9月人工智能试题及参考答案解析

9月人工智能试题及参考答案解析一、单选题（共60题，每题1分，共60分）1.Bagging是一个低效的集成学习算法A、正确B、错误C、nanD、nan正确答案：B2.什么是KDD？（）A、数据挖掘与知识发现B、领域知识发现C、文档知识发现D、动态知识发现正确答案：A答案解析：KDD是数据挖掘与知识发现（KnowledgeDiscoveryinDatabase）的缩写，主要研究从大量数据中自动发现有用知识的整个过程。3.人工神经网络与生物神经网络的关系：A、同一事物的两个名称B、人工神经网络受生物神经网络启发C、一点点关系都没有D、完全拷贝正确答案：B答案解析：人工神经网络是受生物神经网络的启发而发展起来的。生物神经网络是由大量神经元相互连接构成的复杂网络，具有信息处理和学习能力。人工神经网络模仿生物神经网络的结构和功能，通过构建神经元模型和连接方式，实现对数据的处理和分析，以解决各种实际问题，如模式识别、机器学习等。它并不是完全拷贝生物神经网络，也不是与生物神经网络毫无关系，更不是同一事物的两个名称。4.根据机器智能水平由低到高，正确的排序是（）。A、计算智能、感知智能、认知智能B、计算智能、认知智能、感知智能C、感知智能、认知智能、计算智能D、认知智能、计算智能、感知智能正确答案：A答案解析：计算智能主要基于数据进行数值计算和处理，是较为基础的智能水平；感知智能侧重于对环境信息的感知和识别，能让机器获取外界信息；认知智能则要求机器具有理解、推理、决策等更高级的智能能力，处于更高的智能层次。所以按照机器智能水平由低到高排序为计算智能、感知智能、认知智能。5.以下卷积神经网络模型中，最早用于手写数字识别的是（）A、LeNet-5B、AlexNetC、ResNet50D、ResNet152正确答案：A答案解析：LeNet-5是最早用于手写数字识别的卷积神经网络模型。它由YannLeCun等人于1998年提出，专门针对手写数字识别任务进行了优化设计。AlexNet是2012年提出的，主要用于图像分类任务且在ImageNet竞赛中取得优异成绩，推动了深度学习在图像领域的发展，但不是最早用于手写数字识别的。ResNet50和ResNet152是更深层次的残差网络，提出时间更晚，主要用于更复杂的图像任务，也不是最早用于手写数字识别的。6.()是数据库管理系统运行的基本工作单位。A、事务B、数据仓库C、数据单元D、D数据分析正确答案：A答案解析：事务是数据库管理系统运行的基本工作单位，它是一组不可分割的操作序列，这些操作要么全部执行成功，要么全部不执行，保证了数据库的一致性和完整性。数据仓库是用于存储和分析大量历史数据的系统；数据单元是数据的基本存储单位；数据分析是对数据进行处理和解读的过程，它们都不是数据库管理系统运行的基本工作单位。7.假设我们已经在ImageNet数据集(物体识别)上训练好了一个卷积神经网络。然后给这张卷积神经网络输入一张全白的图片。对于这个输入的输出结果为任何种类的物体的可能性都是一样的，对吗？A、对的B、不知道C、看情况D、不对正确答案：D答案解析：对于在ImageNet数据集上训练好的卷积神经网络，输入全白图片时，其输出结果并非是任何种类的物体可能性都一样。因为卷积神经网络是基于大量有特征的训练数据学习得到的模式和特征表示，全白图片没有包含任何有意义的物体特征信息，与训练数据的分布差异巨大，网络的输出应该是与训练数据中无特征或特征极少的情况相对应的低概率分布，而不是均匀分布。8.为应对卷积网络模型中大量的权重存储问题，研究人员在适量牺牲精度的基础上设计出一款超轻量化模型（）A、KNNB、RNNC、BNND、VGG正确答案：C9.()是概率框架下实施决策的基本方法。A、贝叶斯决策论B、决策树C、神经网络D、支持向量机正确答案：A答案解析：贝叶斯决策论是概率框架下实施决策的基本方法。它基于概率推理来进行决策，通过计算不同决策的期望损失或期望效用等，以选择最优决策。