人工智能基础概念习题库与答案

人工智能基础概念习题库与答案

一、单选题(共59题，每题1分，共59分)

1.下列不是人工智能研究领域的是O

A、专家系统

B、机器翻译

C、模式识别

D、编译原理

正确答案：D

答案解析；编译原理主要研究程序设计语言的翻译和执行等相关内

容，不属于人工智能研究领域。专家系统是利用特定领域知识进行

推理和决策的人工智能应用；模式识别旨在让计算机识别各种模式,

是人工智能的重要研究方向；机器翻译是利用人工智能技术实现不

同语言之间的翻译。

2.用于寻找出某个能够达到给定目标的动作序列或步骤的专家系统

是()O

M规则专家系统

B、设计专家系统

C、预测专家系统

D、诊断专家系统

正确答案.A

答案解析；规划专家系统是用于寻找出某个能够达到给定目标的动

作序列或步骤的专家系统。设计专家系统主要用于设计新产品等；

诊断专家系统用于对故障等进行诊断；预测专家系统用于预测未来

趋势等，均不符合题意。

3.数据仓库是随着时间变化的，下面的描述不正确的是()

A、数据仓库随时间的变化不断增加新的数据内容；

B、捕捉到的新数据会覆盖原来的快照；

C、数据仓库随事件变化不断删去旧的数据内容；

D、数据仓库中包含大量的综合数据，这些综合数据会随着时间的变

化不断地进行重新综合.

