2026年青岛科技大学人工智能期末考试题试卷及答案

青岛科技大学人工智能期末考试题考试时间：______分钟总分：______分姓名：______注意事项：1．答题前填写好自己的姓名、班级、考号等信息;2．请将答案正确填写在答题卡上一、单项选择题（每题2分，共10题）1.下列哪种机器学习算法属于监督学习？（）A.决策树B.神经网络C.K-means聚类D.支持向量机答案：D解析：支持向量机（SVM）寻找最大间隔超平面进行分类或回归，属于监督学习；K-means聚类是无监督学习。2.深度学习中，卷积神经网络（CNN）的核心组件是？（）A.隐藏层B.卷积核C.反向传播D.激活函数答案：B解析：卷积核负责提取图像局部特征，是CNN的核心组件。3.自然语言处理（NLP）中的预训练模型不包括？（）A.BERTB.GPTC.Word2VecD.Transformer答案：D解析：Transformer是模型架构名称，而非预训练模型。4.数据预处理中，用于标准化数据的是？（）A.归一化B.主成分分析（PCA）C.one-hot编码D.数据增强答案：A解析：归一化将数据缩放到相同范围，PCA用于降维。5.下列哪种是生成对抗网络（GAN）的主要目标？（）A.最小化损失函数B.生成真实数据分布C.提高准确率D.降低计算成本答案：B解析：GAN生成器和判别器的对抗训练逼近真实数据分布。6.在机器学习中，特征工程的关键作用是？（）A.减少模型复杂度B.提升数据质量C.加速训练过程D.降低内存消耗答案：B解析：特征工程数据清洗、转换等提升输入数据的有效性。7.下列哪种算法适用于小样本学习？（）A.决策树B.集成学习C.支持向量机D.随机森林答案：C解析：SVM核技巧解决小样本问题。8.在图像识别中，数据增强常用的方法不包括？（）A.旋转B.色调调整C.主成分分析D.错位答案：C解析：主成分分析用于降维，而非图像增强。9.下列哪种框架用于训练大规模深度神经网络？（）A.TensorFlowB.PyTorchC.KerasD.Scikit-learn答案：B解析：PyTorch支持动态计算图，适合复杂模型训练。10.在推荐系统中，协同过滤的缺点是？（）A.需要大量用户数据B.无法处理新用户C.实时性高D.成本低答案：B解析：协同过滤依赖用户历史行为，新用户缺乏数据导致推荐困难。二、填空题（每题4分，共5题）1.的三类主要分支是机器学习、计算机视觉和________。答案：自然语言处理解析：自然语言处理（NLP）是AI的核心领域之一。2.深度学习中，激活函数ReLU的数学表达式是________。答案：f(x)=max(0,x)解析：ReLU函数用于缓解梯度消失问题。3.在神经网络中，反向传播算法的关键步骤是计算梯度并________。答案：更新参数解析：参数更新梯度下降实现。4.机器学习中的过拟合现象通常________或数据增强来解决。答案：正则化解析：正则化（如L1/L2）限制模型复杂度。5.下列术语对应关系正确的是：________。答案：Transformer-自注意力机制解析：Transformer模型的核心是自注意力机制。三、简答题（每题10分，共4题）1.简述卷积神经网络（CNN）在图像分类中的应用流程。答案：CNN流程包括数据预处理（归一化、增强）、卷积层提取特征、池化层降维、全连接层分类。多层级特征融合提升分类精度。解析：需涵盖各层功能及整体流程逻辑。2.比较监督学习和无监督学习的核心区别。答案：监督学习依赖带标签数据训练，目标明确（如分类、回归）；无监督学习处理无标签数据，旨在发现数据内在结构（如聚类、降维）。解析：需明确数据形式和训练目标差异。3.讨论数据不平衡对机器学习模型的影响及解决方法。答案：数据不平衡会导致模型偏向多数类，降低少数类识别率。解决方法包括过采样（SMOTE）、欠采样、调整损失函数权重或使用集成学习。解析：需列举具体技术并说明原理。4.简述生成对抗网络（GAN）的训练目标及优势。答案：GAN生成器和判别器的对抗训练，使生成数据逼近真实分布。优势在于可生成高质量图像、视频等数据，适用于内容生成任务。解析：需强调对抗过程及生成能力。四、应用题（每题15分，共3题）1.设计一个基于深度学习的医疗影像诊断系统，需包含哪些模块？答案：系统应包括数据采集与预处理（标准化、增强）、模型训练（CNN+迁移学习）、结果输出（分类报告）及后处理（置信度筛选）。需考虑隐私保护和模型可解释性。解析：需覆盖全流程并体现实际应用考量。2.某电商推荐系统使用协同过滤算法，如何解决用户兴趣漂移问题？答案：可引入时间衰减因子调整历史行为权重，结合实时点击数据更新用户画像，或采用混合推荐（协同过滤+内容推荐）增强动态适应性。解析：需提出具体技术并说明实施逻辑。3.某公司计划开发智能客服系统，需选