智慧树知到《人工智能基础导学》章节测试答案文档格式.docx
《智慧树知到《人工智能基础导学》章节测试答案文档格式.docx》由会员分享，可在线阅读，更多相关《智慧树知到《人工智能基础导学》章节测试答案文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
【连接主义，经验主义】
6、"
鸟飞派"
指的是人类研究人工智能必须要完全符合智能现象的本质
错
对
【错】
7、人工智能受到越来越多的关注，许多国家出台了支持人工智能发展的战略计划
【对】
8、人工智能将脱离人类控制，并最终毁灭人类
9、人工智能目前仅适用于特定的、专用的问题
10、通用人工智能的发展正处于起步阶段
第一章单元测试
1、以下组合最能全面包括所有知识表示形式的是
谓词逻辑、经验主义、网络权重
符号主义、经验主义、连接主义
产生式系统、特征表示、连接主义
符号主义、特征表示、语义向量
【符号主义、经验主义、连接主义】
2、以下用谓词表示的命题错误的是
老王的生日在4月：
birthday（老王，4月）
小博不在实验室：
in（小博，实验室）
我爸爸喜欢吃鸡蛋并且我妈妈喜欢吃西红柿：
like_eat（father（我），鸡蛋）∨like_eat（mother（我），西红柿）
大亮的老师擅长打羽毛球和网球：
good_at（teacher（大亮），羽毛球）good_at（teacher（大亮），网球）
【我爸爸喜欢吃鸡蛋并且我妈妈喜欢吃西红柿：
like_eat（father（我），鸡蛋）∨like_eat（mother（我），西红柿）】
3、哪种知识表示的样本数据的特征表示，就对应了某种知识。
智能系统通过"
体验"
样本特征，来获取知识
都不是
【经验主义】
4、为了描述关于"
健身房"
的知识，可以从中抽象出很多要素。
比如：
健身房的地点、开放时间、教练、器械、团课名称、次卡价格等等，并由这些要素关联构成对健身房的整体认知，这种知识表示形式称作（）
一阶谓词
框架形式
细化形式
产生式
【框架形式】
5、一阶谓词的功能与优点不包括：
（）
可以表示不确定性知识
容易实现
对知识的表现较精确
表达对客观世界的陈述
【可以表示不确定性知识】
6、一阶谓词逻辑式有很强的表达能力，但经常难以直接在计算中应用。
7、由于蕴含式的灵活性，它能表示推理知识以及类似于"
如果按住鼠标拖动，则按轨迹画出一条线"
这种规则。
8、产生式类型的知识表示推动了专家系统的发展，并且曾应用于机器翻译的领域。
9、一阶谓词逻辑是产生式的一种特例，而产生式是框架形式的一种特例。
10、最简单的命题至少由一个主语和一个谓语组成
第二章单元测试
1、以下说法错误的是（）
学者们普遍认为逻辑和推理是智能思维的一种表现形式。
推理就是从初始证据出发，按照某种策略，不断地运用知识库中已有的知识，逐步匹配，直到推出结果为止。
推理的定义中提到的"
知识库"
是指使用一阶谓词和产生式等方式表示的知识。
演绎是从特殊到一般，归纳是从一般到特殊。
【演绎是从特殊到一般，归纳是从一般到特殊。
】
2、以下说法中正确的个数有（）：
a）不确定性推理基于产生式表示，确定性推理基于一阶谓词表示。
b）不确定性推理与确定性推理的不同点在于推理过程中每个环节都是不确定的。
c）推理规则的可信度取值范围为[0,1]，表示前提与结论之间的推理强度。
d）事实证据的可信度取值范围同样为[0,1]
3
2
1
4
【2】
3、IF晚上两点睡觉AND失眠到三点THEN第二天睡懒觉（0.8），其中CF（晚上两点睡觉）=0.6，CF（失眠到三点）=0.3，那么CF（第二天睡懒觉）为（）
0.144
0.48
0.24
0.18
【0.24】
4、以下关于反向演绎的说法错误的是（）
演绎是从一般到特殊；
而反向推理以某个假设目标作为出发点，来展开推理。
但在规则量很大时，反向演绎仍然需要逐一计算规则的匹配，比较缓慢低效。
计算机实现自动推理最可行的方法是采用反向、演绎的方法。