正确答案：C

答案解析：数据仓库是随着时间不断变化的，它会不断增加新的数

据内容，A选项正确；捕捉到的新数据会覆盖原来的快照，B选项正

确；数据仓库一般不会删去旧的数据内容，而是不断积累，C选项

错误；数据仓库中包含大量综合数据，这些综合数据会随着时间变

化不断重新综合，D选项正确。

4.Map阶段的输入是以()形式的行数据。

A、字符

B、链表

C、行列式

D、键值对

正确答案：D

答案解析:在MapReduce中，Map阶段的输入是以键值对(Key-

ValuePair)形式的行数据。键值对是一种将数据组织成两个相关

元素的方式，其中键用于标识数据，值用于存储与键相关的具体数

据。在Map任务中，谕入数据被解析成一个个键值对，然后传递给

Map函数进行处理。

5.缓解过拟合的一个办法是允许支持向量机在一些样本上出错•，以

下哪种形式适合这种方法。（）

A、多项式核函数支持向量机

B、线性核函数支持向量机

C、硬间隔支持向量机

D、软间隔支持向量机

正确答案.D

答案解析；软间隔支持向量机允许在一些样本上出错，通过引入松

弛变量来处理离群点或难以正确分类的样本，从而缓解过拟合问题。

硬间隔支持向量机要求所有样本都严格正确分类，不允许有错误；

线性核函数支持向量机和多项式核函数支持向量机主要涉及核函数

的选择用于处理非线性分类问题，并非直接针对缓解过拟合允许出

错样本这——特性。

6.下列关于线性茴归分析中的残差（Residuals）说法正确的是？

A、残差均值总是为零

B、残差均值总是小于零

C、残差均值总是大于零

D、以上说法都不对

正确答案：A

答案解析：在线性回归分析中，残差是观测值与预测值之间的差异。

根据残差的性质，残差的均值总是为零。这是因为在构建线性回归

模型时，我们通过最小二乘法来估计模型参数，使得残差平方和最

小。在这种情况下，残差的总和为零，所以其均值也为零。

7.概率模型的训练过程就是（）过程。

A、分布估计

B、参数估计

C、概塞估计

D、极大似然估计

正确答案：B

答案解析；分割概率模型的训练过程就是要确定模型中的参数，使

得模型能够最好地拟合给定的数据，这个过程就是参数估计的过程。

概率估计是对事件发生概率的估算；极大似然估计是一种参数估计

的方法；分布估计是对数据分布的推测等，均不如参数估计准确概

括概率模型的训练过程。

8.分布式人工智能研究和新领域是：

A、专家系统

B、分散控制

Gagent（艾真体）

D、互联网

正确答案：C

答案解析,：分布式人工智能研究的新领域是agent（艾真体）。专家

系统不属于分布式人工智能研究的新领域；分散控制与分布式人工

智能有一定关联但不是核心新领域；互联网是网络基础设施，并非

分布式人，:智能特定的研究新领域，而agent(义真体)是分布式人

工智能中很重要的研究对象和新领域。

9.神经网络研究属于下列哪个学派

A、符号主义

B、连接主义

C、行为主义

D、其他选项均不对

正确答案：B

答案解析：神经网络研究属于连接主义学派。连接主义强调神经网

络的结构和运行机制，通过模拟大脑神经元之间的连接方式来实现

智能，其研究重点在于构建和训练神经网络模型以解决各种问题。

符号主义侧重于基于符号逻辑和推理规则；行为主义强调基于行为

和环境交互来实现智能。所以神经网络研究属于连接主义学派。

10.()是以样本统计量作为未知总体参数的估计量，并通过对样本

单位的实际观察取得样本数据，计算样本统计量的取值作为被估计

参数的估计值

A、方差分析

B、回归分析

C、参数估计

D、逻辑分析

正确答案：C

答案解析；参数估计是以样本统计量作为未知总体参数的估计量，

并通过对样本单位的实际观察取得样本数据，计算样本统计量的取

值作为被估计参数的估计值。逻辑分析主要是对事物的逻辑关系等

进行分析推理；方差分析用于多个总体均值是否相等的检验等；回

归分析是研究变量之间的相关关系及建立回归模型等，均不符合题

意。

11.。是规则的置信度与先导的置信度之间的绝对差。

A、置信度差

B、信息差

C、标准差

D、置信度值

正确答案：A

答案解析；置信度差是规则的置信度与先导的置信度之间的绝对差。

例如在关联规则挖掘口，置信度差能帮助分析规则的有效性和稳定

性等情况，通过比较规则置信度和先导置信度的差值来评估规则的

价值。

12.人脸检测服务在测试图像中没有人脸时会报错。

A、TRUE

B、FALSE

正确答案：B

答案解析：当人脸检测服务在测试图像中没有人脸时，通常不会报

错，而是返回检测结果为未检测到人脸等相关信息，而不是报错。

所以这里应该是返回FALSE,答案选Bo人脸检测服务在没有检测

到人脸时不会进行报错这种异常操作，而是正常给出未检测到人脸

的判断结果，这个结果以FALSE表示检测未成功检测到人脸这种情

况。

13.关于贝叶斯网描述错误的是

A、也称为信念网

B、借助有向无环图刻画属性之间的关系

C、借助无向无环图刻画属性之间的关系

D、用条件概率表来描述属性的联合概率分布

正确答案：C

答案解析；贝叶斯网也称为信念网，它借助有向无环图来刻画属性

之间的关系，用条件概率表来描述属性的联合概率分布。所以选项

C中说借助无向无环图刻画属性之间的关系是错误的。

14.以下CNN网络模型中，最早用于手写数字识别的是（）

A、LeNet-5

B、AlexNet

C\ResNet50

D、ResNet152

正确答案：A

答案解析：LeNet-5是最早用于手写数字识别的CNN网络模型。它

由YannLeCun等人在1998年提出，专门针而手写数字识别任务设

计，在该领域取得了很好的效果。而AlexNet是2012年提出，主要

用于图像分类等任务；ResNet50和ResNetl52是更深的残差网络，

在ImageNet窖大规模图像数据集上表现出色，但却晚于LeNet-5。

15.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；人工智能的概念正式提出于1956年达特茅斯会议，20

世纪40年代是图灵提出图灵测试等相关思想为人工智能发展奠定基

础的时期，但概念正式形成不是在40年代。第一次浪潮是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；人工智能发展阶段经历了三次大的浪

潮，A、B、D选项说法均正确。

16.假如你在训练一个线性回归模型，有下面两句话：①如果数据量

较少，容易发生过拟合。②如果假设空间较小，容易发生过拟合。

关于这两句话，下列说法正确的是？

A、①和②都错误

B、①正确，②错误

C、①错误，②正确

D、①和②都正确

正确答案：B

答案解析：①如果数据量较少，模型能够学习的数据模式有限，容

易记住训练数据中的噪声等细节，从而发生过拟合，这句话是正确

的。②如果假设空间较小，模型的灵活性较低，难以过度拟合训练

数据，应该是不容易发生过拟合，所以这句话是错误的。

17.关于Boosting,Bagging和随机森林，以下说法错误的是

A、从偏差一方差分解的角度看，Boosting主要关注降低偏差

B、从偏差一方差分解的角度看，Bagging主要关注降低方差

C、随机森林简单、容易实现、计算开销小

D、Boosting不能基于泛化性能相当弱的学习器构建出很强的集成

正确答案：D

答案解析；从偏差-方差分解的角度看，Boosting主要关注降低偏

差,Bagging主要关注降低方亲。施机森林是Bagging的一个扩展

变体，它简单、容易实现、计算开销小。而且Boosting能基于泛化

性能相当弱的学习器构建出很强的集成，所以选项D说法错误。

18.不属于人工智能的学派是()

