2026年信息技术刘来权课后习题附答案

2026年信息技术刘来权课后习题附答案一、单项选择题（每题2分，共20分）1.2025年某企业部署的智能生产系统中，边缘计算节点与云中心采用混合架构，其核心目的是（）。A.降低云端计算压力B.提升数据传输速率C.减少本地存储需求D.增强系统抗电磁干扰能力答案：A。边缘计算通过在数据源附近处理数据，减少需要上传至云端的数据量，从而降低云端压力；提升传输速率需依赖网络优化，非边缘计算核心目标。2.以下关于6G网络“AI原生”特性的描述，错误的是（）。A.网络架构设计初期即嵌入AI算法B.支持动态自优化与自修复C.需依赖人工配置实现资源调度D.可基于用户行为预测调整网络参数答案：C。6G的AI原生特性强调网络自主学习与决策，无需人工干预即可完成资源调度。3.某高校开发的“智能教学助手”采用多模态大模型，其输入数据不包括（）。A.学生课堂语音录音B.实验仪器输出的温度曲线C.教师板书的手写体文字D.校园卡消费记录的结构化表格答案：D。多模态大模型处理的是文本、语音、图像、视频等非结构化或半结构化数据，校园卡消费记录属于结构化数据，通常由传统数据库系统处理。4.量子计算中，“量子比特”与经典比特的本质区别是（）。A.量子比特可处于0和1的叠加态B.量子比特存储容量更大C.量子比特传输速度更快D.量子比特无需电源维持状态答案：A。量子比特的核心特性是量子叠加，允许同时表示0、1及其叠加态，而经典比特只能取0或1。5.区块链系统中，“梅克尔树（MerkleTree）”的主要作用是（）。A.验证交易数据的完整性B.提高区块打包速度C.增强节点间通信安全性D.实现跨链数据互操作答案：A。梅克尔树通过哈希值分层聚合，可快速验证区块内任意交易是否被篡改，确保数据完整性。6.某医院使用联邦学习技术联合多家机构训练疾病诊断模型，其关键优势是（）。A.无需共享原始数据即可提升模型性能B.模型训练速度比集中式学习快50%以上C.完全避免数据泄露风险D.支持实时更新所有参与方的本地模型答案：A。联邦学习通过本地训练、参数加密上传、中心聚合的方式，在不共享原始数据的前提下联合优化模型；B错误，因通信开销可能降低速度；C错误，存在参数逆向攻击风险；D错误，仅聚合后的模型反馈给参与方。7.以下不属于“数字孪生”关键技术的是（）。A.实时传感器数据采集B.物理实体3D建模C.基于规则的专家系统D.多物理场耦合仿真答案：C。数字孪生需通过实时数据驱动虚拟模型与物理实体同步，依赖建模、仿真、物联网等技术；专家系统基于固定规则，无法实现动态迭代，不属于核心技术。8.2025年某城市部署的“智能交通大脑”中，交通信号优化模块采用强化学习算法，其奖励函数设计的核心依据是（）。A.车辆平均等待时间B.信号灯切换频率C.路口摄像头清晰度D.天气湿度变化答案：A。强化学习的奖励函数需直接反映优化目标，交通信号优化的核心目标是减少车辆等待时间，因此A是关键依据。9.关于“隐私计算”技术，以下表述正确的是（）。A.同态加密允许在加密数据上直接进行计算B.安全多方计算要求所有参与方完全可信C.差分隐私会显著降低数据可用性D.隐私计算仅适用于结构化数据答案：A。同态加密支持对密文进行运算，结果解密后与明文运算一致；B错误，安全多方计算假设参与方不可信；C错误，差分隐私通过添加可控噪声平衡隐私与可用性；D错误，隐私计算可处理文本、图像等非结构化数据。10.某企业开发的“智能客服机器人”需识别用户意图（如咨询、投诉、售后），其采用的主要技术是（）。A.自然语言理解（NLU）B.自然语言提供（NLG）C.语音识别（ASR）D.语音合成（TTS）答案：A。意图识别属于自然语言理解范畴，需分析文本语义并分类；NLG是提供回复，ASR是语音转文本，TTS是文本转语音。二、填空题（每空2分，共20分）1.6G网络的典型应用场景包括全息通信、（）、智能交互与数字孪生。答案：空天海地一体化通信2.量子计算中的“量子纠缠”是指两个或多个量子比特的状态（），即使相隔遥远也会保持关联。答案：相互依赖（或“不可分割地关联”）3.联邦学习按数据分布差异可分为横向联邦（特征相同、样本不同）、纵向联邦（样本相同、特征不同）和（）（样本与特征均不同）。答案：联邦迁移学习4.数字孪生系统的核心组成包括物理实体、虚拟模型、（）与服务应用。答案：连接交互（或“数据交互接口”）5.区块链的共识机制中，（）通过节点持有代币数量与时长决定记账权，降低了工作量证明的能耗问题。答案：权益证明（PoS）6.边缘计算的“边缘”通常指靠近（）或数据源头的网络边缘侧，如基站、路由器、智能终端等。答案：用户7.多模态大模型的“多模态”一般指同时处理文本、图像、（）、视频等多种类型的数据。答案：语音（或“音频”）8.隐私计算中的“差分隐私”通过向数据中添加（），使得单个个体的数据无法被精确识别。答案：随机噪声9.智能合约是区块链上可自动执行的（），其条款以代码形式写入区块。答案：计算机程序（或“协议”）10.