2021 人工智能：模型与算法(山西医科大学) 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2021-04-16到2021-07-04
本篇答案更新状态:已完结

第九周：深度学习（II） 第九周测试

1、 问题:卷积操作是卷积神经网络所具备的一个重要功能，对一幅图像进行高斯卷积操作的作用是（    ） 
选项：
A:对图像进行增强
B:对图像进行裁剪
C:对图像进行平滑（模糊化）
D:对图像进行分类
答案: 【对图像进行平滑（模糊化）】

2、 问题:对完成特定任务的卷积神经网络训练采用的是监督学习方法。在这个过程中，通过误差后向传播来优化调整网络参数，请问下面哪个参数不是通过误差后向传播来优化的（     ）
选项：
A:卷积滤波矩阵中的参数
B:全连接层的链接权重
C:激活函数中的参数
D:模型的隐藏层数目
答案: 【模型的隐藏层数目】

3、 问题:下面哪个作用是池化（pooling）层所完成的（    ）
选项：
A:下采样
B:图像增强
C:图像裁剪
D:上采样
答案: 【下采样】

4、 问题:假设我们需要训练一个卷积神经网络，来完成500种概念的图像分类。该卷积神经网络最后一层是分类层，则最后一层输出向量的维数大小可能是（    ）
选项：
A:1
B:500
C:300
D:100
答案: 【500】

5、 问题:下面对Word2Vec描述不正确的是（    ）
选项：
A:可以根据某个单词的上下文单词来预测该单词，从而训练得到词向量模型
B:可以利用某个单词来分别预测该单词的上下文单词，从而训练得到词向量模型
C:词向量是一种one-hot的单词表达形式
D:词向量是一种分布式的单词表达形式
答案: 【词向量是一种one-hot的单词表达形式】

6、 问题:前馈神经网络和卷积神经网络的模型学习均是通过误差后向传播来优化模型参数，因此是一种监督学习方法。
选项：
A:正确
B:错误
答案: 【正确】

7、 问题:一般而言，在深度学习模型中，层数越多，其完成的非线性映射就越复杂，因此模型就具有更强的学习能力。
选项：
A:正确
B:错误
答案: 【正确】

8、 问题:与one-hot的单词表达不同，在词向量模型中，单词和单词之间的共现关系被忽略了。
选项：
A:正确
B:错误
答案: 【错误】

9、 问题:卷积神经网络一般包括卷积层、池化层、全连接层，一般激活函数在卷积层后进行使用。
选项：
A:正确
B:错误
答案: 【正确】

10、 问题:在使用卷积神经网络对图像分类中，一般将最后一层全连接层（即与输出层相连的全连接层）的输出作为每幅图像的特征表达。
选项：
A:正确
B:错误
答案: 【正确】

第三周 逻辑与推理（I） 第三周测试

1、 问题:  如果命题p为真、命题q为假，则下述哪个复合命题为真命题（ ）
选项：
A: p且q 
B:非p
C:如果p则q
D:如果q则p 
答案: 【如果q则p 】

2、 问题:p和q均是原子命题，“如果p那么q”是由p和q组合得到的复合命题。下面对“如果p那么q”这一复合命题描述不正确的是（  ）
选项：
A:“如果p那么q”定义的是一种蕴涵关系（即充分条件）
B:“如果p那么q”意味着命题q包含着命题p，即p是q的子集
C:无法用真值表来判断“如果p那么q”的真假
D:当p不成立时，“如果p那么q”恒为真
答案: 【无法用真值表来判断“如果p那么q”的真假】

3、 问题:下面哪个复合命题与“如果秋天天气变凉，那么大雁南飞越冬”是逻辑等价的（ ）
选项：
A:如果秋天天气没有变凉，那么大雁不南飞越冬
B:如果秋天天气变凉，那么大雁不南飞越冬
C:如果大雁不南飞越冬，那么秋天天气变凉
D:如果大雁不南飞越冬，那么秋天天气没有变凉
答案: 【如果大雁不南飞越冬，那么秋天天气没有变凉】