A、符号主义

B、机会主义

C、行为主义

D、连接主义

正确答案：B

答案解析•：人工智能主要有符号主义、行为主义和连接主义三大学

派。符号主义基于数理逻辑，强调知识表示和推理；行为主义源于

控制论，注重感知和行动：连接主义受神经科学启发，模拟神经网

络。机会主义不属于人工智能的学派。

19.()就是指分类任务中不同类别的训练样例数目差别很大的情况

A、类别不平衡

B、类别不相同

C、类别不对等

D、类别数不同

正确答案：A

答案解析；类别不平衡是指分类任务中不同类别的训练样例数目差

别很大的情况。类别不相同强调的是类别本质的差异；类别不对等

不是常见的针对这种情况的表述；类别数不同侧重于数量的多少不

同，没有突出数目差别大这种不平衡的关键特征。所以这里选类别

不平衡。

20.以下说法中错误的是()

A、SVM对噪声(如来自其他分部的噪声样本)具备鲁棒性

B、在adaoost算法中，所有被分错样本的权重更新比例不相同

Cxboosting和bagging椀是组合多个分类器投票的疗法，二者都

是根据单个分类器的正确率确定其权重

D、给定n个数据点，如果其中一半用于训练，一半用户测试，则训

练误差和测试误差之间的差别会随着n的增加而减少的

正确答案：C

答案解析；选项A,SVM对噪声具备一定鲁棒性，该说法正确；选项

B，在adaoost算法中，被分错样本的权重更新比例确实不相同，说

法正确；选项C,boosting是根据单个分类器的正确率确定其权重,

而bagging是对每个分类器同等对待，该选项说法错误；选项D,

给定n个数据点，训练数据和测试数据比例固定时，随着n增加，

训练误差和测试误差之间的差别会减少，说法正确。

21.在数据科学项目的活动流程中，()主要回答的是“我们用什么方

式记录和展现数据结果”。

A、模式/模型的验证和优化

B、数据的获得与管理

C、模式/模型的应用及维护

D、结果的可视化与文档化

正确答案：D

答案解析：在数据科学项目活动流程中，结果的可视化与文档化主

要解决用什么方式记录和展现数据结果的问题。通过可视化，可以

将数据以直观的图表等形式呈现，便于理解和分析；文档化则是对

整个项目过程、数据处理方法、模型等进行详细记录，方便后续查

阅和交流。

22.事务对数据对象加锁后拥有何种控制权是由封锁的()决定的。

A、属性

B、状态

C、类型

D、种类

正确答案：C

答案解析：封锁的类型决定了事务对数据对象加锁后拥有何种控制

权。比如共享锁允许事务读取数据，排他锁则不允许其他事务同时

对该数据进行读写操作等，不同类型的锁赋予事务不同的操作权限。

23.假定你在神经网络中的隐藏层中使用激活或数Xo在特定神经元

给定任意输入，你会得到输出r-ooooij0X可能是以下哪一个激活

函数()

A、ReLU

B、tanh

C、SIGMOID

D、以上都不是

正确答案；B

24.()谑人以自然语言同计算机进行交互的综合性技术，结合了

语言学、心理学、工程、计算机技术等领域的知识。

A、脑机交互

B、语音交互

G情感交互

D、体感交互

正确答案.B

答案解析；语音交互是指人通过自然语言与计算机进行交互的技术,

它融合了语言学、心理学、工程学、计算机技术等多领域知识，实

现人与计算机之间自然、流畅的沟通交流。情感交互侧重于情感方

面的互动；体感交互主要通过身体动作等进行交互；脑机交互是大

脑与机器之间的交互，均不符合座意。

25.二十世纪五十年代后期初，基于()的“连接主义”开始出现，

代表性工作有感知机和Adalineo

A、神经网络

B、机器学习

C、逻辑表示

D、深度学习

正确答案：A

答案解析；二十世纪五十年代后期初，基于神经网络的“连接主义”

