初識(shí)人工智能智慧樹(shù)知到期末考試答案章節(jié)答案2024年海南軟件職業(yè)技術(shù)學(xué)院

初識(shí)人工智能智慧樹(shù)知到期末考試答案+章節(jié)答案2024年海南軟件職業(yè)技術(shù)學(xué)院所有人工智能的研究都圍繞著（）展開(kāi)。

答案:計(jì)算機(jī)人工神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是透明性，即能解釋結(jié)果。這一說(shuō)法（）

答案:錯(cuò)從研究角度來(lái)看，深度學(xué)習(xí)基于單層神經(jīng)網(wǎng)絡(luò)的，并以海量數(shù)據(jù)作為輸入。這一說(shuō)法（）。

答案:錯(cuò)語(yǔ)音理解是指利用（）等人工智能技術(shù)進(jìn)行語(yǔ)句自動(dòng)識(shí)別和語(yǔ)意理解。

答案:知識(shí)表達(dá)和組織“機(jī)器人”-robot一詞，源自（）

答案:《羅梭的萬(wàn)能工人》舞臺(tái)?。ǎ┦菆D像處理中的一項(xiàng)關(guān)鍵技術(shù)，一直收到人們的高度重視。

答案:圖像分割與大腦中的一個(gè)神經(jīng)元可以連接一定距離內(nèi)的任意神經(jīng)元不同，人工神經(jīng)網(wǎng)絡(luò)具有（）的層、連接和數(shù)據(jù)傳輸?shù)姆较颉?/p>

答案:離散神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)是在（）的圖像識(shí)別方法和基礎(chǔ)上融合神經(jīng)網(wǎng)絡(luò)算法的一種圖像識(shí)別方法。

答案:傳統(tǒng)信用卡欺詐線索往往來(lái)源于對(duì)（）的分析。

答案:銀行所有數(shù)據(jù)準(zhǔn)確而迅速地提取語(yǔ)音信號(hào)的（）是語(yǔ)音處理的關(guān)鍵。

答案:參數(shù)人類在處理某些信息方面明顯優(yōu)于機(jī)器，是因?yàn)槿死劬哂校ǎ┑臋C(jī)制。

答案:內(nèi)置的隨機(jī)訪問(wèn)和關(guān)聯(lián)決策樹(shù)法的優(yōu)點(diǎn)是（），不需要長(zhǎng)時(shí)間構(gòu)造過(guò)程，描述簡(jiǎn)單，易于理解，分類速度快。

答案:決策過(guò)程可見(jiàn)多個(gè)智能代理在一個(gè)系統(tǒng)中是（）作業(yè)的。

答案:其余三個(gè)選項(xiàng)都對(duì)神經(jīng)元一般由由3部分組成，下面（）不屬于。

答案:細(xì)胞核神經(jīng)網(wǎng)絡(luò)法模擬生物神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，是一種通過(guò)（）來(lái)學(xué)習(xí)非線性預(yù)測(cè)模型。

答案:訓(xùn)練在數(shù)據(jù)挖掘中，分類、估值和預(yù)測(cè)3種方法屬于（）的數(shù)據(jù)挖掘。

答案:有指導(dǎo)下面（）不屬于計(jì)算機(jī)視覺(jué)要達(dá)到的基本目的。

答案:根據(jù)一幅或多幅二維投影圖像計(jì)算出目標(biāo)物體的立體特性圖像采集就是從（）獲取場(chǎng)景圖像的過(guò)程，是機(jī)器視覺(jué)的第一步。

答案:工作現(xiàn)場(chǎng)機(jī)器智能研究如何提高機(jī)器應(yīng)用的智能水平。這里的“機(jī)器”主要是指（）。

答案:其余選項(xiàng)都對(duì)下面（）屬于專家系統(tǒng)其他典型特征。

答案:其余三個(gè)選項(xiàng)都是（）事件被看作是人工智能與機(jī)器人學(xué)歷史上的一座里程碑。

答案:1997年5月，深藍(lán)計(jì)算機(jī)擊敗了國(guó)際象棋世界冠軍圖像處理技術(shù)的主要內(nèi)容包括3個(gè)部分，其中不包括（）。

答案:數(shù)據(jù)排序在大數(shù)據(jù)時(shí)代，無(wú)需再緊盯事物之間的（），而應(yīng)該尋找事物之間的（），這會(huì)給人們提供非常新穎且有價(jià)值的觀點(diǎn)。

答案:因果關(guān)系，相關(guān)關(guān)系機(jī)器學(xué)習(xí)希望計(jì)算機(jī)系統(tǒng)能夠利用（）來(lái)改善自身的性能，因此該領(lǐng)域一直是人工智能的核心研究領(lǐng)域。

答案:經(jīng)驗(yàn)人工智能是人類智能的延伸，也是人類價(jià)值系統(tǒng)的延伸。在其發(fā)展的過(guò)程中，應(yīng)當(dāng)包含對(duì)（）的正確考量。

答案:人類倫理價(jià)值遺傳算法模擬了自然選擇和遺傳中發(fā)生的繁殖、交配合基因突變現(xiàn)象，采用遺傳結(jié)合、遺傳（）及自然選擇來(lái)生成實(shí)現(xiàn)規(guī)則。

答案:交叉變異下列（）不屬于圖像識(shí)別的方法。

答案:非結(jié)構(gòu)模式識(shí)別2018年和2019年，梁旭良杰世界人工智能大會(huì)都在中國(guó)（）城市召開(kāi)。

答案:上海深度學(xué)習(xí)徹底顛覆了（）的范式，開(kāi)啟了數(shù)據(jù)驅(qū)動(dòng)的表示學(xué)習(xí)方式。

答案:人造特征智慧校園是（）的信息化校園。

答案:其余選項(xiàng)都對(duì)降維是通過(guò)找到數(shù)據(jù)的（）來(lái)減少數(shù)據(jù)集的變量。

答案:共同點(diǎn)大數(shù)據(jù)時(shí)代，專家們正在研發(fā)能發(fā)現(xiàn)并對(duì)比分析非線性關(guān)系的技術(shù)工具。通過(guò)（），相關(guān)關(guān)系幫助我們更好地了解這個(gè)世界。

答案:探求“是什么”而不是“為什么”機(jī)器行為研究如何用（）模擬、延伸和擴(kuò)展人的智能行為。

答案:機(jī)器當(dāng)前，主流的人工智能都集中在（）上，并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得了可觀的成就。

答案:弱人工智能規(guī)劃本質(zhì)上是一個(gè)（）問(wèn)題。

答案:搜索蟻群優(yōu)化與真實(shí)蟻群類似，利用（）指導(dǎo)單個(gè)智能體走最短路徑。

答案:信息素如果需要應(yīng)用如最佳有限搜索算法這樣的分析方法，使用（）表示最合適。

答案:決策樹(shù)下面（）不屬于群體智能具有的特征。

答案:復(fù)雜性在購(gòu)物車(chē)分析中，會(huì)面臨的問(wèn)題是需要考慮大量可能的（）。

答案:商品組合（）是專家系統(tǒng)質(zhì)量的關(guān)鍵。

答案:知識(shí)庫(kù)對(duì)于“人類求解問(wèn)題和感知中存在的冗余”，布雷迪的真正意思是一個(gè)詞——就是模式。

答案:對(duì)下面（）不屬于神經(jīng)網(wǎng)絡(luò)法的數(shù)據(jù)挖掘優(yōu)點(diǎn)。

答案:降低復(fù)雜度用于智能的機(jī)器人最低層系統(tǒng)中的包容體系結(jié)構(gòu)，是用來(lái)執(zhí)行（）行為的,而編寫(xiě)具有該行為的程序，可以幫助人類創(chuàng)建兼顧環(huán)境和智能的機(jī)器人。

