2025年人工智能-智能算法考試題庫(kù)及答案

2025年人工智能-智能算法考試題庫(kù)及

答案(最新版)

一、單項(xiàng)選擇題

1.神經(jīng)網(wǎng)絡(luò)由許多神經(jīng)元(Neuron)組成,每個(gè)神經(jīng)元接受一個(gè)輸入，

對(duì)輸入進(jìn)行處理后給出一個(gè)輸出。請(qǐng)問(wèn)下列關(guān)于神經(jīng)元的描述中，哪

一項(xiàng)是正確的？

A、每個(gè)神經(jīng)元可以有一個(gè)輸入和一個(gè)輸出

B、每個(gè)神經(jīng)元可以有多個(gè)輸入和一個(gè)輸出

C、每個(gè)神經(jīng)元可以有多個(gè)輸入和多個(gè)輸出

D、上述都正確

標(biāo)準(zhǔn)答案：B

2.哪個(gè)不是常用的聚類(lèi)算法O。

A、K-Means

B、DBSCAN

C、GMMs

D、Softmax

標(biāo)準(zhǔn)答案：D

解析：Softmax不是常用的聚類(lèi)算法。

3.高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來(lái)越O,

也即越來(lái)越能表現(xiàn)語(yǔ)義或者意圖。

A、具體和形象化

B、抽象和概念化

C、具體和概念化

D、抽象和具體化

標(biāo)準(zhǔn)答案：B

解析：高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來(lái)

越抽象和概念化，也即越來(lái)越能表現(xiàn)語(yǔ)義或者意圖。

4.關(guān)于bagging下列說(shuō)法錯(cuò)誤的是：O

A、各基分類(lèi)器之間有較強(qiáng)依賴(lài)，不可以進(jìn)行并行訓(xùn)練。

B、最著名的算法之一是基于決策樹(shù)基分類(lèi)器的隨機(jī)森林。

C、當(dāng)訓(xùn)練樣本數(shù)量較少時(shí)，子集之間可能有重疊。

D、為了讓基分類(lèi)器之間互相獨(dú)立，需要將訓(xùn)練集分為若干子集。

標(biāo)準(zhǔn)答案：A

5.數(shù)據(jù)在完成特征工程的操作后，在構(gòu)建模型的過(guò)程中，以下哪個(gè)選

項(xiàng)不屬于決策樹(shù)構(gòu)建過(guò)程當(dāng)中的步驟？

A、剪枝

B、特征選取

C、數(shù)據(jù)清理

D、決策樹(shù)生成

標(biāo)準(zhǔn)答案：C

6.通過(guò)以下哪些指標(biāo)我們可以在層次聚類(lèi)中尋找兩個(gè)集群之間的差

異？（）

A、單鏈接

B、全鏈接

C、均鏈接

D、以上都行

標(biāo)準(zhǔn)答案：D

7.下述()不是人工智能中常用的知識(shí)格式化表示方法。

A、框架表示法

B、產(chǎn)生式表示法

C、語(yǔ)義網(wǎng)絡(luò)表示法

D、形象描寫(xiě)表示法

標(biāo)準(zhǔn)答案：D

8.比較成熟的分類(lèi)預(yù)測(cè)模型算法包括Logistic回歸模型、廣義線(xiàn)性

模型、()、神經(jīng)網(wǎng)絡(luò)

A、決策樹(shù)

B、arima模型

C、holt-winter模型

D、k-means模型

標(biāo)準(zhǔn)答案：A

9.在pytorch中,設(shè)模型變量名為model,則對(duì)model.eval()的描述

正確的是

A、model,eval()可以在模型訓(xùn)練階段使用

B、model,eval()只能在模型測(cè)試階段使用

C、model,eval()在模型驗(yàn)證、模型測(cè)試階段都可以使用

D、model,eval（）在模型訓(xùn)練、模型驗(yàn)證、模型測(cè)試階段都可以使用

標(biāo)準(zhǔn)答案：C

解析：在pytorch中，model,eval在模型驗(yàn)證、模型測(cè)試階段都可以

使用

10.O控制著整個(gè)LSTM單元的狀態(tài)或者記憶，它會(huì)根據(jù)每個(gè)時(shí)刻的

輸入進(jìn)行更新。

A、隱狀態(tài)向量

B、狀態(tài)向量

C、顯狀態(tài)向量

D、以上都不對(duì)

標(biāo)準(zhǔn)答案：B

解析：狀態(tài)向量控制著整個(gè)LSTM單元的狀態(tài)或者記憶，它會(huì)根據(jù)每

個(gè)時(shí)刻的輸入進(jìn)行更新。

H.早期圖像識(shí)別技術(shù)中存在的主要問(wèn)題是（）。

A、全局特征丟掉了圖像細(xì)節(jié)

B、提取不到主要特征

C、存儲(chǔ)效率低下

D、太多的錯(cuò)誤匹配

標(biāo)準(zhǔn)答案：A

解析：早期圖像識(shí)別技術(shù)中存在的主要問(wèn)題是全局特征丟掉了圖像細(xì)

節(jié)。

12.FPN中根據(jù)R0I的（）來(lái)分配所屬層級(jí)？

A、分類(lèi)分?jǐn)?shù)

B、最大邊長(zhǎng)度

C、面積

D、nan

標(biāo)準(zhǔn)答案：C

13.隨機(jī)森林是一種集成學(xué)習(xí)算法，是()算法的具體實(shí)現(xiàn)。

A、Boosting

B、Bagging

C、Stacking

D、Dropping

標(biāo)準(zhǔn)答案：B

解析：隨機(jī)森林是一種集成學(xué)習(xí)算法，是Bagging算法的具體實(shí)現(xiàn)。

14.深度學(xué)習(xí)是當(dāng)前很熱門(mén)的機(jī)器學(xué)習(xí)算法，在深度學(xué)習(xí)中，涉及到

大量的矩陣相乘，現(xiàn)在需要計(jì)算三個(gè)稠密矩陣A,B,C的乘積ABC,假

設(shè)三個(gè)矩陣的尺寸分別為m?n,n?p,p?q,且m〈n

A、(AB)C

B、AC(B)

C、A(BC)

D、所有效率都相同

標(biāo)準(zhǔn)答案：A

15.對(duì)完成特定任務(wù)的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用的是監(jiān)督學(xué)習(xí)方法。在

這個(gè)過(guò)程中，通過(guò)誤差后向傳播來(lái)優(yōu)化調(diào)整網(wǎng)絡(luò)參數(shù)，請(qǐng)問(wèn)下面哪個(gè)

參數(shù)不是通過(guò)誤差后向傳播來(lái)優(yōu)化的

A、卷積濾波矩陣中的參數(shù)

B、全連接層的鏈接權(quán)重

C、激活函數(shù)中的參數(shù)

D、模型的隱藏層數(shù)目

標(biāo)準(zhǔn)答案：D

16.下列不屬于樹(shù)模型的是

A、GBDT梯度提升樹(shù)

B、XGBoost

C、RF隨機(jī)森林

D、LR線(xiàn)性回歸

標(biāo)準(zhǔn)答案：D

17.fasterRCNN用于生成候選框proposal的模塊名稱(chēng)()

A、RPN

B、CNN

C、ResNet

D、Rolpooling

標(biāo)準(zhǔn)答案：A

解析：fasterRCNN用于生成候選框proposal的模塊是RPN

18.LSTM用于文本分類(lèi)的任務(wù)中，不會(huì)出現(xiàn)的網(wǎng)絡(luò)層是()

A、全連接

B、詞嵌入層

C、卷積層

D、以上選項(xiàng)均不正確

標(biāo)準(zhǔn)答案：C

19.假設(shè)你需要調(diào)整超參數(shù)來(lái)最小化代價(jià)函數(shù)(costfunction),會(huì)使

用下列哪項(xiàng)技術(shù)？

A、窮舉搜索

B、隨機(jī)搜索

C、Bayesian優(yōu)化

D、都可以

標(biāo)準(zhǔn)答案：D

20.R0IPooling在那個(gè)模型中被第一次提出()

A、fast-rcnn

B、faster-rcnn

C、mask-rcnn

D、rcnn

標(biāo)準(zhǔn)答案：A

21.以下關(guān)于特征工程的說(shuō)法不正確的是

A、特征工程指的是把原始數(shù)據(jù)轉(zhuǎn)變?yōu)槟Ｐ偷挠?xùn)練數(shù)據(jù)的過(guò)程

B、它的目的就是獲取更好的訓(xùn)練數(shù)據(jù)特征，使得機(jī)器學(xué)習(xí)模型逼近

這個(gè)上限

C、特征工程在機(jī)器學(xué)習(xí)中占有非常重要的作用，一般認(rèn)為括特征構(gòu)

建、特征提取、特征選擇三個(gè)部分。

D、特征提取是從特征集合中挑選一組具有明顯物理或統(tǒng)計(jì)意義的特

征子集。

標(biāo)準(zhǔn)答案：D

22.關(guān)于遞歸函數(shù)基例的說(shuō)明，以下選項(xiàng)中錯(cuò)誤的是

A、遞歸函數(shù)必須有基例

B、遞歸函數(shù)的基例不再進(jìn)行遞歸

C、每個(gè)遞歸函數(shù)都只能有一個(gè)基例

D、遞歸函數(shù)的基例決定遞歸的深度

標(biāo)準(zhǔn)答案：C

23.線(xiàn)性回歸方法是假定條件屬性和決策屬性之間存在線(xiàn)性關(guān)系，然

后通過(guò)訓(xùn)練數(shù)據(jù)擬合出一個(gè)()方程，并使用該方程去預(yù)測(cè)未知的新

實(shí)例。

A、一元一次

B、線(xiàn)性

C、二元一次

D、多元

標(biāo)準(zhǔn)答案：B

24.考慮某個(gè)具體問(wèn)題時(shí)，你可能只有少量數(shù)據(jù)來(lái)解決這個(gè)問(wèn)題。不

過(guò)幸運(yùn)的是你有一個(gè)類(lèi)似問(wèn)題已經(jīng)預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)?？梢杂孟?/p>

面哪種方法來(lái)利用這個(gè)預(yù)先訓(xùn)練好的網(wǎng)絡(luò)？

A、把除了最后一層外所有的層都凍結(jié)，重新訓(xùn)練最后一層

B、對(duì)新數(shù)據(jù)重新訓(xùn)練整個(gè)模型

C、只對(duì)最后幾層進(jìn)行調(diào)參(finetune)