开始出现，感知机和Adaline是其代表性工作。机器学习概念出现

时间稍晚；逻辑表示与连接主义不是同一类概念；深度学习是在更

晚时期发展起来的，基于早期的神经网络等不断演进。所以这里应

选Ao

26.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、平滑

B、去噪

C、随机插值

D、增加白噪音

正确答案：A

答案解析：当使用最大似然估计（MLE）时，对于未出现的项概率估

计为0,这会导致模型过于相信己出现的样本，而忽略了其他可能

的情况，使得语言模型效果不佳。平滑技术通过在概率估计中加入

一些均匀分布的概率质量，使得未出现的项也能获得一个非零的概

率，从而改善模型效果。去噪主要是针对数据中的噪声进行处理，

与解决未出现项概率为0的问题无关；随机插值没有针对性地解决

该核心问题；增加白噪音同样与解决此问题不相关。所以答案是Ao

27.大数据技术为输入数据在（）方面做出了贡献，帮助提升了深度

学习算法的性能。

A、存储集合清除

B、储蓄集合清洗

C、存储清洗整合

D、存储整合清除

正确答案：C

答案解析；大数据技术为输入数据在存储、清洗和整合方面都做出

了贡献。存储方面能够高效地保存大量数据；清洗可去除噪声、重

第等不良数据，提高数据质量；整合能将不同来源、格式的数据进

行统一处理，这些都有助于提升深度学习算法的性能。

28.强化学习的基础模型是（）模型

A、马可夫决策

B、贝叶斯

C、HMM

D、最大后验概率

正确答案：A

答案解析：强化学习的基础模型是马可夫决策模型。马可夫决策过

程（MDP）是强化学习中的重要基础概念，它描述了一个智能体在环

境中进行决策的过程，其中当前状态的最优行动只取决于当前状态，

满足马尔可夫性。贝叶斯主要用于概率推理等领域；HMM是隐马尔

可夫模型；最大后验概率是一种参数估计方法，它们都不是强化学

习的基础模型。

29.决策树中，同一路径上的所有属性之间是（）关系

A、因果

B、相关

C、逻辑或

D、逻辑与

正确答案：D

答案解析：在决策树中，同一路径上的所有属性之间是逻辑与关系。

这是因为只有当同一路径上的所有属性条件都满足时，才会沿着该

路径继续进行决策或到达相应的叶节点。例如，在一个决策树中，

如果某一路径上依次有属性A、属性B和属性C,只有当样本同时满

足属性A、属性B和属性C的条件时，才会按照该路径进行后续处

理.，这体现的就是逻辑与的关系。

30.以下不属于数据变换的方法有0

Av标准化

B、平滑处理

C、去除虚假数据

D、特征构造

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

（标准化属于规范化的一种）、属性构造等。去除虚假数据不属于数

据变换的方法，它更侧重于数据清洗的操作，用于处理数据中的噪

声和错误数据。

31.下列哪部分不是专家系统的组成部分（）。

A、推理机

B、知识库

C、用户

D、综合数据库

正确答案；C

答案解析；专家系统通常由知识库、综合数据库、推理机等部分组

成。用户是使用专家系统的人，不属于专家系统的组成部分。知识

库用于存储知识，综合数据库用于存放初始数据和推理过程中得到

的中间数据等，推理机根据知识库中的知识和综合数据库中的数据

进行推理以求解问题。

32.关于Boltzmann描述错误的是

A、基于能量的模型

B、优化目标函数为最小化能力函数

C、分为显层和隐层

D、神经元都是数值型

正确答案：D

33.人工智能的主要学派有：符号主义、连接主义和（）

A、语义网络

B、行为主义

C、逻辑主义

D、以上没后正确答案

正确答案：B

答案解析；人工智能的主要学派有符号主义、连接主义和行为主义。

符号主义强调基于符号逻辑的推理和知识表示；连接主义专注于神

经网络和模拟人类大脑的连接结构；行为主义则侧重于智能系统与

环境的交互和自适应行为。

34.人工智能从其应用范围上又可分为。。

A、ANI与AGI

B、ANI与AI

GAGI与VR

D、AI与VR

正确答案.A

答案解析；人工智能从应用范围上可分为通用人工智能（AGI）和狭

义人工智能（ANI）o通用人工智能旨在实现具有人类水平的智能，

能够理解、学习和解决各种类型的问题；狭义人工智能则专注于特

定领域或任务的智能应用。选项B中AT是人工智能的统称，不是从

应用范围分类；选项C中的VR是虚拟现实技术，与人工智能应用范

围分类无关；选项D同理，VR不属于人工智能应用范围分类相关内

容。通用人工智能（AGI）追求全面的智能能力，试图模拟人类

的整体认知和思维方式，能够处理各种不同类型的知识和任务，具

备理解、学习、推理、创造等多方面的能力，目标是实现接近人类