强化学习中的“智能体（Agent）”通过与（）交互，学习最大化累积奖励的策略。答案：环境三、简答题（每题8分，共40分）1.简述边缘计算与云计算的协同模式及其应用价值。答案：协同模式包括：①数据分流，边缘处理实时性要求高、体积小的数据，云端处理非实时、大规模数据；②模型协同，边缘侧部署轻量级模型进行本地推理，云端负责模型训练与更新；③资源互补，边缘提供低延迟计算，云端提供高算力支持。应用价值：降低网络带宽压力，提升响应速度（如自动驾驶实时决策），保障数据隐私（减少敏感数据上传），支持离线场景（如工业设备断网时的本地控制）。2.说明多模态大模型在教育领域的典型应用及需解决的关键问题。答案：典型应用：①智能辅导，结合学生语音提问、手写作业图像、实验操作视频等多模态数据提供个性化解答；②课堂分析，通过捕捉教师表情、肢体语言与学生课堂互动数据评估教学效果；③虚拟实验，融合3D模型、仿真视频与文字指导构建沉浸式实验环境。关键问题：多模态数据对齐（不同模态信息的语义关联）、计算资源需求大（需高效压缩或轻量化模型）、隐私保护（学生敏感数据的安全存储与使用）。3.对比传统数据库与区块链存储的差异（从数据结构、修改规则、信任机制三方面）。答案：①数据结构：传统数据库为二维表结构，按行/列存储；区块链为链式结构，每个区块包含前一区块哈希值，形成不可篡改的时间戳序列。②修改规则：传统数据库支持增删改查，需权限验证；区块链仅允许追加新数据，历史数据通过共识机制锁定，无法直接修改。③信任机制：传统数据库依赖中心机构（如管理员）保证数据可信；区块链通过共识算法（如PoW、PoS）与密码学（如哈希、签名）实现分布式信任，无需中心权威。4.解释“AI伦理”在智能医疗系统中的具体体现及应对措施。答案：具体体现：①算法偏见，训练数据中疾病样本分布不均可能导致对特定群体（如罕见病患者）的诊断误差；②隐私泄露，患者病历、影像等敏感数据在模型训练或推理过程中可能被非法获取；③责任归属，诊断错误时难以界定是医生、算法开发者还是系统运维方的责任。应对措施：采用公平性约束的模型训练方法（如对抗公平性训练），使用联邦学习或隐私计算技术保护数据隐私，建立“人在环中”的决策机制（AI建议需经医生确认），制定明确的法律条款划分责任边界。5.分析6G“空天海地一体化”网络的技术挑战与潜在解决方案。答案：技术挑战：①异质网络融合，卫星、无人机、地面基站、海洋传感器等网络协议与频段差异大；②超高频段（如太赫兹）信号衰减严重，传输距离短；③终端移动性高（如卫星高速移动、无人机灵活飞行），需动态调整链路连接。潜在解决方案：采用软件定义网络（SDN）与网络功能虚拟化（NFV）实现异质网络统一管理；研发太赫兹频段的新型天线（如超表面天线）提升信号增益；利用AI算法预测终端移动轨迹，提前规划最优通信链路。四、应用题（每题10分，共20分）1.某电商平台计划开发“商品推荐系统”，要求结合用户历史购买记录（结构化数据）、搜索关键词（文本）、浏览商品图片（图像）及直播观看时长（行为数据），设计技术方案并说明关键步骤。答案：技术方案：采用多模态融合的推荐模型，整合结构化数据、文本、图像与行为数据。关键步骤：①数据采集与预处理：通过埋点获取用户行为数据，使用OCR提取商品图片中的关键信息（如品牌、型号），对搜索关键词进行分词与情感分析；②特征工程：结构化数据（如购买金额）进行标准化处理，文本数据通过BERT模型提取语义向量，图像数据通过ResNet提取视觉特征，行为数据（如直播时长）转换为时间序列特征；③多模态融合：使用交叉注意力机制（Cross-Attention）融合不同模态特征，捕捉用户兴趣的跨模态关联（如“搜索‘轻薄笔记本’+浏览金属外壳图片”对应高端轻薄本偏好）；④模型训练与优化：采用深度学习框架（如PyTorch）训练推荐模型，以点击率（CTR）和购买转化率为指标，通过强化学习动态调整推荐策略；⑤在线部署与迭代：将模型部署至边缘服务器降低延迟，实时收集用户反馈数据，定期更新模型参数。2.某城市拟建设“智慧社区”，需实现以下功能：①老人独居安全监测（通过智能手环、门磁传感器）；②垃圾分类自动识别（通过摄像头）；③社区能耗优化（通过电表、水表数据）。请设计一个基于物联网与AI的系统架构，并说明各模块的作用。答案：系统架构分为感知层、网络层、平台层与应用层。感知层：部署智能手环（采集心率、定位数据）、门磁传感器（监测门开关状态）、摄像头（拍摄垃圾图像）、智能电表/水表（实时采集能耗数据），负责实时获取社区物理环境数据。网络层：采用5G+Wi-Fi6+LPWAN（低功耗广域网）混合组网，5G满足摄像头高清视频传输的高带宽需求，Wi-Fi6覆盖社区公共区域短距离连接，LPWAN支持智能手环、门磁等低功耗设备的长距离通信。平台层：①物联网管理平台，负责设备接入、数据清洗（如过滤手环异常心跳数据）、协议转换（将不同传感器的私有协议转换为MQTT标准协议）；②AI算力平台，部署图像识别模型（基于YOLOv8的垃圾分类检测）、时序预测模型（基于LSTM的能耗趋势分析）、异常检测模