《人工智能導(dǎo)論》第2版 題庫

PAGE20 人工智能導(dǎo)論（第2版） 作業(yè)題庫與參考答案 PAGE21人工智能導(dǎo)論（第2人工智能導(dǎo)論（第2版）作業(yè)題庫與參考答案作業(yè)題庫與參考答案第1章概述1.人工智能（AI）領(lǐng)域涉及理解和構(gòu)建（），確保這些智能實(shí)體機(jī)器在各種各樣新奇的情況下有效和安全地行動(dòng)。A.綜合部件 B.實(shí)體算法 C.智慧軟體 D.智能實(shí)體2.人工智能對(duì)世界的影響“將超過迄今為止人類歷史上的任何事物”，它包含大量不同的子領(lǐng)域，從（）等通用領(lǐng)域到下棋、證明數(shù)學(xué)定理、寫詩、駕車或診斷疾病等。=1\*GB3①自然 =2\*GB3②學(xué)習(xí) =3\*GB3③推理 =4\*GB3④感知A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④3.幾千年來，人類一直在利用工具幫助其思考。最原始的工具之一可能就是（）了。中世紀(jì)無處不在的計(jì)數(shù)板就直接來源于此。A.算盤 B.小鵝卵石 C.電腦 D.計(jì)算器4.傳說在13世紀(jì)左右，想學(xué)加法和減法上德國的學(xué)校就足夠了，但如果還想要學(xué)乘法和除法，那就必須去意大利才行，這是因?yàn)楫?dāng)時(shí)（）。A.德國沒有大學(xué) B.意大利人更聰明C.意大利文化比德國文化高明 D.所有數(shù)字都用羅馬數(shù)字寫成5.今天人們所使用的十進(jìn)制是（）數(shù)學(xué)家想出的方法。這個(gè)概念一路向西傳到歐洲，曾經(jīng)遭遇無數(shù)質(zhì)疑和抵制，最終取代了原來的舊數(shù)制，大大提高了人們計(jì)算速度和解答復(fù)雜問題的能力。A.西班牙 B.中國 C.印度 D.埃及6.1821年，英國數(shù)學(xué)家兼發(fā)明家查爾斯·巴貝奇開始了對(duì)數(shù)學(xué)機(jī)器的研究，他研制的第一臺(tái)數(shù)學(xué)機(jī)器叫（）。A.千分尺 B.差分機(jī) C.計(jì)算器 D.分析機(jī)7.1842年，巴貝奇請(qǐng)求埃達(dá)幫他將一篇與機(jī)器相關(guān)的法文文章翻譯成英文。埃達(dá)在翻譯注解中包含了一套機(jī)器編程系統(tǒng)，埃達(dá)也被后人稱為第一位（）。A.計(jì)算機(jī)程序員 B.法文翻譯家C.機(jī)械工程師 D.數(shù)據(jù)科學(xué)家8.“機(jī)器人（Robot）”的稱呼最初源于（）。A.1946年圖靈的一篇論文 B.1920年卡雷爾·恰佩克的一部舞臺(tái)劇C.1968年諾伊曼的一部手稿 D.1934年卡斯特羅的一次演講9.最初，“計(jì)算機(jī)（Computer）”這個(gè)詞指的是（）。A.計(jì)算的機(jī)器 B.做計(jì)算的人 C.電腦 D.計(jì)算桌10.被譽(yù)為世界上第一臺(tái)通用電子數(shù)字計(jì)算機(jī)的是（）。A.ENIAC B.Colossus C.Ada D.SSEM11.今天，計(jì)算機(jī)幾乎存在于所有電子設(shè)備之中，只是因?yàn)樗绕渌x項(xiàng)都要（），這類計(jì)算機(jī)通常被稱為嵌入式計(jì)算機(jī)。A.易用 B.穩(wěn)定 C.快速 D.便宜12.現(xiàn)代計(jì)算機(jī)可以被定義為“在可改變的程序的控制下，存儲(chǔ)和操縱信息的機(jī)器”。該定義有（）兩個(gè)關(guān)鍵要素。=1\*GB3①計(jì)算機(jī)是用于操縱信息的設(shè)備=2\*GB3②計(jì)算機(jī)復(fù)雜，難懂，難以被仿制=3\*GB3③計(jì)算機(jī)是唯一能操縱信息的機(jī)器=4\*GB3④計(jì)算機(jī)在可改變的程序的控制下運(yùn)行A.=2\*GB3②=3\*GB3③ B.=1\*GB3①=4\*GB3④ C.=1\*GB3①=2\*GB3② D.=3\*GB3③=4\*GB3④13.就像詞匯構(gòu)成語言一樣，計(jì)算機(jī)理解的（）構(gòu)成了計(jì)算機(jī)語言，也就是機(jī)器代碼，這是一種用數(shù)值表示的復(fù)雜語言。A.指令 B.編號(hào) C.符號(hào) D.函數(shù)14.計(jì)算機(jī)科學(xué)家常常會(huì)談及建立某個(gè)過程或物體的模型，這個(gè)“模型”指的是（）。A.類似航模這樣的手工藝品 B.機(jī)械制造業(yè)中的模具C.寫出事件運(yùn)作的所有方程式并進(jìn)行計(jì)算D.拿卡紙和軟木制作的一個(gè)復(fù)制品15.人工智能最根本也最宏偉的目標(biāo)之一就是建立（）的計(jì)算機(jī)模型。完美模型固然最好，但精確性稍遜的模型也同樣十分有效。A.模擬自然 B.復(fù)雜機(jī)器 C.動(dòng)物智慧 D.人腦那樣16.歷史上，研究人員研究過幾種不同版本的人工智能。追求（）必須在某種程度上是與心理學(xué)相關(guān)的經(jīng)驗(yàn)科學(xué)，包括對(duì)真實(shí)人類行為和思維過程的觀察和假設(shè)。A.動(dòng)物智慧 B.理性主義 C.類人智能 D.靈活浪漫17.歷史上，研究人員研究過幾種不同版本的人工智能。追求（）涉及數(shù)學(xué)和工程的結(jié)合，并與統(tǒng)計(jì)學(xué)、控制理論和經(jīng)濟(jì)學(xué)相聯(lián)系。A.動(dòng)物智慧 B.理性主義 C.類人智能 D.靈活浪漫18.目前，為計(jì)算機(jī)編程使其能夠通過嚴(yán)格的圖靈測(cè)試尚有大量工作要做。除了自然語言處理之外，計(jì)算機(jī)還需要具備（）能力。=1\*GB3①知識(shí)表示 =2\*GB3②節(jié)約成本 =3\*GB3③自動(dòng)推理 =4\*GB3④機(jī)器學(xué)習(xí)A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=1\*GB3①=3\*GB3③=4\*GB3④19.其他研究者提出的完全圖靈測(cè)試需要與真實(shí)世界中的對(duì)象進(jìn)行交互。為了通過完全圖靈測(cè)試，除了達(dá)到圖靈測(cè)試的要求之外，“對(duì)象”還需要具備（）能力。=1\*GB3①計(jì)算機(jī)視覺和語音識(shí)別功能，以感知世界=2\*GB3②機(jī)器人學(xué)，以操縱對(duì)象并行動(dòng)=3\*GB3③簡化運(yùn)算，以減少運(yùn)行成本 =4\*GB3④自動(dòng)編程，提高運(yùn)籌與數(shù)據(jù)分析水平A.=1\*GB3①=2\*GB3② B.=3\*GB3③=4\*GB3④ C.=1\*GB3①=3\*GB3③ D.=2\*GB3②=4\*GB3④20.我們必須知道人類是如何思考的，才能評(píng)價(jià)程序是否像人類一樣思考?？梢酝ㄟ^（）3種方式來了解人類的思維。=1\*GB3①外延 =2\*GB3②內(nèi)省 =3\*GB3③心理實(shí)驗(yàn) =4\*GB3④大腦成像A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③第2章模糊邏輯與大數(shù)據(jù)思維1.模糊邏輯模仿人腦的不確定性概念判斷、推理思維方式，實(shí)行模糊綜合判斷，推理解決常規(guī)方法難以對(duì)付的（）型模糊信息問題。A.隨機(jī) B.規(guī)則 C.條理 D.邏輯2.大數(shù)據(jù)是人工智能的基礎(chǔ)。大數(shù)據(jù)時(shí)代，人們對(duì)待數(shù)據(jù)的思維方式會(huì)發(fā)生（）三個(gè)變化。=1\*GB3①人們更加重視數(shù)據(jù)的精確性，重視個(gè)別關(guān)鍵數(shù)據(jù)=2\*GB3②人們處理的數(shù)據(jù)從樣本數(shù)據(jù)變成全部數(shù)據(jù)=3\*GB3③由于是全樣本數(shù)據(jù)，人們不得不接受數(shù)據(jù)的混雜性，而放棄對(duì)精確性的追求=4\*GB3④人類通過對(duì)大數(shù)據(jù)的處理，放棄對(duì)因果關(guān)系的渴求，轉(zhuǎn)而關(guān)注相關(guān)關(guān)系A(chǔ).=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③3.