廣州市廣播電視大學(xué)人工智能專題專題二 測(cè)驗(yàn)答案

1、專題二 測(cè)驗(yàn)試卷總分:280 得分:280現(xiàn)實(shí)世界中的規(guī)劃問題需要先調(diào)度，后規(guī)劃。答案:錯(cuò)誤P（AB）代表事件A發(fā)生的條件下事件B發(fā)生的概率。答案:錯(cuò)誤狀態(tài)空間圖是對(duì)一個(gè)問題的表示，通過問題表示，人們可以探索和分析通往解的可能的可替代路徑。特定問題的解將對(duì)應(yīng)狀態(tài)空間圖中的一條路徑。答案:正確貝葉斯定理是為了解決頻率概率問題提出來的。答案:錯(cuò)誤人工智能利用遺傳算法在求解優(yōu)化問題時(shí)，會(huì)把問題的解用“0”和“1”表示。0,1就是就是“遺傳基因”，01組成的字符串，稱為一個(gè)染色體或個(gè)體。答案:正確分層規(guī)劃中包含基本動(dòng)作和高層動(dòng)作。答案:正確語義網(wǎng)絡(luò)的表示方法只能表示有關(guān)某一事物的知識(shí)，無法表示一系列動(dòng)

2、作、一個(gè)事件等的知識(shí)。答案:錯(cuò)誤人們需要把分類器學(xué)習(xí)的樣本的特點(diǎn)進(jìn)行量化，這些量化后的數(shù)據(jù)，如鳶尾花的高度、花瓣的長(zhǎng)度、花瓣的寬度等就是鳶尾花的特征。這些特征都是有效的，可以提供給分類器進(jìn)行訓(xùn)練。答案:錯(cuò)誤啟發(fā)式規(guī)劃的兩種方法是減少更多的邊或者狀態(tài)抽象。答案:錯(cuò)誤下圖表示的是前向狀態(tài)空間搜索。圖答案:正確圖人們想讓智能機(jī)器分辨哪個(gè)動(dòng)物是熊貓，就會(huì)輸入一些數(shù)據(jù)告訴機(jī)器。如圖上所示的“大大的腦袋，黑白兩色，黑眼眶，圓耳朵”，這些屬于（）。標(biāo)簽特征值數(shù)據(jù)結(jié)構(gòu)擬合標(biāo)簽答案:B12.當(dāng)我們?cè)谖锲贩N類很多的情況下，需要快速選擇出一種最優(yōu)搭配方案時(shí)，其實(shí)可以借助一些特別的處理方法來解決，這些方法中的一種被稱

3、為“遺傳算法”，它是通過模擬達(dá)爾文的進(jìn)化論來解決問題的，因此也被歸類為“進(jìn)化算法”。（）教授首先提出“遺傳算法”。約翰?霍蘭德亞瑟塞繆爾馮諾依曼艾倫麥席森圖靈答案:A13.以下哪種知識(shí)表示的方法適宜描述特定場(chǎng)景中固定不變的事件序列（ ）。謂詞邏輯表示法腳本表示法啟發(fā)式搜索產(chǎn)生式系統(tǒng)答案:B14.深度學(xué)習(xí)模型區(qū)別于早期的人工神經(jīng)網(wǎng)絡(luò)的是（? ? ）增加數(shù)據(jù)量改變算法增加模型訓(xùn)練的層次增加標(biāo)簽量答案:C15.以下哪一項(xiàng)不是機(jī)器智能的來源（? ?）摩爾定律數(shù)據(jù)數(shù)學(xué)模型數(shù)據(jù)結(jié)構(gòu)答案:D16.（）的原理是：每一個(gè)節(jié)點(diǎn)綁定一個(gè)啟發(fā)值，然后經(jīng)過一次又一次的篩選，引導(dǎo)機(jī)器優(yōu)先篩選那些啟發(fā)值更優(yōu)的節(jié)點(diǎn)，規(guī)避一些無用或效率較低的節(jié)點(diǎn)，從而快速找到問題的解。KNN決策樹遺傳算法A*算法答案:D17.（）設(shè)計(jì)出了一個(gè)會(huì)自主學(xué)習(xí)的跳棋程序，駁倒了“機(jī)器無法超越人類，像人類一樣寫代碼和學(xué)習(xí)”的理論，創(chuàng)造出了“機(jī)器學(xué)習(xí)”這一術(shù)語。亞瑟塞繆爾馮諾依曼托馬斯貝葉斯艾倫麥席森圖靈答案:A18.當(dāng)神經(jīng)網(wǎng)絡(luò)接收到工作任務(wù)時(shí)，就是用（）來接收這些任務(wù)所對(duì)應(yīng)的數(shù)據(jù)集，如圖像每個(gè)像素點(diǎn)的特征數(shù)值色彩、亮度等。（）的每個(gè)神經(jīng)元都是任務(wù)的特征，即特征數(shù)值。輸入層輸出層隱含層應(yīng)用層答案:A19.下列哪一條是關(guān)鍵路徑？請(qǐng)選擇相應(yīng)的路徑按鈕。圖路徑1路徑2答案:B20.遺傳算法具有（）的迭代過程的搜索算法。也就是說，通過群