D、對(duì)每一層模型進(jìn)行評(píng)估，選擇其中的少數(shù)來(lái)用

標(biāo)準(zhǔn)答案：C

25.()采用多種樂(lè)器的音頻數(shù)據(jù)，可融合多種國(guó)家、樂(lè)曲風(fēng)格和樂(lè)

器音色的特征，創(chuàng)作音樂(lè)作品。

A、XLNet

B、GoogleNet

C、MuseNet

D、AlexNet

標(biāo)準(zhǔn)答案：C

解析：MuseNet采用多種樂(lè)器的音頻數(shù)據(jù)，可融合多種國(guó)家、樂(lè)曲風(fēng)

格和樂(lè)器音色的特征，創(chuàng)作音樂(lè)作品。

26.下列哪個(gè)不是激活函數(shù)()。

A、sigmod

B、relu

C、tanh

D、hidden

標(biāo)準(zhǔn)答案：D

解析：hidden不是激活函數(shù)。

27.長(zhǎng)短期記憶LSTM具有與循環(huán)神經(jīng)網(wǎng)絡(luò)相似的控制流，兩者的區(qū)別

在于LSTM中增加了O導(dǎo)致單元內(nèi)的處理過(guò)程不同。

A、輸入門(mén)

B、記憶門(mén)

C、忘記門(mén)

D、輸出門(mén)

標(biāo)準(zhǔn)答案：C

解析：長(zhǎng)短期記憶LSTM具有與循環(huán)神經(jīng)網(wǎng)絡(luò)相似的控制流，兩者的

區(qū)別在于LSTM中增加了忘記門(mén)導(dǎo)致單元內(nèi)的處理過(guò)程不同。

28.批規(guī)范化(BatchNormalization)的好處都有啥？

A、讓每一層的輸入的范圍都大致固定

B、它將權(quán)重的歸一化平均值和標(biāo)準(zhǔn)差

C、它是一種非常有效的反向傳播(BP)方法

D、這些均不是

標(biāo)準(zhǔn)答案：A

29.深度學(xué)習(xí)是當(dāng)前很熱門(mén)的機(jī)器學(xué)習(xí)算法，在深度學(xué)習(xí)中，涉及到

大量的矩陣相乘，現(xiàn)在需要計(jì)算三個(gè)稠密矩陣A,B,C的乘積ABC,假

設(shè)三個(gè)矩陣的尺寸分別為m?n,n?p,p?q,且m〈n

A、(AB)C

B、AC(B)

C、A(BC)

D、所有效率都相同

標(biāo)準(zhǔn)答案：A

30.下面哪項(xiàng)操作能實(shí)現(xiàn)跟神經(jīng)網(wǎng)絡(luò)中Dropout的類(lèi)似效果？()

A、Boosting

B、Bagging

C、Stacking

D、Mapping

標(biāo)準(zhǔn)答案：B

31.我們可以將深度學(xué)習(xí)看成一種端到端的學(xué)習(xí)方法，這里的端到端

指的是

A、輸入端-輸出端

B、輸入端-中間端

C、輸出端-中間端

D、中間端-中間端

標(biāo)準(zhǔn)答案：A

32.語(yǔ)音是一種典型的O數(shù)據(jù)。

A、無(wú)結(jié)構(gòu)無(wú)序列

B、有結(jié)構(gòu)序列

C、無(wú)結(jié)構(gòu)序列

D、有結(jié)構(gòu)無(wú)序列

標(biāo)準(zhǔn)答案：C

解析：語(yǔ)音是一種典型的無(wú)結(jié)構(gòu)序列數(shù)據(jù)。

33.CNN網(wǎng)絡(luò)設(shè)計(jì)中，學(xué)習(xí)率的設(shè)置往往對(duì)訓(xùn)練收斂起到關(guān)鍵作用，關(guān)

于學(xué)習(xí)率的說(shuō)法，錯(cuò)誤的是()

A、學(xué)習(xí)率太小，更新速度慢

B、學(xué)習(xí)率過(guò)大，可能跨過(guò)最優(yōu)解

C、學(xué)習(xí)率也是有網(wǎng)絡(luò)學(xué)習(xí)而來(lái)

D、學(xué)習(xí)率可在網(wǎng)絡(luò)訓(xùn)練過(guò)程中更改

標(biāo)準(zhǔn)答案：C

解析:CNN網(wǎng)絡(luò)設(shè)計(jì)中，學(xué)習(xí)率的設(shè)置往往對(duì)訓(xùn)練收斂起到關(guān)鍵作用，

關(guān)于學(xué)習(xí)率的說(shuō)法，錯(cuò)誤的是學(xué)習(xí)率也是有網(wǎng)絡(luò)學(xué)習(xí)而來(lái)

34.為應(yīng)對(duì)卷積網(wǎng)絡(luò)模型中大量的權(quán)重存儲(chǔ)問(wèn)題，研究人員在適量犧

牲精度的基礎(chǔ)上設(shè)計(jì)出一款超輕量化模型()

A、KNN

B、RNN

C、BNN

D、VGG

標(biāo)準(zhǔn)答案：C

解析：為應(yīng)對(duì)卷積網(wǎng)絡(luò)模型中大量的權(quán)重存儲(chǔ)問(wèn)題，研究人員在適量

犧牲精度的基礎(chǔ)上設(shè)計(jì)出一款超輕量化模型BNN

35.()是使用某一位置的相鄰輸出的總體統(tǒng)計(jì)特征來(lái)代替網(wǎng)絡(luò)在該

位置的輸出

A、卷積

B、約化

C、池化

D、批歸一化

標(biāo)準(zhǔn)答案：C

解析：池化是使用某一位置的相鄰輸出的總體統(tǒng)計(jì)特征來(lái)代替網(wǎng)絡(luò)在

該位置的輸出

36.關(guān)于梯度下降算法描述正確的是:

A、梯度下降算法就是不斷的更新w和b的值

B、梯度下降算法就是不斷的更新w和b的導(dǎo)數(shù)值

C、梯度下降算法就是不斷尋找損失函數(shù)的最大值

D、梯度下降算法就是不斷更新學(xué)習(xí)率

標(biāo)準(zhǔn)答案：A

解析：梯度下降算法就是不斷的更新w和b的值

37.下述O不是人工智能中常用的知識(shí)格式化表示方法。

A、框架表示法

B、產(chǎn)生式表示法

C、語(yǔ)義網(wǎng)絡(luò)表示法

D、形象描寫(xiě)表示法

標(biāo)準(zhǔn)答案：D

38.下列可以用于聚類(lèi)問(wèn)題的機(jī)器學(xué)習(xí)算法有（）

A、決策樹(shù)

B、k-means

C、隨機(jī)森林

D、邏輯回歸

標(biāo)準(zhǔn)答案：B

39.在廢棄階段，廢棄銷(xiāo)毀使用目的不復(fù)存在或者有更好解決方法替

換的人工智能系統(tǒng)，主要包括數(shù)據(jù)、（）以及系統(tǒng)整體的廢棄銷(xiāo)毀過(guò)

程。

A、算法

B、模型

C、程序

D、算法模型

標(biāo)準(zhǔn)答案：D

解析：在廢棄階段，廢棄銷(xiāo)毀使用目的不復(fù)存在或者有更好解決方法

替換的人工智能系統(tǒng)，主要包括數(shù)據(jù)、算法模型以及系統(tǒng)整體的廢棄

銷(xiāo)毀過(guò)程。

40.對(duì)于神經(jīng)網(wǎng)絡(luò)的說(shuō)法,下面正確的是（）

A、增加神經(jīng)網(wǎng)絡(luò)層數(shù),可能會(huì)增加測(cè)試數(shù)據(jù)集的分類(lèi)錯(cuò)誤率

B、減少神經(jīng)網(wǎng)絡(luò)層數(shù)，總是能減小測(cè)試數(shù)據(jù)集的分類(lèi)錯(cuò)誤率

C、增加神經(jīng)網(wǎng)絡(luò)層數(shù)，總是能減小訓(xùn)練數(shù)據(jù)集的分類(lèi)錯(cuò)誤率

D、1、2都對(duì)

標(biāo)準(zhǔn)答案：A

41.按照類(lèi)別比例分組的k折用的是哪個(gè)函數(shù)（）

A、RepeatedKFold

B、StratifiedKFold

C、LeavePOut

D、GroupKFold

標(biāo)準(zhǔn)答案：B

42.高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來(lái)越

(),也即越來(lái)越能表現(xiàn)語(yǔ)義或者意圖。

A、具體和形象化

B、抽象和概念化

C、具體和概念化

D、抽象和具體化

標(biāo)準(zhǔn)答案：B

解析：高層的特征是低層特征的組合，從低層到高層的特征表達(dá)越來(lái)

越抽象和概念化，也即越來(lái)越能表現(xiàn)語(yǔ)義或者意圖。

43.關(guān)于模型參數(shù)(權(quán)重值)的描述，錯(cuò)誤的說(shuō)法是

A、在訓(xùn)練神經(jīng)網(wǎng)絡(luò)過(guò)程中，參數(shù)不斷調(diào)整，其調(diào)整的依據(jù)是基于損

失函數(shù)不斷減少

B、每一次Epoch都會(huì)對(duì)之前的參數(shù)進(jìn)行調(diào)整，迭代次數(shù)越多，損失

函數(shù)一般越小

C、模型參數(shù)量越多越好，沒(méi)有固定的對(duì)應(yīng)規(guī)則

D、訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型存儲(chǔ)于一定結(jié)構(gòu)的神經(jīng)元之間的權(quán)重和神

經(jīng)元的偏置中

標(biāo)準(zhǔn)答案：C

解析：幾乎模型每個(gè)操作所需的時(shí)間和內(nèi)存代價(jià)都會(huì)隨模型參數(shù)量的

增加而增加

44.以下程序的輸出是()？array=np.array

([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]);print(array,shape)

A、(4,3)