計(jì)算機(jī)的二進(jìn)制邏輯通常只有兩種狀態(tài)：要么是真要么是假，現(xiàn)實(shí)生活中（）這么一刀切的情況。A.很少有 B.常見 C.基本都是 D.完全都是4.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到1中間的（）值。A.某個(gè) B.某一組 C.任何 D.特定5.專家系統(tǒng)是利用人類專長建立起來的，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。A.更多的 B.相反的 C.不同的 D.一致的6.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研究模糊性思維、語言形式及其規(guī)律的科學(xué)。A.單值 B.多值 C.形式 D.數(shù)理7.模糊邏輯善于表達(dá)界限不清晰的定性知識(shí)與經(jīng)驗(yàn)，它區(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，解決種種（）問題。A.不確定 B.確定 C.精確 D.重要8.建立在二值邏輯基礎(chǔ)上的原有的邏輯與數(shù)學(xué)難以描述和處理現(xiàn)實(shí)世界中許多（），模糊數(shù)學(xué)與模糊邏輯就是要對(duì)其進(jìn)行精確的描述和處理。A.極值現(xiàn)象 B.重復(fù)對(duì)象 C.復(fù)雜問題 D.模糊性對(duì)象9.（）的引入，可將人的判斷、思維過程用簡單數(shù)學(xué)形式表達(dá)出來，從而使對(duì)復(fù)雜系統(tǒng)做出合乎實(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基礎(chǔ)。A.精確計(jì)算 B.統(tǒng)計(jì)科學(xué) C.模糊集合 D.隨機(jī)抽樣10.1965年，美國加利福尼亞大學(xué)自動(dòng)控制理論專家查德在關(guān)于（）的一系列論著中首先提出了模糊集合的概念，標(biāo)志著模糊數(shù)學(xué)的誕生。A.數(shù)值方法 B.模糊控制 C.邏輯運(yùn)算 D.數(shù)字理論11.創(chuàng)立和研究模糊邏輯的主要意義在于（）。=1\*GB3①運(yùn)用模糊邏輯變量、模糊邏輯函數(shù)和似然推理等新思想、新理論，從邏輯思想上為研究模糊性對(duì)象指明了方向=2\*GB3②在數(shù)學(xué)基礎(chǔ)研究方面，模糊邏輯發(fā)展完善，無須進(jìn)一步優(yōu)化=3\*GB3③在原有的布爾代數(shù)、二值邏輯等數(shù)學(xué)和邏輯工具難以描述和處理的自動(dòng)控制過程、疑難病癥的診斷、大系統(tǒng)的研究等方面，都具有獨(dú)到之處=4\*GB3④在方法論上，從精確性到模糊性、從確定性到不確定性的研究提供了正確的研究方法A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④12.模糊邏輯系統(tǒng)是指利用模糊概念和模糊邏輯構(gòu)成的系統(tǒng)。最常見的模糊邏輯系統(tǒng)有（）三類。=1\*GB3①純模糊邏輯系統(tǒng) =2\*GB3②高木-關(guān)野模糊邏輯系統(tǒng)=3\*GB3③具有模糊產(chǎn)生器以及模糊消除器的模糊邏輯系統(tǒng)=4\*GB3④高斯復(fù)合模糊邏輯系統(tǒng)A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③13.生產(chǎn)資料是人類文明的核心。農(nóng)業(yè)時(shí)代生產(chǎn)資料是土地，工業(yè)時(shí)代生產(chǎn)資料是機(jī)器，數(shù)字時(shí)代生產(chǎn)資料是（）。A.能源 B.數(shù)據(jù) C.信息 D.物資14.勞動(dòng)方式是人類文明的重要表征。智能時(shí)代基于數(shù)字勞動(dòng)而不斷推動(dòng)和豐富著“（）”。A.信息文明 B.機(jī)器文明 C.數(shù)字文明 D.手工文明15.當(dāng)面臨大量數(shù)據(jù)時(shí)，社會(huì)都依賴于采樣分析。但是采樣分析是（）時(shí)代的產(chǎn)物。A.電腦 B.青銅器 C.模擬數(shù)據(jù) D.云16.因?yàn)榇髷?shù)據(jù)是建立在（），所以我們就可以正確地考察細(xì)節(jié)并進(jìn)行新的分析。A.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B.在掌握少量精確數(shù)據(jù)的基礎(chǔ)上，盡可能多地收集其他數(shù)據(jù)C.掌握少量數(shù)據(jù)，至少是盡可能精確的數(shù)據(jù)的基礎(chǔ)上的D.盡可能掌握精確數(shù)據(jù)的基礎(chǔ)上17.直到今天，我們的數(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。A.多數(shù)據(jù)量 B.大數(shù)據(jù)量 C.無數(shù)據(jù)量 D.小數(shù)據(jù)量18.尋找（）是人類長久以來的習(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)慣性地尋找緣由。A.相關(guān)關(guān)系 B.因果關(guān)系 C.信息關(guān)系 D.組織關(guān)系19.在大數(shù)據(jù)時(shí)代，我們無須再緊盯事物之間的（），而應(yīng)該尋找事物之間的（），這會(huì)給我們提供非常新穎且有價(jià)值的觀點(diǎn)。A.因果關(guān)系，相關(guān)關(guān)系 B.相關(guān)關(guān)系，因果關(guān)系C.復(fù)雜關(guān)系，簡單關(guān)系 D.簡單關(guān)系，復(fù)雜關(guān)系20.人工智能，特別是機(jī)器學(xué)習(xí)，需要（）來建立其智能，甚至可以說，沒有它就沒有人工智能。A.網(wǎng)絡(luò) B.算法 C.專家 D.數(shù)據(jù)第3章智能體與智能代理1.智能體是人工智能領(lǐng)域中一個(gè)很重要的概念，它是指能（）的軟件或者硬件實(shí)體，任何獨(dú)立的能夠思考并可以同環(huán)境交互的實(shí)體都可以抽象為智能體。A.獨(dú)立計(jì)算 B.關(guān)聯(lián)處理 C.自主活動(dòng) D.受控移動(dòng)2.在社會(huì)科學(xué)中，智能代理是一個(gè)（）的人或其他系統(tǒng)，它根據(jù)感知世界得到的信息做出舉動(dòng)來影響這個(gè)世界。A.理性且自主 B.感性且自主 C.理性且集中 D.感性且集中3.任何通過（）感知環(huán)境并通過（）作用于該環(huán)境的事物都可以被視為智能體。A.執(zhí)行器，傳感器 B.傳感器，執(zhí)行器C.分析器，控制器 D.控制器，分析器4.使用術(shù)語（）來表示智能體的傳感器知覺的內(nèi)容。一般而言，一個(gè)智能體在任何給定時(shí)刻的動(dòng)作選擇，可能取決于其內(nèi)置知識(shí)和迄今為止觀察到的整個(gè)信息序列。A.感知 B.視線 C.關(guān)聯(lián) D.體驗(yàn)5.在內(nèi)部，人工智能體的（）將由（）實(shí)現(xiàn)，區(qū)別這兩種觀點(diǎn)很重要，前者是一種抽象的數(shù)學(xué)描述，而后者是一個(gè)具體的實(shí)現(xiàn)，可以在某些物理系統(tǒng)中運(yùn)行。A.執(zhí)行器，服務(wù)器 B.服務(wù)器，執(zhí)行器C.智能體程序，智能體函數(shù) D.智能體函數(shù)，智能體程序6.事實(shí)上，機(jī)器沒有自己的欲望和偏好，至少在最初，（）是在機(jī)器設(shè)計(jì)者的頭腦中或者是在機(jī)器受眾的頭腦中。A.感知條件 B.視覺效果 C.性能度量 D.體驗(yàn)感受7.對(duì)智能體來說，任何時(shí)候，理性取決于對(duì)智能體定義成功標(biāo)準(zhǔn)的性能度量以及（）等4個(gè)方面。=1\*GB3①在物質(zhì)方面的積累 =2\*GB3②對(duì)環(huán)境的先驗(yàn)知識(shí)=3\*GB3③可以執(zhí)行的動(dòng)作 =4\*GB3④到目前為止的感知序列。A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④8.