人工智能核心算法模拟题及参考答案

人工智能核心算法模拟题及参考答案1、基于神经网络的分类模型是？A、生成模型B、判别模型C、两者都不属于D、两者都属于答案：B2、优化器是训练神经网络的重要组成部分，使用优化器的目的不包含以下哪项：A、加快算法收敛速度B、减少手工参数的设置难度C、避过过拟合问题D、避过局部极值答案：C3、在SCikitTearn中，DBSCAN算法对于()参数值的选择非常敏感A、pB、epsC、njobsD、a1gorithm答案：B4、11和12正则化是传统机器学习常用来减少泛化误差的方法，以下关于两者的说法正确的是：A、11正则化可以做特征选择B、11和12正则化均可做特征选择C、12正则化可以做特征选择D、11和12正则化均不可做特征选择答案：A5、Re1U在零点不可导，那么在反向传播中怎么处理OA、设为0B、设为无穷大C、不定义D、设为任意值答案：A6、代码array=np.arange(10,31,5)中的5代表()?A、元素的个数B、步长C、第一个元素D、最后一个元素答案：B7、图像处理中无损压缩的目的是OA、滤除图像中的不相干信号B、滤除图像中的高频信号C、滤除图形中的低频信号D、滤除图像中的冗余信号答案：D8、对于DBSCAN,参数EPS固定，当MinPtS取值较大时，会导致A、能很好的区分各类簇B、只有高密度的点的聚集区划为簇，其余划为噪声C、低密度的点的聚集区划为簇，其余的划为噪声D、无影响答案：B9、为应对卷积网络模型中大量的权重存储问题，研究人员在适量牺牲精度的基础上设计出一款超轻量化模型OA、KNNB、RNNC、BNND、VGG答案：C10、在前馈神经网络中，误差后向传播（BP算法）将误差从输出端向输入端进行传输的过程中，算法会调整前馈神经网络的什么参数A、输入数据大小B、神经元和神经元之间连接有无C、相邻层神经元和神经元之间的连接权重D、同一层神经元之间的连接权重答案：C11、1STM是一个非常经典的面向序列的模型，可以对自然语言句子或是其他时序信号进行建模，是一种OOA、循环神经网络B、卷积神经网络C、朴素贝叶斯D、深度残差网络答案：A12、O的核心训练信号是图片的“可区分性”。

模型需要区分两个输入是来自于同一图片的不同视角，还是来自完全不同的两张图片。

A、对比学习B、强化学习C、迁移学习D、深度学习答案：A13>SCikitTearrI用于训练模型的函数接口为()A、FitB、fitC、TrainI)、train答案：B14、构建一个神经网络，将前一层的输出和它自身作为输入。

下列哪一种架构有反馈连接？A、循环神经网络B、卷积神经网络C、限制玻尔兹曼机D、都不是答案：A15、卷积的扩展方式是加O：一个卷积核可以提取图像的一种特征，多个卷积核提取多种特征。

A、滤波器B、卷积层C、卷积核D、通道答案：C16、为什么不能用多层全连接网络解决命名实体识别问题：A、序列数据的输入和输出通常是不固定的，有的序列长，有的序列短B、全连接网络的根本不能处理任何序列数据C、全连接网络的层次太深导致梯度消失，所以不能处理序列问题D、命名实体识别问题是一个无法解决的问题，全连接网络也不能解决这个问题答案：A17、特征是描述样本的特性的维度，关于其在传统机器学习和深度学习的可解释性，以下说法正确的是：A、特征在传统机器学习可解释性强，而在深度学习可解释性弱B、特征在传统机器学习可解释性弱，而在深度学习可解释性强C、特征在传统机器学习和深度学习可解释性均弱I)、特征在传统机器学习和深度学习可解释性均强答案：A18、与生成方法、半监督SVM、图半监督学习等基于单学习机器利用未标记数据不同，基于分歧的方法(C1iSagreement-basedmethods)使用多学习器，而学习器之间的“分歧”(disagreement)对未标记数据的利用至关重要。

(_)是此类方法的重要代表A、协同训练B、组合训练C、配合训练D、陪同训练答案：A19、按照类别比例分组的k折用的是哪个函数()A^RepeatedKFo1dB、StratifiedKFo1dC、1eavePOutD、GroupKFo1d答案：B20、从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论的推理是A、默认推理B、归结推理C、演绎推理D、单调推理答案：C21、神经网络由许多神经元(Neuron)组成，每个神经元接受一个输入，对输入进行处理后给出一个输出。

请问下列关于神经元的描述中，哪一项是正确的？A、每个神经元可以有一个输入和一个输出13、每个神经元可以有多个输入和一个输出c＞每个神经元可以有多个输入和多个输出D、上述都正确答案：D22、使用交叉验证最简单的方法是在估计器和数据集上调用什么辅助函数？A、cross_va1_scoreB、cross_va1%C、va1_scoreD、cross_score答案：A23、O城市大脑目前已在杭州、苏州、上海、衢州、澳门、马来西亚等城市和国家落地，覆盖交通、平安、市政建设、城市规划等领域，是目前全球最大规模的人工智能公共系统之一。

