2026年智能科学与技术(AI导论实验与智能科学与技术)试卷及答案

2026年智能科学与技术(AI导论实验与智能科学与技术)试卷及答案一、单项选择题（每题1分，共20分）1.在人工智能的历史中，1956年的达特茅斯会议被广泛认为是人工智能学科诞生的标志。下列哪位学者未参加此次会议？A.JohnMcCarthyB.MarvinMinskyC.ClaudeShannonD.AlanTuring答案D解析AlanTuring于1954年去世，而达特茅斯会议于1956年举行，因此他不可能参加。2.图灵测试的主要目的是用来测试机器是否具有：A.高速计算能力B.逻辑推理能力C.人类级别的智能D.存储海量数据的能力答案C3.在状态空间搜索中，广度优先搜索（BFS）的主要特点是：A.使用深度作为代价函数B.总是扩展深度最深的节点C.总是扩展最浅层的节点D.启发式函数必须满足可采纳性答案C4.若一个搜索算法总是能找到最优解（即路径代价最低的解），则该启发式函数必须满足：A.hB.hC.hD.h答案A解析h(n)是估计代价，h5.在知识表示中，产生式系统通常包含三个组成部分，下列不属于其中之一的是：A.综合数据库B.产生式规则C.控制策略D.神经网络结构答案D6.监督学习与非监督学习的主要区别在于：A.数据量的大小B.训练数据是否有标签C.算法的复杂度D.是否需要迭代计算答案B7.在决策树算法（如ID3）中，选择属性进行划分的主要依据是：A.信息增益B.基尼系数C.均方误差D.梯度下降答案A8.对于一个线性可分的二分类问题，感知机学习算法能够保证：A.在有限次迭代后收敛B.找到全局最优解C.处理非线性数据D.无需调整学习率答案A解析Novikoff定理证明，如果训练数据集是线性可分的，感知机算法可以在有限次迭代中找到一个分离超平面。9.在神经网络中，常用的激活函数ReLU的数学表达式为：A.fB.fC.fD.f答案C10.下列哪种评价指标主要用于衡量分类模型在正负样本不平衡情况下的性能？A.准确率B.F1分数C.均方误差D.决定系数R答案B11.在Python的NumPy库中，用于创建一个全0的3行3列二维数组的函数是：A.np.ones((3,3))B.np.zeros((3,3))C.np.empty((3,3))D.np.eye(3)答案B12.在Pandas库中，用于读取CSV文件的函数是：A.read_csv()B.read_excel()C.load_csv()D.open_csv()答案A13.卷积神经网络（CNN）中，池化层的主要作用是：A.增加数据的非线性B.降低特征图的维度，减少计算量C.防止过拟合D.加速梯度的反向传播答案B14.在循环神经网络（RNN）中，"梯度消失"问题主要导致：A.模型无法收敛B.难以学习长距离的依赖关系C.计算速度过慢D.模型参数爆炸答案B15.强化学习的基本要素包括：状态、动作、奖励和：A.策略B.标签C.损失函数D.优化器答案A16.K-近邻（KNN）算法中，K值的选择对模型性能影响很大。一般来说：A.K值越小，模型越复杂，容易过拟合B.K值越大，模型越复杂，容易过拟合C.K值越小，模型越简单，容易欠拟合D.K值对模型复杂度无影响答案A17.支持向量机（SVM）中，核函数的主要作用是：A.将数据从低维空间映射到高维空间，使其线性可分B.增加数据样本的数量C.降低数据的维度D.优化损失函数答案A18.在深度学习实验中，Dropout技术主要用于解决：A.梯度消失问题B.梯度爆炸问题C.过拟合问题D.欠拟合问题答案C19.下列哪项不属于人工智能伦理的主要关注点？A.隐私保护B.算法偏见C.计算机硬件升级D.自动化决策的透明度答案C20.在使用Scikit-learn库进行机器学习时，通常将数据集划分为训练集和测试集，调用的函数是：A.split()B.train_test_split()C.divide_data()D.cross_val_score()答案B二、填空题（每空1分，共10分）1.人工智能研究的三个主要学派通常被认为是：符号主义、连接主义和\\\\\\\\。答案行为主义2.在A*搜索算法中，评估函数f(n)=g(n)+h(n)，其中g(n答案估计（或启发式）3.常用的归一化方法中，将数据缩放到[0,1答案x4.在信息论中，熵用来衡量系统的混乱程度或不确定性。对于二分类问题，当正反样本各占50%时，熵的值最大，为\\\\\\\\。答案15.在反向传播算法中，我们使用\\\\\\\\算法来更新神经网络的权重，以最小化损失函数。答案梯度下降6.卷积神经网络中，卷积核在输入图像上滑动的步长通常称为\\\\\\\\。答案Stride（或步长）7.深度学习框架PyTorch中，核心数据结构是\\\\\\\\，它类似于NumPy数组但可以在GPU上运行。