决策树主要用于分类和回归等任务；神经网络是一种基于数据进行模式识别和预测的模型；支持向量机常用于分类和回归分析，它们都不是概率框架下实施决策的基本方法。10.深度学习神经网络训练时需要大量的矩阵计算，一般我们需要配用硬件让计算机具备并行计算的能力，以下硬件设备可提供并行计算能力的是:A、主板B、内存条C、GPUD、CPU正确答案：C11.如果从来样(sampling)的角度来看待数据集的划分过程，则保留类别比例的采样方式通常称为()。A、分层采样B、留出采样C、随机采样D、泛化采样正确答案：A答案解析：分层采样是保留类别比例的采样方式。在分层采样中，会根据数据集中不同的类别或层次进行划分，使得每个子集中各类别的比例与原始数据集保持一致，从而保证采样后的数据集在类别分布上具有代表性。留出采样是将数据集划分为训练集和测试集；随机采样是随机地从数据集中抽取样本；泛化采样并不是常见的关于数据集划分的标准术语。所以答案是[A]分层采样。12.以下不属于数据变换的方法有()A、特征构造B、平滑处理C、去除虚假数据D、标准化正确答案：C答案解析：数据变换主要包括平滑处理、聚集、数据概化、规范化（标准化）、属性构造（特征构造）等方法。去除虚假数据属于数据清理的内容，不属于数据变换。13.根据操作的反馈总结更好的策略，这个过程抽象出来，就是(___)A、强化训练B、加强训练C、强化学习D、加强学习正确答案：C答案解析：强化学习是智能体（agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖励来不断调整自己的行为策略，根据操作的反馈总结更好的策略符合强化学习的特点。强化训练强调在已有训练基础上加大训练强度；加强训练侧重于进一步增强训练力度；加强学习并非一个准确的专业术语描述这种通过反馈优化策略的过程。14.二项分布的数学期望为（）。A、n(1-n)pB、np(1-p)C、npD、n(1-p)正确答案：C答案解析：二项分布\(X\simB(n,p)\)的数学期望\(E(X)=np\)。15.数据挖掘技术包括三个主要的部分()。A、建模能力、算法与技术、领域知识B、数据、建模能力、算法与技术C、算法、技术、领域知识D、数据、模型、技术正确答案：B答案解析：数据挖掘技术主要包括三个部分，即数据、建模能力、算法与技术。数据是挖掘的基础，建模能力决定了如何构建有效的模型来分析数据，算法与技术则是实现数据挖掘的具体手段，它们相互配合，共同完成数据挖掘的任务。16.大数据中的“速度”包含两种A、加速度处理速度B、增长速度反馈速度C、增长速度处理速度D、加速度反馈速度正确答案：C17.以下()的说法是正确。A、术语NoSQL是“No!SQL”的缩写B、术语NoSQL可以理解为“NotOnlySQL”的缩写C、NoSQL数据库始终遵循ACID原则D、NoSQL数据库属于关系数据库技术正确答案：B答案解析：NoSQL是“NotOnlySQL”的缩写，表示不仅仅是SQL。选项A说法错误。NoSQL数据库不遵循ACID原则，选项C错误。NoSQL数据库不属于关系数据库技术，选项D错误。18.以下哪些算法是分类算法（）A、DBSCANB、C4.5C、K-MeanD、EM正确答案：B答案解析：DBSCAN是密度聚类算法；C4.5是分类算法；K-Mean是聚类算法；EM是期望最大化算法用于聚类等，不是分类算法。所以答案是B。19.下列哪个不是专门用于可视化时间空间数据的技术：()A、矢量场图B、饼图C、曲面图D、等高线图正确答案：B答案解析：饼图主要用于展示各部分占总体的比例关系，不是专门用于可视化时间空间数据的技术。等高线图可用于表示地形等空间数据随高度的变化，与空间相关；曲面图能展示三维空间数据的分布；矢量场图常用于表示空间中矢量的分布，都与时间空间数据可视化有关。20.数据清洗是指在数据审计活动的基础上，将（）清洗成（）的过程。A、“脏数据”；“干净数据”B、“乱数据”；“整齐数据”C、“乱数据”；“干净数据”D、“脏数据”；“整齐数据”正确答案：A答案解析：数据清洗是指在数据审计活动的基础上，将“脏数据”清洗成“干净数据”的过程。