在設(shè)計(jì)智能體時(shí)，第一步始終是盡可能完整地指定任務(wù)環(huán)境，它（PEAS）包括傳感器以及（）。=1\*GB3①性能 =2\*GB3②環(huán)境 =3\*GB3③函數(shù) =4\*GB3④執(zhí)行器A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④9.如果智能體的傳感器能讓它在每個(gè)時(shí)間點(diǎn)都能訪問環(huán)境的完整狀態(tài)，那么就說任務(wù)環(huán)境是（）的。A.有限可觀測(cè) B.非可觀測(cè) C.有效可觀測(cè) D.完全可觀測(cè)10.在（）環(huán)境中，通信通常作為一種理性行為出現(xiàn)：在某些競(jìng)爭環(huán)境中，隨機(jī)行為是理性的，因?yàn)樗苊饬艘恍┛深A(yù)測(cè)性的陷阱。A.單智能體 B.多智能體 C.復(fù)合智能體 D.離線智能體11.如果環(huán)境的下一個(gè)狀態(tài)完全由當(dāng)前狀態(tài)和智能體執(zhí)行的動(dòng)作決定，那么就說環(huán)境是（）。A.靜態(tài)的 B.動(dòng)態(tài)的 C.確定性的 D.非確定性的12.通常，大部分人工智能應(yīng)用都是一個(gè)（）的程序系統(tǒng)，在前期實(shí)驗(yàn)性操作成功的基礎(chǔ)上，無法按比例放大至可用規(guī)模。A.獨(dú)立和細(xì)小 B.關(guān)聯(lián)和具體 C.關(guān)聯(lián)和龐大 D.獨(dú)立和龐大13.有4種基本的智能體程序，它們體現(xiàn)了幾乎所有智能系統(tǒng)的基本原理，每種智能體程序以特定的方式組合特定的組件來產(chǎn)生動(dòng)作。其中，簡單反射型是最簡單的智能體，其他基本形式還有（）。=1\*GB3①基于動(dòng)態(tài)理論型 =2\*GB3②基于目標(biāo)型=3\*GB3③基于模型反射型 =4\*GB3④基于效用型A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④14.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。=1\*GB3①感知環(huán)境中的動(dòng)態(tài)條件=2\*GB3②執(zhí)行動(dòng)作影響環(huán)境=3\*GB3③進(jìn)行推理以解釋感知信息，求解問題，產(chǎn)生推理和決定動(dòng)作=4\*GB3④感知環(huán)境中的靜態(tài)參數(shù)A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③15.智能代理是一套輔助人和充當(dāng)他們代表的軟件，一般具有（）等多個(gè)特點(diǎn)。=1\*GB3①代理性 =2\*GB3②臨時(shí)性 =3\*GB3③智能性 =4\*GB3④移動(dòng)性A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④16.人們?cè)谥悄艽沓绦蛑性O(shè)置的一些（）甚至可以在不同計(jì)算機(jī)上運(yùn)行，但依然遵循所設(shè)計(jì)的層次協(xié)同合作原理。A.串聯(lián)信號(hào) B.關(guān)聯(lián)數(shù)據(jù) C.獨(dú)立模塊 D.隨機(jī)函數(shù)17.通過離散各個(gè)部分，智能代理的（）大大降低，使程序編寫和維護(hù)更加簡單。通過系統(tǒng)內(nèi)的協(xié)同合作，完全可以修改某些模塊而不影響任何其他模塊。A.復(fù)雜度 B.關(guān)聯(lián)度 C.獨(dú)立性 D.隨機(jī)性18.在人工智能領(lǐng)域中，多個(gè)（）在一個(gè)系統(tǒng)中協(xié)同作業(yè)，各自負(fù)責(zé)自己最擅長的工作。為了執(zhí)行任務(wù)，它們需要與其他做不同工作的個(gè)體溝通。各自都對(duì)環(huán)境進(jìn)行感知，其環(huán)境由任務(wù)所決定。A.復(fù)雜組件 B.關(guān)聯(lián)程序 C.機(jī)器人組 D.智能代理19.所有相關(guān)的智能代理獨(dú)立程序彼此間需要交流，這通常是通過（）來完成的。A.隨機(jī)組合 B.傳遞信息 C.直接控制 D.系統(tǒng)中斷20.智能代理系統(tǒng)的適用場(chǎng)景有很多，例如包括（）。=1\*GB3①有限元計(jì)算 =2\*GB3②實(shí)體機(jī)器人 =3\*GB3③電腦游戲 =4\*GB3④股票、期貨交易A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④第4章知識(shí)表示及其方法1.知識(shí)是信息（）通過對(duì)信息的提煉和推理而獲得的正確結(jié)論，是人對(duì)自然世界、人類社會(huì)以及思維方式與運(yùn)動(dòng)規(guī)律的認(rèn)識(shí)與掌握，是人類大腦通過思維重新組合和系統(tǒng)化的信息集合。A.數(shù)據(jù)庫 B.聚合商 C.生產(chǎn)者 D.接受者2.知識(shí)與知識(shí)表示是人工智能中的一項(xiàng)重要的基本技術(shù)，它決定著人工智能如何進(jìn)行（）。A.知識(shí)學(xué)習(xí) B.知識(shí)存儲(chǔ) C.知識(shí)產(chǎn)生 D.知識(shí)爆炸3.在信息時(shí)代，有許多可以處理和存儲(chǔ)大量信息的計(jì)算機(jī)系統(tǒng)。信息包括數(shù)據(jù)和事實(shí)。數(shù)據(jù)、事實(shí)、信息和知識(shí)之間存在著（）關(guān)系。A.因果 B.重疊 C.層次 D.網(wǎng)狀4.下列關(guān)于知識(shí)的敘述中，正確的是（）。=1\*GB3①知識(shí)是信息接受者通過對(duì)信息的提煉和推理而獲得的正確結(jié)論=2\*GB3②知識(shí)是銘刻在書本上不朽的真理=3\*GB3③知識(shí)是人對(duì)自然世界、人類社會(huì)以及思維方式與運(yùn)動(dòng)規(guī)律的認(rèn)識(shí)與掌握=4\*GB3④知識(shí)是人的大腦通過思維重新組合和系統(tǒng)化的信息集合A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④5.在人工智能中，從便于表示和運(yùn)用的角度出發(fā)，將知識(shí)分為（）。=1\*GB3①對(duì)象 =2\*GB3②執(zhí)行 =3\*GB3③元知識(shí) =4\*GB3④事件和事件序列A.=1\*GB3①=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④6.以下關(guān)于“知識(shí)表示”的敘述中合適的是（）。=1\*GB3①是指把知識(shí)客體中的知識(shí)因子與知識(shí)關(guān)聯(lián)起來，便于人們識(shí)別和理解知識(shí)=2\*GB3②是對(duì)知識(shí)的一種描述，或者說是一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu)=3\*GB3③在知識(shí)組織的基礎(chǔ)上產(chǎn)生知識(shí)表示方法=4\*GB3④是能夠完成對(duì)專家的知識(shí)進(jìn)行計(jì)算機(jī)處理的一系列技術(shù)手段A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③7.對(duì)于人類而言，一個(gè)好的知識(shí)表示應(yīng)該具有的特征包括（）。=1\*GB3①它應(yīng)該是透明的，即容易理解=2\*GB3②無論是通過語言、視覺、觸覺、聲音或者這些組合，都對(duì)我們的感官產(chǎn)生影響=3\*GB3③從所表示的世界的真實(shí)情況方面考查，它講述的故事應(yīng)該讓人容易理解=4\*GB3④良好的表示與機(jī)器龐大的存儲(chǔ)器和極快的處理速度其實(shí)無關(guān)A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.一幅相關(guān)的圖片或圖形可以相對(duì)簡潔地傳達(dá)故事或消息。（）是一種非正式的繪圖，或者說是對(duì)場(chǎng)景、過程、心情或系統(tǒng)的概括。