B、（3,4）

C、3

D、4

標(biāo)準(zhǔn)答案：A

解析：見(jiàn)算法解析

45.下列關(guān)于深度學(xué)習(xí)說(shuō)法錯(cuò)誤的是A、LSTM在一定程度上解決了傳

統(tǒng)RNN梯度消失或梯度爆炸的問(wèn)題

A、STING

B、Waveluster

C、MAFI

D、IRH

標(biāo)準(zhǔn)答案：D

46.VGG-19中卷積核的大小為

A、3x3

B、5x5

C、3x3,5x5

D、不確定

標(biāo)準(zhǔn)答案：A

解析：VGG-19中卷積核的大小為3x

47.CRF（條件隨機(jī)場(chǎng)）和HMM（隱馬爾可夫模型）之間的主要區(qū)別是

什么？

A、CRF是生成式的，而HMM是判別式模型

B、CRF是判別式模型，州M是生成式模型。

C、CRF和H刪都是生成式模型

D、CRF和HMM都是判別式模型。

標(biāo)準(zhǔn)答案：B

48.產(chǎn)生式系統(tǒng)的推理不包括()

A、正向推理

B、逆向推理

C、雙向推理

D、簡(jiǎn)單推理

標(biāo)準(zhǔn)答案：D

49.在20K文檔的輸入數(shù)據(jù)上為機(jī)器學(xué)習(xí)模型創(chuàng)建了文檔一詞矩陣

(document-termmatrix)。以下哪項(xiàng)可用于減少數(shù)據(jù)維度？(1)關(guān)

鍵詞歸一化(KeywordNormalization)(2)潛在語(yǔ)義索引

(LatentSemanticIndexing)(3)隱狄利克雷分布

(LatentDirichletAllocation)

A、只有(1)

B、(2)、(3)

C、⑴、(3)

D、(1)、(2)、(3)

標(biāo)準(zhǔn)答案：D

50.以下哪種卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)引入了殘差網(wǎng)絡(luò)結(jié)構(gòu)()

A、混沌度沒(méi)什么影響

B、混沌度越低越好

C、混沌度越高越好

D、混沌度對(duì)于結(jié)果的影響不一定

標(biāo)準(zhǔn)答案：B

51.循環(huán)神經(jīng)網(wǎng)絡(luò)優(yōu)于全連接網(wǎng)絡(luò)的一個(gè)原因是循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了

權(quán)值共享，那么權(quán)值共享的好處有：①.模型參數(shù)變少②.運(yùn)算速度變

快③.占用內(nèi)存少④.所有權(quán)值都共享同一個(gè)值

A、①③④

B、①②③

C、①③④

D、①②④

標(biāo)準(zhǔn)答案：B

解析：循環(huán)神經(jīng)網(wǎng)絡(luò)優(yōu)于全連接網(wǎng)絡(luò)的一個(gè)原因是循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

了權(quán)值共享，那么權(quán)值共享的好處有：①.模型參數(shù)變少②.運(yùn)算速度

變快③.占用內(nèi)存少

52.以下屬于生成式模型的是：O

A、SVM

B、隨機(jī)森林

C、隱馬爾可夫模型HMM

D、邏輯回歸

標(biāo)準(zhǔn)答案：C

53.一階規(guī)則的基本成分是（）

A、原子命題

B、謂詞

C、量詞

D、原子公式

標(biāo)準(zhǔn)答案：D

解析：見(jiàn)算法解析

54.線(xiàn)性回歸在3維以上的維度中擬合面是？

A、曲面

B、平面

C、超平面

D、超曲面

標(biāo)準(zhǔn)答案：C

55.關(guān)于MNIST,下列說(shuō)法錯(cuò)誤的是0。

A、是著名的手寫(xiě)體數(shù)字識(shí)別數(shù)據(jù)集

B、有訓(xùn)練集和測(cè)試集兩部分

C、訓(xùn)練集類(lèi)似人學(xué)習(xí)中使用的各種考試試卷

D、測(cè)試集大約包含10000個(gè)樣本和標(biāo)簽

標(biāo)準(zhǔn)答案：C

56.在卷積操作過(guò)程中計(jì)算featuremap的尺寸：設(shè)圖像大小為

300*300,卷積核大小為3*3,卷積窗口移動(dòng)的步長(zhǎng)為1,則

featuremaps的大小是()個(gè)元素？

A、78400

B、88804

C、91204

D、99856

標(biāo)準(zhǔn)答案：B

解析：見(jiàn)算法解析

57.自然語(yǔ)言中的詞語(yǔ)需要轉(zhuǎn)化為計(jì)算機(jī)可以記錄處理的數(shù)據(jù)結(jié)構(gòu)，

通常會(huì)把自然語(yǔ)言中的詞語(yǔ)轉(zhuǎn)化為以下哪種數(shù)據(jù)結(jié)構(gòu)：

A、標(biāo)量

B、向量

C、結(jié)構(gòu)體

D、有向圖

標(biāo)準(zhǔn)答案：B

解析：自然語(yǔ)言中的詞語(yǔ)需要轉(zhuǎn)化為計(jì)算機(jī)可以記錄處理的數(shù)據(jù)結(jié)構(gòu),

通常會(huì)把自然語(yǔ)言中的詞語(yǔ)轉(zhuǎn)化為向量。

58.循環(huán)神經(jīng)網(wǎng)絡(luò)中，假設(shè)輸入是一個(gè)32*32*3的圖像，3表示RGB三

通道，卷積核的結(jié)構(gòu)是5*5*3,共6個(gè)不同的卷積核，一個(gè)卷積核產(chǎn)

生一個(gè)featuremap,則輸出的featuremap矩陣的結(jié)構(gòu)是（）。

A、27*27*3

B、28*28*3

C、27*27*6

D、28*28*6

標(biāo)準(zhǔn)答案：D

解析：循環(huán)神經(jīng)網(wǎng)絡(luò)中，假設(shè)輸入是一個(gè)32*32*3的圖像，3表示RGB

三通道，卷積核的結(jié)構(gòu)是5*5*3,共6個(gè)不同的卷積核，一個(gè)卷積核

產(chǎn)生一個(gè)featuremap,則輸出的featuremap矩陣的結(jié)構(gòu)是28*28*6。

59.fromsklearnimportlinear_modelreg=linear_model.Lasso,其中

Lasso是用來(lái)擬合什么樣的線(xiàn)性模型的？

A、稀疏數(shù)據(jù)

B、稀疏系數(shù)

C、稀疏標(biāo)簽

標(biāo)準(zhǔn)答案：B

60.如果問(wèn)題存在最優(yōu)解，則下面幾種搜索算法中，哪一個(gè)必然可以

得到該最優(yōu)解

A、廣度優(yōu)先搜索

B、深度優(yōu)先搜索

C、有界深度優(yōu)先搜索

D、啟發(fā)式搜索

標(biāo)準(zhǔn)答案：A

解析：廣度優(yōu)先搜索搜索的范圍最廣

61.在強(qiáng)化學(xué)習(xí)過(guò)程中，（）表示隨機(jī)地采取某個(gè)動(dòng)作，以便于嘗試各種

結(jié)果；（）表示采取當(dāng)前認(rèn)為最優(yōu)的動(dòng)作，以便于進(jìn)一步優(yōu)化評(píng)估當(dāng)前

認(rèn)為最優(yōu)的動(dòng)作的值。

A、探索

B、開(kāi)發(fā)

C、開(kāi)發(fā)

D、探索

E、探索

標(biāo)準(zhǔn)答案：A

62.對(duì)于一個(gè)分類(lèi)任務(wù)，如果開(kāi)始時(shí)神經(jīng)網(wǎng)絡(luò)的權(quán)重不是隨機(jī)賦值的,

而是都設(shè)成0,下面哪個(gè)敘述是正確的？

A、其他選項(xiàng)都不對(duì)

B、沒(méi)啥問(wèn)題，神經(jīng)網(wǎng)絡(luò)會(huì)正常開(kāi)始訓(xùn)練

C、神經(jīng)網(wǎng)絡(luò)可以訓(xùn)練，但是所有的神經(jīng)元最后都會(huì)變成識(shí)別同樣的

東西

D、神經(jīng)網(wǎng)絡(luò)不會(huì)開(kāi)始訓(xùn)練，因?yàn)闆](méi)有梯度改變

標(biāo)準(zhǔn)答案：C

63.下列哪些不是〃子集搜索〃中的搜索方式（一）

A、單向搜索

B、雙向搜索

C、前向搜索

D、后向搜索

標(biāo)準(zhǔn)答案：A

64.LARS屬于哪種特征選擇方法（一）

A、包裹式

B、啟發(fā)式

C、嵌入式

D、過(guò)濾式

標(biāo)準(zhǔn)答案：C

65.生成式方法是直接基于（一）的方法？

A、生成式學(xué)習(xí)

B、生成式場(chǎng)景

C、生成式數(shù)據(jù)

D、生成式模型

標(biāo)準(zhǔn)答案：D

66.下面哪個(gè)敘述是對(duì)的？Dropout對(duì)一個(gè)神經(jīng)元隨機(jī)屏蔽輸入權(quán)重

Dropconnect對(duì)一個(gè)神經(jīng)元隨機(jī)屏蔽輸入和輸出權(quán)重

A、1是對(duì)的，2是錯(cuò)的

B、都是對(duì)的

C、1是錯(cuò)的，2是對(duì)的

D、都是錯(cuò)的

標(biāo)準(zhǔn)答案：D

67.機(jī)器學(xué)習(xí)中做特征選擇時(shí)，下面方法或信息不一定有用的是

A、卡方檢驗(yàn)

B、信息增益

C、數(shù)據(jù)采樣

D、期望交叉燧

標(biāo)準(zhǔn)答案：C

68.下列關(guān)于特征選擇的說(shuō)法錯(cuò)誤的是（）

A、可以提高特征關(guān)聯(lián)性

B、可以減輕維數(shù)災(zāi)難問(wèn)題

C、可以降低學(xué)習(xí)任務(wù)的難度

D、特征選擇和降維具有相似的動(dòng)機(jī)

標(biāo)準(zhǔn)答案：A

69.全局梯度下降算法、隨機(jī)梯度下降算法和批量梯度下降算法均屬

于梯度下降算法，以下關(guān)于其有優(yōu)缺點(diǎn)說(shuō)法錯(cuò)誤的是：

A、全局梯度算法可以找到損失函數(shù)的最小值

B、批量梯度算法可以解決局部最小值問(wèn)題

C、隨機(jī)梯度算法可以找到損失函數(shù)的最小值

D、全局梯度算法收斂過(guò)程比較耗時(shí)

標(biāo)準(zhǔn)答案：C

70.下面的問(wèn)題，屬于分類(lèi)問(wèn)題的是；

A、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工在接下來(lái)一段時(shí)間內(nèi)的工資漲幅

B、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工下一季度的績(jī)效考核分?jǐn)?shù)