“脏数据”是指存在错误、不完整、重复或不一致等问题的数据，而数据清洗的目的就是通过一系列技术和方法对这些“脏数据”进行处理，使其变得完整、准确、一致，成为“干净数据”，以便后续的数据分析、挖掘和利用等操作能够更加有效和可靠地进行。21.对于一个图像识别问题(在一张照片里找出一只猫)，下面哪种神经网络可以更好地解决这个问题？A、卷积神经网络B、循环神经网络C、感知机D、多层感知机正确答案：A答案解析：卷积神经网络在处理图像数据方面具有显著优势。它专门设计用于处理具有网格结构的数据，如图像。卷积层能够自动提取图像的局部特征，通过卷积核在图像上滑动，捕捉图像的纹理、形状等特征信息。对于在照片中找出猫这样的图像识别任务，卷积神经网络可以有效地学习到猫的各种特征模式，从而准确地进行识别。而循环神经网络主要用于处理序列数据；感知机是神经网络的基础，处理能力有限；多层感知机虽然也可用于图像识别，但没有卷积神经网络针对图像的特性，处理效率和效果相对较差。22.在高斯混合分布中，其隐变量的含义是：A、表示高斯分布的方差B、表示高斯分布的均值C、表示数据分布的概率D、表示数据从某个高斯分布中产生正确答案：D答案解析：在高斯混合分布中，隐变量表示数据从某个高斯分布中产生。高斯混合模型是由多个高斯分布混合而成，隐变量用于确定每个数据点是由哪个具体的高斯分布生成的。方差由高斯分布中的参数表示，均值也是高斯分布的参数，数据分布的概率是通过混合模型计算得到的结果，并非隐变量的含义。23.当训练数据较少时更()发生过拟合。A、容易B、不会C、不容易正确答案：A答案解析：当训练数据较少时，模型能够学习到的数据特征有限，为了拟合这些少量的数据，模型可能会过度关注数据中的噪声和局部特征，从而导致过拟合现象更容易发生。24.人工神经网络学习中()主要采用反向传播算法。A、多层网络学习B、决策树学习C、概念学习D、单元学习算法正确答案：A答案解析：多层网络学习中主要采用反向传播算法。反向传播算法用于计算输出与预期输出之间的误差，并将误差反向传播回网络中，以调整神经元之间的连接权重，从而使网络能够更好地拟合数据，适用于多层神经网络的训练。而单元学习算法、决策树学习、概念学习通常不主要采用反向传播算法。25.子空间样本密度大幅提高，距离计算变得更为容易的是（）A、低维嵌入B、核化线性降维C、主成分分析D、k近邻学习正确答案：A答案解析：低维嵌入可以将高维数据映射到低维空间，使得子空间样本密度大幅提高，距离计算变得更为容易。核化线性降维主要是通过核技巧对线性降维进行扩展；主成分分析是一种线性降维方法；k近邻学习主要用于分类和回归等任务，并非直接针对子空间样本密度和距离计算进行优化。所以答案是A。26.有一长为16m的篱笆，要围成一个矩形场地，则矩形场地的最大面积是________m2A、16B、14C、15D、$18正确答案：A答案解析：设矩形的长为\(x\)m，则宽为\(\frac{16}{2}-x=(8-x)\)m，矩形面积\(S=x(8-x)=-x^{2}+8x\)。对于二次函数\(y=-x^{2}+8x\)，其图象开口向下，对称轴为\(x=-\frac{8}{2\times(-1)}=4\)，所以当\(x=4\)时，面积\(S\)取得最大值，最大值为\(-4^{2}+8\times4=16\)\(m^{2}\)，所以矩形场地的最大面积是\(16\)\(m^{2}\)，大于\(16\)不成立，大于\(14\)成立，大于\(15\)不成立，大于\(18\)不成立，故答案选A。27.语句np.sum（arr3,axis=1）的作用是（）？注：（已导入numpy库）importnumpyasnpA、对整个数组求和B、对每一行求和C、对第1列求和D、对每一列求和正确答案：B答案解析：对整个数组求和使用的是np.sum(arr3)，对每一列求和是np.sum(arr3,axis=0)，而np.sum(arr3,axis=1)的作用是对每一行求和。28.语言模型的参数估计经常使用MLE（最大似然估计）。