A.螺旋圖 B.圖形草圖 C.圓餅圖 D.場(chǎng)景圖9.（）是知識(shí)表示的重要工具，因?yàn)樗潜硎緺顟B(tài)、替代路徑和可度量路徑的自然方式。A.數(shù)組 B.表 C.圖 D.線段10.如果需要應(yīng)用如最佳優(yōu)先搜索算法這樣的分析方法，使用（）表示最合適。A.搜索樹 B.計(jì)算器 C.矩陣 D.圖形11.本質(zhì)上，人工智能與決策相關(guān)。如果需要一種好的方式來評(píng)估要求做出決策的環(huán)境，（）通常使用一個(gè)“IF[條件]THEN[動(dòng)作]”形式規(guī)則集來表示。A.搜索樹 B.產(chǎn)生式系統(tǒng) C.圖形 D.框架法12.（）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)。A.產(chǎn)生式系統(tǒng) B.框架法 C.面向?qū)ο? D.圖形13.（）的知識(shí)表示方法是一種以對(duì)象為中心，把對(duì)象的屬性、動(dòng)態(tài)行為、領(lǐng)域知識(shí)和處理方法等有關(guān)知識(shí)封裝在表達(dá)對(duì)象的結(jié)構(gòu)中的混合知識(shí)表示形式。A.產(chǎn)生式系統(tǒng) B.圖形 C.搜索樹 D.面向?qū)ο?4.（）知識(shí)表示方法把某一特殊事件或?qū)ο蟮乃兄R(shí)儲(chǔ)存在一種復(fù)雜的數(shù)據(jù)結(jié)構(gòu)中。A.框架法 B.產(chǎn)生式系統(tǒng) C.搜索樹 D.面向?qū)ο?5.（）是知識(shí)表示中最重要的通用形式之一，它是通過概念及其語義關(guān)系來表達(dá)知識(shí)的一種網(wǎng)絡(luò)圖。A.框架法 B.語義網(wǎng)絡(luò) C.搜索樹 D.面向?qū)ο?6.語義網(wǎng)絡(luò)利用（）構(gòu)成的有向圖描述事件、概念、狀況、動(dòng)作及客體之間的關(guān)系。帶標(biāo)記的有向圖能十分自然的描述客體之間的關(guān)系。=1\*GB3①節(jié)點(diǎn) =2\*GB3②頂點(diǎn) =3\*GB3③無標(biāo)記邊 =4\*GB3④帶標(biāo)記邊A.=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3② C.=1\*GB3①=4\*GB3④ D.=2\*GB3②=3\*GB3③17.作為知識(shí)表示的一種形式，語義網(wǎng)絡(luò)對(duì)計(jì)算機(jī)程序員和研究人員大有用途，但是缺少（）這兩個(gè)元素。在其他形式的知識(shí)表示中，它們是直接可用的。=1\*GB3①規(guī)模 =2\*GB3②精度 =3\*GB3③準(zhǔn)確性 =4\*GB3④集合成員關(guān)系A(chǔ).=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3② C.=1\*GB3①=3\*GB3③ D.=2\*GB3②=4\*GB3④18.理解知識(shí)圖譜的概念，有兩個(gè)關(guān)鍵詞，即（）。=1\*GB3①語義網(wǎng)絡(luò) =2\*GB3②大規(guī)模 =3\*GB3③高精度 =4\*GB3④廣泛性A.=1\*GB3①=2\*GB3② B.=1\*GB3①=3\*GB3③ C.=2\*GB3②=4\*GB3④ D.=3\*GB3③=4\*GB3④19.知識(shí)圖譜是實(shí)現(xiàn)機(jī)器認(rèn)知智能的基礎(chǔ)。機(jī)器認(rèn)知智能的兩個(gè)核心能力：（），均與知識(shí)圖譜有著密切關(guān)系。=1\*GB3①擴(kuò)展 =2\*GB3②理解 =3\*GB3③解釋 =4\*GB3④反饋A.=1\*GB3①=4\*GB3④ B.=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③ D.=2\*GB3②=4\*GB3④20.知識(shí)圖譜系統(tǒng)的生命周期包含四個(gè)重要環(huán)節(jié)，即知識(shí)表示和（）。這四個(gè)環(huán)節(jié)循環(huán)迭代。=1\*GB3①知識(shí)獲取 =2\*GB3②知識(shí)計(jì)算 =3\*GB3③知識(shí)管理 =4\*GB3④知識(shí)應(yīng)用A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④第5章規(guī)則與專家系統(tǒng)1.作為早期人工智能的一個(gè)重要分支，（）實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運(yùn)用專門知識(shí)的重大突破。A.專家系統(tǒng) B.精確算法 C.軟件工程 D.智能機(jī)器2.事實(shí)上，大多數(shù)人（）專家，這與早期的人類觀點(diǎn)相反。A.都可以成為 B.可以在各個(gè)領(lǐng)域成為C.無師自通，自成 D.只有在自己的專業(yè)領(lǐng)域才是3.國際象棋大師（）創(chuàng)建生活中其他事物啟發(fā)法、規(guī)則、方法的大師，對(duì)于數(shù)學(xué)博士、醫(yī)生或律師來說也是如此。A.大部分是 B.基本不是 C.通常都是 D.沒有可能成為4.我們所知道的是，人們?cè)谡莆杖魏翁囟I(lǐng)域知識(shí)之前，（）。A.需要長期的學(xué)習(xí) B.通常都是天才C.只要勤奮工作就行 D.只要生活幸福就行5.德雷福斯兄弟認(rèn)為：專有技術(shù)基于“從新手到專家的過程中有5個(gè)技能獲取階段”這個(gè)前提，即新手、熟手、（）、精通、專家。A.能手 B.高人 C.勝任 D.行家6.德雷福斯兄弟認(rèn)為，在許多方面，如視覺、解釋判斷方面，包括（），機(jī)器都比人腦差。沒有這些能力，機(jī)器將永遠(yuǎn)比不上人類（大腦和思想）。A.圖像顯示質(zhì)量 B.人腦整體工作的方式C.聲音抒發(fā)的音色 D.運(yùn)算速度與精度7.專家的一個(gè)關(guān)鍵的杰出特征就是，他們能出色地完成工作。要做到這一點(diǎn)，他們要能夠完成的工作包括（）。=1\*GB3①轉(zhuǎn)述問題 =2\*GB3②解決問題 =3\*GB3③解釋結(jié)果 =4\*GB3④學(xué)習(xí)A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④8.專家系統(tǒng)一般采用（）表示和推理技術(shù)，根據(jù)系統(tǒng)中的知識(shí)與經(jīng)驗(yàn)，進(jìn)行推理和判斷，來模擬通常由人類領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問題決策過程。A.邏輯 B.知識(shí) C.信息 D.條件9.最初嘗試創(chuàng)建人工智能的研究人員曾經(jīng)認(rèn)為，建立專家系統(tǒng)所需要的不過是（）而已。A.少量的規(guī)則 B.精確的算法 C.足夠的規(guī)則 D.模糊的算法10.計(jì)算機(jī)在編程后能夠進(jìn)行的第一批游戲都是具備制勝策略的。比如，“21點(diǎn)”游戲的制勝策略就是確保自己成為喊出（）的玩家。A.20 B.21 C.18 D.1911.如果不存在制勝策略，計(jì)算機(jī)就會(huì)尋找能夠?qū)崿F(xiàn)的最優(yōu)方案。所謂“極大極小化策略”，就是在我們的回合爭取獲得（）利益，在對(duì)手回合則考慮（）利益。A.最小化，最大化 B.最大化，最小化C.最小化，最小化 D.最大化，最大化12.人們?cè)O(shè)想，在利用規(guī)則推導(dǎo)建立的醫(yī)學(xué)診斷專家系統(tǒng)中，在用戶輸入數(shù)據(jù)后，能夠通過數(shù)據(jù)推導(dǎo)出對(duì)病因的診斷。但前期的嘗試均以失敗告終，原因歸根結(jié)底還是因?yàn)槿狈Γǎ.金錢 B.物質(zhì)資源 C.人手 D.知識(shí)13.總體來說，專家系統(tǒng)因其在計(jì)算機(jī)科學(xué)和現(xiàn)實(shí)世界中的貢獻(xiàn)而被視早期人工智能發(fā)展中（）、最成功、最知名和最受歡迎的領(lǐng)域。A.最古老 B.最年輕 C.最專一 D.最簡單14.專家系統(tǒng)出現(xiàn)在20世紀(jì)70年代，當(dāng)時(shí)整個(gè)人工智能領(lǐng)域正處在發(fā)展的（）。