答案:條件反射下面（）不屬于神經(jīng)網(wǎng)絡(luò)法的數(shù)據(jù)挖掘缺點(diǎn)。

答案:不適合處理低維變量用來(lái)研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)的機(jī)器就是計(jì)算機(jī)。下列各項(xiàng)中（）不是人工智能研究的主要領(lǐng)域。

答案:人文地理電子檔案、DNA測(cè)試和新的成像技術(shù)在不斷產(chǎn)生大量數(shù)據(jù)和存儲(chǔ)這些數(shù)據(jù)對(duì)于醫(yī)療工作者而言是（）。

答案:既是挑戰(zhàn)也是機(jī)遇德雷福斯兄弟認(rèn)為，在許多方面，如視覺(jué)、解釋判斷方面，包括（），機(jī)器都比人腦差。沒(méi)有這些能力，機(jī)器將永遠(yuǎn)比不上人類。

答案:人腦整體工作的方式粒子群優(yōu)化算法最早是由肯尼迪1995年提出的，在該算法中，每個(gè)粒子代表待求解問(wèn)題的一個(gè)潛在解，每個(gè)粒子相當(dāng)于搜索空間的（），其“飛行信息”包括位置和速度兩個(gè)狀態(tài)量。

答案:鳥(niǎo)模糊集理論利用（）來(lái)描述模糊事務(wù)的屬性。

答案:隸屬度具有智能圖像處理功能的（）相當(dāng)于人們?cè)谫x予機(jī)器智能的同時(shí)為它安上了眼睛。

答案:機(jī)器視覺(jué)由眾多低智能個(gè)體組成的智能群體，它們通過(guò)相互之間的簡(jiǎn)單合作所表現(xiàn)出來(lái)的群體智能行為是（）。

答案:分布式控制的粒子群優(yōu)化關(guān)注整體方向，做出新方向的鞠策需要3個(gè)值的最優(yōu)權(quán)衡結(jié)果，下面（）不包含在內(nèi)。

答案:前一個(gè)方向人們可以利用計(jì)算機(jī)系統(tǒng)進(jìn)行數(shù)據(jù)分析和呈現(xiàn)，是因?yàn)槿藗儗⑺饕治龅臄?shù)據(jù)存儲(chǔ)在（）。

答案:數(shù)據(jù)庫(kù)世界上第一臺(tái)提花機(jī)于1801年面世，它是利用（）來(lái)記錄數(shù)據(jù)的。

答案:鑿孔卡紙人工神經(jīng)網(wǎng)絡(luò)是指以（）和神經(jīng)系統(tǒng)為模型的機(jī)器學(xué)習(xí)算法。

答案:人腦深度學(xué)習(xí)與傳統(tǒng)的機(jī)器學(xué)習(xí)最主要的區(qū)別在于（），即隨著數(shù)據(jù)規(guī)模的增加，深度學(xué)習(xí)的性能行業(yè)不斷提高。而當(dāng)數(shù)據(jù)很少時(shí)，深度學(xué)習(xí)算法的性能并不好。

答案:數(shù)據(jù)依賴性（）事件標(biāo)志機(jī)器學(xué)習(xí)的應(yīng)用在1997年達(dá)到了巔峰。

答案:深藍(lán)擊敗人類國(guó)際象棋冠軍專家的一個(gè)關(guān)鍵的寄出特征就是他們能出色地完成工作。要做到這一點(diǎn)，他們要能夠完成如下工作。除了（）。

答案:轉(zhuǎn)述問(wèn)題計(jì)算機(jī)視覺(jué)是用（）和計(jì)算機(jī)替代人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量。

答案:攝像機(jī)人工智能是認(rèn)了智能的延伸，在其發(fā)展過(guò)程中，應(yīng)當(dāng)包含對(duì)人類倫理價(jià)值的正確考量，設(shè)定倫理要求。關(guān)于人工智能已達(dá)成的共識(shí)原則不包括（）。

答案:維護(hù)人工智能系統(tǒng)做出的偏離倫理道德的決策智能代理的典型過(guò)程包括（）。

答案:其余三個(gè)選項(xiàng)都對(duì)模糊邏輯在方法論上為人類從（）到模糊性，從（）到不確定性的研究提供了正確的研究方法。

答案:精確性，確定性決策樹(shù)法的缺點(diǎn)是（）

答案:很難基于多個(gè)變量發(fā)現(xiàn)規(guī)則圖靈測(cè)試依據(jù)的是計(jì)算機(jī)能否與（）無(wú)差別交談這一評(píng)價(jià)標(biāo)準(zhǔn)。

答案:人類總體上看，人工智能當(dāng)前的發(fā)展那具有“四新”特征，下列（）不屬于。

答案:新發(fā)展如今，要想獲得大規(guī)模數(shù)據(jù)帶來(lái)的好處，混亂應(yīng)是一種（）。

答案:標(biāo)準(zhǔn)途徑，而不應(yīng)該竭力避免的基于計(jì)算機(jī)視覺(jué)的圖像檢索可以分為類似于文本搜索引擎的3個(gè)步驟：（）、建立索引以及查詢。

答案:特征提取阿拉伯?dāng)?shù)字是由（）發(fā)明的。

答案:印度麥卡洛克和皮茨開(kāi)發(fā)的人工智能第一個(gè)模型中，對(duì)應(yīng)于生物神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，人工神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)元采用4個(gè)要素，下面選項(xiàng)中（）不屬于。

答案:強(qiáng)度，對(duì)應(yīng)于神經(jīng)元的突觸從研究角度看，（）是基于多層人工神經(jīng)網(wǎng)絡(luò)的、以海量數(shù)據(jù)為輸入的、自主發(fā)現(xiàn)規(guī)則、自主學(xué)習(xí)的方法。

答案:深度學(xué)習(xí)米洛納斯在1994年提出的群體智能應(yīng)該遵循的5條基本原則中不包括（）。

答案:連接原則在人工智能70余年的發(fā)展歷程中，大致（）處于穩(wěn)步發(fā)展期。

答案:20世紀(jì)90年代中期到2010年通過(guò)總結(jié)人工智能發(fā)展歷程中經(jīng)驗(yàn)和教訓(xùn)，可得到很多啟示，下列（）包括在內(nèi)。

答案:其余三個(gè)選項(xiàng)都是當(dāng)人們考慮建立專家系統(tǒng)時(shí)，思考的第一個(gè)問(wèn)題是（）是否合適。

答案:領(lǐng)域和問(wèn)題將專家系統(tǒng)與一般程序分開(kāi)來(lái)的一個(gè)重要特征是前者通常包擴(kuò)一個(gè)（）。

答案:解釋裝置人工神經(jīng)網(wǎng)絡(luò)的主要缺點(diǎn)是其（），也就是它們不能解釋結(jié)果。

答案:不透明性對(duì)于人的思維進(jìn)行模擬的研究可以從（）進(jìn)行。

答案:結(jié)構(gòu)和過(guò)程模擬()是人類專家最根本的能力。

答案:解決問(wèn)題人工神經(jīng)網(wǎng)絡(luò)標(biāo)志著（）的思路，它模仿了大腦的神經(jīng)元之間傳遞、處理信息的模式。

答案:自下而上馮?諾依曼被后人稱為（）和“博弈論之父”

答案:現(xiàn)代計(jì)算機(jī)之父一個(gè)神經(jīng)元的軸突與另一個(gè)神經(jīng)元的樹(shù)突之間的連接部分被稱為（）。

答案:突觸人工智能的生態(tài)環(huán)境包括（）。

答案:其余三個(gè)選項(xiàng)都是深度學(xué)習(xí)嘗試從數(shù)據(jù)中直接獲取高等級(jí)的（），這是深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的主要不同。