C、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工是否可能會(huì)在接下來(lái)的一段時(shí)間內(nèi)離職

D、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工下一季度的銷(xiāo)售額

標(biāo)準(zhǔn)答案：C

71.關(guān)于精度與錯(cuò)誤率的說(shuō)法中錯(cuò)誤的是()。

A、精度與錯(cuò)誤率的和為1

B、精度與錯(cuò)誤率都可以反映模型的好壞

C、精度與錯(cuò)誤率都可以用概率密度函數(shù)表示

D、精度是評(píng)價(jià)模型的唯一標(biāo)準(zhǔn)

標(biāo)準(zhǔn)答案：D

解析：精度是不是評(píng)價(jià)模型的唯一標(biāo)準(zhǔn)

72.如果問(wèn)題存在最優(yōu)解，則下面幾種搜索算法中，廣度優(yōu)先搜索必

然可以得到該最優(yōu)解，O可以認(rèn)為是〃智能程度相對(duì)比較高〃的算法。

A、無(wú)界深度優(yōu)先搜索

B、深度優(yōu)先搜索

C、有界深度優(yōu)先搜索

D、啟發(fā)式搜索

標(biāo)準(zhǔn)答案：D

73.下列哪個(gè)函數(shù)不可以做非線(xiàn)性激活函數(shù)？()

A、y=tanh(x)

B、y=sin(x)

C、y=max(x,0)

D、y=2x

標(biāo)準(zhǔn)答案：D

74.Softmax算法中溫度趨近于0時(shí)Softmax將趨于()

A、僅探索

B、僅利用

C、全探索

D、全利用

標(biāo)準(zhǔn)答案：B

75.閔可夫斯基距離表示為曼哈頓距離時(shí)，p為（）。

A、1

B、2

C、3

D、4

標(biāo)準(zhǔn)答案：A

解析：閔可夫斯基距離定義為：該距離最常用的P是2和1,前者是

歐幾里得距離），后者是曼哈頓距離。

76.下面的問(wèn)題，哪一個(gè)屬于分類(lèi)問(wèn)題的是（）

A、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工下一季度的銷(xiāo)售額

B、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工下一季度的績(jī)效考核分?jǐn)?shù)

C、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工在接下來(lái)一段時(shí)間內(nèi)的工資漲幅

D、根據(jù)員工的薪水、工作壓力、成長(zhǎng)環(huán)境、工作年限、績(jī)效考核等數(shù)

據(jù)，預(yù)測(cè)員工是否可能會(huì)在接下來(lái)的一段時(shí)間內(nèi)離職

標(biāo)準(zhǔn)答案：D

77.Relief屬于哪種特征選擇方法()

A、包裹式

B、啟發(fā)式

C、嵌入式

D、過(guò)濾式

標(biāo)準(zhǔn)答案：D

78.哪種聚類(lèi)方法采用概率模型來(lái)表達(dá)聚類(lèi)()

A、K-means

C、循環(huán)神經(jīng)網(wǎng)

D、李生網(wǎng)絡(luò)

標(biāo)準(zhǔn)答案：C

解析：LSTM是一種循環(huán)神經(jīng)網(wǎng)絡(luò)

79.在經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型中，Softmax函數(shù)是跟在什么隱藏層

后面的？

A、卷積層

B、池化層

C、全連接層

D、以上都可以

標(biāo)準(zhǔn)答案：C

80.回歸分析中定義的()

A、解釋變量和被解釋變量都是隨機(jī)變量

B、解釋變量為非隨機(jī)變量，被解釋變量為隨機(jī)變量

C、解釋變量和被解釋變量都為非隨機(jī)變量

D、解釋變量為隨機(jī)變量，被解釋變量為非隨機(jī)變量

標(biāo)準(zhǔn)答案：B

81.如果強(qiáng)行限制輸出層的分布是標(biāo)準(zhǔn)化的，可能會(huì)導(dǎo)致某些特征模

式的丟失，所以在標(biāo)準(zhǔn)化之后，BatchNorm會(huì)緊接著對(duì)數(shù)據(jù)做縮放和

O

A、平移

B、刪除

C、移動(dòng)

D、收斂

標(biāo)準(zhǔn)答案：A

解析：如果強(qiáng)行限制輸出層的分布是標(biāo)準(zhǔn)化的，可能會(huì)導(dǎo)致某些特征

模式的丟失，所以在標(biāo)準(zhǔn)化之后，BatchNorm會(huì)緊接著對(duì)數(shù)據(jù)做縮放

和平移

82.關(guān)于MNIST,下列說(shuō)法錯(cuò)誤的是()。

A、是著名的手寫(xiě)體數(shù)字識(shí)別數(shù)據(jù)集

B、有訓(xùn)練集和測(cè)試集兩部分

C、訓(xùn)練集類(lèi)似人學(xué)習(xí)中使用的各種考試試卷

D、測(cè)試集大約包含10000個(gè)樣本和標(biāo)簽

標(biāo)準(zhǔn)答案：C

83.Relu在零點(diǎn)不可導(dǎo)，那么在反向傳播中怎么處理()

A、設(shè)為0

B、設(shè)為無(wú)窮大

C、不定義

D、設(shè)為任意值

標(biāo)準(zhǔn)答案：A

84.如果問(wèn)題存在最優(yōu)解，則下面幾種搜索算法中，O必然可以得到

該最優(yōu)解。

A、廣度優(yōu)先搜索

B、深度優(yōu)先搜索

C、有界深度優(yōu)先搜索

D、啟發(fā)式搜索

標(biāo)準(zhǔn)答案：A

解析：廣度優(yōu)先搜索會(huì)根據(jù)離起點(diǎn)的距離，按照從近到遠(yuǎn)的順序?qū)Ω?/p>

節(jié)點(diǎn)進(jìn)行搜索。而深度優(yōu)先搜索會(huì)沿著一條路徑不斷往下搜索直到不

能再繼續(xù)為止，然后再折返，開(kāi)始搜索下一條路徑。廣度優(yōu)先搜索可

以找出節(jié)點(diǎn)的最短路徑，即可以解決最短路徑問(wèn)題。有界深度優(yōu)先搜

索為了解決深度有限搜索誤入無(wú)窮分支，定出一個(gè)深度界限，在找尋

達(dá)到這一深度界限而且還沒(méi)有找到目標(biāo)時(shí)，即返回重找。

啟發(fā)式搜索是利用問(wèn)題擁有的啟發(fā)信息來(lái)引導(dǎo)搜索，達(dá)到減少搜索范

圍、降低問(wèn)題復(fù)雜度的目的，可以消除組合爆炸，并得到令人能接受

的解（通常并不一定是最佳解）。所以如果存在最優(yōu)解，廣度優(yōu)先搜索

必然可以得到最優(yōu)解，答案選A

85.在前饋神經(jīng)網(wǎng)絡(luò)中，誤差后向傳播（BP算法）將誤差從輸出端向

輸入端進(jìn)行傳輸?shù)倪^(guò)程中，算法會(huì)調(diào)整前饋神經(jīng)網(wǎng)絡(luò)的什么參數(shù)

A、輸入數(shù)據(jù)大小

B、神經(jīng)元和神經(jīng)元之間連接有無(wú)

C、相鄰層神經(jīng)元和神經(jīng)元之間的連接權(quán)重

D、同一層神經(jīng)元之間的連接權(quán)重

標(biāo)準(zhǔn)答案：C

86.下列哪個(gè)是CNN網(wǎng)絡(luò)的超參數(shù)。

A、權(quán)重

B、偏置

C、激活函數(shù)

D、學(xué)習(xí)率

標(biāo)準(zhǔn)答案：D

解析：學(xué)習(xí)率是CNN網(wǎng)絡(luò)的超參數(shù)。

87.神經(jīng)元之間的每個(gè)連接都有（）權(quán)重。

A、一個(gè)

B、兩個(gè)

C、多個(gè)

D、無(wú)

標(biāo)準(zhǔn)答案：A

解析：神經(jīng)元之間的每個(gè)連接都有一個(gè)權(quán)重。

88.下列哪項(xiàng)不是SVM的優(yōu)勢(shì)

A、可以和核函數(shù)結(jié)合

B、通過(guò)調(diào)參可以往往可以得到很好的分類(lèi)效果

C、訓(xùn)練速度快

D、泛化能力好

標(biāo)準(zhǔn)答案：C

解析：SVM的訓(xùn)練速度不快

89.問(wèn)答系統(tǒng)中的NLP技術(shù)，以下描述不正確的是：

A、問(wèn)答（QA）系統(tǒng)的想法是直接從文檔、對(duì)話(huà)、在線(xiàn)搜索和其他地方

提取信息，以滿(mǎn)足用戶(hù)的信息需求。QA系統(tǒng)不是讓用戶(hù)閱讀整個(gè)文

檔，而是更喜歡簡(jiǎn)短而簡(jiǎn)潔的答案。

B、QA系統(tǒng)相對(duì)獨(dú)立很難與其他NLP系統(tǒng)結(jié)合使用，現(xiàn)有QA系統(tǒng)只

能處理對(duì)文本文檔的搜索，尚且無(wú)法從圖片集合中提取信息。

C、大多數(shù)NLP問(wèn)題都可以被視為一個(gè)問(wèn)題回答問(wèn)題。范例很簡(jiǎn)單：

我們發(fā)出查詢(xún)指令，機(jī)器提供響應(yīng)。通過(guò)閱讀文檔或一組指令，智能

系統(tǒng)應(yīng)該能夠回答各種各樣的問(wèn)題。

D、強(qiáng)大的深度學(xué)習(xí)架構(gòu)（稱(chēng)為動(dòng)態(tài)內(nèi)存網(wǎng)絡(luò)（DMN））已針對(duì)QA問(wèn)題

進(jìn)行了專(zhuān)門(mén)開(kāi)發(fā)和優(yōu)化。給定輸入序列（知識(shí)）和問(wèn)題的訓(xùn)練集，它

可以形成情節(jié)記憶，并使用它們來(lái)產(chǎn)生相關(guān)答案。

標(biāo)準(zhǔn)答案：B

90.Word2Vec提出了哪兩個(gè)算法訓(xùn)練詞向量？

A、COBWSoftmax

B、Softmax.CBOW

C、CBOW、Skip-gramD

D、Skip-gramCOBWC

標(biāo)準(zhǔn)答案：C

解析：Word2Vec提出了兩個(gè)算法訓(xùn)練詞向量

91.lou表示的是（）

A、兩個(gè)框之間的重疊程度

B、兩個(gè)框的總面積

C、兩個(gè)框的相對(duì)大小

D、一個(gè)框面積與周長(zhǎng)比值

標(biāo)準(zhǔn)答案：A

92.下列哪個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)會(huì)發(fā)生權(quán)重共享

A、卷積神經(jīng)網(wǎng)絡(luò)&

B、&循環(huán)神經(jīng)網(wǎng)絡(luò)&

C、&全連接神經(jīng)網(wǎng)絡(luò)&

D、&卷積和循環(huán)神經(jīng)網(wǎng)絡(luò)

標(biāo)準(zhǔn)答案：D

93.關(guān)于貝葉斯網(wǎng)的學(xué)習(xí)描述錯(cuò)誤的為（一）

A、貝葉斯的學(xué)習(xí)過(guò)程為對(duì)訓(xùn)練樣本計(jì)數(shù)；

B、估計(jì)出每個(gè)結(jié)點(diǎn)的條件概率；

C、網(wǎng)絡(luò)結(jié)構(gòu)為已知；

D、評(píng)分搜索為求解的常用辦法；

標(biāo)準(zhǔn)答案：C

94.影響基本K-均值算法的主要因素不包括下列哪一個(gè)選項(xiàng)?