智能水平的机器智能。狭义人工智能（AND则是针对特定、有限的

任务或领域进行优化设计的人工智能系统，例如图像识别、语音识

别、下棋程序等，它们在特定领域内表现出色，但缺乏通用的智能

灵活性和广泛的知识迁移能力。

35.下列核函数特性描述错误的是

A、核函数选择作为支持向量机的最大变数

B、只要一个对称函数所对应的核矩阵半正定，就能称为核函数

C、核函数将影响支持向量机的性能

D、核函数是一种降维模型

正确答案：D

答案解析；核函数不是一种降维模型。核函数是一种用于支持向量

机等机器学习算法的工具，它通过将输入数据映射到高维特征空间,

从而使得原本在低维空间中线性不可分的数据变得线性可分，以解

决分类或回归'可题。核函数选择是支持向量机的重要部分，会影响

支持向量机的性能，且只要一个对称函数所对应的核矩阵半正定，

就能称为核函数。

36.（）和（）是监督学习的代表，（）是无监督学习的代表。

A、回归；分类；聚类

B、分类；聚类；回归

C、聚类；回归；分类

正确答案：A

答案解析,：监督学习是指利用一组已知类别的样本调整分类器的参

数，使其达到所要求性能的过程，或者说是利用已知类别的样本训

练分类器的过程。分类和回归是监督学习的代表。分类是预测离散

的类别标签，回归是预测连续的值。无监督学习是指在没有类别信

息的情况下，对数据进行建模和分析的方法，聚类是无监督学习的

代表，它将数据点分组，使得同一组内的数据点相似度高，不同组

的数据点相似度低。所以（分类）和（回归）是监督学习的代表，

（聚类）是无监督学习的代表，答案选［A、］

37.（）是利用计算机将一种自然语言（源语言）转换为另一种自然

语言（目标语言）的过程。

A、机器翻译

B、文本分亲

C、问答系统

D、文本识另

正确答案：A

答案解析；机器翻译是利用计算机将一种自然语言（源语言）转换

为另一种自然语言（目标语言）的过程。文本识别主要是识别文本

中的字符等；文本分类是将文本归类到不同类别；问答系统是基于

用户问题给出回答，均不符合将一种自然语言转换为另一种自然语

言的描述。

38.以下说法错误的一项是（）

A、负梯度方向是使函数值下降最快的方向

R、当目标函数是凸函数时，梯度下降法的解是全局最优解

C、梯度下降法比牛顿法收敛速度快

D、拟牛顿法不需要计算Hesse矩阵

正确答案.c

答案解析；牛顿法在接近最优解时收敛速度比梯度下降法快，C选

项说法错误。负梯度方向是使函数值下降最快的方向，A选项正确;

当目标函数是凸函数时，梯度下降法的解是全局最优解，B选项正

确；拟牛顿法不需要计算Hesse矩阵，D选项正确。

39.分布式人工智能研究核心领域是（）

A、专家系统

B、分散控制

GAgent（爱真体）

D、互联网

正确答案：C

答案解析；分布式人工智能研究的核心领域是Agent（爱真体）。

Agent是一种具有自主性、交互性和协作能力的智能实体，在分布

式人工智能中起着关键作用。专家系统是人工智能的一个特定应用

领域；分散控制是分布式系统中的一种控制方式，但不是分布式人

工智能的核心领域；互联网是一种网络基础设施，与分布式人工智

能的核心研究领域不同。

40.（）是一种基于图的数据结构，由节点和选组成，每个节点表示

一个“实体”，每条边为实体与实体之间的“关系”。

A、关系提取

B、词性标注

C、知识图谱

D、关系构建

正确答案：C

答案解析；知识图谱是一种基于图的数据结构，由节点和边组成，

每个节点表示一个“实体”，每条边为实体与实体之间的“关系”。

词性标注主要是给词语标注词性；关系提取是从文本中抽取关系；

关系构建侧重于构建关系模型等，均不符合描述。

41.若A与B是任意的两个事件，且P(AB)=P(A)-P(B),则

可称事件A与B()o

A、等价

B、互不相容

G相互独立

D、相互对立

正确答案：D

42.在图反奖获得者JimGray看来，人类科学研究活动已经经历过三

种不同范式的演变过程，目前正在从()转向

A、实验科学范式理论科学范式

B、理论科学范式计算科学范式

C、计算科学范式数据密集型科学发现范式

D、理论科学范式数据密集型科学发现范式

正确答案：C

答案解析：JimGray认为人类科学研究活动经历了实验科学范式、

理论科学范式、计算科学范式，目前正从计算科学范式转向数据密

集型科学发现范式。

43.()的目的是构造出新特征。

A、离散化

B、聚集

C、平滑处理

D、特征构造

正确答案：D

答案解析；特征构造是指通过对原始数据进行处理、变换、组合等

操作，构造出新的特征，以更好地描述数据和提升模型性能。平滑

处理主要是对数据进行去噪等操作；聚集是对数据进行汇总等；离

散化是将连续数据转换为离散数据，它们的目的都不是构造新特征。

44.列算法，哪项不属于深度学习模型？()