面临的一个问题是没有出现的项概率为0，这样会导致语言模型的效果不好。为了解决这个问题，需要使用()A、随机插值B、去噪C、平滑D、增加白噪音正确答案：C答案解析：最大似然估计中没有出现的项概率为0，会导致语言模型效果不好，平滑技术可以解决这个问题，对未出现的项赋予一个非零的概率值，从而改善语言模型的性能。去噪主要是针对数据中的噪声进行处理；随机插值与解决未出现项概率为0的问题无关；增加白噪音也不能解决该问题。所以应选平滑。29.专用人工智能的简称是（）。A、ANIB、AGIC、AIND、AIG正确答案：A答案解析：专用人工智能（ArtificialNarrowIntelligence，简称ANI），它只能解决特定领域的问题。AGI是通用人工智能的简称；AIN不是人工智能常见的特定简称类型；AIG一般指人工智能生成内容（ArtificialIntelligenceGeneratedContent）等，不是专用人工智能的简称。30.CPU主要通过增加指令，增加核数等方式来提升AI性能。A、TRUEB、FALSE正确答案：A答案解析：CPU提升AI性能的方式有多种，其中增加指令、增加核数等是常见的手段。增加指令可以使CPU执行更复杂、更高效的计算任务，以适应AI算法中多样化的计算需求；增加核数则能实现并行计算，加快AI任务的处理速度，从而提升整体的AI性能。所以该说法是正确的，答案选A。分割以上就是对该题答案及解析的说明。31.对于k折交叉验证，以下对k的说法正确的是？A、k越大，不一定越好，选择大的k会加大评估时间B、选择更大的k，就会有更小的bias（因为训练集更加接近总数据集）C、在选择k时，要最小化数据集之间的方差D、以上所有正确答案：D答案解析：对于选项A，k越大，模型在更多不同的训练子集上进行训练和评估，虽然理论上能更全面地反映模型性能，但会增加计算量和评估时间，所以不一定越好；对于选项B，k越大，训练集越接近总数据集，模型的偏差（bias）会越小；对于选项C，在选择k时，确实需要考虑最小化数据集之间的方差等因素，以保证交叉验证的有效性和稳定性。综合来看，以上所有说法都是正确的。32.生成式方法是直接基于(___)的方法?A、生成式学习B、生成式场景C、生成式数据D、生成式模型正确答案：D答案解析：生成式方法是直接基于生成式模型的方法。生成式模型旨在学习数据的生成过程，通过对数据分布的建模，能够生成与训练数据相似的数据样本。例如在图像生成任务中，生成式模型可以学习到图像中各种元素的分布规律，从而生成新的图像。而生成式学习强调的是学习的方式；生成式场景并非其直接基于的核心；生成式数据是基于生成式模型产生的结果而非基础。所以答案是[D、]生成式模型。33.在不考虑标记样本时，支持向量机试图找到(___)间隔划分超平面A、最大B、最短C、最小D、最长正确答案：A34.我们想要减少数据集中的特征数，即降维。选择以下适合的方案①使用前向特征选择方法②使用后向特征排除方法③我们先把所有特征都使用，去训练一个模型，得到测试集上的表现然后我们去掉一个特征，再去训练，用交叉验证看看测试集上的表现，如果表现比原来还要好，我们可以去除这个特征④查看相关性表，去除相关性最高的一些特征A、①②③④B、①②④C、①②D、②③④正确答案：A35.图像分类任务是一个计算量较大的任务，下面描述正确的是：①.不要使用深度学习技术②.尽量使用GPU加速运算③.尽量使用前人探索的有成功经验的经典的网络结构④.尽量自己重新设计编写网络，不要照搬别人的网络A、①③B、①②③C、②③D、①②正确答案：C答案解析：图像分类计算量较大，深度学习技术在图像分类任务中表现出色，①错误。GPU具有强大的并行计算能力，能显著加速运算，②正确。使用前人探索的有成功经验的经典网络结构，可减少开发时间和风险，③正确。自己重新设计编写网络难度大且风险高，可在经典网络基础上改进，④错误。所以正确的是②③，答案选C。36.模型训练的目的是确定预测变量与()之间的推理方式。A、因变量B、结果C、目标值D、自变量正确答案：C37.