A、樣本輸入順序

B、模式相似性測(cè)度

C、聚類(lèi)準(zhǔn)則

D、初始類(lèi)中心的選取

標(biāo)準(zhǔn)答案：C

95.對(duì)于一個(gè)圖像識(shí)別問(wèn)題(在一張照片里找出一只貓)，下面哪種神

經(jīng)網(wǎng)絡(luò)可以更好地解決這個(gè)問(wèn)題？

A、循環(huán)神經(jīng)網(wǎng)絡(luò)

B、感知機(jī)

C、多層感知機(jī)

D、卷積神經(jīng)網(wǎng)絡(luò)

標(biāo)準(zhǔn)答案：D

96.主成分分析是一種數(shù)據(jù)降維和去除相關(guān)性的方法，它通過(guò)()將

向量投影到低維空間。

A、線(xiàn)性變換

B、非線(xiàn)性變換

C、拉布拉斯變換

D、z變換

標(biāo)準(zhǔn)答案：A

解析：主成分分析是一種數(shù)據(jù)降維和去除相關(guān)性的方法，它通過(guò)線(xiàn)性

變換將向量投影到低維空間。

97.在主成分分析中，將幾個(gè)主分量經(jīng)過(guò)線(xiàn)性組合構(gòu)造為一個(gè)綜合評(píng)

價(jià)函數(shù)時(shí)，每個(gè)主分量的權(quán)數(shù)為（）。

A、每個(gè)主分量的方差

B、每個(gè)主分量的標(biāo)準(zhǔn)差

C、每個(gè)主分量的方差貢獻(xiàn)率

D、每個(gè)主分量的貢獻(xiàn)率

標(biāo)準(zhǔn)答案：C

解析：在主成分分析中，將幾個(gè)主分量經(jīng)過(guò)線(xiàn)性組合構(gòu)造為一個(gè)綜合

評(píng)價(jià)函數(shù)時(shí)，每個(gè)主分量的權(quán)數(shù)為每個(gè)主分量的方差貢獻(xiàn)率。

98.以下關(guān)于Bagging（裝袋法）的說(shuō)法不正確的是

A、能提升機(jī)器學(xué)習(xí)算法的穩(wěn)定性和準(zhǔn)確性，但難以避免overfitting

B、Bagging（裝袋法）是一個(gè)統(tǒng)計(jì)重采樣的技術(shù)，它的基礎(chǔ)是Bootstrap

C、主要通過(guò)有放回抽樣）來(lái)生成多個(gè)版本的預(yù)測(cè)分類(lèi)器,然后把這些

分類(lèi)器進(jìn)行組合

D、進(jìn)行重復(fù)的隨機(jī)采樣所獲得的樣本可以得到?jīng)]有或者含有較少的

噪聲數(shù)據(jù)

標(biāo)準(zhǔn)答案：A

99.語(yǔ)音是一種典型的O數(shù)據(jù)。

A、無(wú)結(jié)構(gòu)無(wú)序列

B、有結(jié)構(gòu)序列

C、無(wú)結(jié)構(gòu)序列

D、有結(jié)構(gòu)無(wú)序列

標(biāo)準(zhǔn)答案：C

解析：語(yǔ)音是一種典型的無(wú)結(jié)構(gòu)序列數(shù)據(jù)。

100.在RNN中，目前使用最廣泛的模型便是O模型，該模型能夠更

好地建模長(zhǎng)序列。

A、SLTM

B、SLMT

C、LSMT

D、LSTM

標(biāo)準(zhǔn)答案：D

解析：在RNN中，目前使用最廣泛的模型便是LSTM模型，該模型能

夠更好地建模長(zhǎng)序列。

101.關(guān)于線(xiàn)性回歸的描述，以下正確的有（）

A、基本假設(shè)包括隨機(jī)干擾項(xiàng)是均值為0,方差為1的標(biāo)準(zhǔn)正態(tài)分布

B、基本假設(shè)包括隨機(jī)干擾項(xiàng)是均值為0的同方差正態(tài)分布

C、多重共線(xiàn)性會(huì)使得參數(shù)估計(jì)值方差減小

D、基本假設(shè)包括不服從正態(tài)分布的隨機(jī)干擾項(xiàng)

標(biāo)準(zhǔn)答案：B

解析：線(xiàn)性回歸的基本假設(shè)是隨機(jī)干擾項(xiàng)是均值為0的同方差正態(tài)分

布

二.多項(xiàng)選擇題

1.在自然語(yǔ)言處理任務(wù)中，首先需要考慮字、詞如何在計(jì)算機(jī)中表示。

通常，有兩種表示方式：（）表示和（）表示

A、on-hot

B、one-hot

C、分布式

D、集中式

標(biāo)準(zhǔn)答案：BC

2.非線(xiàn)性核SVM研究重點(diǎn)是設(shè)計(jì)快速近似算法，包括()

A、隨機(jī)分布

B、隨機(jī)傅里葉特征

C、采樣

D、低秩逼近

標(biāo)準(zhǔn)答案：BCD

3.領(lǐng)域型知識(shí)圖譜的構(gòu)建過(guò)程主要包含哪幾個(gè)部分

A、知識(shí)融合

B、本體構(gòu)建

C、知識(shí)抽取

D、知識(shí)存儲(chǔ)

標(biāo)準(zhǔn)答案：ABCD

4.下列關(guān)于DSSM經(jīng)典模型的結(jié)構(gòu)的說(shuō)法不正確的是()

A、線(xiàn)性

B、雙塔

C、三塔

D、非線(xiàn)性

標(biāo)準(zhǔn)答案：ACD

5.當(dāng)發(fā)現(xiàn)機(jī)器學(xué)習(xí)模型過(guò)擬合時(shí)，以下操作正確的是：()

A、降低特征維度

B、增加樣本數(shù)量

C、添加正則項(xiàng)

D、增加特征維度

標(biāo)準(zhǔn)答案：ABC

6.那種機(jī)器學(xué)習(xí)算法不需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)注

A、有監(jiān)督學(xué)習(xí)

B、無(wú)監(jiān)督學(xué)習(xí)

C、強(qiáng)化學(xué)習(xí)

D、深度學(xué)習(xí)

標(biāo)準(zhǔn)答案：BC監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)不需要標(biāo)注

7.數(shù)據(jù)真實(shí)性具備哪兩種特質(zhì)？

A、準(zhǔn)確性

B、不確定性

C、可信賴(lài)度

D、雜亂性

標(biāo)準(zhǔn)答案：AC

8.考慮到RNN(或者LSTM,GRU等)類(lèi)模型只能從()依次計(jì)算或者從

()依次計(jì)算，帶來(lái)了一定的局限性

A、前向后

B、后向前

C、左向右

D、右向左

標(biāo)準(zhǔn)答案：CD

9.深度學(xué)習(xí)中常用的損失函數(shù)有？

A、L1損失函數(shù)

A、輸入層

B、全連接層

C、卷積層

D、池化層

標(biāo)準(zhǔn)答案：BCD

10.下列哪些方法的輸出結(jié)果，通常包含boundingbox?

A、MTCNN

B、FasterRCNN

C、MaskRCNN

D、AlexNet

標(biāo)準(zhǔn)答案：ABC

11.下列哪些項(xiàng)是構(gòu)建知識(shí)圖譜用到的主要技術(shù)？

A、詞性標(biāo)注

B、實(shí)體鏈接

C、關(guān)系抽取

D、命名實(shí)體識(shí)別

標(biāo)準(zhǔn)答案：BCD

12.深度學(xué)習(xí)的訓(xùn)練過(guò)程包括：自下而上的()和自頂向下的()。

A、無(wú)監(jiān)督學(xué)習(xí)

B、監(jiān)督學(xué)習(xí)

C、強(qiáng)化學(xué)習(xí)

D、半監(jiān)督學(xué)習(xí)

標(biāo)準(zhǔn)答案：AB

13.以下哪些機(jī)器學(xué)習(xí)算法可以不對(duì)特征做歸一化處理()

A、隨機(jī)森林

B、邏輯回歸

C、SVM

D、GBDT

標(biāo)準(zhǔn)答案：AD

14.卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括O、O、()0

A、輸入層

B、卷積層

C、隱含層

D、輸出層

標(biāo)準(zhǔn)答案：ACD

15.關(guān)于SVM,以下描述正確的是()

A、支持向量機(jī)復(fù)雜度主要與支持向量的數(shù)目有關(guān)

B、支持向量機(jī)訓(xùn)練完成后，大部分的訓(xùn)練樣本都不需保留，最終模

型僅與支持向量有關(guān)

C、SVM中劃分超平面所產(chǎn)生的分類(lèi)結(jié)果是最魯棒的，對(duì)未見(jiàn)示例的泛

化能力最強(qiáng).