4、 问题:下面哪一句话对命题逻辑中的归结(resolution)规则的描述是不正确的（    ）
选项：
A:在两个析取复合命题中，如果命题q及其反命题分别出现在这两个析取复合命题中，则通过归结法可得到一个新的析取复合命题，只是在析取复合命题中要去除命题q及其反命题。
B:如果命题q出现在一个析取复合命题中，命题q的反命题单独存在，则通过归结法可得到一个新的析取复合命题，只是在析取复合命题中要去除命题q及其反命题。
C:对命题q及其反命题应用归结法，所得到的命题为空命题
D:对命题q及其反命题应用归结法，所得到的命题为假命题
答案: 【对命题q及其反命题应用归结法，所得到的命题为假命题】

5、 问题:下面哪一句话对命题范式的描述是不正确的（    ）
选项：
A:有限个简单合取式构成的析取式称为析取范式
B:有限个简单析取式构成的合取式称为合取范式
C:一个析取范式是不成立的，当且仅当它包含一个不成立的简单合取式
D:一个合取范式是成立的，当且仅当它的每个简单析取式都是成立的
答案: 【一个析取范式是不成立的，当且仅当它包含一个不成立的简单合取式】

6、 问题:下面哪个逻辑等价关系是不成立的（     ）
选项：
A: 
B:
C:
D:
答案: 【】

7、 问题:下面哪个谓词逻辑的推理规则是不成立的（    ）
选项：
A:
B:
C:
D:
答案: 【】

8、 问题:知识图谱可视为包含多种关系的图。在图中，每个节点是一个实体（如人名、地名、事件和活动等），任意两个节点之间的边表示这两个节点之间存在的关系。下面对知识图谱的描述，哪一句话的描述不正确（  ）
选项：
A:知识图谱中的节点可以是实体或概念
B:知识图谱中一条边连接了两个节点，可以用来表示这两个节点存在某一关系
C:知识图谱中两个节点之间仅能存在一条边
D:知识图谱中一条边可以用一个三元组来表示
答案: 【知识图谱中两个节点之间仅能存在一条边】

9、 问题:如果知识图谱中有David和Mike两个节点，他们之间具有classmate和brother关系。在知识图谱中还存在其他丰富节点和丰富关系（如couple, parent等）前提下，下面描述不正确的是（    ）
选项：
A:可以从知识图谱中形成classmate<David, Mike>的表达，这里classmate是谓词。
B:可以从知识图谱中形成brother<David, Mike>的表达，这里brother是谓词。
C:可从知识图谱中找到classmate和brother这个谓词的正例和反例。
D:仅可从知识图谱中找到classmate和brother这个谓词的正例，无法找到这两个谓词的反例。
答案: 【仅可从知识图谱中找到classmate和brother这个谓词的正例，无法找到这两个谓词的反例。】

10、 问题:在一阶归纳学习中，只要给定目标谓词，FOIL算法从若干样例出发，不断测试所得到推理规则是否还包含反例，一旦不包含负例，则学习结束，展示了 “归纳学习”能力。下面所列出的哪个样例，不属于FOIL在学习推理规则中所利用的样例。
选项：
A:背景知识样例
B:所得到推理规则涵盖的正例
C:所得到推理规则涵盖的反例
D:信息增益超过一定阈值推理规则涵盖的例子
答案: 【信息增益超过一定阈值推理规则涵盖的例子】

11、 问题:下面对一阶归纳推理（FOIL）中信息增益值(information gain)阐释不正确的是（    ）
选项：
A:信息增益值用来判断向推理规则中所加入前提约束谓词的质量。
B:在算法结束前，每次向推理规则中加入一个前提约束谓词，该前提约束谓词得到的新推理规则具有最大的信息增益值。
C:在计算信息增益值过程中，需要利用所得到的新推理规则和旧推理规则分别涵盖的正例和反例数目。
D:信息增益值大小与背景知识样例数目有关。
答案: 【信息增益值大小与背景知识样例数目有关。】

第五周 统计机器学习：监督学习 第五周测试

1、 问题:下面哪一种机器学习方法没有利用标注数据（  ）
选项：
A:有监督学习
B:无监督学习
C:半监督学习
D:回归分析
答案: 【无监督学习】

2、 问题:下面对经验风险和期望风险的描述中，哪一个属于欠学习（   ）
选项：
A:经验风险小、期望风险小
B:经验风险小、期望风险大
C:经验风险大、期望风险大
D:经验风险大、期望风险小
答案: 【经验风险大、期望风险大】

3、 问题:下面对经验风险和期望风险的描述中，哪一个属于过学习（   ）
选项：
A:经验风险小、期望风险小
B:经验风险小、期望风险大