25-26-2-人工智能引论-期末

一、选择题（20分）

下面关于人工智能定义的理解，正确的是？( )

人工智能是让机器具备人的意识和情感，因此只有产生意识才能称为人工智能。

人工智能本质上是模拟人类思维过程，因此必须完全复制人脑结构才能实现。

人工智能强调机器实现学习、判断、理解等能力，不要求复制人的生理机制或意识。

人工智能本质是高速计算，只要计算能力足够强就一定属于人工智能。

从人工智能的发展历史来看，我国数学家吴文俊提出的”吴方法”属于哪一类别？( )

机器逻辑推理

知识工程专家系统

神经网络

统计机器学习

关于人工智能中智能函数的输出形式，以下哪个说法是不正确的？( )

智能函数的输出形式往往与任务有关。

智能函数的输出形式可以是离散数值或者连续数值序列。

智能函数的输出只能是布尔值。

智能函数的输出形式可以用于分类、聚类、回归等多种场景。

分类决策树构建时，常用的分裂准则不包括？ ( )

信息熵

基尼指数

均方误差

误分概率

朴素贝叶斯算法中，“朴素”主要指的是？ ( )

模型不需要任何训练数据。

在给定类别条件下，各特征之间相互条件独立。

所有类别的先验概率必须完全相等。

算法只能处理连续特征。

在线性支持向量机的目标函数中，惩罚项的权重参数C增大通常表示？ ( )。

对误分类样本的惩罚更强，模型更倾向于减少训练错误。

对误分类样本的惩罚更弱，模型一定会欠拟合。

核函数被自动替换为线性核函数

支持向量机不再需要训练数据

关于 K-Means 算法，下列说法正确的是？ ( )。

K-Means 可以自动判断最优聚类个数 K。

K-Means 对初始聚类中心不敏感，每次运行结果完全相同。

K-Means 通常适合发现近似于球形，大小相近的簇

K-Means 可以直接识别噪声点并剔除

与传统全连接神经网络相比，CNN更适合处理图像数据的主要原因是？ ( )。

CNN 训练速度一定更快

CNN 不需要标签数据

CNN 不需要训练

CNN 能够利用图像的局部定向相关性

反向传播算法的核心作用是？ ( )。

前向计算样本预测值

从输出向输入反向计算梯度，更新权重

生成数据集

对图像做像素预处理

2012年引发深度学习热潮的经典网络是？( )

VGG

AlexNet

GoogleNet

ResNet

Sigmoid 函数的输出取值范围是？( )

[-1, 1]

(0, 1)

[0, +∞)

(-∞, +∞)

自编码器属于哪类学习方式？( )

监督学习

无监督学习

强化学习

半监督学习

CNN 之所以能对图像平移具有较好的鲁棒性，主要归功于以下哪个结构的组合？( )

卷积层 + 激活函数

全连接层 + Dropout

卷积层 + 池化层

批归一化 + 跳跃连接

以下哪项不是循环神经网络（RNN）的应用场景？( )

情感分类

机器翻译

图像分类

中文分词

LSTM（长短期记忆网络）相比普通 RNN，主要解决了什么问题？( )

计算速度慢

梯度消失与长程依赖

参数过多

训练数据不足

Transformer 相比 RNN/LSTM 的最大优势是？( )

参数更少

不需要大量训练数据

序列训练计算更易并行化

模型结构更简单

注意力机制中，Q、K、V 分别代表什么？( )

Question, Knowledge, Value

Query, Key, Value

Quality, Key, Vector

Query, Kernel, Value

Transformer 中使用位置编码的主要原因是？( )

增加模型参数

提高模型准确率

提供序列的位置信息

加快训练速度

当预训练模型用于特定的下游任务时，通常无需深入了解任务的复杂性或设计专门的神经网络架构，而只通常需要对预训练模型进行？ ( )。

知识注入

检索增强生成

强化学习

微调

关于词向量的表示，下列说法正确的是？ ( )。

词向量只能使用 0 和 1 表示词语，且不同词语之间完全正交。

词向量的维度必须等于词表中词语的总数。

语义相近的词在向量空间中通常距离更近或相似度更高。

词向量只能用于图像识别，不能用于自然语言处理。

二、简答题（每题5分，共40分）

简述机器学习中监督学习、无监督学习与强化学习的不同。
简述 Transformer 中自注意力机制的基本思想，并说明多头注意力机制的作用。
简述决策树分类模型的基本思想，并说明信息增益或基尼指数在构建决策树中的作用。
简述欠拟合与过拟合的区别，并分别给出改进方法。
解释梯度下降法的基本思路，并说明学习率设置过大或过小分别会出现什么问题？
列举至少3个业界知名的大模型或大模型产品，并任选其中1个，简要说明其面世时间、行业地位及一个典型应用场景。
请说明 CNN 中“局部连接”和“参数共享”的含义，并解释它们为什么可以减少模型参数量。
简述强化学习中智能体、环境、状态、动作和奖励的含义，并说明它们之间的关系。

三、计算分析题（共20分）

1. （10分）基于朴素贝叶斯方法，对一条商品评论进行情感分类。

某平台收集了 1000 条商品评论，其中 600 条为正面评论， 400 条为负面评论。统计发现：

在 600 条正面评论中，出现“好用”的有 300 条，出现“退货”的有 60 条；
在 400 条负面评论中，出现“好用”的有 80 条，出现“退货”的有 200 条。

假设在给定评论类别的条件下，两个词是否出现相互独立。现在有一条新评论同时出现了“好用”和“退货”两个词，请用朴素贝叶斯方法判断该评论更可能是正面评论还是负面评论，并写出主要计算过程。

2. （10分）对如图 1 所示的卷积神经网络进行二维卷积与池化计算

输入尺寸为 $4 \times 4$ 的图像，图像的像素值如图 2 所示，使用图 3 所示的 $3 \times 3$ 的卷积核，进行步长为1的卷积运算，无填充。请计算卷积输出特征图的尺寸和数值。
池化计算。对上述卷积输出的特征图进行 $2 \times 2$ 最大池化，步长为1，请计算最终输出的尺寸和数值。

四、实践分析题（共 10 分）

某平台使用 K-means 算法对用户行为数据进行聚类，分别计算了不同 K 值下的 SSE 和轮廓系数，结果如下图所示。请给出你所选择的较合适 K 值，并说明理由。

五、主观思考题（10分）

从技术发展、行业应用、社会影响三个角度，论述人工智能发展及其带来的机遇与挑战。要求结合不少于 2 个具体应用领域展开分析。