A、支持向量机SVM

B、深度残差网络

C、卷积神经网络CNN

D、循环神经网络RNN

正确答案：A

答案解析：支持向量机SVM是一种传统的机器学习算法，不属于深

度学习模型。深度残差网络、卷积神经网络CN\、循环神经网络RNN

都属于深度学习模型。

45.在集成学习中，当训练数据很多时•，最常见的结合策略是()。

A、平均法

B、投票法

C、学习法

正确答案：C

46.据Wa；dMO(2010)的研究，超过()的人脑功能用于视觉信息

的处理，视觉信息的处理是人脑的最主要功能之一

A、0.55

B、0.45

C、0.75

D、0.5

正确答案：D

47.()技术可以将所有数据的特性通过图的方式展现出来。

A、数据挖掘

B、神经网络

C、支持向量机

D、数据可视化

正确答案：D

答案解析：数据可视化技术是指将数据以图形、图表等直观的方式

展示出来，能够将所有数据的特性通过图的方式展现，帮助人们更

清晰地理解和分析数据。支持向量机主要用于分类和回归分析，神

经网络用于处理复杂的非线性关系和模式识别等；数据挖掘是从大

量数据中发现潜在模式和知识的过程，它们都不能直接等同于将数

据特性以图的方式展现出来的技术°

48.2019年，DeepMind开发出一种()来近似计算薛定诗方程，在

精度和准确性上都满足科研标准，为深度学习在量子化学领域的发

展奠定了基础，

A、深度神经网络

B、费米神经网络

C、卷积神经网络

D、循环神经网络

正确答案：B

答案解析；该方法是费米神经网络。费米神经网络是专门为处理费

米子系统而设计的神经网络架构，能够有效地处理量子化学中的多

体问题，近似计算薛定渭方程，满足科研标准，为深度学习在量子

化学领域发展奠定基础。

49.以下0属于数据统计方法中的离中趋势分析。

A、数值平均数

B、位置平均数

C、离散系数

D、线性相关

正确答案,c

答案解析；离中趋势分析是反映各数据远离其中心值的趋势，离散

系数是衡量数据离散程度的指标之一，属于离中趋势分析。数值平

均数和位置平均数是集中趋势分析的内容，线性相关是研究变量之

间的线性关系，不属于离中趋势分析工

50.C5.0和QUEST决策树只能处理()目标值的问题。

A、随机型

B、连续型

C、离散型

D、分类型

正确答案：D

51.不属宇噪声数据表现形式的是()

A、错误数据

B、异常数据

C、虚假数据

D、重复数据

正确答案：D

答案解析；重复数据是指在数据集中出现多次的相同数据，它可能

会影响数据分析的准确性和效率，但不属于噪声数据的范畴。噪声

数据通常是指包含错误、异常或不完整信息的数据，如虚假数据、

错误数据和异常数据等。虚假数据是指故意伪造或误导性的数据；

错误数据是指由于数据录入错误、系统故障或其他原因导致的不正

确的数据；异常数据是指与正常模式或预期值明显偏离的数据。这

些数据会对数据分析和决策产生负面影响，需要进行处理或清理。

52.2016年5月，在国家发改委发布的《“互联网+〃人工智能三年行

动实施方案》中明确提出，到2018年国内要形成()的人工智能市

场应用规模.

A、千亿元级

B、亿元级

C、百亿元级

D、千万元级

正确答案：A

答案解析；《“互联网+〃人工智能三年行动实旅方案》中明确提出到

2018年国内要形成＞千亿元级的人工智能市场应用规模。

53.在非均等代价下,希望最小化()

A、总体代价

B、召回率

C、错误次数

D、错误率

正确答案：A

答案解析；在非均等代价下，我们希望最小化总体代价。因为不同

错误的代价不同，单纯考虑错误率或错误次数等不能全面反映实际

的代价情况，而总体代价综合考虑了各种情况，能更好地指导决策

以达到最小化代价的目的，召回率与在这种情况下最小化的目标无

关。

54.()学派认为未知参数与其他变量一样，都是随机变量，因此参数

估计和变量推断能统一在推断框架下进行。

A、切比雪夫

B、马尔可夫

C、贝叶斯

D、珀尔

正确答案：C

答案解析：贝叶斯学派认为未知参数与其他变量一样，都是随机变

量，因此参数估计和变量推断能统一在推断框架下进行。贝叶斯推

断通过先验分布结合观测数据来更新对参数的认知，将参数视为具

有不确定性的随机量，从而把参数估计和一般的变量推断统一起来。

珀尔主要贡献在因果推断等领域；马尔可夫主要涉及马尔可夫链等

概率模型；切比雪夫在不等式等方面有重要成果，均不符合题意。

55.DBSCAN在最坏情况下的时间复杂度是()