D、〃異或〃問(wèn)題可能會(huì)導(dǎo)致空間中樣本線(xiàn)性不可分

標(biāo)準(zhǔn)答案：ABCD

16.文本語(yǔ)料庫(kù)的可能特征是什么？

A、文本中詞計(jì)數(shù)

B、詞的向量標(biāo)注

C、詞性標(biāo)注(PartofSpeechTag)

D、基本依存語(yǔ)法

標(biāo)準(zhǔn)答案：ABCD

17.常見(jiàn)的數(shù)據(jù)增強(qiáng)方式有()

A、對(duì)顏色的數(shù)據(jù)增強(qiáng)

B、添加噪聲(高斯噪聲)

C、水平垂直翻轉(zhuǎn)

D、隨機(jī)旋轉(zhuǎn)、裁剪

標(biāo)準(zhǔn)答案：ABCD

18.預(yù)剪枝使得決策樹(shù)的很多分子都沒(méi)有展開(kāi)，會(huì)導(dǎo)致()。

A、顯著減少訓(xùn)練時(shí)間開(kāi)銷(xiāo)

B、顯著減少測(cè)試時(shí)間開(kāi)銷(xiāo)

C、降低過(guò)擬合風(fēng)險(xiǎn)

D、提高欠擬合風(fēng)險(xiǎn)

標(biāo)準(zhǔn)答案：ABCD

解析：預(yù)剪枝就是在構(gòu)造決策樹(shù)的過(guò)程中，先對(duì)每個(gè)結(jié)點(diǎn)在劃分前進(jìn)

行估計(jì)，若果當(dāng)前結(jié)點(diǎn)的劃分不能帶來(lái)決策樹(shù)模型泛華性能的提升,

則不對(duì)當(dāng)前結(jié)點(diǎn)進(jìn)行劃分并且將當(dāng)前結(jié)點(diǎn)標(biāo)記為葉結(jié)點(diǎn)

19.影響聚類(lèi)算法結(jié)果的主要因素有()

A、已知類(lèi)別的樣本質(zhì)量

B、分類(lèi)準(zhǔn)則

C、特征選取

D、模式相似性測(cè)度

標(biāo)準(zhǔn)答案：BCD

20.關(guān)于對(duì)數(shù)幾率回歸，以下說(shuō)法正確的是O

A、對(duì)數(shù)幾率回歸是一種分類(lèi)學(xué)習(xí)方法

B、對(duì)數(shù)幾率回歸無(wú)需事先假設(shè)數(shù)據(jù)分布

C、對(duì)數(shù)幾率回歸是可得到近似概率預(yù)測(cè)

D、對(duì)數(shù)幾率回歸任意階可導(dǎo)的凸函數(shù)

標(biāo)準(zhǔn)答案：ABCD

21.卷積神經(jīng)網(wǎng)絡(luò)中的池化層可以減小下層輸入的尺寸。常見(jiàn)的池化

有：

A、最小地化層

B、乘積池化層

C、最大池化層

D、平均池化層

標(biāo)準(zhǔn)答案：CD

22.遺傳算法評(píng)價(jià)的常用方法有()

A、當(dāng)前最好法

B、在線(xiàn)比較法

C、離線(xiàn)比較法

D、都不是

標(biāo)準(zhǔn)答案：ABC

23.以下算法中可以用于圖像處理中去噪的是()。

A、中值濾波

B、均值濾波

C、最小值濾波

D、最大值濾波

標(biāo)準(zhǔn)答案：ABCD

24.常見(jiàn)的聚類(lèi)性能度量?jī)?nèi)部指標(biāo)有()

25.英語(yǔ)重視哪兩個(gè)問(wèn)題的區(qū)分？()

A、謂語(yǔ)與非謂語(yǔ)

B、可數(shù)名詞與不可數(shù)名詞

C、冠詞與數(shù)詞

D、單復(fù)數(shù)

標(biāo)準(zhǔn)答案：BD

26.完整的CNN架構(gòu)除了輸入及輸出外還包含哪些層()

A、全連接層

B、隱藏層

C、卷積層

D、池化層

標(biāo)準(zhǔn)答案：ACD

27.層次聚類(lèi)算法中數(shù)據(jù)集的劃分可采用的策略為()

A、〃自底向上〃的聚合策略

B、〃自底向上〃的分拆策略

C、〃自頂向下〃的聚合策略

D、〃自頂向下〃的分拆策略

標(biāo)準(zhǔn)答案：AD

28.屬于Boosting的擴(kuò)展變體有哪些。

A、正采樣

B、負(fù)采樣

C、多分類(lèi)

D、單分類(lèi)

標(biāo)準(zhǔn)答案：BC

29.k-means算法的典型計(jì)算步驟包括

A、從數(shù)據(jù)點(diǎn)中隨機(jī)選擇數(shù)量與簇的數(shù)量相同的數(shù)據(jù)點(diǎn)，作為這些簇

的重心

B、計(jì)算數(shù)據(jù)點(diǎn)與各重心之間的距離，并將最近的重心所在的簇作為

該數(shù)據(jù)點(diǎn)所屬的簇

C、計(jì)算每個(gè)簇的數(shù)據(jù)點(diǎn)到重心距離的平均值，并將其作為新的重心

D、重復(fù)步驟2與步驟3,繼續(xù)計(jì)算，直到所有數(shù)據(jù)點(diǎn)不改變所屬的

簇，或達(dá)到計(jì)算最大次數(shù)

標(biāo)準(zhǔn)答案：ABCD

30.Embedding編碼有哪些特點(diǎn)？

A、特征稠密

B、特征稀疏

C、能夠表征詞與詞之間的相互關(guān)系（相似度計(jì)算）

D、泛化性更好,支持語(yǔ)義運(yùn)算sim

標(biāo)準(zhǔn)答案：ACD

31.Embedding編碼有哪些特點(diǎn)？

A、特征稠密

B、特征稀疏

C、能夠表征詞與詞之間的相互關(guān)系（相似度計(jì)算）

D、泛化性更好,支持語(yǔ)義運(yùn)算sim

標(biāo)準(zhǔn)答案：ACD

32.關(guān)于神經(jīng)網(wǎng)絡(luò)模型的說(shuō)法，哪些是不正確的（）

A、神經(jīng)網(wǎng)絡(luò)的工作原理與生物體內(nèi)的神經(jīng)元是完全一樣的

B、訓(xùn)練神經(jīng)網(wǎng)絡(luò)的實(shí)質(zhì)是對(duì)復(fù)雜函數(shù)求參數(shù)最優(yōu)解的過(guò)程

C、增加神經(jīng)網(wǎng)絡(luò)的層數(shù)和增加每層的神經(jīng)元個(gè)數(shù)的效果是一樣的

D、神經(jīng)網(wǎng)絡(luò)只能進(jìn)行二分類(lèi)，不能進(jìn)行更多種類(lèi)的分類(lèi)了

標(biāo)準(zhǔn)答案：ACD

解析：SVM常用的核函數(shù)包括：線(xiàn)性核函數(shù)、多項(xiàng)式核函數(shù)、高斯核

函數(shù)、Sigmiod核函數(shù)

33.常見(jiàn)的MRC任務(wù)可以分為四種類(lèi)型：()。

A、完形填空

B、多項(xiàng)選擇

C、片段抽取

D、自由回答

標(biāo)準(zhǔn)答案：ABCD

三.判斷題

1.Python不允許使用關(guān)鍵字作為變量名，允許使用內(nèi)置函數(shù)名作為

變量名，但這會(huì)改變函數(shù)名的含義。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

2.由于卷積核比較小，可以堆疊更多的卷積層，加深網(wǎng)絡(luò)的深度，這

對(duì)于圖像分類(lèi)任務(wù)來(lái)說(shuō)是不利的。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

3.人工智能的一個(gè)重要分支是PatternRecognition,中文名稱(chēng)是模

式識(shí)別它主要研究視覺(jué)和聽(tīng)覺(jué)的識(shí)別()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

4.word2vec的訓(xùn)練方式有2種，一個(gè)是根據(jù)上下文預(yù)測(cè)中心詞的CBOW

模型，一種是由中心詞預(yù)測(cè)上下文的skip-gram模型。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

5.空洞卷積也叫擴(kuò)張卷積，在保持參數(shù)個(gè)數(shù)不變的情況下增大了卷積

核的感受野。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

6.梯度下降算法是最常用也是最有效的神經(jīng)網(wǎng)絡(luò)的優(yōu)化辦法,完全可

以滿(mǎn)足不同類(lèi)型的需求。（）

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

7.降維算法是減少構(gòu)建模型所需計(jì)算時(shí)間的方法之一。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

8.分類(lèi)是預(yù)測(cè)數(shù)據(jù)對(duì)象的離散類(lèi)別，預(yù)測(cè)是用于數(shù)據(jù)對(duì)象的連續(xù)取值

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

9.神經(jīng)網(wǎng)絡(luò)中各個(gè)隱藏層能提取出和人類(lèi)看到的一樣的特征。（）

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

10.全局最優(yōu)解的函數(shù)損失值最小。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

11.高方差是指模型過(guò)擬合了，導(dǎo)致在測(cè)試集中的泛化能力較差。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

12.在決策樹(shù)中，隨著樹(shù)中結(jié)點(diǎn)數(shù)變得太大，即使模型的訓(xùn)練誤差還

在繼續(xù)減低，但是檢驗(yàn)誤差開(kāi)始增大，這是出現(xiàn)了模型擬合不足的問(wèn)

題。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

13.損失函數(shù)與模型函數(shù)是一回事

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

14.卷積神經(jīng)網(wǎng)絡(luò)是更善于處理圖像的網(wǎng)絡(luò)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

15.非線(xiàn)性SVM中，核函數(shù)的選擇對(duì)于SVM的性能至關(guān)重要()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：非線(xiàn)性SVM中，核函數(shù)的選擇對(duì)于SVM的性能至關(guān)重要O

16.xgboost借鑒了隨機(jī)森林的做法，支持列抽樣，不僅能降低過(guò)擬

合，還能減少計(jì)算。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

17.池化層減小圖像尺寸即數(shù)據(jù)降維，緩解過(guò)擬合，保持一定程度的

旋轉(zhuǎn)和平移不變性。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

18.數(shù)據(jù)規(guī)范化是必不可少的預(yù)處理步驟，用于對(duì)值進(jìn)行重新縮放以

適合特定范圍。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

19.訓(xùn)練時(shí)，發(fā)現(xiàn)RNN網(wǎng)絡(luò)收斂速度較慢，這時(shí)需要減小學(xué)習(xí)率

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：應(yīng)加大學(xué)習(xí)率

20.人工神經(jīng)元網(wǎng)絡(luò)會(huì)遭遇〃框架問(wèn)題〃0

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

21.通用問(wèn)題求解器需要尋找全局最優(yōu)解()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

