人工智能核心算法习题与答案（附解析）

人工智能核心算法习题与答案（附解析）

一、单选题（共20题，每题1分，共20分）

1.人工神经网络与生物神经网络的关系：

A、完全拷贝

B一占占关系都没有

C：人主编经网络受生物神经网络启发

D、同一事物的两个名称

正确答案：C

答案解析：人工神经网络是一种模仿生物神经网络的计算模型，它

从生物神经网络的结构和功能中获得了灵感，并试图在计算机上模

拟其工作方式来进行信息处理和模式识别等任务，所以人工神经网

络受生物神经网络启发，答案选C。

2.人工神经元内部运算包含哪两个部分：

A、非线性变换和激活变换

B、线性变换和非线性变换

C、向量变换和标量变换

D、化学变换和电变换

正确答案；B

答案解析：人工神经元内部运算包含线性变换和非线性变换。线性

变换通常由加权求和等操作组成，将输入信号进行线性组合。非线

性变换则通过激活函数来实现，如Sigmoid函数、ReLU函数等，它

为神经元引入了非线性特性，使得人工神经网络能够处理复杂的非

线性问题，从而提高模型的表达能力和适应性。

3.给定一个长度为n的不完整单词序列，我们希望预测下一个字母

是什么。比如输入是“predictio”（9个字母组成），希望预测第十

个字母是什么。下面哪种神经网络结构适用于解决这个工作？

A、受限波尔兹曼机

B、全连接神经网络

C、循环神经网络

D、卷积神经网络

正确答案：C

答案解析：循环神经网络擅长处理序列数据，能够很好地捕捉到序

列中的上下文信息，对于预测给定不完整单词序列的下一个字母这

种与序列相关的任务非常适用。全连接神经网络通常用于处理独立

的数据样本，不适用于序列数据。受限波尔兹曼机主要用于无监督

学习和特征提取等，入适合解决预测下一个字母的问题。卷积神经

网络主要用于处理图像等具有空间结构的数据，也不适合该任务。

4.在其他条件不变的前提下，以下哪种做法容易引起机器学习中的

过拟合问题（）

A、增加训练集量

B、减少神经网络隐藏层节点数

C、删除稀疏的特征

D、SVM算法中使用高斯核/RBF核代替线性核

正确答案：D

答案解析：在机器学习中，使用高斯核/RBF核代替线性核可能会增

加模型的复杂度，从而更容易引起过拟合问题。增加训练集量通常

有助于缓解过拟合；减少神经网络隐藏层节点数会降低模型复杂度,

不易过拟合；删除稀疏特征也有助于简化模型，减少过拟合风险。

5.一个特征的权重越高，说明该特征比其他特征（）。

A、更重要

B、有影响

C、无法判断

D、不重要

正确答案：A

答案解析：权重越高意味着在整体中所占的比重越大，对结果的影

响也就越关键，所以说明该特征比其他特征更重要。

6.下面哪句话正确描述了马尔科夫链中定义的马尔可夫性

A、t+1时刻状态取决于t时刻状态

B、t-1时刻状态取决于t+1时刻状态

C、t+2时刻状态取决于t时刻状态

D、t+1时刻状态和t时刻状态相互独立

正确答案：A

答案解析：马尔可夫性是指在已知系统当前状态的情况下，系统未

来的状态只与当前状态有关，而与过去的状态无关。即t+1时刻状

态取决于t时刻状态。选项B中t-1时刻状态取决于t+1时刻状态

不符合马尔可夫性定义；选项C中t+2时刻状态取决于t时刻状态

不符合马尔可夫性严格的当前时刻决定下一时刻状态的定义；选项

D中t+1时刻状态和t时刻状态相互独立不符合马尔可夫性中下一

时刻状态依赖当前时刻状态的特点。

7.如果问题存在最优解，则下面几种搜索算法中，广度优先搜索必

然可以得到该最优解，（）可以认为是“智能程度相对比较高”的

算法。

A、启发式搜索

B、深度优先搜索

C、有界深度优先搜索

D、无界深度优先搜索

正确答案：A

答案解析：启发式搜索在搜索过程中利用问题的启发式信息来引导

搜索方向，能够更有针对性地朝着最优解的方向进行搜索，相比其

他几种搜索算法，它在智能程度方面表现更为突出。广度优先搜索

虽然能找到最优解，但相对较为盲目，没有利用启发式信息。无界

深度优先搜索可能会陷入无限循环，深度优先搜索和有界深度优先

搜索也缺乏对问题的智能引导，而启发式搜索通过对问题的理解和

分析，能更高效地找到最优解，所以可以认为是“智能程度相对比

较高”的算法。

8.感知机描述错误的是：()