答案Tensor（张量）8.k-均值聚类算法是一种迭代算法，其目标是最小化样本点到所属簇中心的\\\\\\\\之和。答案距离（或平方距离）9.\\\\\\\\学习是指模型在训练期间从未见过的新数据上的表现能力。答案泛化10.在自然语言处理（NLP）中，\\\\\\\\模型是一种预训练语言模型，通过掩码语言模型（MLM）的方式进行训练。答案BERT三、简答题（每题5分，共20分）1.简述人工智能、机器学习和深度学习三者之间的关系。答案三者是包含与被包含的关系。人工智能（AI）是一个宏大的概念，指任何让机器展现智能的技术；机器学习（ML）是AI的一个子集，指机器通过数据学习规律而非显式编程；深度学习（DL）是ML的一个特殊子集，主要基于多层神经网络进行学习。2.什么是过拟合？请在实验环境下列举两种防止过拟合的方法。答案过拟合是指模型在训练数据上表现很好，但在测试数据或新数据上表现较差的现象，即模型学到了数据的噪声而非普遍规律。防止方法包括：(1)增加训练数据量；(2)使用正则化（如L1/L2正则化）；(3)采用Dropout技术；(4)早停法；(5)简化模型结构（如减少网络层数）。（答出任意两种即可）3.解释监督学习中的“泛化误差”的概念，并写出它的常见组成成分。答案泛化误差是指模型在未知样本（测试集）上的期望误差。它反映了模型的预测能力。泛化误差通常可以分解为三部分：偏差、方差和噪声。即：泛化误差=偏差+方差+噪声。4.在Python的Scikit-learn库中，构建一个机器学习模型的标准流程包含哪四个主要步骤？答案(1)数据加载与预处理；（2)模型实例化（选择算法并设置参数）；(3)模型训练（调用fit方法）；(4)模型评估与预测（调用predict和score方法）。四、计算与分析题（共35分）1.（10分）设有如下状态空间图，节点A为初始状态，节点G为目标状态。边上数字为路径代价。请使用A*算法求解，已知启发式函数h(n)的值为：h(A)=4,h((1)写出A*算法的评估函数f((2)列表写出A*算法的搜索过程（即每次从Open表中选出的节点及其扩展过程），并给出最终的最优路径和总代价。答案(1)评估函数：f(n)=g(2)搜索过程：•初始：Open表={A(f=•选出A，扩展A，得到B(g=1,•选出B（f最小），扩展B，得到G(g=•选出G，G是目标节点，搜索结束。最终最优路径：A→B→G。总代价：3。解析A*算法每次选择f(n)最小的节点扩展。虽然A→C→D→G的实际代价也是2+1+12.（10分）给定一个包含10个样本的数据集，其中特征为“天气”，目标为“是否去打球”。数据如下：•晴天：3个（打球），2个（不打球）•阴天：4个（打球），1个（不打球）(1)计算当前数据集（根节点）的信息熵H((2)计算“天气”特征对数据集的信息增益g(D,答案(1)总样本数10。打球样本数P(YeH计算数值：H(精确计算：H((2)计算各子集熵：-晴天子集(D1H-阴天子集(D2H计算特征“天气”的信息熵H(H计算信息增益：g3.（15分）已知一个简单的感知机模型，输入向量x=[x1,x2(1)现有一个输入样本x=[1(2)如果该样本的真实标签为ytrue=0，学习率答案(1)计算净输入z：z因为z=−1.0(2)感知机学习规则：wb代入数值：实际输出y=0，真实标签yt因此：wb解析：由于预测输出（0）与真实标签（0）一致，模型预测正确，因此在感知机学习规则下，权重和偏置不需要更新。五、实验综合题（共15分）某实验课程要求使用Python的Scikit-learn库对经典的鸢尾花数据集进行分类分析。请补全以下代码中的关键部分，使其能够完成数据加载、数据集划分、模型训练（使用K-近邻算法）以及准确率评估。importnumpyasnp

fromsklearn.datasetsimportload_iris

fromsklearn.model_selectionimport_______#(1)

fromsklearn.neighborsimportKNeighborsClassifier

fromsklearn.metricsimportaccuracy_score

#1.加载数据

data=load_iris()

X=data.data

y=data.target

#2.划分训练集和测试集，测试集占比30%，随机种子设为42

X_train,X_test,y_train,y_test=_______(X,y,test_size=0.3,random_state=42)#(2)

#3.构建KNN模型，设置近邻数k=5

knn=_______(n_neighbors=5)#(3)

#4.使用训练集训练模型

knn._______(X_train,y_train)