答案:特征購(gòu)物車(chē)分析和貝葉斯網(wǎng)絡(luò)都是（）技術(shù)。

答案:機(jī)器學(xué)習(xí)規(guī)劃適用于層次結(jié)構(gòu)，也就是說(shuō)，（）所有的任務(wù)都處于同一個(gè)重要級(jí)別，一些任務(wù)必須在進(jìn)行其他任務(wù)之前完成，而其他任務(wù)可能會(huì)交錯(cuò)進(jìn)行。

答案:并不是計(jì)算機(jī)視覺(jué)的研究對(duì)象之一是如何利用（）恢復(fù)三維景物世界。

答案:二維投影圖像貝葉斯網(wǎng)絡(luò)的核心（），它可以將數(shù)據(jù)的概率轉(zhuǎn)換為假設(shè)的概率。

答案:貝葉斯定理英格蘭的巨石陣，大概建造于公元前（）。

答案:2300年左右機(jī)器人將變得越來(lái)越小，未來(lái)，也許可以讓大量（）級(jí)機(jī)器人以群集方式，在微機(jī)械或人體內(nèi)協(xié)同執(zhí)行任務(wù)。

答案:納米科幻小學(xué)家艾薩克?阿西莫夫于（）年在小說(shuō)中提出了機(jī)器人三定律。

答案:1942目前，一般認(rèn)為，人工智能最關(guān)鍵的難題是（）。

答案:機(jī)器自主創(chuàng)造性思維能力的塑造與提升2019年6月17日公布的全球超級(jí)計(jì)算機(jī)500強(qiáng)榜單中，中國(guó)有（）臺(tái)超級(jí)計(jì)算機(jī)入選，是全球擁有超級(jí)計(jì)算機(jī)數(shù)量最多的國(guó)家。

答案:219機(jī)器視覺(jué)需要（）以及物體建模。一個(gè)有能力的視覺(jué)系統(tǒng)應(yīng)該把所有這些處理都緊密地集成在一起。

答案:圖像信號(hào)在聊天機(jī)器人開(kāi)始聊天之前，我們必須為其補(bǔ)充大量背景知識(shí)，但它自身也可以在談話過(guò)程中不斷接收新的信息，這是因?yàn)?，人類為聊天機(jī)器人建立了（）。

答案:新的框架研究表明，只有（）的數(shù)字?jǐn)?shù)據(jù)時(shí)結(jié)構(gòu)化的且能用于傳統(tǒng)數(shù)據(jù)庫(kù)。如果不接受混亂，剩下（）的非結(jié)構(gòu)化數(shù)據(jù)都無(wú)法被利用。（）

答案:5%,95%人工智能有可能在（）方面給人類帶來(lái)潛在威脅。

答案:其余三個(gè)選項(xiàng)都對(duì)所謂相關(guān)關(guān)系，其核心是指量化兩個(gè)數(shù)據(jù)值之間的數(shù)理關(guān)系。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，另一數(shù)據(jù)值很能會(huì)隨之（）。

答案:增加人工智能最根本、宏偉的目標(biāo)之一就是建立（）的模型

答案:人腦計(jì)算機(jī)視覺(jué)要達(dá)到的最終目的是實(shí)現(xiàn)計(jì)算機(jī)對(duì)于三維景物世界的理解，即實(shí)現(xiàn)人的（）的某些功能。

答案:視覺(jué)系統(tǒng)下列（）屬于目前最困難的語(yǔ)音識(shí)別問(wèn)題。

答案:其余選項(xiàng)都對(duì)理論上，樸素貝葉斯分類模型（NBC）與其他分類法相比具有最小的誤差率，這是因?yàn)镹BC模型假設(shè)屬性之間（）。

答案:相互獨(dú)立純模糊邏輯的缺點(diǎn)在于它的輸入是（）集合輸出是（）集合，不利于工程應(yīng)用（）。

答案:模糊，模糊關(guān)聯(lián)規(guī)則法的數(shù)據(jù)挖掘目的就是從源數(shù)據(jù)庫(kù)中挖掘滿足（）和（）的關(guān)聯(lián)規(guī)則。（）

答案:最小支持度，最小可信度圖像識(shí)別技術(shù)的發(fā)展經(jīng)歷了3個(gè)階段：文字識(shí)別、（）、物體識(shí)別。

答案:數(shù)字圖像處理與識(shí)別圖像分割方法有多種，下列（）不屬于。

答案:切割數(shù)據(jù)挖掘過(guò)程一般由3個(gè)階段組成，下面（）不屬于。

答案:數(shù)據(jù)關(guān)聯(lián)大多數(shù)垃圾郵件過(guò)濾器所使用的的算法是（）。

答案:聚類算法最初提出“智慧地球”的概念，是（）。

答案:IBM下列方法中（）不屬于有指導(dǎo)的數(shù)據(jù)挖掘。

答案:聚類2017年7月8日，中國(guó)國(guó)務(wù)院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中明確指出了（）的研究方向，對(duì)于推動(dòng)新一代人工智能發(fā)展有著十分重大的意義。

答案:群體智能（）是長(zhǎng)期以來(lái)自然語(yǔ)言處理的準(zhǔn)則。

答案:統(tǒng)計(jì)方法赫伯特機(jī)器人沒(méi)有存儲(chǔ)器，無(wú)法規(guī)劃在實(shí)驗(yàn)室中行走的路徑。它的所有行為都不需與任何人溝通，是因?yàn)樗浚ǎ┙邮蛰斎胄畔?，再控制（）作為輸出。（）?/p>

答案:傳感器，傳動(dòng)器感知機(jī)器或認(rèn)知機(jī)器，是研究如何設(shè)計(jì)和制造具有（）或人工認(rèn)知的機(jī)器，包括詩(shī)句機(jī)器、聽(tīng)覺(jué)機(jī)器、觸覺(jué)機(jī)器等。

答案:人工感知過(guò)去，檢測(cè)身體健康情況需要用到特殊設(shè)備，或是不辭辛勞去醫(yī)院就診。（）使得健康信息的檢測(cè)變得更簡(jiǎn)單易行。低成本的個(gè)人健康檢測(cè)程序以及相關(guān)技術(shù)甚至“喚醒”了全民對(duì)個(gè)人健康的關(guān)注。

答案:可穿戴的個(gè)人健康設(shè)備典型的人工神經(jīng)網(wǎng)絡(luò)具有3個(gè)部分，下面（）不屬于。

答案:權(quán)重19世紀(jì)以來(lái)，當(dāng)面臨大量數(shù)據(jù)時(shí)，社會(huì)都依賴于采樣分析。但采樣分析是（）時(shí)代的產(chǎn)物。

答案:模擬數(shù)據(jù)下面（）說(shuō)法不正確。

答案:所有的神經(jīng)元，不管是否接受信號(hào)，都會(huì)不斷向外發(fā)送信息智能機(jī)器研究如何設(shè)計(jì)和制造具有更高智能水平的機(jī)器，特別是（）。

答案:計(jì)算機(jī)計(jì)算機(jī)視覺(jué)要達(dá)到的基本目的是（），以及根據(jù)多幅二維投影圖像恢復(fù)更大空間區(qū)域中的投影圖像。

答案:其他選項(xiàng)都是機(jī)器人是（），它是高級(jí)整合控制論、機(jī)械工程、電子學(xué)、計(jì)算機(jī)科學(xué)、材料科學(xué)和仿生學(xué)的產(chǎn)物。

答案:自動(dòng)執(zhí)行工作的機(jī)械裝置對(duì)人工智能環(huán)境下的個(gè)人數(shù)據(jù)的額獲取和知情同意應(yīng)該從（）層面重新進(jìn)行定義。

答案:法律為了獲得更廣泛的數(shù)據(jù)而犧牲了精確性，也因此看到了很多無(wú)法被關(guān)注到的細(xì)節(jié)。（）。

答案:在很多情況下，與致力于避免錯(cuò)誤相比，對(duì)錯(cuò)誤的包容會(huì)帶給我們更多好處遺傳算法的缺點(diǎn)是需要的（）太多，編碼困難，一般計(jì)算機(jī)量也比較大。