A、感知机根据正确的程度进行权重调整；

B、输入层接收外界输入信号传递给输出层；

C、输出层是M-P神经元；

D、感知机能容易实现逻辑与、或、非运算；

正确答案：A

答案解析：感知机根据预测结果与真实结果的误差进行权重调整，

而不是根据正确的程度。输入层接收外界输入信号传递给输出层，

输出层是M-P神经元，感知机能容易实现逻辑与、或运算，但难以

实现逻辑非运算。

9.以下关于算法的说法中，不正确的是

A、机器学习算法分为有监督、半监督和无监督三种

B、卷积神经网络是重要的迁移学习算法

C、决策树算法属于监督学习类别

D、K-Means是属于无监督学习算法

正确答案：B

答案解析：机器学习算法分为有监督、半监督和无监督三种，A选

项正确；卷积神经网络是一种深度学习模型，不是迁移学习算法，B

选项错误；决策树算法属于监督学习类别，C选项正确；K-Means是

属于无监督学习算法，D选项正确。

10.为什么计算机视觉任务优先考虑使用卷积神经网络：

A、全连接网络完全不能做计算机视觉任务

B、全连接网络理论在处理视觉任务时计算量很小

C、全连接网络理论在处理视觉任务时会出现维数灾难现象，而卷积

神经网络可以缓解这一现象

D、卷积神经网络只能做计算机视觉任务

正确答案：C

答案解析：全连接网络在处理视觉任务时，由于输入图像像素数量

多，会导致网络参数数量急剧增加，出现维数灾难现象，计算量过

大且难以训练。而卷积神经网络通过卷积层的局部连接和参数共享

等方式，大大减少了参数量，有效缓解了维数灾难问题，所以计算

机视觉任务优先考虑使用卷积神经网络。选项A中全连接网络能做

计算机视觉任务，只是存在维数灾难问题；选项B全连接网络处理

视觉任务计算量很大；选项D卷积神经网络不只是能做计算机视觉

任务，在其他领域也有应用。

11.在训练集上每学到一条规则，就将该规则覆盖的训练样例去除，

然后以剩下的训练样例组成训练集重复上述过程的方法称为(—)

16.梯度下降算法中，搅失函数曲面上轨迹最混乱的算法是以下哪种

算法？

A、SGD

B、BGD

C、MGD

D、MBGD

正确答案：A

答案解析：在梯度下降算法中，随机梯度下降（SGD）每次更新只使

用一个样本，这会导致更新方向非常随机，使得损失函数曲面上的

轨迹最混乱。而批量梯度下降（BGD）使用整个数据集进行更新，更

新方向相对稳定；小批量梯度下降（MBGD）使用小批量样本更新,

介于SGD和BGD之间；随机平均梯度下降（MGD）是对SGD的改进，

更新也相对更稳定一些。所以轨迹最混乱的是SGD。

17.VGG网络在深度学习发展过程中做出了重要贡献，下面关于VGG

描述正确的是：

A、VGG全部使用了3*3的卷积核和2*2的池化核

B、VGG证明了网络越深越好，所以程序员应该没有限制的搭建更深

的网络

C、VGG是到目前为止分类效果最好的网络结构

D、VGG没有使用全连接网络结构

正确答案：A

18.下列哪个是CNN网络的超参数。

A、权重

B、偏置

C、激活函数

D、学习率

正确答案：D

答案解析：超参数是在模型训练前就需要设置好的参数，权重和偏

置是在模型训练过程白学习得到的参数，激活函数是模型中已有的

固定形式函数，不属于超参数，而学习率是在训练模型时需要预先

设定的超参数，用于控制每次参数更新的步长。

19.（）反映的是模型每一次输出结果与模型输出期望之间的误差，

即模型的稳定性。反应预测的波动情况。

A、平方差

B、偏差

C、方差

D、标准差

正确答案：C

20.深度神经网络的运行过程是由三个算法依次运行组成，下面不属

于这三个算法中的是

A、正向传播

B、归一化

C、反向传播

D、梯度下降

正确答案：B

答案解析：深度神经网络的运行过程主要由正向传播、反向传播和

梯度下降三个算法依次运行组成。归一化不属于这三个核心运行算

法。正向传播用于计算输出，反向传播用于计算梯度，梯度下降则

根据计算出的梯度更新网络参数。

二、判断题(共50题，每题1分，共50分)

