第一章 单元测试

1、单选题：
在人工智能的技术范式型定义中，主张通过人工神经网络从海量数据中学习、擅长感知却存在黑箱、推理不透明的是哪一条路线（ ）。
选项：
A:行为主义，通过与环境交互来适应外界
B:连接主义，靠神经网络从数据中学习并存在黑箱问题
C:符号主义，用符号加规则模拟逻辑思维且推理可解释
D:知识驱动，把专业知识整理成规则库供机器调用
答案: 【连接主义，靠神经网络从数据中学习并存在黑箱问题】

2、单选题：
在人工智能的哲学思辨型定义中，约翰·塞尔用中文房间思想实验所质疑的是下列哪一种主张（ ）。
选项：
A:弱人工智能仅模拟人类特定功能、并无真正的自主意识
B:强人工智能具备真正的自主意识、能引发机器是否有心灵之争
C:工具智能以工业质检和智能推荐为主流落地形态
D:通用人工智能已经能在产业界实现大规模落地
答案: 【强人工智能具备真正的自主意识、能引发机器是否有心灵之争】

3、单选题：
在人工智能的五大技术方向中，强调不依赖人手动编写规则、而是靠海量数据让机器自己总结特征的主流范式是（ ）。
选项：
A:概率驱动，用概率量化对不确定性的相信程度
B:知识驱动，把专业知识整理成知识图谱或规则库
C:数据驱动，核心是让机器从经验中学习
D:计算驱动，主打优化算力调度、提升计算效率
答案: 【数据驱动，核心是让机器从经验中学习】

4、多选题：
下列关于人工智能发展关键节点的说法，正确的有（ ）。
选项：
A:1997 年深蓝击败国际象棋世界冠军，彰显决策与战略智能
B:2016 年阿尔法狗攻克了直觉与战略之间的鸿沟
C:1966 年专家系统让人工智能在医疗等领域成功落地
D:1956 年达特茅斯会议首次提出人工智能这一名称
答案: 【1997 年深蓝击败国际象棋世界冠军，彰显决策与战略智能;
2016 年阿尔法狗攻克了直觉与战略之间的鸿沟;
1956 年达特茅斯会议首次提出人工智能这一名称】

5、判断题：
在互补与均衡的协同思维中，面对相互矛盾的目标需要在可接受范围内寻找折中方案，例如自动驾驶优先保证安全、手机端翻译优先保证速度。（ ）
选项：
A:错
B:对
答案: 【对】

第二章 单元测试

1、单选题：
粒子群优化算法在更新每个粒子的速度时，会综合三类信息来调节飞行状态，这三部分分别是（ ）。
选项：
A:全局分量、局部分量、随机分量
B:惯性分量、认知分量、社会分量
C:梯度分量、动量分量、学习率分量
D:位置分量、速度分量、加速度分量
答案: 【惯性分量、认知分量、社会分量】

2、多选题：
关于进化计算求解复杂优化问题的特点，下列说法正确的有（ ）。
选项：
A:适合无梯度、高维、多峰等难以用解析方法处理的优化问题
B:迭代次数通常较多、耗时较久，收敛速度受种群规模影响明显
C:对噪声和扰动具有一定的鲁棒性，整体表现比较稳定
D:只要运行足够多代，就一定能保证找到全局最优解
答案: 【适合无梯度、高维、多峰等难以用解析方法处理的优化问题;
迭代次数通常较多、耗时较久，收敛速度受种群规模影响明显;
对噪声和扰动具有一定的鲁棒性，整体表现比较稳定】

3、单选题：
深度模型训练中，非凸损失函数常含有大量局部极小值和鞍点。相比普通梯度下降，动量方法（如重球法）在更新参数时额外累积了历史运动方向，其主要作用是（ ）。
选项：
A:把非凸问题自动转化为凸问题后再求解
B:借助历史方向积累，更有机会跳出局部极小或鞍点、找到较优解
C:彻底消除迭代过程中的震荡并使收敛速度固定翻倍
D:保证每一步都严格沿损失下降最快的方向前进
答案: 【借助历史方向积累，更有机会跳出局部极小或鞍点、找到较优解】

4、判断题：
在梯度下降法中，每次更新参数的步长（学习率）若取得过大，可能会直接越过最小值点，导致难以稳定收敛。（ ）
选项：
A:对
B:错
答案: 【对】

5、单选题：
启发式搜索用估价函数估算节点的“希望程度”以决定优先扩展谁，该函数由两部分相加构成，分别是（ ）。
选项：
A:当前节点的搜索深度，加上该节点的分支因子
B:种群适应度，加上变异概率
C:从起点到当前节点的实际代价，加上当前节点到目标的估计代价（即启发函数）
D:目标状态到当前节点的实际代价，加上当前节点到起点的估计代价
答案: 【从起点到当前节点的实际代价，加上当前节点到目标的估计代价（即启发函数）】

本门课程剩余章节答案为付费内容

支付后可长期查看

有疑问请添加客服QQ：2025479448反馈

购买期末请+QQ：2025479448

如遇卡顿看不了请换个浏览器即可打开

请看清楚了再购买哦，电子资源购买后不支持退款哦