答案:參數(shù)數(shù)據(jù)挖掘的類型可以是結(jié)構(gòu)化的、半結(jié)構(gòu)化的，甚至是（）的。

答案:異構(gòu)型機(jī)器學(xué)習(xí)主要使用（）、綜合而不是演繹。

答案:歸納如今，人工智能技術(shù)正發(fā)展成為一種能夠改變世界的力量，其中以（）所取得的進(jìn)步最為顯著。

答案:深度學(xué)習(xí)語(yǔ)音信號(hào)處理是一門(mén)多學(xué)科的綜合體，它以（）以及聲學(xué)等基本實(shí)驗(yàn)為基礎(chǔ)。

答案:生理如今很多公司開(kāi)發(fā)的軟件算法將逐漸被淘汰，核心競(jìng)爭(zhēng)力正由（）轉(zhuǎn)變?yōu)椋ǎ?/p>

答案:算法，數(shù)據(jù)（）是一種基于繼承、多態(tài)性和封裝概念的編程范式，這種范式可以直觀、自然地反映人類經(jīng)驗(yàn)。

答案:面向?qū)ο髮２祭椎现赋?，人類專家有多種方式來(lái)應(yīng)對(duì)組合爆炸問(wèn)題。下面（）屬于人類專家常用的方法。

答案:結(jié)構(gòu)化知識(shí)庫(kù)、元知識(shí)下列（）不是人們通常采用的圖像去噪方法。

答案:同態(tài)濾波鳥(niǎo)群基于3個(gè)簡(jiǎn)單規(guī)則，就可以創(chuàng)建處復(fù)雜的交互和運(yùn)動(dòng)方式，形成奇特的整體形狀。下面（）不屬于鳥(niǎo)群基于的規(guī)則。

答案:集中（）問(wèn)題是人工智能發(fā)展面臨的挑戰(zhàn)。

答案:其余三個(gè)選項(xiàng)都對(duì)為了使計(jì)算機(jī)能利用專家的領(lǐng)域知識(shí)，必須采用一定的方式表示知識(shí)。下面（）屬于常用的知識(shí)表示方式。

答案:其余三個(gè)選項(xiàng)都是模糊邏輯善于表達(dá)（）的定性知識(shí)與經(jīng)驗(yàn)。

答案:界限不清晰圖像處理技術(shù)一般指數(shù)字圖像處理，常見(jiàn)的處理有圖像數(shù)字化、圖像編碼、圖像增強(qiáng)、（）等。

答案:其余三個(gè)選項(xiàng)都對(duì)圖像處理技術(shù)主要包括3個(gè)部分，下列（）不屬于。

答案:圖像分割機(jī)器感知包括（）等多種形式。

答案:機(jī)器視覺(jué)數(shù)據(jù)挖掘有很多經(jīng)典的算法，其中不包括（）。

答案:蟻群算法與人腦神經(jīng)系統(tǒng)類似，人工神經(jīng)網(wǎng)絡(luò)通過(guò)改變（）以呈現(xiàn)出相同的適應(yīng)性。

答案:權(quán)重與其他人工智能系統(tǒng)不同，專家系統(tǒng)偏重處理（）的知識(shí)。

答案:不確定和不精確蟻群和蜂群被廣泛地認(rèn)為是具有真社會(huì)化屬性的生物種群，這是因?yàn)樗鼈兙哂?個(gè)特征，下面（）不包括。

答案:統(tǒng)一指揮數(shù)據(jù)挖掘過(guò)程模型有7個(gè)步驟，下列（）不屬于。

答案:壓縮打包數(shù)據(jù)人工智能的發(fā)展建立在大量數(shù)據(jù)的信息技術(shù)應(yīng)用之上，相關(guān)法律和標(biāo)準(zhǔn)應(yīng)該為（）提供強(qiáng)有力的保護(hù)。

答案:個(gè)人隱私在遺傳算法中，用一組稱為（）的數(shù)字來(lái)代表群體中的每個(gè)獨(dú)立的個(gè)體。

答案:基因早期的機(jī)器翻譯主要通過(guò)非統(tǒng)計(jì)學(xué)方法進(jìn)行的，大致有3中主要方法,不包含下列（）。

答案:間接方法在人工智能領(lǐng)域，人們希望機(jī)器能得到專有技能，而（）也許是人類專有技能中最困難的一種技能。

答案:學(xué)習(xí)用戶通過(guò)搜索引擎查詢信息時(shí)，一般要輸入關(guān)鍵詞才能查詢有關(guān)信息。

答案:對(duì)（）被視為人工智能學(xué)科中發(fā)展得最早的領(lǐng)域，它對(duì)生物和人造系統(tǒng)中的通信和控制過(guò)程進(jìn)行研究和比較。（）為定義這個(gè)領(lǐng)域做出了杰出貢獻(xiàn)。（）。

答案:控制論，維納基于規(guī)則的產(chǎn)生式系統(tǒng)是目前實(shí)現(xiàn)知識(shí)運(yùn)用的最基本方法。產(chǎn)生式系統(tǒng)主要由綜合數(shù)據(jù)庫(kù)、（）和推理機(jī)3各部分組成。

答案:知識(shí)庫(kù)“在神經(jīng)網(wǎng)絡(luò)處理圖像的過(guò)程中，單個(gè)的神經(jīng)元是不能理解任何東西的，它們需要協(xié)作。所以，人類需要先理解它們彼此之間是如何交互的?！边@一說(shuō)法（）

答案:對(duì)（）把某一特殊事件或?qū)ο蟮乃灾R(shí)儲(chǔ)存在一種復(fù)雜的數(shù)據(jù)結(jié)構(gòu)中。

答案:框架粗糙集法的缺點(diǎn)是，難以直接處理連續(xù)的屬性，必須現(xiàn)將屬性離散化。因此，（）問(wèn)題是制約粗糙集理論實(shí)用化的難點(diǎn)。

答案:連續(xù)屬性離散化下列（）是自然語(yǔ)言處理的技術(shù)難點(diǎn)。

答案:其余三個(gè)選項(xiàng)都是當(dāng)一個(gè)人在飛行領(lǐng)域成為專家時(shí)，其不僅在開(kāi)飛機(jī)，也是在“飛行”。

答案:對(duì)群體智能的組成要素不包括下面（）。

答案:集中式控制傳統(tǒng)的人工智能依賴于一些“清晰”的規(guī)則，這種“清晰”的規(guī)則給出的結(jié)果往往很詳細(xì)具體，而模糊邏輯模則擬人的思考方式，預(yù)測(cè)的結(jié)果往往是（）的結(jié)果。

答案:高了或低了計(jì)算機(jī)識(shí)別圖像的能力已經(jīng)超過(guò)了人類，尤其在（）和（）等復(fù)雜應(yīng)用方面，深度學(xué)習(xí)技術(shù)展現(xiàn)出優(yōu)越的性能。（）

答案:圖像，語(yǔ)音聚類是根據(jù)（）和（）對(duì)對(duì)象進(jìn)行分組。（）

答案:屬性，行為中國(guó)政府以及社會(huì)各界高度重視人工智能學(xué)科的發(fā)展。于（）年發(fā)布《新一代人工智能治理原則—發(fā)展負(fù)責(zé)人的人工智能》，提出了人工智能治理的框架和行動(dòng)指南。