1.N-gram模型中，N指的是忽略距离大于n的上文词的影响，N越

大时。模型包含的次序信息越丰富，同时计算量随之增大

A、正确

B、错误

正确答案：A

2.VGG模型于2014年被提出，是最流行的RNN模型之一，在

ImageNet比赛中，达到了Top5错误率7.3%

A、正确

B、错误

正确答案：B

3.监督学习的数据不需要带标签等人为标注信息。

A、正确

B、错误

正确答案：B

4.推理的本质是在信息不足的情况下能够最大程度的得到最靠谱的

结论()

A、正确

B、错误

正确答案：A

5.采用不同的分割方案对数据集进行划分并进行验证，即所谓的

“交叉验证”，可有效防止过拟合

A、正确

B、错误

正确答案：A

6.传统神经网络常用的激活函数是sigmoid与tanh

A、正确

B、错误

正确答案：A

7.L-BFGS使用的是二阶差分(secondorderdifferentiation)

A、正确

B、错误

正确答案：A

8.卷积神经网络A图像进行卷积计算后，没有办法保证图像的尺寸

维持原大小

A、正确

B、错误

正确答案：B

9.在A算法中，满足单调条件的h必然满足A*算法的条件。

A、正确

B、错误

正确答案：A

10.学习率是根据不同场景人为设定的

A、正确

B、错误

正确答案：A

11.激活函数sigmoid,输入值不能小于0.

A、正确

B、错误

正确答案：B

12.反向推理是以已知事实作为出发点，按照一定的策略，运用知识

库中的知识，推断出结论的过程()。

A、正确

B、错误

正确答案：B

13.聚类需要从没有标签的一组输入向量中寻找数据的模型和规律

A、正确

B、错误

正确答案：A

14.宽度优先搜索不属于盲目搜索。

A、正确

B、错误

正确答案：B

15.fasttext利用了全局范围的词相关性。

A、正确

B、错误

正确答案：B

16.()简单反射型智能体是基于效用的智能体。

A、正确

B、错误

正确答案：B

17.基于sklearn用机器学习模型进行数据分析与数据挖掘的关键步

骤为Ioad_data()、create_modeI()、modeI.fit()、

modeI.transform

A、正确

B、错误

正确答案：B

18.损失函数的设计依赖于具体的任务

A、正确

B、错误

正确答案：A

19.LR的损失函数为hingeloss(或者说是逻辑损失都可以)、而

SVM的损失函数为Log损失。

A、正确

B、错误

正确答案：B

20.数据预处理方法主要有数据清洗、数据集成、数据变换、数据归

约

A、正确

B、错误

正确答案：A

21.在标准C中，整型变量与字符变量是可以通用的。

A、正确

B、错误

正确答案：B

22.以图形化的方式展现神经网络的计算逻辑又称为计算图

A、正确

B、错误

正确答案：A

23.岭回归的误差函数的惩罚项是学习参数的绝对值之和

A、正确

B、错误

正确答案：B

24.卷积神经网络中，池化层可以理解为局部视野+参数共享

A、正确

B、错误

正确答案：B

25.机器伦理学是指造人工智能的主体自身的道德()

A、正确

B、错误

正确答案：A

26.先验概率是指根据以往经验和分析得到的概率()

A、正确

B、错误

正确答案：A

27.BP网络的学习过程是一种误差修正型学习算法，由正向传播和

反向传播组成。

A、正确

B、错误

正确答案：A

28.回归分析法属于外推法

A、正确

B、错误

正确答案：B

29.池化的方式可以大范围的减少输出尺寸

A、正确

B、错误

正确答案：A

30.当网络中含有全连接层时，输入尺寸必须事先固定

A、正确

B、错误

正确答案：A

31.LDA算法假设文档中主题的先验分布和主题中词的先验分布都服

从狄利克雷分布。

A、正确

B、错误

正确答案：A

32.Boosting和Bagging都是组合多个分类器投票的方法，二者都

是根据单个分类器的正确率决定其权重

A、正确

B、错误

正确答案：B

33.经典的全连接神经网络来包含四层网络：输入层、两个隐含层和

输出层

A、正确

B、错误

正确答案：A

34.决策树是一种基于树形结构的预测模型，每一个树形分叉代表一

个分类条件，叶子节点代表最终的分类结果，其优点在于易于实现,

决策时间短，并且适合处理非数值型数据。

A、正确

B、错误

正确答案：A

35.监督学习的数据不需要带标签等人为标注信息

A、正确

B、错误

正确答案：B

36.决策树分类器的假设空间VC维可以为无穷大

A、正确

B、错误

正确答案：A

37.广度优先搜索方法的原理是：从树的根节点开始，在树中一层一

层的查找，当找到目标节点时，搜索结束（）。

A、正确

B、错误

正确答案：A

38.随机森林算法利用多个决策树模型，对结果进行表决，以获得比

单个决策树更高的预测精度

A