A.高潮 B.第三階段 C.低谷 D.爆發(fā)時(shí)期15.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。A.運(yùn)算 B.學(xué)習(xí) C.顯示 D.智能16.當(dāng)人們考慮建立專家系統(tǒng)時(shí)，思考的第一個(gè)問題是（）是否合適。A.費(fèi)用和收益 B.時(shí)間和進(jìn)度 C.形象和成果 D.領(lǐng)域和問題17.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)。A.確定但不精確 B.不確定但一定精確C.不確定和不精確 D.確定并且精確18.專家系統(tǒng)是一個(gè)基于知識(shí)的系統(tǒng)。通常，一個(gè)高性能專家系統(tǒng)應(yīng)具備的特征包括（）。=1\*GB3①啟發(fā)性 =2\*GB3②直觀性 =3\*GB3③透明性 =4\*GB3④靈活性A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④19.專家系統(tǒng)一般由人機(jī)交互界面、綜合數(shù)據(jù)庫、知識(shí)獲取、（）等6個(gè)部分構(gòu)成，其體系結(jié)構(gòu)隨類型、功能和規(guī)模的不同，而有所差異。=1\*GB3①自動(dòng)機(jī) =2\*GB3②知識(shí)庫 =3\*GB3③推理機(jī) =4\*GB3④解釋器A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④20.按知識(shí)表示技術(shù)，專家系統(tǒng)可分為基于規(guī)則、（）等的專家系統(tǒng)，已經(jīng)被廣泛應(yīng)用在工程、科學(xué)、醫(yī)藥、軍事、商業(yè)等方面。=1\*GB3①基于邏輯 =2\*GB3②基于語義網(wǎng)絡(luò)=3\*GB3③基于框架 =4\*GB3④基于精確算法A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④第6章機(jī)器學(xué)習(xí)機(jī)器算法1.機(jī)器學(xué)習(xí)是使計(jì)算機(jī)具有智能的根本途徑，是一門涉及到概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、算法復(fù)雜度理論等多領(lǐng)域的（）學(xué)科，專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為。A.重復(fù) B.交叉 C.復(fù)合 D.獨(dú)立2.機(jī)器學(xué)習(xí)最早的發(fā)展可以追溯到（）。A.英國數(shù)學(xué)家貝葉斯在1763年發(fā)表的貝葉斯定理B.1950年計(jì)算機(jī)科學(xué)家圖靈發(fā)明的圖靈測(cè)試C.1952年亞瑟·塞繆爾創(chuàng)建的一個(gè)簡單的下棋游戲程序D.唐納德·米奇在1963年推出的強(qiáng)化學(xué)習(xí)的tic-tac-toe（井字棋）程序3.20世紀(jì)50年代中葉到60年代中葉，屬于機(jī)器學(xué)習(xí)的（）時(shí)期。這個(gè)時(shí)期通過對(duì)機(jī)器的環(huán)境及其相應(yīng)性能參數(shù)的改變來檢測(cè)系統(tǒng)所反饋的數(shù)據(jù)，最后選擇一個(gè)最優(yōu)的環(huán)境生存。A.衰退 B.復(fù)興 C.冷靜 D.熱烈4.從20世紀(jì)60年代中葉到70年代中葉，被稱為機(jī)器學(xué)習(xí)的（）時(shí)期。主要研究將領(lǐng)域知識(shí)植入系統(tǒng)，通過機(jī)器模擬人類學(xué)習(xí)，同時(shí)采用圖結(jié)構(gòu)及邏輯結(jié)構(gòu)方面的知識(shí)進(jìn)行系統(tǒng)描述。A.衰退 B.復(fù)興 C.冷靜 D.熱烈5.從20世紀(jì)70年代中葉到80年代中葉，稱為（）時(shí)期。在此期間人們從學(xué)習(xí)單個(gè)概念擴(kuò)展到學(xué)習(xí)多個(gè)概念，探索不同的學(xué)習(xí)策略和學(xué)習(xí)方法，開始把學(xué)習(xí)系統(tǒng)與各種應(yīng)用結(jié)合起來。A.衰退 B.復(fù)興 C.冷靜 D.熱烈6.20世紀(jì)80年代中葉，機(jī)器學(xué)習(xí)進(jìn)入新階段的主要特點(diǎn)包括（）。=1\*GB3①機(jī)器學(xué)習(xí)成為新的邊緣學(xué)科，融合各種學(xué)習(xí)方法=2\*GB3②機(jī)器學(xué)習(xí)與人工智能各種基礎(chǔ)問題的統(tǒng)一性觀點(diǎn)正在形成=3\*GB3③與機(jī)器學(xué)習(xí)有關(guān)的商業(yè)活動(dòng)和市場(chǎng)銷售空前活躍=4\*GB3④各種學(xué)習(xí)方法的應(yīng)用范圍不斷擴(kuò)大，一部分已形成商品A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③7.學(xué)習(xí)是人類具有的一種重要的智能行為，社會(huì)學(xué)家、邏輯學(xué)家和心理學(xué)家都各有其不同的看法。關(guān)于機(jī)器學(xué)習(xí)，合適的定義是（）。=1\*GB3①蘭利的定義是：“機(jī)器學(xué)習(xí)是一門人工智能的科學(xué)，該領(lǐng)域的主要研究對(duì)象是人工智能，特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能”=2\*GB3②湯姆·米切爾的定義是：“機(jī)器學(xué)習(xí)是對(duì)能通過經(jīng)驗(yàn)自動(dòng)改進(jìn)的計(jì)算機(jī)算法的研究”=3\*GB3③阿爾帕丁的定義是：“機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn)，以優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)”=4\*GB3④馬丁·路德金的定義是：“機(jī)器學(xué)習(xí)是一門研究算法獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)問”A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④8.（）機(jī)器學(xué)習(xí)主要研究學(xué)習(xí)機(jī)制，注重探索模擬人的學(xué)習(xí)機(jī)制，研究內(nèi)容包括決策樹、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯學(xué)習(xí)等方面。A.大數(shù)據(jù) B.經(jīng)典 C.創(chuàng)新 D.傳統(tǒng)9.（）環(huán)境下的機(jī)器學(xué)習(xí)主要是研究如何有效利用信息，注重從巨量數(shù)據(jù)中獲取隱藏的、有效的、可理解的知識(shí)。A.大數(shù)據(jù) B.經(jīng)典 C.創(chuàng)新 D.傳統(tǒng)10.（）作為機(jī)器學(xué)習(xí)重要算法之一，是一種利用多個(gè)樹分類器進(jìn)行分類和預(yù)測(cè)的方法。A.大數(shù)據(jù)塊 B.神經(jīng)網(wǎng)絡(luò) C.隨機(jī)森林 D.傳統(tǒng)聚焦11.（）是一種具有非線性適應(yīng)性信息處理能力的算法，可克服傳統(tǒng)人工智能方法對(duì)于直覺方面的缺陷，得到迅速發(fā)展。A.大數(shù)據(jù)塊 B.神經(jīng)網(wǎng)絡(luò) C.隨機(jī)森林 D.傳統(tǒng)聚焦12.機(jī)器學(xué)習(xí)的核心是“使用（）解析數(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)”。A.程序 B.函數(shù) C.算法 D.模塊13.有三種主要類型的機(jī)器學(xué)習(xí)：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和（）學(xué)習(xí)，各自有著不同的特點(diǎn)。