答案:2017群體智能反映了一個(gè)重要真理：人群只有在每個(gè)成員做事（）、自主決斷的時(shí)候，才會(huì)發(fā)揮出智慧。

答案:盡責(zé)人工智能在計(jì)算機(jī)上的實(shí)現(xiàn)方法有多鐘，但（）不屬于其中。

答案:利用多媒體復(fù)制和粘貼的方法下面，（）不屬于算法評(píng)價(jià)考慮的因素。

答案:難度在圖像識(shí)別過(guò)程中，（）必須排除輸入的多余信息，抽出關(guān)鍵的信息。

答案:知覺(jué)機(jī)制從人類專家處獲取知識(shí)，并將其組織到可用的系統(tǒng)中——這一任務(wù)一直被認(rèn)為是（）。

答案:很困難的（）不是啟發(fā)式搜索技術(shù)。

答案:自下而上粗糙集法的優(yōu)點(diǎn)是算法簡(jiǎn)單，在其處理過(guò)程中不需要關(guān)于數(shù)據(jù)的（），可以自動(dòng)找出問(wèn)題的內(nèi)在規(guī)律。

答案:先驗(yàn)知識(shí)Apriori算法是最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法。其核心是基于兩階段（）思想的遞推算法。

答案:頻繁項(xiàng)集（）之后，隨著計(jì)算機(jī)和電子技術(shù)的飛速發(fā)展，機(jī)器世界的理論和應(yīng)用得到進(jìn)一步發(fā)展。

答案:20世紀(jì)90年代近來(lái)的圖像識(shí)別技術(shù)正在跨越傳統(tǒng)方法，形成以（）為主流的智能化圖像識(shí)別方法。

答案:貝葉斯法阿西莫夫提出的機(jī)器人三定律中不包括（）。

答案:人類因尊重并不得傷害機(jī)器人人類提出了多個(gè)圖像識(shí)別的模型，下列（）不屬于圖形識(shí)別模型。

答案:記憶模型計(jì)算機(jī)視覺(jué)所使用的的理論方法主要是基于（）、概率和運(yùn)動(dòng)學(xué)計(jì)算與三維重構(gòu)的視覺(jué)計(jì)算理論。

答案:幾何從研究角度看，深度學(xué)習(xí)是基于（）人工神經(jīng)網(wǎng)絡(luò)的，以海量數(shù)據(jù)為輸入，自主發(fā)展規(guī)則，自主學(xué)習(xí)的方法。

答案:多層人工智能技術(shù)的三大結(jié)合領(lǐng)域分別是（）

答案:大數(shù)據(jù)、物聯(lián)網(wǎng)和云計(jì)算行為機(jī)器指具有（）的機(jī)器，或者說(shuō)是能模擬、延伸和擴(kuò)展人的智能行為的機(jī)器。

答案:人工智能行為（）是指外部環(huán)境的變化是在有限個(gè)可預(yù)期的結(jié)果和情況中做出選擇，而非完全隨機(jī)的情況。

答案:離散性在信息技術(shù)條件比較薄弱的時(shí)代，人們分析大量數(shù)據(jù)時(shí)，往往采用（）分析。

答案:采樣在神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)中，（）和反向傳播神經(jīng)網(wǎng)絡(luò)相互結(jié)合的神經(jīng)網(wǎng)咯圖像識(shí)別模型是非常經(jīng)典的。

答案:遺傳算法數(shù)據(jù)挖掘?qū)崿F(xiàn)了用其他方法不可能實(shí)現(xiàn)的知識(shí)發(fā)現(xiàn)，但它必須收到規(guī)范，應(yīng)當(dāng)在適當(dāng)?shù)南拗葡率褂?。吐過(guò)數(shù)據(jù)時(shí)收集自特定的個(gè)人，那么就會(huì)出現(xiàn)一些涉及法律、隱私和（）的問(wèn)題。

答案:倫理自然語(yǔ)言的處理大致包含兩部分，它們是（）。

答案:自然語(yǔ)言理解和自然語(yǔ)言生成機(jī)器思維，如專家系統(tǒng)、機(jī)器學(xué)習(xí)、計(jì)算機(jī)下棋、計(jì)算機(jī)作曲、計(jì)算機(jī)繪畫(huà)、計(jì)算機(jī)輔助設(shè)計(jì)、計(jì)算機(jī)證明定理、計(jì)算機(jī)自動(dòng)編程等，可以概括為（）思維。

答案:計(jì)算機(jī)在計(jì)算機(jī)視覺(jué)識(shí)別系統(tǒng)中，圖像內(nèi)容通常用（）進(jìn)行描述。

答案:圖像特征圖像分割就是按照應(yīng)用場(chǎng)景，把圖像分成不同（）的區(qū)域，從中提取出感興趣的目標(biāo)。

答案:特征下列（）信息服務(wù)利用了人工智能的機(jī)器學(xué)習(xí)技術(shù)。

答案:其余三個(gè)選項(xiàng)都對(duì)統(tǒng)計(jì)方法需要大量數(shù)據(jù)才能訓(xùn)練概率模型，出于這個(gè)目的，在自然語(yǔ)言處理應(yīng)用中使用了包含大量的（）和（）的數(shù)據(jù)集。（）

答案:文本，口語(yǔ)下列（）不是人們通常采用的圖像預(yù)處理方法。

答案:圖像采集深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的最主要的區(qū)別是，前者隨著數(shù)據(jù)規(guī)模的增加，其性能也不斷（），當(dāng)數(shù)量少時(shí)，深度學(xué)習(xí)算法的性能（）。（）

答案:提高，并不好決策樹(shù)法擅長(zhǎng)處理（）數(shù)據(jù)，而且特別適合大規(guī)模的數(shù)據(jù)處理。

答案:非數(shù)值型語(yǔ)音識(shí)別一直是近幾十年來(lái)人們研究的重要課題，但該技術(shù)的發(fā)展普遍受到錯(cuò)誤率、麥克風(fēng)敏感度、噪聲環(huán)境等因素的阻礙，將（）技術(shù)引入語(yǔ)音識(shí)別，可極大提高性能。

答案:深層神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)挖掘中，關(guān)聯(lián)格則和聚類兩種方法屬于（）數(shù)據(jù)挖掘。

答案:無(wú)指導(dǎo)若環(huán)境會(huì)始終阻礙你完成任務(wù)，這種環(huán)境稱為（）環(huán)境。

答案:對(duì)抗性米洛納斯在1994年提出的群體智能應(yīng)該遵循5條基本原則，下面（）不屬于。

答案:確定性原則雖然人工智能飛速發(fā)展，但目前仍處于發(fā)展（），該領(lǐng)域涉及安全、倫理、隱私的政策、法律和標(biāo)準(zhǔn)問(wèn)題因其人們?nèi)找骊P(guān)注。

答案:中期電子郵件中的垃圾郵件自動(dòng)過(guò)濾器，是機(jī)器學(xué)習(xí)中（）類型的學(xué)習(xí)。

答案:分類機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘中的一種重要工具。數(shù)據(jù)挖掘不僅要研究、拓展、應(yīng)用一些機(jī)器學(xué)習(xí)方法，還要通過(guò)許多（）技術(shù)解決數(shù)據(jù)倉(cāng)儲(chǔ)、大規(guī)模數(shù)據(jù)、數(shù)據(jù)噪聲等實(shí)踐問(wèn)題。

答案:非機(jī)器學(xué)習(xí)遺傳算法的優(yōu)點(diǎn)是可以處理許多數(shù)據(jù)類型，具有隱含（）、易于和其他模型結(jié)合等性質(zhì)。

答案:并行處理未來(lái)智慧物流將繼續(xù)發(fā)展，應(yīng)用更多的人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)，以實(shí)現(xiàn)更高效、更智能的物流系統(tǒng)。（）

答案:對(duì)ChatGPT的操作步驟是用戶需要輸入問(wèn)題或者指令、等待聊天機(jī)器人的回答。（）

答案:對(duì)智能機(jī)器人使用機(jī)器學(xué)習(xí)和其他人工智能技術(shù)來(lái)學(xué)習(xí)和決策，以執(zhí)行特定任務(wù)。（）