A、浪潮云B、华为云C、阿里云D、海尔云答案：C24、回归分析中定义的OA、解释变量和被解释变量都是随机变量B、解释变量为非随机变量，被解释变量为随机变量C、解释变量和被解释变量都为非随机变量D、解释变量为随机变量，被解释变量为非随机变量答案：B25、在处理序列数据时，较容易出现梯度消失现象的模型是OA、CNNB、RNNC、GRUI)、1STM答案：B26、下列哪一项属于特征学习算法(representation1earninga1gorithm)?()A、K近邻算法B、随机森林C、神经网络I)、都不属于答案：C27、关于聚类说法错误的是OA、在无监督学习任务中，研究最多、应用最广的是聚类B、聚类可作为一个单独过程，用于找寻数据内在的分布结构，但不能作为其他学习任务的前驱过程C、聚类分析的目标是组内的对象之间是相似的，不同组中的对象是不同的D、组内的相似性越大，组间差别越大，聚类就越好答案：B28、NMS算法中文名为OA、非极大值抑制B、非极小值抑制C、极大值抑制D、极小值抑制答案：A29、关于支持向量机，哪项说法不正确OA、支持向量机可以用于处理二分类及多分类问题B、支持向量机只能用于线性可分的分类问题C、支持向量机可用于回归问题D、核函数的选择对支持向量机的性能影响较大答案：B30、机器学习训练时，Mini-BatCh的大小优选为2的幕,如256或512。

它背后的原因是什么？OA.Mini-Batch为偶数的时候，梯度下降算法训练的更快B、Mini-Batch设为2的累，是为了符合CPU、GPU的内存要求，利于并行化处理C、不使用偶数时，损失函数是不稳定的D、以上说法都不对答案：B31›以下程序的输出是O?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、3D、432>Di1atedconvo1ution意思是？A、空洞卷积B、黑洞卷积C、细节卷积D、返向卷积答案：A33、在不考虑标记样本时，支持向量机试图找到(_)间隔划分超平面A、最大B、最小C、最长D、最短答案：A34、下述O不是人工智能中常用的知识格式化表示方法。

A、框架表示法B、产生式表示法C、语义网络表示法I)、形象描写表示法答案：D35、深度学习系统中，如果参数数量非常庞大不会出现：A、运算精度必然高B、运算速度慢C、内存使用多D、训练困难答案：A36、DSSM使用O个全连接层A、两B、一C、三D、四答案：A37、如果强行限制输出层的分布是标准化的，可能会导致某些特征模式的丢失，所以在标准化之后，BatChNOrm会紧接着对数据做缩放和OA、平移B、删除C、移动38、下列可以用于聚类问题的机器学习算法有OA、决策树B、k-meansC、随机森林D、逻辑回归答案：B39、阅读以下文字：假设我们拥有一个已完成训练的、用来解决车辆检测问题的深度神经网络模型，训练所用的数据集由汽车和卡车的照片构成，而训练目标是检测出每种车辆的名称（车辆共有10种类型）。

现在想要使用这个模型来解决另外一个问题，问题数据集中仅包含一种车（福特野马）而目标变为定位车辆在照片中的位置。

OA、除去神经网络中的最后一层，冻结所有层然后重新训练B、对神经网络中的最后几层进行微调，同时将最后一层（分类层）更改为回归层C、使用新的数据集重新训练模型D、所有答案均不对答案：B40、一阶规则的基本成分是（_）A、原子命题B、谓词C、量词D、原子公式答案：D41、主成分分析法是通过变量变换的方法把相关的变量变为若干O的变量。

A、相联系B、相互矛盾C、不相关D、相等答案：C42、自然语言中的词语需要转化为计算机可以记录处理的数据结构，通常会把自然语言中的词语转化为以下哪种数据结构：A、标量B、向量答案：B43、主成分分析是一种数据降维和去除相关性的方法，它通过O将向量投影到低维空间。

A、线性变换B、非线性变换C、拉布拉斯变换D、Z变换答案：A44、在神经网络中，我们是通过以下哪个方法在训练网络的时候更新参数,从而最小化损失函数的？A、正向传播算法B、池化计算C、卷积计算D、反向传播算法答案：D45、半监督支持向量机简称？A、SSVMB、S2VMC、S3VMD、SVMP答案：C46、混淆矩阵中TP=16,FP=12,FN=8,TN=4,召回率是()。

A、1/4B、1/2C、4/7D、2/3答案：D47、对于给定的关于天气信息的数据集，已知空气的温度、湿度、气压、是否降雨以及pm2.5指数，需要建立一个回归模型预测pm2.5指数，这是一个()OA、半监督学习B、强化学习C、无监督学习D、有监督的学习答案：D48、在中期图像识别技术(2003-2012)中，索引的经典模型是OA、口袋模型B、词袋模型C、胶囊模型D、增量模型答案：B49、下列关于XGboost算法描述中错误的是A、由于其特殊原因，无法分布式化B、xgb。

OSt在代价函数里加入了正则项，用于控制模型的复杂度；C、可以处理带有缺失值的样本I)、允许使用列抽样来减少过拟合答案：A50、算法性能显著不同时，需要进行(_)来进一步区分各算法。

A、后续检验B、Friedman检验C、交叉验证t检验D^MCNemar检验答案：A51、手写数字识别的例子中,输入的图片为长和宽都是28像素的图片"输出判断数字0-9的概率。

要构建前馈型神经网络去解决这个问题,输入层是()维的,输出层是()维的。

A、78410B、2810C、7841D、281答案：A52、机器学习的算法中，以下哪个不是无监督学习？A、GMMXgboostC、聚类D、关联规则答案：B53、下面对梯度下降方法描述不正确的是A、梯度下降算法是一种使得损失函数最小化的方法B、梯度反方向是函数值下降最快方向C、梯度方向是函数值下降最快方向D、梯度下降算法用来优化深度学习模型的参数答案：C54、fromsk1earnimport1inear_mode1reg=1inear_mode1.1asso,其中1ass。