A.重復(fù) B.強(qiáng)化 C.自主 D.優(yōu)化14.（）學(xué)習(xí)是指輸入數(shù)據(jù)中有導(dǎo)師信號(hào)，以概率函數(shù)、代數(shù)函數(shù)或人工神經(jīng)網(wǎng)絡(luò)為基函數(shù)模型，采用迭代計(jì)算方法，學(xué)習(xí)結(jié)果為函數(shù)。A.無監(jiān)督 B.強(qiáng)化 C.自主 D.監(jiān)督15.監(jiān)督學(xué)習(xí)的主要類型是（）。A.分類和回歸 B.聚類和回歸 C.分類和降維 D.聚類和降維16.無監(jiān)督學(xué)習(xí)又稱歸納性學(xué)習(xí)，分為（）。A.分類和回歸 B.聚類和回歸 C.分類和降維 D.聚類和降維17.強(qiáng)化學(xué)習(xí)使用機(jī)器的個(gè)人歷史和經(jīng)驗(yàn)來做出決定，其經(jīng)典應(yīng)用是（）。A.文字處理 B.數(shù)據(jù)挖掘 C.游戲娛樂 D.自動(dòng)控制18.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)概念有一個(gè)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（）。=1\*GB3①線性代數(shù) =2\*GB3②微積分 =3\*GB3③概率統(tǒng)計(jì) =4\*GB3④微分方程A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④19.機(jī)器學(xué)習(xí)的（）是一種建模和分析數(shù)據(jù)的預(yù)測(cè)性技術(shù)工具，它研究因變量（目標(biāo)）和自變量（預(yù)測(cè)器）之間的關(guān)系，通常用于預(yù)測(cè)分析、時(shí)間序列模型以及發(fā)現(xiàn)變量之間的因果關(guān)系。A.回歸分析 B.決策樹 C.神經(jīng)網(wǎng)絡(luò) D.k-最近鄰20.最著名的基于實(shí)例的算法是（）（KNN）算法，它是機(jī)器學(xué)習(xí)中最基礎(chǔ)和簡單的算法之一，既能用于分類，也能用于回歸。A.回歸分析 B.決策樹 C.神經(jīng)網(wǎng)絡(luò) D.k-最近鄰第7章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)1.如果你想設(shè)計(jì)人工智能系統(tǒng)，那就要學(xué)習(xí)并分析這個(gè)星球上最自然的智能系統(tǒng)之一，即（）。A.人腦神經(jīng)系統(tǒng) B.人腦和五官系統(tǒng)C.肌肉和血管系統(tǒng) D.思維和學(xué)習(xí)系統(tǒng)2.所謂神經(jīng)網(wǎng)絡(luò)，是指以人腦和神經(jīng)系統(tǒng)為模型的（）算法。A.倒檔追溯 B.直接搜索 C.機(jī)器學(xué)習(xí) D.深度優(yōu)先3.如今，ANN從股票市場(chǎng)預(yù)測(cè)到（）和許多其他應(yīng)用領(lǐng)域都有突出的應(yīng)用表現(xiàn)。=1\*GB3①汽車自主控制 =2\*GB3②模式識(shí)別 =3\*GB3③經(jīng)濟(jì)預(yù)測(cè) =4\*GB3④數(shù)字分析A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③4.人腦是一種適應(yīng)性系統(tǒng)，必須對(duì)變幻莫測(cè)的事物做出反應(yīng)，而學(xué)習(xí)是通過修改神經(jīng)元之間連接的（）來進(jìn)行的。A.順序 B.強(qiáng)度 C.速度 D.平滑度5.人類細(xì)胞之間的軸突-樹突（軸突-神經(jīng)元胞體或軸突-軸突）接觸稱為神經(jīng)元的（）。A.突觸 B.軸突 C.樹突 D.髓鞘6.人腦由（）個(gè)神經(jīng)元組成，這些神經(jīng)元彼此高度相連。A.100~1000萬 B.50~500萬 D.50~500億 D.100~1000億7.ANN是一種模仿生物神經(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。A.細(xì)胞體 B.權(quán)重 C.輸入通道 D.輸出通道8.現(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具。典型的神經(jīng)網(wǎng)絡(luò)具有（）3個(gè)部分。=1\*GB3①結(jié)構(gòu) =2\*GB3②尺寸 =3\*GB3③激勵(lì)函數(shù) =4\*GB3④學(xué)習(xí)規(guī)則A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=2\*GB3②=3\*GB3③=4\*GB3④9.人工智能在圖像識(shí)別上已經(jīng)超越了人類，支持這些圖像識(shí)別技術(shù)的，通常是（）。A.云計(jì)算 B.因特網(wǎng) C.神經(jīng)計(jì)算 D.深度神經(jīng)網(wǎng)絡(luò)10.將ANN與模糊邏輯結(jié)合起來生成（）網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)既有ANN的學(xué)習(xí)能力，同時(shí)也具有模糊邏輯的解釋能力。A.模式識(shí)別 B.人工智能 C.神經(jīng)模糊 D.自動(dòng)計(jì)算11.從研究角度看，（）是基于多層神經(jīng)網(wǎng)絡(luò)、海量數(shù)據(jù)為輸入的，發(fā)現(xiàn)規(guī)則自學(xué)習(xí)的方法。A.深度學(xué)習(xí) B.特征學(xué)習(xí) C.模式識(shí)別 D.自動(dòng)翻譯12.現(xiàn)實(shí)世界大多數(shù)事情的特征是復(fù)雜非線性的。比如貓的圖像中就包含了顏色、形態(tài)、五官、光線等各種信息。深度學(xué)習(xí)的關(guān)鍵就是通過（）映射將這些因素成功分開。A.多層線性 B.多層非線性 C.數(shù)據(jù)依賴性 D.復(fù)雜問題13.已經(jīng)有多種深度學(xué)習(xí)框架，如深度神經(jīng)網(wǎng)絡(luò)和（），被應(yīng)用在計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理、音頻識(shí)別與生物信息學(xué)等領(lǐng)域并獲取了極好的效果。=1\*GB3①卷積神經(jīng)網(wǎng)絡(luò) =2\*GB3②高信價(jià)比網(wǎng)絡(luò) =3\*GB3③深度置信網(wǎng)絡(luò) =4\*GB3④遞歸神經(jīng)網(wǎng)絡(luò)A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④14.（）網(wǎng)絡(luò)是一種用來分析視覺圖像的強(qiáng)大的深度學(xué)習(xí)模型，它是一種前饋神經(jīng)網(wǎng)絡(luò)，類似于人工神經(jīng)網(wǎng)絡(luò)的多層感知器，也是深度學(xué)習(xí)的代表算法之一。A.深度神經(jīng) B.深度置信 C.卷積神經(jīng) D.遞歸神經(jīng)15.與常規(guī)神經(jīng)網(wǎng)絡(luò)不同，卷積神經(jīng)網(wǎng)絡(luò)各層中的神經(jīng)元是3維排列的：（）。在其結(jié)構(gòu)的最后部分將會(huì)把全尺寸的圖像壓縮為包含分類評(píng)分的一個(gè)深度方向排列的向量。=1\*GB3①寬度 =2\*GB3②高度 =3\*GB3③精度 =4\*GB3④深度A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④16.卷積神經(jīng)網(wǎng)絡(luò)中池化層的核心目標(biāo)之一是提供空間方差，即使它的外觀以某種方式發(fā)生改變，機(jī)器也能夠?qū)?duì)象識(shí)別出來。池化層通常由一個(gè)簡單的操作完成，比如（）。=1\*GB3①max =2\*GB3②min =3\*GB3③average =4\*GB3④totalA.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④17.