反向演绎从待证目标出发，又称归结原理。
【反向演绎从待证目标出发，又称归结原理。
5、利用Horn子句进行推理，使用的是什么样的搜索方法（）：
深度优先搜索和广度优先搜索都可以
深度优先搜索和广度优先搜索都不是
广度优先搜索
深度优先搜索
【深度优先搜索】
6、计算机如果要实现自动推理，最可行的方法就是采用反向、演绎的方法
7、推理的确定性是推理的三个特性中最复杂的。
8、推理之所以为推理，是因为它有确定性的特点。
9、确定性推理在推理时，所有知识和证据都是确定非真即假的
10、天气预报中的"
明天降水概率"
，是个确定的推理结论
第三章单元测试
1、以下说法中正确的个数是（）：
①专家系统强调概念及其关系的表达，语义网络强调知识的推理能力。
②专家系统和语义网络的建立都比较随意，没有严格的语义支撑。
③KL_ONE语言将知识表示能力和推理计算能力相结合，表达能力和推理能力并重。
④从linked_data开始，语义web开始进入"
弱语义"
阶段，并采用RDF三元组形式描述知识。
【3】
2、以下不属于现阶段知识图谱技术类别的是（）
应用技术
展示技术
推理技术
构建技术
【展示技术】
3、以下关于知识图谱的说法错误的是：
（）
知识图谱以结构化的形式，描述客观世界中存在的概念、实体和实体间的关系。
实体内通过关系来刻画内在属性。
实体之间通过它们之间的一些关系来连接，通过这种方式形成"
图"
。
知识图谱中一般每个实体都有一个ID来标识，称为标识符。
【实体内通过关系来刻画内在属性。
4、对于农夫过河的问题，农夫、狼、羊、白菜想要坐船过河。
有以下条件：
1.只有农夫能开船。
2.船上只能放一个物品。
3.没有农夫看管，狼会吃羊，羊会吃白菜。
将这个例子放在状态空间中考虑，以下说法正确的是（）：
这个问题没有解。
如果说状态表示成4维向量，每个分量为0（未过河）、1值（已过河），代表农夫、狼、菜、羊的过河状态，那么（1,0,1,0）是一个合理状态。
将农夫、狼、羊、白菜这四个对象可以表示为：
F（代表农夫）、W（代表狼）、S（代表羊）、C（代表白菜）
这个问题有222*2=16种合理的状态。
【将农夫、狼、羊、白菜这四个对象可以表示为：
F（代表农夫）、W（代表狼）、S（代表羊）、C（代表白菜）】
5、什么是实体关系学习（）
检测文本中的实体是否具有某种预定义的关系。
研究如何从文本中抽取事件信息并以结构化的形式呈现出来
发现文本中的有效实体。
实体识别与链接
【检测文本中的实体是否具有某种预定义的关系。
6、问答系统让计算机自动回答用户的提问，返回相关的一系列文档。
7、知识问答的实现分为两步：
提问分析和答案推理。
8、Guha提出了RDF--一种描述资源信息的框架，后来Guha也被称作知识图谱之父。
9、RDF是现代知识图谱的一个分支之一。
10、Conceptnet是纯中文的知识库。
第四章单元测试
1、以下关于状态空间图的说法错误的是
将状态和连接合在一起可以构成状态图
将一个复杂问题表示成多个连续的状态
状态空间图未必一定能画出来
状态之间的连接指的是衔接、转移、导致等关系
【将一个复杂问题表示成多个连续的状态】
2、以下说法正确的是：
贪心算法又称盲目搜索
深度优先搜索通用性差，但是可以准确地找到较简单问题的解
宽度优先搜索的效率高于贪心算法
贪心算法搜索速度较快，但未必能找到最优解
3、状态空间图表示方法的核心思想不包括：
A
对于任何问题，可以直接构造状态图
将一个复杂问题表示为若干离散状态
将衔接、转移、导致等关系表示为状态之间的连接
所有状体和连接构成状态图
4、对于博弈搜索，下列说法错误的是：
（）D
对于许多棋类问题，需要两个甚至多个人参与，只能使用博弈算法
每个角色在做出决策时，不仅要考虑到自己的立场，还要预测对手可能的反应
不对状态优劣进行判断，仅按照固定方式搜索
一个角色可以完成博弈搜索
5、关于盲目搜索策略的说法不正确的是A
深度优先搜索首先考虑同级的状态，宽度优先搜索首先考虑纵深探索