答案:對(duì)ChatGPT應(yīng)用在客戶服務(wù)、人機(jī)對(duì)話、教育市場(chǎng)營(yíng)銷(xiāo)等方面。（）

答案:對(duì)ROS的主要特點(diǎn)有（）。

答案:開(kāi)源;便于測(cè)試;點(diǎn)對(duì)點(diǎn)設(shè)計(jì);精簡(jiǎn)與集成智慧物流是一種基于物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的智能化物流管理系統(tǒng)。（）

答案:對(duì)ROS平臺(tái)機(jī)器人的硬件組成包括（）。

答案:RGB-D攝像頭;接口面板;全向輪;電機(jī)GPT模型的核心是Transformer模型，它是一種基于自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，可以對(duì)輸入序列進(jìn)行編碼和解碼。（）

答案:對(duì)人工智能技術(shù)應(yīng)用在多個(gè)領(lǐng)域。（）

答案:對(duì)智慧物流分揀、配送模擬演示系統(tǒng)的應(yīng)用價(jià)值在于提高物流效率、降低物流成本、提高物流質(zhì)量、優(yōu)化物流管理和降低物流風(fēng)險(xiǎn)。（）

答案:對(duì)未來(lái)創(chuàng)造出的真正的人工智能（）。

答案:其余選項(xiàng)都對(duì)跟其他高科技一樣，人工智能也是一把雙刃劍。2018年2月，牛津大學(xué)、劍橋大學(xué)和OpenAI公司等14家機(jī)構(gòu)共同發(fā)表題為《人工智能的惡意使用：預(yù)測(cè)、預(yù)防和緩解》的報(bào)告，指出人工智能可能給人類社會(huì)帶來(lái)（）等潛在威脅，并給出了一些減少風(fēng)險(xiǎn)的建議。

答案:數(shù)字安全在可以預(yù)見(jiàn)的未來(lái)，人們將創(chuàng)造出擁有人腦般處理能力的計(jì)算機(jī)，它們將利用與（）相同的方法來(lái)實(shí)現(xiàn)低級(jí)別功能。

答案:人類神經(jīng)系統(tǒng)創(chuàng)造通用智能的嘗試開(kāi)始于20世紀(jì)80年代。最初人們致力于建造（）的世界模型。

答案:精確又緊密電子游戲?yàn)楦咚街悄苄袨樘峁┝送昝赖陌l(fā)展空間，其中的怪獸能夠通過(guò)團(tuán)隊(duì)作戰(zhàn)來(lái)努力智取玩家，這些行動(dòng)背后的技術(shù)比植入機(jī)器人內(nèi)部的技術(shù)要（）得多。

答案:先進(jìn)制造汽車(chē)這類技術(shù)工作早在數(shù)十年前大部分就實(shí)現(xiàn)了自動(dòng)化，使用的是（）機(jī)器人。

答案:基礎(chǔ)人工智能正在積極地影響著人們生活的方方面面。下列（）不是人工智能的應(yīng)用。

答案:老張買(mǎi)體育彩票隨機(jī)選號(hào)中了大獎(jiǎng)現(xiàn)在的人工智能技術(shù)并不是為了創(chuàng)造思考機(jī)器，而只不過(guò)是利用大量（）來(lái)模擬智能而已。

答案:規(guī)則創(chuàng)造真正的人工智能需要（）。

答案:其余選項(xiàng)都對(duì)隨著科技的進(jìn)步，人工智能技術(shù)將勝任越來(lái)越多人們本以為需要人類智能才能完成的工作，但同樣也創(chuàng)造了許多需要（）的新型工作崗位。

答案:人類智能（）是指智能代理下一步可能做出的決定和外部環(huán)境的狀態(tài)改變完全無(wú)法預(yù)測(cè)。

答案:隨機(jī)性在社會(huì)科學(xué)中，智能代理是一個(gè)（）的人或其他系統(tǒng)，根據(jù)感知世界得到的信息做出反應(yīng)來(lái)影響這個(gè)世界。

答案:理性且自主大部分人工智能系統(tǒng)是（）的程序，在前期實(shí)驗(yàn)性操作成功的基礎(chǔ)上，無(wú)法按比例放大至可用規(guī)模。

答案:獨(dú)立和龐大如果智能代理在任何時(shí)間點(diǎn)能夠獲取的環(huán)境信息都是以讓它做出最優(yōu)決策，那么這種環(huán)境就是（）。

答案:完全可觀測(cè)的智能代理是一套輔助人和充當(dāng)他們的代表的軟件、智能代理的特征中不包括（）。

答案:臨時(shí)性在社會(huì)科學(xué)中，智能代理有一個(gè)最典型的特征，即它們是社會(huì)（）的模型。

答案:協(xié)同合作智能代理可以根據(jù)操作方式進(jìn)行分類，其中不包括（）。

答案:理論代理智能代理系統(tǒng)的適用場(chǎng)景有很多，其中不包括（）。

答案:有限元計(jì)算美國(guó)斯坦福大學(xué)的海耶斯?羅斯認(rèn)為“智能代理持續(xù)地執(zhí)行3項(xiàng)功能”，其中不包括（）。

答案:感知環(huán)境中的靜態(tài)參數(shù)在人工智能領(lǐng)域中，與包容體系結(jié)構(gòu)類似，智能代理系統(tǒng)由（）的模塊構(gòu)成。

答案:多個(gè)獨(dú)立“小明上班”示例規(guī)劃中，小明離開(kāi)家去工作的過(guò)程說(shuō)明了（）之間的區(qū)別。

答案:制定規(guī)劃和執(zhí)行規(guī)劃過(guò)程規(guī)劃有幾個(gè)突出的特點(diǎn)，但下面（）不屬于這幾個(gè)特點(diǎn)之一。

答案:需要加強(qiáng)團(tuán)隊(duì)互動(dòng)建設(shè)自動(dòng)規(guī)劃是一種重要的技術(shù)。與一般問(wèn)題求解相比，自動(dòng)規(guī)劃更注重問(wèn)題的（）。

答案:求解過(guò)程通常認(rèn)為規(guī)劃是一種（）的活動(dòng)。

答案:與人類密切相關(guān)（）屬于高級(jí)的求解系統(tǒng)與技術(shù)。

答案:自動(dòng)規(guī)劃與專家系統(tǒng)在魔方拼圖和15拼圖的示例中，可以找到人們很熟悉的規(guī)劃應(yīng)用，其中包括（）問(wèn)題。

答案:其他選項(xiàng)都對(duì)下面關(guān)于規(guī)劃的說(shuō)法中，不正確或者不合適的是（）。

答案:規(guī)劃是一項(xiàng)隨機(jī)的活動(dòng)大多數(shù)規(guī)劃都具有（）結(jié)構(gòu)。

答案:子規(guī)劃自動(dòng)規(guī)劃要解決的問(wèn)題往往是（）問(wèn)題。

答案:真實(shí)世界在研究自動(dòng)規(guī)劃時(shí)，往往以（）與問(wèn)題求解作為典型例子加以討論，這是因?yàn)樗鼈兡軌虻玫叫蜗蟮暮椭庇X(jué)的檢驗(yàn)。

答案:機(jī)器人規(guī)劃實(shí)現(xiàn)人機(jī)間自然語(yǔ)言通信，意味著要使計(jì)算機(jī)既能理解自然語(yǔ)言的意義，也能以自然語(yǔ)言來(lái)表達(dá)給定的意圖、思想等。前者稱為（），后者稱為（）。因此，自然語(yǔ)言處理大體包括了這兩份部分。

答案:自然語(yǔ)言理解，自然語(yǔ)言生成早些時(shí)候，通過(guò)非統(tǒng)計(jì)學(xué)方法進(jìn)行的機(jī)器翻譯主要有3種方法，其中不包括（）。