如何充分利用之前標(biāo)注好的數(shù)據(jù)（廢物利用），同時(shí)又保證在新的任務(wù)上的模型精度——基于這樣的需求，就有了對(duì)（）的研究。A.自由學(xué)習(xí) B.遷移學(xué)習(xí) C.加強(qiáng)學(xué)習(xí) D.概率學(xué)習(xí)18.從相關(guān)領(lǐng)域中遷移標(biāo)注數(shù)據(jù)或者知識(shí)結(jié)構(gòu)、完成或改進(jìn)目標(biāo)領(lǐng)域或任務(wù)的學(xué)習(xí)效果，遷移學(xué)習(xí)的關(guān)鍵點(diǎn)是（）。=1\*GB3①遷去何處 =2\*GB3②遷移什么 =3\*GB3③如何遷移 =4\*GB3④何時(shí)遷移A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④19.遷移學(xué)習(xí)需要研究如何利用正遷移，避免負(fù)遷移。它的主要遷移方式有（）。=1\*GB3①基于實(shí)例的遷移 =2\*GB3②基于特征的遷移=3\*GB3③基于算法的遷移 =4\*GB3④基于共享參數(shù)的遷移A.=1\*GB3①=2\*GB3②=3\*GB3③ B.=2\*GB3②=3\*GB3③=4\*GB3④ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④20.下列場(chǎng)景中，（）是深度學(xué)習(xí)技術(shù)的典型應(yīng)用領(lǐng)域。=1\*GB3①語音識(shí)別 =2\*GB3②科學(xué)計(jì)算 =3\*GB3③機(jī)器翻譯 =4\*GB3④自動(dòng)駕駛A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④第8章創(chuàng)建智能系統(tǒng)的強(qiáng)化學(xué)習(xí)1.強(qiáng)化學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種廣泛應(yīng)用于創(chuàng)建（）的模式，其主要問題是：一個(gè)智能體如何在環(huán)境未知，只提供對(duì)環(huán)境的感知和偶爾的獎(jiǎng)勵(lì)情況下，對(duì)某項(xiàng)任務(wù)變得精通。A.數(shù)據(jù)環(huán)境 B.搜索引擎 C.智能系統(tǒng) D.事務(wù)系統(tǒng)2.強(qiáng)化學(xué)習(xí)側(cè)重在線學(xué)習(xí)并試圖在探索—利用間保持平衡，用于描述和解決智能體在與環(huán)境的交互過程中，以“（）”的方式，通過學(xué)習(xí)策略達(dá)成回報(bào)最大化或?qū)崿F(xiàn)特定目標(biāo)的問題。A.試錯(cuò) B.分析 C.搜索 D.獎(jiǎng)勵(lì)3.強(qiáng)化學(xué)習(xí)不要求預(yù)先給定任何數(shù)據(jù)，主要表現(xiàn)在強(qiáng)化信號(hào)上，通過接收環(huán)境對(duì)動(dòng)作的（）獲得學(xué)習(xí)信息并更新模型參數(shù)。A.試錯(cuò) B.分析 C.搜索 D.獎(jiǎng)勵(lì)4.強(qiáng)化學(xué)習(xí)是從（）、參數(shù)擾動(dòng)自適應(yīng)控制等理論發(fā)展而來的，其基本原理是：如果智能體的某個(gè)行為策略導(dǎo)致環(huán)境正的獎(jiǎng)賞，那么該智能體以后產(chǎn)生這個(gè)行為策略的趨勢(shì)便會(huì)加強(qiáng)。A.深度學(xué)習(xí) B.動(dòng)物學(xué)習(xí) C.離散分析 D.機(jī)器研究5.在強(qiáng)化學(xué)習(xí)中，（）選擇一個(gè)動(dòng)作用于環(huán)境，環(huán)境接受該動(dòng)作后狀態(tài)發(fā)生變化，同時(shí)產(chǎn)生一個(gè)強(qiáng)化信號(hào)（獎(jiǎng)或懲）反饋給智能體。A.專家 B.學(xué)習(xí)者 C.智能體 D.復(fù)合體6.強(qiáng)化學(xué)習(xí)的常見模型是標(biāo)準(zhǔn)的（）。A.馬爾可夫決策過程 B.先驗(yàn)標(biāo)注數(shù)據(jù)C.逆強(qiáng)化學(xué)習(xí)模型 D.馬爾代夫分析模型7.強(qiáng)化學(xué)習(xí)主要由智能體和環(huán)境組成，兩者間通過（）3個(gè)信號(hào)進(jìn)行交互。=1\*GB3①獎(jiǎng)勵(lì) =2\*GB3②狀態(tài) =3\*GB3③反饋 =4\*GB3④動(dòng)作A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=4\*GB3④8.在強(qiáng)化學(xué)習(xí)中，每一個(gè)自主體由兩個(gè)神經(jīng)網(wǎng)絡(luò)模塊組成，即（）。A.馬爾可夫決策和馬爾代夫分析 B.行動(dòng)網(wǎng)絡(luò)和評(píng)估網(wǎng)絡(luò)C.逆強(qiáng)化學(xué)習(xí)和順優(yōu)選函數(shù) D.先驗(yàn)知識(shí)和標(biāo)注數(shù)據(jù)9.（）是根據(jù)當(dāng)前的狀態(tài)而決定下一個(gè)時(shí)刻施加到環(huán)境上去的最好動(dòng)作。A.評(píng)估網(wǎng)絡(luò) B.學(xué)習(xí)者 C.行動(dòng)網(wǎng)絡(luò) D.復(fù)合體10.強(qiáng)化學(xué)習(xí)和監(jiān)督學(xué)習(xí)的共同點(diǎn)是兩者都需要大量的（）進(jìn)行學(xué)習(xí)訓(xùn)練，但兩者的學(xué)習(xí)方式不盡相同，兩者所需的數(shù)據(jù)類型也有差異。A.數(shù)據(jù) B.程序 C.行為 D.資源11.一般而言，（）是通過對(duì)數(shù)據(jù)進(jìn)行分析，找到數(shù)據(jù)的表達(dá)模型，隨后利用該模型，在新輸入的數(shù)據(jù)上進(jìn)行決策。A.簡單學(xué)習(xí) B.強(qiáng)化學(xué)習(xí) C.無監(jiān)督學(xué)習(xí) D.監(jiān)督學(xué)習(xí)12.在基于模型的強(qiáng)化學(xué)習(xí)中，智能體使用環(huán)境的（）來幫助解釋獎(jiǎng)勵(lì)信號(hào)并決定如何行動(dòng)。A.動(dòng)態(tài)規(guī)劃 B.轉(zhuǎn)移模型 C.獎(jiǎng)勵(lì)模型 D.策略模型13.在無模型強(qiáng)化學(xué)習(xí)中，智能體直接學(xué)習(xí)如何采取行為方式，可以使用（）法求解。A.動(dòng)態(tài)規(guī)劃 B.轉(zhuǎn)移模型 C.獎(jiǎng)勵(lì)模型 D.策略模型14.從系統(tǒng)設(shè)計(jì)者的角度來看，向智能體提供（）通常比提供有標(biāo)簽的行動(dòng)樣本要容易得多。在這種學(xué)習(xí)中，智能體與世界就其反映表現(xiàn)進(jìn)行互動(dòng)。A.動(dòng)態(tài)規(guī)劃 B.環(huán)境參數(shù) C.獎(jiǎng)勵(lì)信號(hào) D.效用函數(shù)15.考慮這樣的情形：有少量動(dòng)作和狀態(tài)，且環(huán)境完全可觀測(cè)，其中智能體已經(jīng)有能決定其動(dòng)作的固定策略。智能體將嘗試學(xué)習(xí)（）——從狀態(tài)出發(fā)，采用策略得到的期望總折扣獎(jiǎng)勵(lì)。A.動(dòng)態(tài)規(guī)劃 B.環(huán)境參數(shù) C.獎(jiǎng)勵(lì)信號(hào) D.效用函數(shù)16.某些領(lǐng)域過于復(fù)雜，以至于很難在其中定義強(qiáng)化學(xué)習(xí)所需的獎(jiǎng)勵(lì)函數(shù)。（）研究這樣的問題：在提供了一些對(duì)專家行為觀測(cè)的基礎(chǔ)上，如何讓學(xué)習(xí)表現(xiàn)得較好。A.逆強(qiáng)化學(xué)習(xí) B.學(xué)徒學(xué)習(xí) C.專業(yè)學(xué)習(xí) D.效用調(diào)度17.