A、0(m)

B、0(m2)

C\0(Iogm)

D、0(m*Iogm)

正确答案：B

答案解析：DBSCAN算法在最坏情况下的时间复杂度是0(m'2),其中

m是样本点的数量。这是因为在最坏情况下，每个样本点都需要与

其他所有样本点进行距离计算，以确定其所属的簇或是否为噪声点。

所以答案是B。

56.()是利用样本的实际资料计算统计量的取值，并以引来检验事

先对总体某些数量特征的假设是否可信作为决策取舍依据的一种统

计分析方法

A、方差分析

R、逻辑分析

C、回归分析

D、假设检验

正确答案.D

答案解析；假设检验是利用样本的实际资料计算统计量的取值，并

以此来检验事先对总体某些数量特征的假设是否可信，作为决策取

舍依据的一种统计分析方法。逻辑分析侧重于对事物逻辑关系的梳

理等；方差分析主要用于多组数据均值差异的分析；回归分析是研

究变量间的相关关系及建立回归模型等，均不符合题意。

57.()的基本出发点，是认为低维流形嵌入到高维空间之后，直接在

高维空间中计算直线距离具有误导性，因为高维空间中的直线距离

在低维嵌入流形上是不可达的。

A、等范围映射

B、等距离映射

C、等度量映射

D、等空间映射

正确答案：C

58.“大薪据”一词从()年提出来的

A、2010

B、2008

C、2009

D、2011

正确答案：C

59.被誉为“计算机科学之父”的科学家是

A、明斯基

B、图灵

C、麦卡锡

D、冯诺依曼

正确答案：B

答案解析；艾伦•麦席森•图灵是英国数学家、逻辑学家，被广泛

认为是“计算机科学之父”和“人工智能之父”。他提出了图灵机

的概念，为现代计算机的逻辑工作方式奠定了基础，对计算机科学

的发展有着极其深远的影响。明斯基在人工智能等领域有重要贡献;

麦卡锡是人工智能的先驱之一；冯•诺依曼是现代计算机之父，他

提出了存储程序原理等重要理论。所以被誉为“计算机科学之父”

的是图灵，答案选B。

二、多选题(共21题，每题1分，共21分)

1.符合强人工智能的描述是()。

A、仅在某个特定的领二或超越人类的水平

B、可以胜任人类的所有工作

C、是通用的人工智能

D、在科学创造力、智慧等方面都远胜于人类

正确答案：BC

2.从能力角度来讲，人工智能是智能机器所执行的通常与人类智能

有关的智能行为，如。、感知、理解、通信、设计、思考、规划、

学习和问题求解等思维活动。

A、判断

B、推理

C、证明

D、识别

正确答案：ABCD

答案解析：人工智能从能力角度来讲，是智能机器所执行的通常与

人类智能有关的智能行为，包括判断、推理、证明、识别、感知、

理解、通信、设计、思考、规划、学习和问题求解等思维活动。所

以ABCD选项均正确。

3.以下属于仿生算法的有0。

A、人工神经网络

B、蒙特卡洛方法

C、蚁群算法

D、遗传算法

正确答案：ACD

答案解析：蚁群算法是通过模拟蚂蚁群体寻找食物的行为来求解优

化问题；遗传算法是模拟生物进化过程的一种优化算法；人工神经

网络是模仿人类神经系统的结构和功能构建的计算模型，它们都属

于仿生算法。而蒙特卡洛方法是通过随机抽样进行数值计算的方法,

不属于仿生算法。

4.考察聚类内的特征指标右()

A、SSB

B、聚类半径

C、SSE

D、标准差

正确答案：BCD

5.在强化学习中，主体和环境之间交互的要素有0。

A、强化

B、状态

C、回报

D、动作

正确答案：BCD

答案解析；在强化学习中，主体和环境之间交互包含状态、动作、

回报等要素。状态是主体对环境当前情况的感知；动作是主体在当

前状态下采取的行为；回报是主体执行动作后从环境中获得的反馈

信号，用于衡量主体的行为好坏。而强化是通过回报等对主体策略

进行调整的过程，不是交互的直接要素。

6.我国人工智能基础层产业发展至今，已在智能芯片设计领域取得

一定成就，其产品主要聚焦()工具等应用场景

A、智能手机

B、安防监控

C、智能运载工具

D、以上都不正确

正确答案：ABC

7.机器学习系统的组成要素包括()