以下剪枝算法中性能最好的是A、REPB、IREPC、RIPPERD、CN2正确答案：C38.HUAWEIHiAI平台支持与哪一个工具集成?A、JupyterNotebookB、MyEclipseC、AndroidStudioD、Spider正确答案：C39.为满足数据加工的质量要求需要对数据进行()A、数据清洗B、数据转换C、数据排序D、数据标注正确答案：A答案解析：数据清洗主要是对原始数据进行处理，去除噪声数据、处理缺失值、纠正错误数据等，以提高数据质量，满足数据加工的质量要求。数据转换侧重于改变数据的格式、结构等；数据排序是按照一定规则对数据进行排列；数据标注是给数据添加标签，它们都不能直接像数据清洗那样从根本上解决数据质量问题以满足加工要求。40.知识图谱中的边称为？A、关系B、特征C、连接边D、属性正确答案：A答案解析：知识图谱中的边表示实体之间的关联，这种关联通常被称为关系。连接边不是知识图谱中对边的标准称谓；属性一般是与实体相关的特性，不是边；特征通常也是针对实体而言，并非知识图谱里边的称呼。41.关于“与／或”图表示知识的叙述，错误的有（）。A、用“与／或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理B、“与／或”图表示知识时一定同时有“与节点”和“或节点”C、“与／或”图能方便地表示陈述性知识和过程性知识D、能用“与／或”图表示的知识不适宜用其他方法表示正确答案：D答案解析：能用“与／或”图表示的知识也适宜用其他方法表示，比如谓词逻辑表示法等，所以选项D叙述错误。选项A，“与／或”图便于用程序设计语言表达和计算机存储处理，是正确的；选项B，“与／或”图表示知识时通常会同时存在“与节点”和“或节点”，正确；选项C，它能方便地表示陈述性知识和过程性知识，也是正确的。42.在Skip-gram实际实现的过程中，通常会让模型接收（）个tensor输入。A、$4B、3C、2D、1正确答案：B43.每一棵决策树拟合的是之前迭代得到的模型的（）A、标准差B、均方差C、残差D、方差正确答案：C答案解析：在梯度提升算法中，每一棵决策树拟合的是之前迭代得到的模型的残差。梯度提升通过不断拟合残差来逐步优化模型，使得模型能够更好地捕捉数据中的复杂关系。均方差、标准差和方差都不是这里拟合的对象。44.（）控制着整个LSTM单元的状态或者记忆，它会根据每个时刻的输入进行更新。A、隐状态向量B、状态向量C、显状态向量D、以上都不对正确答案：B答案解析：长短期记忆网络（LSTM）中的状态向量控制着整个LSTM单元的状态或者记忆，它会根据每个时刻的输入进行更新。隐状态向量用于传递当前时刻的信息给下一层或其他部分；显状态向量不是LSTM中控制单元状态或记忆的标准术语。所以答案选B。45.数组与列表的区别在于（）A、数组元素可变，列表元素不可变B、以上都不对C、列表元素类型必须一致，数组可以不一致D、数组元素类型必须一致，列表可以不一致正确答案：D答案解析：数组和列表有一些区别，其中数组元素类型必须一致，而列表可以包含不同类型的元素。选项A描述错误，数组元素通常不可变，列表元素可变；选项C错误，列表元素类型可以不一致，数组元素类型需一致。所以正确答案是D。46.以下说法正确的是()A、监督学习与无监督学习的主要区别是，监督学习的训练样本无标签B、决策树只能用于二分类问题C、神经网络可以用于多分类问题D、分类任务的评价指标精确率和准确率是同一个概念正确答案：C答案解析：神经网络是一种强大的机器学习模型，它可以处理多分类问题。通过构建具有多个输出神经元的神经网络，可以对多个类别进行预测。决策树不仅可以用于二分类问题，也可以用于多分类问题。监督学习的训练样本有标签，无监督学习的训练样本无标签。分类任务的评价指标精确率和准确率不是同一个概念。精确率是指预测为正例的样本中真正的正例所占的比例，而准确率是指预测正确的样本数占总样本数的比例。47.numpy数组的ndim属性是（）？A、数组的维度B、各维度大小的元组C、行数D、列数正确答案：A答案解析：ndim属性返回的是数组的维度。