应用13、人工智能中的生成对抗网络（GAN）在图像生成、数据增强等方面表现出色。假设我们想要生成逼真的人脸图像，使用GAN来实现。那么，以下关于GAN的描述，哪一项是错误的？（）A.由生成器和判别器两个部分组成，它们通过相互对抗来学习B.生成器的目标是生成尽可能逼真的假样本，以欺骗判别器C.判别器的能力越强，生成器就越难学习到有效的特征D.GAN的训练过程是稳定的，不会出现模式崩溃等问题14、在人工智能的自动驾驶领域，为了确保车辆在各种路况和天气条件下的安全行驶，需要综合考虑多个传感器的数据进行决策。以下哪种传感器的数据融合方法可能是关键的技术挑战？（）A.基于卡尔曼滤波B.基于深度学习C.基于贝叶斯估计D.以上都是15、在人工智能的发展历程中，深度学习技术的出现带来了重大突破。假设我们正在研究图像识别任务，需要对大量的图像数据进行训练，以识别不同的物体和场景。深度学习中的卷积神经网络（CNN）在处理图像数据时具有独特的优势。那么，以下关于卷积神经网络的描述，哪一项是不正确的？（）A.能够自动提取图像的特征，减少了人工特征工程的工作量B.可以处理任意大小的图像输入，无需对图像进行预处理C.其训练过程需要大量的计算资源和时间D.对于复杂的图像分类任务，准确率通常高于传统机器学习算法16、在人工智能的发展中，模型的评估指标至关重要。以下关于人工智能模型评估指标的描述，不准确的是（）A.准确率、召回率和F1值常用于分类任务的评估B.均方误差（MSE）和平均绝对误差（MAE）常用于回归任务的评估C.评估指标的选择只取决于数据的类型，与具体的应用场景无关D.可以结合多个评估指标来全面评估模型的性能17、在人工智能的图像语义分割任务中，需要将图像中的每个像素分配到不同的类别，例如将一幅街景图像中的道路、建筑物、车辆等区分开来。假设图像中的物体边界模糊、类别多样，以下哪种方法能够提高语义分割的精度？（）A.使用更高分辨率的图像进行训练B.采用简单的分割算法，降低计算复杂度C.忽略物体边界的像素，只关注主要区域D.不进行任何预处理，直接对原始图像进行分割18、人工智能中的计算机视觉技术能够让计算机理解和分析图像和视频内容。假设要开发一个能够实时监测交通流量和识别车辆类型的系统，需要在不同的天气和光照条件下准确地检测和分类车辆。以下哪种计算机视觉技术或方法在这种复杂场景下具有更好的鲁棒性和准确性？（）A.传统的图像处理方法B.基于特征提取的方法C.深度学习中的目标检测算法D.光流法19、在人工智能的自然语言生成任务中，预训练语言模型如GPT-3取得了显著进展。假设要使用预训练语言模型生成一篇新闻报道，以下哪个步骤是最重要的？（）A.选择合适的预训练模型B.对模型进行微调C.设计输入的提示信息D.评估生成的文本质量20、在人工智能的图像分割任务中，假设要将一幅图像中的不同物体准确地分割出来，以下关于图像分割方法的描述，正确的是：（）A.基于阈值的图像分割方法简单快速，但对复杂图像的效果不佳B.基于区域的图像分割方法能够处理具有相似特征的区域，但容易出现过度分割C.基于边缘检测的图像分割方法能够准确地找到物体的边缘，但对噪声敏感D.以上图像分割方法各有优缺点，常常结合使用以提高分割效果21、人工智能中的计算机视觉技术能够让计算机理解和分析图像和视频内容。以下关于计算机视觉的描述，不准确的是（）A.目标检测、图像分类和语义分割是计算机视觉中的常见任务B.计算机视觉技术可以应用于自动驾驶、安防监控和工业检测等领域C.计算机视觉系统的性能完全取决于所使用的硬件设备，算法的优化作用不大D.深度学习算法的出现极大地推动了计算机视觉技术的发展22、人工智能中的生成对抗网络（GAN）在图像生成和数据增强等方面表现出色。假设要使用GAN生成逼真的人脸图像，以下关于GAN的描述，正确的是：（）A.GAN的训练过程非常稳定，不会出现模式崩溃等问题B.生成器和判别器的能力不需要平衡，只要其中一个强大就能生成好的图像C.GAN可以通过不断的对抗训练，学习到真实数据的分布，从而生成逼真的新样本D.GAN只能用于图像生成，不能应用于其他领域的数据生成23、深度学习中的卷积神经网络（CNN）在图像分类等任务中取得了显著成果。假设要使用CNN对大量的动物图片进行分类。以下关于卷积神经网络的描述，哪一项是不正确的？（）A.卷积层通过卷积操作提取图像的局部特征B.池化层用于减少特征图的尺寸，降低计算量，同时保留主要特征C.随着网络层数的增加，CNN的性能一定会不断提高D.可以通过调整卷积核的大小、数量和网络结构来优化CNN的性能24、在人工智能的文本分类任务中，假设要对大量的新闻文章进行分类，如政治、经济、体育等。以下关于特征提取的方法，哪一项是最常用的？（）A.使用词袋模型，将文本表示为词的频率向量B.直接将原始文本作为输入，不进行任何特征提取C.运用句法分析，提取句子的结构特征D.仅考虑文本的标题，忽略正文内容25、在自然语言处理中，机器翻译是一个重要的研究方向。假设要开发一个能够在多种语言之间进行高质量翻译的系统。以下关于机器翻译技术的描述，哪一项是不准确的？（）A.基于规则的机器翻译依靠人工编写的语法和词汇规则进行翻译B.统计机器翻译通过对大量双语语料的统计分析来学习翻译模式C.神经机器翻译利用深度神经网络模型，能够生成更自然流畅的翻译结果D.现有的机器翻译技术已经能够完美处理各种领域和文体的文本，无需人工干预和修正二、简答题（本大题共4个小题，共20分)1、（本题5分）简述智能家居中的人工智能应用。2、（本题5分）简述循环神经网络在自然语言处理中的作用。3、（本题5分）简述语音识别技术的原理和挑战。4、（本题5分）解释监督学习、无监督学习和强化学习的概念。三、案例分析题（本大题共5个小题，共25分)1、（本题5分）剖析某智能农业灌溉系统中人工智能的水分监测和灌溉决策机制。2、（本题5分）剖析一个利用人工智能进行股票市场预测的尝试，讨论其可靠性和局限性。3、（本题5分）考察一个基于人工智能的智能民间艺术比赛组织与传承系统，讨论其如何组织比赛并促进民间艺术的传承。4、（本题5分）研究一个利用人工智能进行传统建筑风格融合创新的案例，分析其创新点和文化适应性。5、（本题5分）以某智能民间艺术作品收藏管理系统为例，探讨人工智能在作品评估和保管建议方面的作用。四、操作题（本大