22.深層神經(jīng)網(wǎng)絡(luò)，不添加激活函數(shù)效果也很好。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

23.基于VC維和Rademacher復(fù)雜度推導(dǎo)泛化誤差界，所得到的結(jié)果

均與具體學(xué)習(xí)算法無(wú)關(guān)，對(duì)所有學(xué)習(xí)算法都適用

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

24.專(zhuān)家系統(tǒng)本身是一個(gè)程序，它與傳統(tǒng)程序是一樣的

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：專(zhuān)家系統(tǒng)本身是一個(gè)程序，它與傳統(tǒng)程序是不同的，例如專(zhuān)家

系統(tǒng)須有知識(shí)庫(kù)和推理機(jī)，根據(jù)知識(shí)庫(kù)不斷由一致的事實(shí)推出結(jié)果。

25.如果強(qiáng)行限制輸出層的分布是標(biāo)準(zhǔn)化的，可能會(huì)導(dǎo)致某些特征模

式的丟失，所以在標(biāo)準(zhǔn)化之后，BatchNorm會(huì)緊接著對(duì)數(shù)據(jù)做縮放和

平移

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

26.語(yǔ)義網(wǎng)絡(luò)表達(dá)知識(shí)時(shí)，有向弧AK0鏈、ISA鏈?zhǔn)怯脕?lái)表達(dá)節(jié)點(diǎn)知

識(shí)的繼承性。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：語(yǔ)義網(wǎng)絡(luò)指SemanticNetwork,語(yǔ)義網(wǎng)指SemanticWebo語(yǔ)義

網(wǎng)絡(luò)是由Quillian于上世紀(jì)60年代提出的知識(shí)表達(dá)模式，其用相互

連接的節(jié)點(diǎn)和邊來(lái)表示知識(shí)。

27.GeneticAlgorithms屬于表現(xiàn)型進(jìn)化算法。（）

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

28.KNN不需要進(jìn)行訓(xùn)練

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

29.如果SVM模型欠擬合，可以通過(guò)減小核系數(shù)（gamma參數(shù)）來(lái)改進(jìn)

模型

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：gamma參數(shù)是你選擇徑向基函數(shù)作為kernel后，該函數(shù)自帶的

一個(gè)參數(shù).隱含地決定了數(shù)據(jù)映射到新的特征空間后的分布.gamma參

數(shù)與C參數(shù)無(wú)關(guān).gamma參數(shù)越高,模型越復(fù)雜

30.反向傳播算法被設(shè)計(jì)為減少公共子表達(dá)式的數(shù)量并且考慮存儲(chǔ)的

開(kāi)銷(xiāo)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：反向傳播算法被設(shè)計(jì)為減少公共子表達(dá)式的數(shù)量而不考慮存儲(chǔ)

的開(kāi)銷(xiāo)。

31.卷積神經(jīng)網(wǎng)絡(luò)中，池化層可以理解為局部視野+參數(shù)共享

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

32.混沌度(Peirlexity)是一種常見(jiàn)的應(yīng)用在使用深度學(xué)習(xí)處理NLP

問(wèn)題過(guò)程中的評(píng)估技術(shù)，混沌度越高越好

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

33.FasterRCNN中的ROIpooling,仍能保留pixel-level的輸入輸出

對(duì)應(yīng)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

34.如果允許一條記錄觸發(fā)多條分類(lèi)規(guī)則，把每條被觸發(fā)規(guī)則的后件

看作是對(duì)相應(yīng)類(lèi)的一次投票，然后計(jì)票確定測(cè)試記錄的類(lèi)標(biāo)號(hào)，稱(chēng)為

無(wú)序規(guī)則

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

35.網(wǎng)格搜索是一種參數(shù)調(diào)節(jié)的方法。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

36.Mapreduce適用于可以串行處理的應(yīng)用程序

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

37.冗余屬性不會(huì)對(duì)決策樹(shù)的準(zhǔn)確率造成不利的影響

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

38.Python集合支持雙向索引。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：不支持

39.決策樹(shù)是一種基于樹(shù)結(jié)構(gòu)進(jìn)行決策的算法。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：決策樹(shù)是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)

來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可

行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。正確

40.計(jì)算學(xué)習(xí)理論研究的是關(guān)于通過(guò)〃計(jì)算〃來(lái)進(jìn)行〃學(xué)習(xí)〃的理論

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

41.如果自變量X和因變量Y之間存在高度的非線(xiàn)性和復(fù)雜關(guān)系，那

么樹(shù)模型很可能優(yōu)于經(jīng)典回歸方法。這個(gè)說(shuō)法正確嗎？

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

42.時(shí)序預(yù)測(cè)回歸預(yù)測(cè)一樣，也是用已知的數(shù)據(jù)預(yù)測(cè)未來(lái)的值，但這

些數(shù)據(jù)的區(qū)別是變量所處時(shí)間的不同

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

43.Sigmoid是早期神經(jīng)網(wǎng)絡(luò)模型中常見(jiàn)的非線(xiàn)性變換函數(shù)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

44.Dropout為在神經(jīng)網(wǎng)絡(luò)過(guò)程中有一定概率暫時(shí)消除神經(jīng)節(jié)點(diǎn)，減

少神經(jīng)元之間的相互作用。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

45.PCA(PrincipalponentAnalysis)算法通過(guò)計(jì)算特征之間的相關(guān)性,

以少量的特征表示具有較多特征的數(shù)據(jù)，降低多特征數(shù)據(jù)分析的復(fù)雜

度

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

46.高方差是指模型過(guò)擬合了，導(dǎo)致在測(cè)試集中的泛化能力較差。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

47.混合高斯分布對(duì)呈橢圓形分布的數(shù)據(jù)聚類(lèi)效果較好，而k-means

算法對(duì)從重心開(kāi)始呈圓形分布的數(shù)據(jù)聚類(lèi)效果較好

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

48.()把大腦當(dāng)作信息處理裝置的觀點(diǎn)是認(rèn)知心理學(xué)的首要特征。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

49.Precision不變時(shí)，Recall越大,1/Recall越小，從而Fl越大。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

50.一個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)可以被展開(kāi)成為一個(gè)完全連接的、具有無(wú)限長(zhǎng)

度的普通神經(jīng)網(wǎng)絡(luò)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

51.BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的優(yōu)化目標(biāo)是使實(shí)際輸出與期望輸出之間的

誤差平方和最小化。()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

52.反向傳播是一種用于多層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法。它將錯(cuò)誤信息從

網(wǎng)絡(luò)末端傳輸?shù)骄W(wǎng)絡(luò)內(nèi)部的所有權(quán)重。它允許有效地計(jì)算梯度

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

53.卷積的作用：捕獲圖像相鄰像素的依賴(lài)性；起到類(lèi)似濾波器的作

用，得到不同形態(tài)的featuremap

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

54.BoW模型忽略詞的順序，這意味著包含相同單詞的兩個(gè)文檔的表

征是完全相同的。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

55.1986年,Hinton等人提出了長(zhǎng)短期記憶模型(LSTM)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

56.從被觸發(fā)規(guī)則中選擇一個(gè)規(guī)則來(lái)執(zhí)行，被執(zhí)行的規(guī)則稱(chēng)為可觸發(fā)

規(guī)則。(F)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

57.Mapreduce適用于可以串行處理的應(yīng)用程序

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

58.方差度量了學(xué)習(xí)算法的期望預(yù)測(cè)與真實(shí)結(jié)果的偏離程度，即刻畫(huà)

了學(xué)習(xí)算法本身的擬合能力。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：偏差度量了學(xué)習(xí)算法的期望預(yù)測(cè)與真實(shí)結(jié)果的偏離程度，刻畫(huà)

了學(xué)習(xí)算法本身的擬合能力。方差度量了同樣大小的訓(xùn)練集的變動(dòng)所

導(dǎo)致的學(xué)習(xí)性能的變化，刻畫(huà)了數(shù)據(jù)擾動(dòng)所造成的影響。噪聲表達(dá)了

當(dāng)前任務(wù)上任何學(xué)習(xí)算法所能達(dá)到的期望泛化誤差的下界，也就是最

小值。泛化誤差可以分解為偏差、方差和噪聲之和。

59.決策樹(shù)是一種基于樹(shù)結(jié)構(gòu)進(jìn)行決策的算法。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：決策樹(shù)是在已知各種情況發(fā)生概率的基礎(chǔ)上，通過(guò)構(gòu)成決策樹(shù)

來(lái)求取凈現(xiàn)值的期望值大于等于零的概率，評(píng)價(jià)項(xiàng)目風(fēng)險(xiǎn)，判斷其可

行性的決策分析方法，是直觀運(yùn)用概率分析的一種圖解法。正確

60.Bayes法是一種在已知后驗(yàn)概率與類(lèi)條件概率的情況下的模式分

類(lèi)方法，待分樣本的分類(lèi)結(jié)果取決于各類(lèi)域中樣本的全體

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

61.構(gòu)建深度學(xué)習(xí)模型的代碼時(shí)，將其中的計(jì)算模塊寫(xiě)入Program中，

可以理解為Program是模型計(jì)算的集合體。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

62.基于sklearn用機(jī)器學(xué)習(xí)模型進(jìn)行數(shù)據(jù)分析與數(shù)據(jù)挖掘的關(guān)鍵步

驟為load_data()>create_model()>model,fit()>model,transform()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

63.示例學(xué)習(xí)又稱(chēng)為實(shí)例學(xué)習(xí)，它是通過(guò)環(huán)境中若干與某個(gè)概念有關(guān)

的例子，經(jīng)歸納得出的一般性概念的一種學(xué)習(xí)方法。()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

64.深層神經(jīng)網(wǎng)絡(luò)，不添加激活函數(shù)效果也很好。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

65.圖像分類(lèi)是根據(jù)圖像的語(yǔ)義信息對(duì)不同類(lèi)別圖像進(jìn)行區(qū)分，是計(jì)

算機(jī)視覺(jué)的核心，是物體檢測(cè)、圖像分割、物體跟蹤、行為分析、人

臉識(shí)別等其他高層次視覺(jué)任務(wù)的基礎(chǔ)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