答案:自動(dòng)翻譯使用（）與計(jì)算機(jī)進(jìn)行通信是人們長(zhǎng)期依賴所最求的目標(biāo)。

答案:自然語(yǔ)言造成自然語(yǔ)言處理困難的根本原因是自然語(yǔ)言文本和對(duì)話的各個(gè)層次上廣泛存在各種各樣的（）。

答案:歧義性或多義性與通常涉及大量規(guī)則編碼的早期語(yǔ)言處理方法不同，現(xiàn)代自然語(yǔ)言處理算法基于（）。

答案:圖像像素不足最早的自然語(yǔ)言理解方面的研究工作是（）。

答案:機(jī)器翻譯自然語(yǔ)言的形式（字符串）與其意義之間是多對(duì)多的關(guān)系，其實(shí)這也正是自然語(yǔ)言的（）所在。

答案:魅力在自然語(yǔ)言處理中，可以在一些不同（）上對(duì)語(yǔ)言進(jìn)行分析。

答案:結(jié)構(gòu)層次自然語(yǔ)言處理是人工智能研究中（）的領(lǐng)域之一。

答案:研究歷史最長(zhǎng)、研究最多、要求最高語(yǔ)音處理是研究語(yǔ)音產(chǎn)生過(guò)程、語(yǔ)音信號(hào)的統(tǒng)計(jì)特性、（）、機(jī)器合成以及語(yǔ)音感知等各種處理技術(shù)的總稱。

答案:語(yǔ)音的自動(dòng)識(shí)別人工智能領(lǐng)域通常所指的模式識(shí)別主要是對(duì)語(yǔ)音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號(hào)、生物傳感器獲得的數(shù)據(jù)等對(duì)象的具體模式進(jìn)行（）。

答案:辨識(shí)和分類要實(shí)現(xiàn)計(jì)算機(jī)視覺(jué)，必須有圖像處理的幫助，而圖像處理依賴于（）的有效運(yùn)用。

答案:智能規(guī)劃圖形刺激作用于人的感官器官，是使人辨認(rèn)出它是以前見(jiàn)過(guò)的某一圖形的過(guò)程稱為（）。

答案:圖像再認(rèn)圖像識(shí)別是指利用（）對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同模式的目標(biāo)和對(duì)象的技術(shù)。

答案:計(jì)算機(jī)現(xiàn)代圖像識(shí)別技術(shù)的一個(gè)不足是（）。

答案:自適應(yīng)性差圖像識(shí)別的發(fā)展經(jīng)歷了3個(gè)階段，其中不包括（）。

答案:像素識(shí)別基于計(jì)算機(jī)視覺(jué)的圖像檢索可以分為類似文本搜索引擎的3個(gè)步驟，其中不包括（）。

答案:清洗模式識(shí)別原本是（）的一項(xiàng)基本職能。

答案:人類模式識(shí)別是一門(mén)與概率論、統(tǒng)計(jì)學(xué)緊密結(jié)合的科學(xué)，主要方法有3種，其中不包括（）。

答案:像素模式圖像識(shí)別是以圖像的主要（）為基礎(chǔ)的。

答案:特征數(shù)據(jù)挖掘的分析技術(shù)之一是（），用來(lái)確定能最好地預(yù)測(cè)成果的單個(gè)數(shù)據(jù)

答案:決策樹(shù)數(shù)據(jù)不等于信息，而信息也不等于知識(shí)。了解數(shù)據(jù)（將其轉(zhuǎn)化為信息）并利用數(shù)據(jù)（再轉(zhuǎn)化為知識(shí)）是一項(xiàng)（）的工程。

答案:巨大數(shù)據(jù)的類型可以是（），數(shù)據(jù)挖掘的對(duì)象可以是任何類型的數(shù)據(jù)源。

答案:其余選項(xiàng)都對(duì)數(shù)據(jù)挖掘過(guò)程一般由3個(gè)階段組成，其中不包括（）。

答案:知識(shí)培養(yǎng)所有人工智能方法都可以用于數(shù)據(jù)挖掘，特別是其中的（）。

答案:神經(jīng)網(wǎng)絡(luò)及模糊邏輯在眾多的分類模型中，應(yīng)用最為廣泛的兩種分類模型是決策樹(shù)模型和（）模型，它發(fā)源于古典數(shù)學(xué)理論，有著堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)以及穩(wěn)定的分類效率。

答案:樸素貝葉斯分類數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過(guò)（）搜索隱藏與其中信息的過(guò)程。

答案:算法數(shù)據(jù)存儲(chǔ)在稱為（）的計(jì)算機(jī)系統(tǒng)中，它具有內(nèi)置功能，可以分析數(shù)據(jù)，并按用戶要求呈現(xiàn)出不同形式。

答案:數(shù)據(jù)庫(kù)（）是數(shù)據(jù)挖掘中十分流行的策略，它可以幫助我們找到顧客經(jīng)常一起購(gòu)買(mǎi)的商品。

答案:購(gòu)物車(chē)分析現(xiàn)實(shí)社會(huì)有大量的數(shù)據(jù)唾手可得，其中的大部分?jǐn)?shù)據(jù)都十分有用，但前提是人們有能力從中提取出（）的內(nèi)容。

答案:感興趣一只蜜蜂是一個(gè)非常簡(jiǎn)單的生物，但是它們有非常困難的問(wèn)題需要解決，于是，蜜蜂形成了（）。

答案:群體思維所謂集群機(jī)器人或者人工蜂群智能就是讓許多（）的機(jī)器人協(xié)作。

答案:簡(jiǎn)單生物學(xué)家的研究表明，蜜蜂常常能夠從所有可用的選項(xiàng)中選出最優(yōu)或者次優(yōu)的解決方案，人類（）這一點(diǎn)。

答案:很難做到人類并沒(méi)有進(jìn)化出群集的能力，因?yàn)槿祟惾鄙偻愑糜诮?shí)時(shí)反饋循環(huán)的敏銳連接。研究和實(shí)踐都表明，人類（）群集能力。

答案:可以有蜜蜂所表現(xiàn)出的大于個(gè)體智能的群體智能能力在許多動(dòng)物身上也存在，但不包括（）。

答案:獅子蟻群優(yōu)化和粒子群優(yōu)化是兩種最廣為人知的群體智能算法，它們都是用了（）。

答案:多智能體蜜蜂是自然界中被人類研究得最久的群體智能動(dòng)物。在進(jìn)化過(guò)程中，蜜蜂形成了大腦以處理信息，蜜蜂的大腦大約有（）個(gè)神經(jīng)元。

答案:100萬(wàn)蜜蜂尋找可以筑巢的潛在地點(diǎn)，會(huì)排除數(shù)百只偵查蜜蜂到外面約78公里范圍的地方進(jìn)行搜索。對(duì)蜜蜂來(lái)說(shuō)，這個(gè)筑巢行為是一個(gè)（）問(wèn)題。

答案:復(fù)雜多變量蜜蜂處理數(shù)據(jù)的方式被生物學(xué)家叫做“搖擺舞”，即通過(guò)（）來(lái)達(dá)成一致認(rèn)識(shí)。

答案:振動(dòng)身體在某群體中，存在眾多低智能個(gè)體，它們通過(guò)相互之間的簡(jiǎn)單合作所表現(xiàn)出來(lái)的群居性生物的智能行為是（）控制的。

答案:分布式如今，人工神經(jīng)網(wǎng)絡(luò)從股票市場(chǎng)預(yù)測(cè)到（）等許多應(yīng)用領(lǐng)域都有突出的表現(xiàn)。

答案:其余選項(xiàng)都對(duì)人類神經(jīng)元之間的軸突-樹(shù)突接觸被稱為神經(jīng)元的（）。

答案:突觸將人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯結(jié)合起來(lái)生成（）網(wǎng)絡(luò)，它既有人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，同時(shí)也具有模糊邏輯的解釋能力。

答案:神經(jīng)模糊現(xiàn)代人工神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具。典型的人工神經(jīng)網(wǎng)絡(luò)有3個(gè)部分，其中包括（）。

