南京航空航天大学金城学院《人工智能导论》2025-2026学年第二学期期末试卷_第1页
南京航空航天大学金城学院《人工智能导论》2025-2026学年第二学期期末试卷_第2页
南京航空航天大学金城学院《人工智能导论》2025-2026学年第二学期期末试卷_第3页
免费预览已结束,剩余2页可下载查看

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

南京航空航天大学金城学院《人工智能导论》2025——2026学年第二学期期末试卷课程名称:__________学年学期:________________________

课程编号:__________开课学院:__________出题教师:__________

学生姓名:__________学号:__________任课教师:__________学生学院:__________班级:__________题号一二三四五六七八总分得分阅卷人一、单项选择题(每题2分,共20分)1.在人工智能领域,图灵测试主要用于评估什么?A.计算机的运算速度B.机器是否能表现出与人类无法区分的智能行为C.算法的时间复杂度D.数据集的准确性2.以下哪项是监督学习的典型应用场景?A.聚类分析客户群体B.使用标记数据训练图像分类模型C.发现异常交易D.生成自然语言文本3.深度学习中的反向传播算法主要用于什么?A.数据预处理B.神经网络权重更新C.模型评估D.特征提取4.在自然语言处理中,词嵌入技术如Word2Vec的主要目的是什么?A.减少词汇表大小B.将词语映射到低维向量空间以捕捉语义关系C.提高文本生成速度D.过滤噪声数据5.以下哪个算法属于无监督学习?A.决策树B.K-均值聚类C.支持向量机D.线性回归6.在强化学习中,智能体通过什么与环境交互?A.直接修改环境状态B.执行动作并接收奖励C.监控其他智能体D.预测未来状态7.卷积神经网络(CNN)的核心组件是什么?A.循环单元B.卷积层和池化层C.自注意力机制D.隐藏马尔可夫模型8.人工智能中的“过拟合”问题通常发生在什么情况下?A.模型在训练集上表现良好但在测试集上表现差B.数据集规模过小C.学习率设置过高D.激活函数选择错误9.在计算机视觉中,目标检测任务的主要目标是什么?A.识别图像中的物体类别B.定位图像中物体的位置和边界C.生成图像描述D.压缩图像数据10.人工智能伦理中,“公平性”原则主要关注什么?A.算法计算效率B.模型决策对不同群体的无偏性C.数据存储成本D.系统响应时间二、填空题(每空2分,共10分)1.在机器学习中,J(θ)=122.深度学习模型中,常用的激活函数ReLU的数学表达式为______。3.自然语言处理中的N-gram模型用于估计______的概率。4.强化学习中的马尔可夫决策过程(MDP)由状态空间、动作空间、奖励函数和______组成。5.在神经网络中,批量归一化(BatchNormalization)的主要作用是______。三、简答题(每题6分,共30分)1.解释监督学习和无监督学习的区别,并举例说明。2.简述梯度下降算法的基本步骤,并说明其学习率的作用。3.描述卷积神经网络(CNN)在图像识别中的优势。4.什么是人工智能中的“可解释性”?为什么它在高stakes领域(如医疗)很重要?5.解释过拟合和欠拟合的概念,并给出一种缓解过拟合的方法。四、计算题(每题10分,共20分)1.给定一个线性回归模型hθ(x)=θ0+θ1x,训练数据集为(x(1),∂∂2.在一个简单的神经网络中,输入层有2个神经元,隐藏层有3个神经元,输出层有1个神经元。激活函数为sigmoid函数σ(z)=11+e−z。给定输入x=[x五、论述题(20分)论述人工智能在自动驾驶领域的应用、挑战及未来发展趋势。要求覆盖技术、伦理和社会影响三个方面。六、表格题(20分)下表列出了三种常见的机器学习算法:决策树、支持向量机(SVM)和随机森林。请填充表格,比较它们在以下方面的特点:适用问题类型、优点、缺点和典型应用场景。算法适用问题类型优点缺点典型应用

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论