A、任务

B、算法

C、性能指标

D、经验来源

正确答案：ACD

8.下列陈述中哪些是描述强AI(通用AI)的正确答案？

A、指的是一种机器，具有将智能应用于任何问题的能力

B、是经过适当编程的具有正确输入和输出的计算机，因此有与人类

同样判断力的头脑

C、指的是一种机器，仅针对一个具体问题

D、其定义为无知觉的计算机智能，或专注于一个狭窄任务的AI

正确答案：AB

答案解析；强AI(通用AI)指的是一种机器，具有将智能应用于任

何问题的能力，是经过适当编程的具有正确输入和输出的计算机，

有与人类同样判断力的头脑。选项C描述的是针对一个具体问题的

情况，不是强AI；选项D中无知觉的计算机智能或专注于狭窄任务

的AI也不是强AI的定义。所以正确答案是AB,

9.人工智能是解决机器()的学科

A、感知

B、理解

G决策

D、证明

正确答案：ABC

答案解析：人工智能是研究、开发用于模拟、延伸和扩展人的智能

的理论、方法、技术及应用系统的一门新的技术科学。它涉及到让

机器能够感知(如通过传感器获取信息)、理解(对感知到的信息进

行分析解读)、决策(根据理解做出判断和决定)等能力，虽然在某

些特定场景和应用中也会涉及到一定程度的证明相关内容，但整体

上人工智能核心是围绕感知、理解、决策展开的学科，所以答案是

ABCo

10.以下属于机器学习的是()

A、监督式学习

B、强化学习

C、非监督式学习

D、半监督式学习

正确答案：ABCD

答案解析：机器学习主要分为监督式学习、非监督式学习、半监督

式学习和强化学习。监督式学习有标记的训练数据，用于预测；非

监督式学习处理无标记数据来发现模式；半监督式学习结合少量标

记数据和大量未标记数据进行学习；强化学习通过智能体与环境交

互并根据奖励调整行为。所以这四个选项都属于机器学习。

11.人工智能驱动数据安全治理加速向()方向演进。

A、自动化

B、智能化

C、精准化

D、高效化

正确答案：ABCD

答案解析：人工智能驱动数据安全治理加速向自动化、智能化、高

效化、精准化方向演进。自动化可减少人工干预，提高治理效率和

准确性；智能化借助人工智能技术实现更智能的数据分析、风险评

估等；高效化能提升整个治理过程的速度和效果；精准化可更精确

地识别和处理数据安全问题。

12.智能技术有着能立刻拓展智能技术用途的潜力，其优点主要有

()

A、不需要软，硬件购买等初期投入

B、不需要实现预测分析等人工智能技术

C、使用云智能的分析可以在任意云中储存数据，并毫不费力地进行

数据交换

D、云智能不要求使用者是机器学专家

正确答案：ACD

13.机器学习的主要应用领域包括？

A、数据挖掘

B、图像识别

C、认知模拟

D、规划问题求解

正确答案：ABCD

14.根据技术架构不同，人工智能芯片可分为()

A、通用类芯片(比如CPU和GPU)

B、基于FPGA的半定制化芯片

G全定制化ASIC芯片

D、类脑计算芯片

正确答案：ABCD

答案解析：人工智能芯片根据技术架构不同，可分为通用类芯片

（如CPU和GPU）、基于FPGA的半定制化芯片、全定制化ASIC芯片、

类脑计算芯片等。通用类芯片通用性强，应用广泛；FPGA可根据需

求灵活定制；ASIC芯片是专门为特定任务定制的，性能和效率高；

类脑计算芯片则模仿人类大脑的结构和工作方式进行设计，具有独

特的优势。

15.非机器学习有哪些类型？

A、规则推理

B、人工智能

C、概念与分类学习

D、假设与推理学习

正确答案：AB

16.推断统计方法包括哪些内容（）。

A、采样分布

B、趋势分析

C、假设检验

D、参数估计

正确答案：ACD

17.如何在监督式学习中使用聚类算法（）?

A、首先，可以创建聚类，然后分别在不同的集群上应用监督式学习

算法

B;在应用监督式学习算法之前，可以将其类别ID作为特征空间中

的一个额外的特征

C、在应用监督式学习之前，不能创建聚类

D、在应用监督式学习算法之前，不能将其类别ID作为特征空间中

的一个额外的特征

正确答案：AB

答案解析；选项A,创建聚类后在不同集群上应用监督式学习算法,

这是一种可行的在监督式学习中使用聚类算法的方式；选项B,将

类别ID作为特征空间中的额外特征，然后再应用监督式学习算法，

也是合理的做法；选项C与选项A相悖，是错误的；选项D与选项

B相悖，也是错误的。

18.大数据的处理需要经过几个流程？

A、数据建模

B、数据清洗

C、数据采集