贪婪搜索的搜索速度非常快
贪婪搜索总是做出在当前看来最好的选择
深度优先和宽度优先搜索的适应性强，但效率往往不高。
6、深度优先搜索会首先考虑纵深搜索，然后回溯上一层对
7、贪婪搜索每一步都会选择使当前步骤获利最大的下一步对
8、通用搜索可以考虑当前节点到终止节点的最优路线X
9、启发式搜索策略可以同时考虑到初始节点到当前节点与当前节点到终止节点的优劣对
10、贪婪搜索策略首先考虑纵深探索X
第五章单元测试
1、下列说法不正确的是（）
进化智能和群体智能是从自然界适者生存的客观规律中获得启发
"
进化智能"
和"
群体智能"
分别从时间和空间的角度上来研究物种的适者生存
图灵的观点认为"
物种的适者生存"
显然不是智能活动
自动图谱、自动推理、搜索技术都是模拟"
单一"
智能体的智能活动
2、下列关于群体智能和进化智能的说法不正确的是B
进化智能的思想来自新达尔文主义
群体智能具有个体行为复杂、具有智能特征，群体行为简单的特点
蚂蚁、蜜蜂、候鸟、微生物都具有群体智能
使用计算机模拟进化智能的过程中将限制条件抽象为"
环境"
3、下列说法正确的是
进化算法的思想来源--新达尔文主义是由达尔文独自提出的
遗传算法中的环境设计需要保证最优解对应的个体具有最强的适应能力
遗传算法是典型的群体智能算法，而蚁群算法是典型的进化智能算法
遗传算法中的环境设计有固定的标准，与具体问题无关
4、下列关于遗传算法的说法不正确的是
遗传算法与状态空间搜索法都将状态表示为"
向量"
突变概率较小时，物种的适应性比较稳定，优秀的突变能够在短时间内迅速提高整个种群的适应性
提升种群数量能够提高求解速度和稳定性
单纯提高突变概率，能够稳定地取得很好的结果
5、新达尔文主义认为的生物进化，不包括哪个过程D
竞争
选择
突变
模拟
6、进化智能算法的目标，就是用计算机来模拟进化过程，从而求解问题对
7、突变保证了生物体在不断变化的环境中具有适应能力对
8、遗传算法的主要思路，核心就是如何模拟生物进化过程对
9、进化智能指的是空间维度上的说法X
10、模拟物种"
适者生存"
的能力，不属于人工智能的研究范畴X
第六章单元测试
1、下列说法中正确的说法个数是（）
机器学习的过程中首先需要收集样本数据，并且抽象表现出来。
机器学习中的样本数据可以是人工判断的经验条目数据
有监督学习中不需要所有训练样本都有明确的"
答案"
无监督学习和有监督学习需要选取合适的参数来尽可能地靠近目标B
2、下列关于有监督学习的说法不正确的是B
支持向量机模型中距离平面最近的几个样本对平面的选择影响最大
K近邻算法中K值的选择对分类的结果影响不大
模型测试阶段的测试数据集不能与训练数据集有交集
决策树算法中最能将样本数据显著分开的属性应该在决策早期就使用
3、下列关于弱监督学习的说法不正确的是A
弱监督学习等价于半监督学习
半监督学习通过学习有标记的数据，逐渐扩展无标注的数据
弱监督学习只对部分的样本引入标注知识
迁移学习的核心思想是将利用在任务A上获得的经验去解决相似的任务B
4、下列关于强化学习的说法正确的是D
强化学习的概念是从Alphago战胜李世石之后才提出的
强化学习属于无监督学习的一种，不需要有监督信息
强化学习和有监督学习的过程相似，是"
开环"
的过程
在强化学习中，计算机通过不断与环境交互并通过环境反馈来逐渐适应环境
5、关于决策树，说法有误的是：
B
规则归纳问题，适合用决策树来表示
决策树算法是无监督学习
如果根据一个属性做判断，样本仍然有若干种情况，则该属性不应该出现在决策早期
属性在决策树中的位置不同，决策树的效率是不同的
6、聚类算法属于无监督学习B
7、机器学习就是有监督学习B
8、任务A与任务B具有某种相似性，利用任务A的学习经验，解决任务B，即迁移学习A
9、机器学习分为有监督和无监督等A
10、有监督学习的最大问题：
标注数据稀缺、昂贵B
第七章单元测试
1、神经网络是由一个神经元构成的B
2、隐含层，是指其中神经元的状态在输出端无法直接观测A