通過優(yōu)化真實(shí)獎(jiǎng)勵(lì)函數(shù)的某個(gè)較為精確的近似函數(shù)，學(xué)習(xí)者可能會(huì)比專家表現(xiàn)得更好。我們稱該方法為（）：通過觀察策略來學(xué)習(xí)獎(jiǎng)勵(lì)，而不是通過觀察獎(jiǎng)勵(lì)來學(xué)習(xí)策略。A.逆強(qiáng)化學(xué)習(xí) B.學(xué)徒學(xué)習(xí) C.專業(yè)學(xué)習(xí) D.效用調(diào)度18.在現(xiàn)實(shí)生活中可以找到很多符合強(qiáng)化學(xué)習(xí)模型的例子，例如（）等，這些都是積極獎(jiǎng)勵(lì)的例子。=1\*GB3①家中有礦 =2\*GB3②父母的表揚(yáng) =3\*GB3③學(xué)校的好成績=4\*GB3④工作的高薪資A.=1\*GB3①=2\*GB3②=4\*GB3④ B.=1\*GB3①=3\*GB3③=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③19.強(qiáng)化學(xué)習(xí)可以通過（）的方式生成大量高質(zhì)量的可用于訓(xùn)練模型的數(shù)據(jù)。A.概念數(shù)據(jù) B.持續(xù)控制 C.離散處理 D.自我博弈20.就目前的情況而言，對(duì)于需要（）的關(guān)鍵任務(wù)而言，強(qiáng)化學(xué)習(xí)可能并不是最理想的選擇。A.概念數(shù)據(jù) B.持續(xù)控制 C.離散處理 D.自我博弈第9章數(shù)據(jù)挖掘與經(jīng)典算法1.數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索其中隱含的、先前未知的并有（）的信息的非平凡的決策支持過程。A.連續(xù)變化 B.突出表現(xiàn) C.潛在價(jià)值 D.外在表現(xiàn)2.數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計(jì)學(xué)、在線分析處理、（）、專家系統(tǒng)（依靠過去的經(jīng)驗(yàn)法則）和可視化技術(shù)等諸多方法來實(shí)現(xiàn)其目標(biāo)。=1\*GB3①情報(bào)檢索 =2\*GB3②模式識(shí)別 =3\*GB3③科學(xué)計(jì)算 =4\*GB3④機(jī)器學(xué)習(xí)A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=2\*GB3②=3\*GB3③ D.=2\*GB3②=3\*GB3③=4\*GB3④3.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。A.連續(xù) B.離散 C.精確 D.感興趣4.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)（再將其轉(zhuǎn)化為知識(shí)）是一項(xiàng)（）的工程。A.巨大 B.簡單 C.直接 D.直觀5.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。A.電子表 B.數(shù)據(jù)庫 C.文檔 D.堆棧6.所有人工智能方法都可以用于數(shù)據(jù)挖掘，其中特別是（）。A.模式識(shí)別與圖像處理 B.機(jī)器人技術(shù)C.神經(jīng)網(wǎng)絡(luò)及模糊邏輯 D.智能代理與自動(dòng)規(guī)劃7.數(shù)據(jù)挖掘的分析技術(shù)之一（），能用來確定最好預(yù)測(cè)成果的單個(gè)數(shù)據(jù)。A.決策樹 B.分析表 C.堆棧 D.鏈表8.（）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)常一起購買的商品。A.垂直預(yù)測(cè) B.離散分析 C.網(wǎng)絡(luò)沖浪 D.購物車分析9.在眾多的分類模型中，應(yīng)用最為廣泛的兩種是決策樹模型和（）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。A.遺傳繼承 B.貝葉斯網(wǎng)絡(luò) C.樸素貝葉斯 D.關(guān)聯(lián)搜索10.作為一種統(tǒng)計(jì)方法，（）的數(shù)學(xué)計(jì)算極其復(fù)雜，但自動(dòng)化操作相對(duì)容易得多，其核心是貝葉斯定理，該公式可以將數(shù)據(jù)的概率轉(zhuǎn)換為假說的概率。A.遺傳繼承 B.貝葉斯網(wǎng)絡(luò) C.樸素貝葉斯 D.關(guān)聯(lián)搜索11.知識(shí)發(fā)現(xiàn)過程一般由（）三個(gè)階段組成。=1\*GB3①知識(shí)培養(yǎng) =2\*GB3②數(shù)據(jù)準(zhǔn)備 =3\*GB3③數(shù)據(jù)挖掘 =4\*GB3④結(jié)果表達(dá)和解釋A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④12.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。=1\*GB3①結(jié)構(gòu)化的 =2\*GB3②半結(jié)構(gòu)化的 =3\*GB3③異構(gòu)的 =4\*GB3④同質(zhì)的A.=1\*GB3①=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=2\*GB3②=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③13.下列（）方法屬于有指導(dǎo)的數(shù)據(jù)挖掘。=1\*GB3①分類 =2\*GB3②估值 =3\*GB3③聚類 =4\*GB3④預(yù)測(cè)A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=3\*GB3③ C.=1\*GB3①=2\*GB3②=4\*GB3④ D.=1\*GB3①=3\*GB3③=4\*GB3④14.數(shù)據(jù)挖掘有很多經(jīng)典的算法，例如（）。=1\*GB3①神經(jīng)網(wǎng)絡(luò)法 =2\*GB3②決策樹法 =3\*GB3③蟻群算法 =4\*GB3④遺傳算法A.=2\*GB3②=3\*GB3③=4\*GB3④ B.=1\*GB3①=2\*GB3②=4\*GB3④ C.=1\*GB3①=3\*GB3③=4\*GB3④ D.=1\*GB3①=2\*GB3②=3\*GB3③15.（）是指原始數(shù)據(jù)會(huì)有噪聲，格式化也不好，所以為了保證預(yù)測(cè)的準(zhǔn)確性，需要進(jìn)行的數(shù)據(jù)加工活動(dòng)。A.數(shù)據(jù)收集 B.數(shù)據(jù)理解 C.數(shù)據(jù)預(yù)處理 D.特征提取16.機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘中的一種重要工具，用在數(shù)據(jù)挖掘上的機(jī)器學(xué)習(xí)方法通常是“從（）學(xué)習(xí)”。A.模型 B.案例 C.經(jīng)驗(yàn) D.數(shù)據(jù)17.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，還要通過許多（）技術(shù)解決數(shù)據(jù)倉儲(chǔ)、大規(guī)模數(shù)據(jù)、數(shù)據(jù)噪聲等實(shí)踐問題。A.非機(jī)器學(xué)習(xí) B.強(qiáng)化學(xué)習(xí) C.神經(jīng)網(wǎng)絡(luò) D.深度學(xué)習(xí)18.數(shù)據(jù)挖掘中的數(shù)據(jù)分析是針對(duì)海量數(shù)據(jù)進(jìn)行的。從某種意義上說，機(jī)器學(xué)習(xí)的（）成分更重一些，而數(shù)據(jù)挖掘的（）成分更重一些。A.經(jīng)濟(jì)，技術(shù) B.科學(xué)，技術(shù) C.技術(shù)，科學(xué) D.技術(shù)，經(jīng)濟(jì)19.在數(shù)據(jù)挖掘的推薦類應(yīng)用中，需要找到“符合條件的”潛在人員，這就首先需要挖掘出（），然后選擇一個(gè)合適的模型來進(jìn)行預(yù)測(cè)，最后從用戶數(shù)據(jù)中得出結(jié)果。A.興趣愛好 B.購買數(shù)量 C.客戶特