例如，一个一维数组的ndim为1，一个二维数组的ndim为2。选项B中各维度大小的元组对应的是shape属性；选项C行数是二维数组shape属性中的第一个元素；选项D列数是二维数组shape属性中的第二个元素。48.Python对not、or、and求值的优先顺序是（）。A、and、or、notB、not、and、orC、or、and、notD、or、not、nad正确答案：B答案解析：在Python中，逻辑运算符的优先级顺序是not>and>or。not是最高优先级，然后是and，最后是or。49.NMS算法中文名为（）A、非极大值抑制B、非极小值抑制C、极大值抑制D、极小值抑制正确答案：A答案解析：非极大值抑制（Non-MaximumSuppression）是目标检测中用于筛选候选框的重要算法。它的主要作用是抑制那些得分较低且与高分框重叠度较高的候选框，最终保留具有代表性的高质量候选框。在目标检测流程中，模型会生成大量的候选框，这些候选框可能会存在很多冗余，NMS算法通过计算候选框之间的重叠度，并根据设定的阈值来决定保留哪些候选框，从而提高检测的准确性和效率。50.MapReduce默认的分区函数是()。A、hashB、diskC、reduceD、map正确答案：A答案解析：MapReduce默认的分区函数是根据键的哈希值来进行分区的，所以是hash分区。其他选项disk、reduce、map均不符合默认分区函数的情况。51.关于人工智能的发展历史下列说法中不正确的是（）。A、其发展阶段经历了三次大的浪潮。B、第一次是50-60年代注重逻辑推理的机器翻译时代。C、人工智能的概念形成于20世纪40年代。D、第二次是70-80年代依托知识积累构建模型的专家系统时代。正确答案：C答案解析：人工智能的概念形成于20世纪50年代。人工智能发展阶段经历了三次大的浪潮，第一次是50-60年代注重逻辑推理的机器翻译时代；第二次是70-80年代依托知识积累构建模型的专家系统时代。所以选项C说法不正确。人工智能的概念是在达特茅斯会议上正式提出的，时间是1956年，并非20世纪40年代。52.当在卷积神经网络中加入池化层(poolinglayer)时，变换的不变性会被保留，是吗？A、不知道B、是C、否D、看情况正确答案：B答案解析：池化层的主要作用之一就是保留特征的平移不变性等不变性，它通过对局部区域进行下采样操作，在减少数据量的同时，保持了特征的一些重要特性，使得网络对输入的一些变换具有更强的鲁棒性，所以当在卷积神经网络中加入池化层时，变换的不变性会被保留。53.关于集成学习，以下说法错误的是A、集成学习一定能提升个体学习器的性能&B、&Bagging方法中，个体学习器之间彼此独立&C、&Boosting是一种重视错误样本的学习方法&D、&Boosting方法中，个体学习器存在强依赖正确答案：A答案解析：集成学习不一定能提升个体学习器的性能，因为集成学习的效果取决于个体学习器的性能、多样性以及组合方式等多种因素。Bagging方法中个体学习器之间彼此独立，Boosting是一种重视错误样本的学习方法且个体学习器存在强依赖，故B、C、D选项说法正确，A选项说法错误。54.在进行主成分分析时，应使第一主成分在总方差中所占的比重()。A、最小B、次大C、最大D、为各个主成分所占比重的加权平均值正确答案：C答案解析：主成分分析的目的是将多个相关变量转化为少数几个互不相关的主成分，其中第一主成分是方差最大的方向，它能够最大程度地解释数据的变异，所以第一主成分在总方差中所占的比重应最大。55.为了解决如何模拟人类的感性思维，例如视觉理解、直觉思维、悟性等，研究者找到一个重要的信息处理的机制是：。A、人工神经网络B、专家系统C、智能代理D、模式识别正确答案：A答案解析：人工神经网络是一种模仿人类神经系统的计算模型，它能够处理复杂的非线性关系，对于模拟人类的感性思维，如视觉理解、直觉思维、悟性等具有重要作用。专家系统主要是基于知识和规则进行推理；模式识别侧重于对模式的分类和识别；智能代理是能够代表用户执行任务的软件实体，