3、v对于一个样本，如果当前权重能够正确判断其类型，就减小当前权重B
4、对于一个样本，如果当前权重能够正确判断其类型，就提高其比例A
5、神经元在输入端接受来自多个信号源的输入信息B
6、以下关于FNN和错误反向传播（BP）算法的说法错误的是：
C
BP算法对多层网络训练时使用的sigmoid激活函数存在"
梯度弥散"
问题
BP算法的核心是对隐含层神经元误差E的估计
BP算法是从输入层开始，逐层计算δ信号调整自身权重，并且将δ信号传向后一层
BP算法的出现解决了多层神经网络权重调整困难的问题
7、以下说法中，不属于感知器和FNN模型的相同点的是：
二者都有输入、激活和输出
二者都是由多个神经元组成的多层神经网络
输入信号向后传递的过程中，都是加权和的计算
二者学习的关键都是神经元的损失计算
8、以下关于前馈神经网络（FNN）的说法正确的是：
在FNN中，输入信号的传递方向是明确的，并不存在反向信号传递
一个标准的前馈神经网络只有一个输入层和一个输出层
FNN的输出结果只能是向量
FNN的同层神经元之间存在连接
9、以下关于感知器模型的说法错误的是：
感知器的信号处理分为四个部分：
输入、汇总、激活、输出
汇总后的输入信号如果高于阈值，则产生"
激活"
信号，否则仍基本维持原有水平
在输入端，神经元只接受来自一个信号源的输入信息
输入为实例的特征向量，由激活函数计算输出，输出为1、-1两个值
10、以下关于感知器的说法错误的是：
感知器模型中的激活函数是二值函数时，损失函数是可导的
感知器模型的关键，就是通过调整权重使一类样本可以激活神经元，而另一类则不会
重调整采用"
奖惩分明"
策略，即对于能够准确判断样本类型的权重，提高当前权重比例，反之则降低当前权重比例
一层感知器只能针对线性可分的数据集分类，无法解决异或（XOR）问题
11、生成式模型模拟概率分布时，常用"
后验分布"
12、用生成式模型根据少量样本来估计整个类型的概率特征是很困难的B
13、判别式模型对问题本质缺乏了解，无法从个例中抽象出整体概念A
14、生成对抗网络结合了生成模型和判别模型B
15、图像分类属于生成对抗模型的应用的是B
第八章单元测试
1、计算机视觉、语音处理的研究内容都属于"
感知智能"
2、长期来看，人工智能的核心方法论都是"
用计算机模拟学习能力和智能特征"
3、AlphaGo框架在搜索过程引入了随机决策，可以通过蒙特卡洛搜索多次重复搜索取得最优B
4、一个计算机模型即可囊括物体识别、距离估计、动态物体轨迹判断等功能来实现视觉辅助的自动驾驶系统B
5、AlphaGo行棋过程中，对于n中可能的走法，随机选取一些走法实施蒙特卡洛树搜索B
6、以下关于计算机视觉研究的说法正确的是：
深度学习仍需要专家提供知识，再通过神经网络堆叠结构，实现特征表征
特征匹配中常见的特征包括颜色特征、纹理特征、形状轮廓特征
要让计算机理解图像，一定先要恢复物体的三维结构
马尔理论是一个自上而下的理论
7、以下关于人工智能的说法错误的是：
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学
人工智能的每个发展时期，都有比较明确的主流方法和里程碑式的应用成果
人工智能发展的核心方法论一直在随着时间变化，研究问题都不具有持续性
人工智能学科的发展与实际应用紧密结合，是"
商用-需求-技术"
三者的闭环
8、不属于计算机视觉的范畴的是：
D
以及目前工业界的热门话题，自动驾驶
Windows10的"
刷脸"
登陆系统
停车场和道路上的车牌识别
声纹识别
9、关于AlphaGo说法错误的是C
AlphaGo在实现中也使用了大量人工设定的围棋知识
借用了深度学习的超强表示能力、蒙特拉洛树的概率优化能力
不属于博弈
本质上解决问题的思路与A*搜索是类似的
10、属于AlphaGo的成就：
提出了深度学习
AlphaGo的成功归功于深度学习
提出了一套全新的搜索求最优解的方法论
蒙特拉洛树搜索优于AlphaGo的方法
升级会员 