66.softmax函數(shù)一般用在多分類(lèi)問(wèn)題中，它是對(duì)邏輯斯蒂回歸

logistic的一種推廣，也被稱(chēng)為多項(xiàng)式邏輯斯蒂回歸模型

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

67.嶺回歸和最小二乘法的算法復(fù)雜度是相同的。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

68.在現(xiàn)有的深度學(xué)習(xí)模型中，句子情感分類(lèi)通常會(huì)形成一個(gè)聯(lián)合的

三類(lèi)別分類(lèi)問(wèn)題，即預(yù)測(cè)句子為積極、中立或消極。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

69.支持向量機(jī)SVM屬于深度學(xué)習(xí)網(wǎng)絡(luò)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：支持向量機(jī)SVM不屬于深度學(xué)習(xí)網(wǎng)絡(luò)

70.文本挖掘又稱(chēng)信息檢索，是從大量文本數(shù)據(jù)中提取以前未知的、

有用的、可理解的、可操作的知識(shí)的過(guò)程

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

71.正則化是解決過(guò)擬合的方法之一()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

72.設(shè)有機(jī)器人走迷宮問(wèn)題，其入口坐標(biāo)為(xO,yO),出口坐標(biāo)為

(xt,yt),當(dāng)前機(jī)器人位置為(x,y),若定義，當(dāng)從入口到出口存在通

路時(shí)，用A算法求解該問(wèn)題，定能找到從入口到出口的最佳路徑。O

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

73.基于規(guī)則的AI系統(tǒng)由一連串的if-then-else規(guī)則來(lái)進(jìn)行推斷或

行動(dòng)決策。()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

74.提升卷積核(convolutionalkernel)的大小會(huì)顯著提升卷積神經(jīng)

網(wǎng)絡(luò)的性能，這種說(shuō)法是

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

75.Bayes法是一種在已知后驗(yàn)概率與類(lèi)條件概率的情況下的模式分

類(lèi)方法，待分樣本的分類(lèi)結(jié)果取決于各類(lèi)域中樣本的全體

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

76.卷積核尺寸一般是奇數(shù)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

77.可以通過(guò)將所有權(quán)重初始化為0來(lái)訓(xùn)練網(wǎng)絡(luò)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

78.深度學(xué)習(xí)在不同的領(lǐng)域超參數(shù)的設(shè)定不能通用。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

79.經(jīng)典的全連接神經(jīng)網(wǎng)絡(luò)中，隱含層的節(jié)點(diǎn)數(shù)是可以調(diào)整的，節(jié)點(diǎn)

數(shù)越多，神經(jīng)網(wǎng)絡(luò)表示能力越強(qiáng)，參數(shù)量也會(huì)減少

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

80.廣度優(yōu)先搜索方法的原理是：從樹(shù)的根節(jié)點(diǎn)開(kāi)始，在樹(shù)中一層一

層的查找，當(dāng)找到目標(biāo)節(jié)點(diǎn)時(shí)，搜索結(jié)束（）。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

81.基尼指數(shù)越小，數(shù)據(jù)集的純度越高。__

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

82.KNN與K-means區(qū)別在于：KNN是分類(lèi)算法、監(jiān)督學(xué)習(xí)，K-means

是聚類(lèi)算法、無(wú)監(jiān)督學(xué)習(xí)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

83.先驗(yàn)原理可以表述為：如果一個(gè)項(xiàng)集是頻繁的，那包含它的所有

項(xiàng)集也是頻繁的。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

84.循環(huán)神經(jīng)網(wǎng)絡(luò)按時(shí)間展開(kāi)后就可以通過(guò)反向傳播算法訓(xùn)練了

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

85.樸素貝葉斯分類(lèi)器將會(huì)比判別模型，譬如邏輯回歸收斂得更快，

因此你只需要更少的訓(xùn)練數(shù)據(jù)。其主要缺點(diǎn)是它學(xué)習(xí)不了特征間的交

互關(guān)系。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

86.GRU含有一個(gè)cell單元，用于存儲(chǔ)中間狀態(tài)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

87.貝葉斯網(wǎng)學(xué)習(xí)而言，模型就是一個(gè)貝葉斯網(wǎng)，每個(gè)貝葉斯網(wǎng)描述

了一個(gè)在訓(xùn)練數(shù)據(jù)上的概率分布

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

88.卷積神經(jīng)網(wǎng)絡(luò)中同一卷積層的所有卷積核是權(quán)重共享的。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

89.人工智能會(huì)受到運(yùn)算能力高低的影響

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：人工智能會(huì)受到運(yùn)算能力高低的限制

90.Logisticregression（邏輯回歸）是一種監(jiān)督式機(jī)器學(xué)習(xí)算法。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

91.Sigmoid是神經(jīng)網(wǎng)絡(luò)中最常用到的一種激活函數(shù)，除非當(dāng)梯度太

大導(dǎo)致激活函數(shù)被彌散，這叫作神經(jīng)元飽和,這就是為什么ReLU會(huì)被

提出來(lái)，因?yàn)镽eLU可以使得梯度在正向時(shí)輸出值與原始值一樣。這

意味著在神經(jīng)網(wǎng)絡(luò)中ReLU單元永遠(yuǎn)不會(huì)飽和。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

92.k近鄰法對(duì)給定的訓(xùn)練實(shí)例點(diǎn)和輸入實(shí)例點(diǎn)，首先確定輸入實(shí)例

點(diǎn)的k個(gè)最近鄰訓(xùn)練實(shí)例點(diǎn)，然后利用這k個(gè)訓(xùn)練實(shí)例點(diǎn)的類(lèi)的多數(shù)

來(lái)預(yù)測(cè)輸入實(shí)例點(diǎn)的類(lèi)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：來(lái)自教材原文

93.HSV顏色空間中H的取值范圍為(0,1)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

94.DSSM模型總的來(lái)說(shuō)可以分成三層結(jié)構(gòu)，分別是輸入層、表示層和

匹配層

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

95.對(duì)訓(xùn)練數(shù)據(jù)的預(yù)測(cè)效果很好，但對(duì)驗(yàn)證數(shù)據(jù)的預(yù)測(cè)效果不好的現(xiàn)

象稱(chēng)為過(guò)擬合

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

96.先驗(yàn)概率是指根據(jù)以往經(jīng)驗(yàn)和分析得到的概率()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

97.當(dāng)在卷積神經(jīng)網(wǎng)絡(luò)中加入池化層(poolinglayer)時(shí)，變換的不變

性會(huì)被保留

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

98.卷積神經(jīng)網(wǎng)絡(luò)中，卷積層保留主要特征

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

99.多層非線(xiàn)性映射(multi-layernonlinearprojection)：表示深度

學(xué)習(xí)網(wǎng)絡(luò)的隱層，DSSM使用三個(gè)全連接層，每一層神經(jīng)元的個(gè)數(shù)是

300,然后最后一層的維度是128維度，激活函數(shù)采用tanh

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

100.Glove可使用ngram>subword等細(xì)粒度信息

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

101.Precision不變時(shí)，Recall越大，1/Recall越小，從而F1越大。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

解析：Precision不變時(shí)，Recall越大,1/Recall越小，從而F1越

大；Recall不變時(shí)，Precision越大，"Precision越小,從而F1越

大。精確率越高越好，召回率越高越好。正確

102.在關(guān)聯(lián)規(guī)則挖掘中，對(duì)給定的一條關(guān)聯(lián)規(guī)則，它的支持度必然不

小于置信度

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

103.GatedRecurrentunits的出現(xiàn)可以幫助防止在RNN中的梯度消失

問(wèn)題。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

104.假設(shè)x是含有5個(gè)元素的列表，那么切片操作x[10:]是無(wú)法執(zhí)

行的，會(huì)拋出異常。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

解析：見(jiàn)函數(shù)庫(kù)

105.監(jiān)督學(xué)習(xí)的數(shù)據(jù)不需要帶標(biāo)簽等人為標(biāo)注信息

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

106.梯度下降算法的收斂點(diǎn)取決于代價(jià)函數(shù)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

107.決策樹(shù)中不包含外部結(jié)點(diǎn)

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

108.BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是一種誤差修正型學(xué)習(xí)算法，由正向傳播和

反向傳播組成。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

109.訓(xùn)練集分割為小一點(diǎn)的子集訓(xùn)練，這些子集被取名為mini-batch

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

no.樸素貝葉斯算法不需要樣本特征之間的獨(dú)立同分布。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

Hl.R-CNN的系列算法分成兩個(gè)階段，先在圖像上產(chǎn)生候選區(qū)域，再

對(duì)候選區(qū)域進(jìn)行分類(lèi)并預(yù)測(cè)目標(biāo)物體位置，它們通常被叫做兩階段檢

測(cè)算法。SSD和YOLO算法則只使用一個(gè)網(wǎng)絡(luò)同時(shí)產(chǎn)生候選區(qū)域并預(yù)

測(cè)出物體的類(lèi)別和位置，所以它們通常被叫做單階段檢測(cè)算法。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

112.數(shù)據(jù)集被劃分成訓(xùn)練集和測(cè)試集，其中訓(xùn)練集用于確定模型的參

數(shù)，測(cè)試集用于評(píng)判模型的效果

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

113.當(dāng)在內(nèi)存網(wǎng)絡(luò)中獲得某個(gè)內(nèi)存空間時(shí)，通常選擇讀取矢量形式數(shù)

據(jù)而不是標(biāo)量，這里需要基于內(nèi)容的尋址或基于位置的尋址來(lái)完成

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

114.邏輯回歸的損失函數(shù)是交叉焙損失函數(shù)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

115.AlphaBeta剪枝的效率一定比單純的minimax算法效率高。（）

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

116.聚類(lèi)分析的相異度矩陣是用于存儲(chǔ)所有對(duì)象兩兩之間相異度的

矩陣，為一個(gè)nn維的單模矩陣

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

H7.簡(jiǎn)單來(lái)說(shuō)，機(jī)器學(xué)習(xí)就是通過(guò)算法，使得機(jī)器能從大量歷史數(shù)據(jù)

中學(xué)習(xí)規(guī)律，從而對(duì)新的樣本做智能識(shí)別或?qū)ξ磥?lái)做預(yù)測(cè)。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

118.Self-OrganizingFeatureMap(SOFM)神經(jīng)網(wǎng)絡(luò)可用于聚類(lèi)。()

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：A

119.反向傳播算法中需要先計(jì)算靠近輸入層參數(shù)的梯度，再計(jì)算靠近

輸出層參數(shù)的梯度。

A、正確

B、錯(cuò)誤

標(biāo)準(zhǔn)答案：B

120.聚類(lèi)需要從沒(méi)