答案:尺寸如果想設(shè)計(jì)人工智能系統(tǒng)，就要學(xué)習(xí)并分析地球上最自然的智能系統(tǒng)之一，即（）。

答案:人腦和神經(jīng)系統(tǒng)人工智能在圖像識(shí)別方面已經(jīng)超越了人類，支持圖像識(shí)別技術(shù)的通常是（）。

答案:深度人工神經(jīng)網(wǎng)絡(luò)人腦由（）個(gè)神經(jīng)元組成，這些神經(jīng)元彼此之間復(fù)雜互連。

答案:1000億所謂人工神經(jīng)網(wǎng)絡(luò)，是指以人腦和神經(jīng)系統(tǒng)為模型的（）算法。

答案:機(jī)器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)模仿生物神經(jīng)網(wǎng)絡(luò)，其中的（）扮演了生物神經(jīng)模型中突觸的角色，用于調(diào)節(jié)一個(gè)神經(jīng)元對(duì)另一個(gè)神經(jīng)元的影響程度。

答案:權(quán)重人腦是一種適應(yīng)性系統(tǒng)，必須對(duì)變幻莫測(cè)的事物作出反應(yīng)，而學(xué)習(xí)是通過(guò)修改神經(jīng)元之間連接的（）來(lái)進(jìn)行的。

答案:強(qiáng)度機(jī)器學(xué)習(xí)最早的發(fā)展可以追溯到（）。

答案:英國(guó)數(shù)學(xué)家貝葉斯在1763年提出的貝葉斯定理有3種主要類型的機(jī)器學(xué)習(xí)：監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和（）學(xué)習(xí)。

答案:強(qiáng)化無(wú)監(jiān)督學(xué)習(xí)又稱歸納性學(xué)習(xí)，分為（）。

答案:聚類和降維在機(jī)器學(xué)習(xí)的具體應(yīng)用中，（）決定了機(jī)器學(xué)習(xí)系統(tǒng)基本結(jié)構(gòu)的工作內(nèi)容，確定了學(xué)習(xí)部分需要解決的問(wèn)題。

答案:其余選項(xiàng)都對(duì)要完全理解大多數(shù)機(jī)器學(xué)習(xí)算法，需要對(duì)一些關(guān)鍵的數(shù)學(xué)概念有基本的理解。機(jī)器學(xué)習(xí)使用的數(shù)學(xué)知識(shí)主要包括（）。

答案:其余選項(xiàng)全對(duì)機(jī)器學(xué)習(xí)的核心是：使用（）解釋數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)世界上的某件事情做出決定或預(yù)測(cè)。

答案:算法監(jiān)督學(xué)習(xí)的主要類型是（）。

答案:分類和回歸學(xué)習(xí)是人類的一種重要智能行為，社會(huì)學(xué)家、邏輯學(xué)家和心理學(xué)家對(duì)學(xué)習(xí)各有其不同的定義。關(guān)于機(jī)器學(xué)習(xí)，合適的定義是（）。

答案:其余選項(xiàng)全對(duì)強(qiáng)化學(xué)習(xí)使用機(jī)器的個(gè)人歷史和經(jīng)驗(yàn)來(lái)做出決定，其經(jīng)典應(yīng)用是（）。

答案:游戲娛樂(lè)機(jī)器學(xué)習(xí)的各種算法都是基于（）理論的。

答案:貝葉斯包容體系結(jié)構(gòu)的特點(diǎn)是（），它是不是用龐大的框架數(shù)據(jù)庫(kù)來(lái)模擬世界，而是關(guān)注直接感受世界。

答案:完全避免符號(hào)的使用機(jī)器感知是指能夠利用（）輸入的資料推斷世界的狀態(tài)。

答案:傳感器機(jī)器感知研究如何用機(jī)器或計(jì)算機(jī)模擬、延伸和擴(kuò)展（）的感知或認(rèn)知能力。

答案:人RoboCup機(jī)器人世界杯賽提出的最終目標(biāo)是（）。

答案:一支完全自治的人形機(jī)器人足球隊(duì)在正是比賽中戰(zhàn)勝人類足球世界杯冠軍隊(duì)包容體系結(jié)構(gòu)建立在多層獨(dú)立行為模塊的基礎(chǔ)上。每個(gè)行為模塊都是（），從傳感器接受信息，再將指令傳遞給傳動(dòng)器。

答案:一個(gè)簡(jiǎn)單程序包容體系結(jié)構(gòu)是（），利用不同傳感器來(lái)感知世界，并通過(guò)其他設(shè)備（傳動(dòng)器）來(lái)操控行為。

答案:實(shí)實(shí)在在的物理機(jī)器人幾十年來(lái)，人們發(fā)明了許多工具來(lái)使編程更加有效，降低錯(cuò)誤發(fā)生的概率。人們發(fā)現(xiàn)，倘若利用邏輯、規(guī)則和框架編寫(xiě)通用的人工智能程序，那么程序必定（）。

答案:十分龐大且漏洞百出在傳統(tǒng)的計(jì)算機(jī)編程中，程序員必須（）。

答案:盡力考慮所有可能遇到的情況并一一規(guī)定應(yīng)對(duì)策略實(shí)現(xiàn)RoboCup機(jī)器人世界杯賽提出的最終目標(biāo)的規(guī)劃時(shí)間是年（）。

答案:50“中文房間”思維實(shí)驗(yàn)驗(yàn)證的假設(shè)是：看起來(lái)完全智能的計(jì)算機(jī)程序（）。

答案:其實(shí)更本不理解自身處理的各種信息尋找是人類長(zhǎng)久以來(lái)的習(xí)慣，即使確定這樣的關(guān)系很困難而且用途不大。人類還是習(xí)慣性地尋找原因（）。

答案:因果關(guān)系所謂模糊邏輯，是建立在邏輯基礎(chǔ)上，運(yùn)用模糊集合的方法來(lái)研究模糊性思維、語(yǔ)言形式及其規(guī)律的科學(xué)（）。

答案:多值直到今天，數(shù)字技術(shù)依然建立在精準(zhǔn)的基礎(chǔ)上，這種思維方式適用于掌握的情況（）。

答案:小數(shù)據(jù)量（）的引入，可將人的判斷、思維過(guò)程用比較簡(jiǎn)單的數(shù)學(xué)形式直接表達(dá)出來(lái)，從而使對(duì)復(fù)雜系統(tǒng)進(jìn)行合乎實(shí)際的、符合人類思維方式的處理成為可能，為經(jīng)典模糊控制器的形成奠定了基礎(chǔ)。

答案:模糊集合因?yàn)榇髷?shù)據(jù)是建立在，所以人們就可以正確地考察細(xì)節(jié)并進(jìn)行新的分析（）。

答案:掌握所有數(shù)據(jù)，至少是盡可能多的數(shù)據(jù)的基礎(chǔ)上的模糊邏輯區(qū)分模糊集合，處理模糊關(guān)系，模擬人腦實(shí)施規(guī)則型推理，解決各種問(wèn)題（）。

答案:不確定當(dāng)面臨大量數(shù)據(jù)時(shí)，以往長(zhǎng)期依賴于采樣分析，但是采樣分析是時(shí)代的產(chǎn)物（）。

答案:模擬數(shù)據(jù)專家系統(tǒng)是利用人類專長(zhǎng)建立的，可以提供程序使用的明確規(guī)則。而利用模糊邏輯，可以制定與專家所言規(guī)則（）。

答案:一致的常規(guī)邏輯的規(guī)則情況只有兩種，即不是1就是0，而在模糊邏輯中，每一個(gè)情況的真值可以是0和1之間的值（）。

答案:任何計(jì)算機(jī)的二進(jìn)制邏輯通常只有兩種狀態(tài)：要么真，要么假，現(xiàn)實(shí)生活中這樣非