人工智能核心算法模拟习题+参考答案
一、单选题（共40题，每题1分，共40分）
1、下列哪一项不是常见的机器学习模型正则化方法。
A、数据优化
B、数据增强
C、引入参数范数惩罚项
D、模型集成
正确答案：A
2、FOIL是(___)的学习算法
A、一阶规则
B、序贯覆盖
C、命题规则
D、剪枝优化
正确答案：A
3、Inception模块可以并行执行多个具有不同尺度的卷积运算或池化操作，下列网络运用Inception的是（）
A、VGG
B、fast-RCNN
C、GoogLeNet
D、faster-RCNN
正确答案：C
4、当在卷积神经网络中加入池化层(pooling layer)时，变换的不变性会被保留，是吗？
A、是
B、否
C、看情况
D、不知道
正确答案：A
5、VGG网络在深度学习发展过程中做出了重要贡献，下面关于VGG描述正确的是：
A、VGG全部使用了3*3的卷积核和2*2的池化核
B、VGG没有使用全连接网络结构
C、VGG证明了网络越深越好，所以程序员应该没有限制的搭建更深的网络
D、VGG是到目前为止分类效果最好的网络结构
正确答案：A
6、ROIPooling存在几次取整过程？
A、nan
B、3
C、1
D、2
正确答案：D
7、在不考虑标记样本时，支持向量机试图到(___)间隔划分超平面
A、最小
B、最短
C、最长
D、最大
正确答案：D
8、()适合连续特征，它假设每个特征对于每个类都符合正态分布。
A、BaseDiscreteNB
B、BernoulliNB
C、MultinomialNB
D、GaussianNB
正确答案：D
9、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和深度学习可解释性均弱
B、特征在传统机器学习和深度学习可解释性均强
C、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
D、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
正确答案：C
10、给定一个长度为n的不完整单词序列，我们希望预测下一个字母是什么。比如输入是“predictio”(9个字母组成)，希望预测第十个字母是什么。下面哪种神经网络结构适用于解决这个工作？
A、受限波尔兹曼机
B、全连接神经网络
C、卷积神经网络
D、循环神经网络
正确答案：D
11、假定你在神经网络中的隐藏层中使用激活函数 X。在特定神经元给定任意输入，你会得到输出 -0.01。X 可能是以下哪一个激活函数？（）
A、ReLU
B、Sigmoid
C、以上都有可能
D、tanh
正确答案：D
12、以下关于最大似然估计MLE的说法正确的是
A、MLE体现了贝叶斯认为参数也是随机变量的观点
B、MLE是指出一组参数，使得模型产生出观测数据的概率最大
C、MLE认为模型参数本身概率是不均匀的
数据结构与算法分析答案
D、MLE中加入了模型参数本身的概率分布
正确答案：B
13、循环神经网在工业上最常用的两种实现是：①.LSTM②.GRU③.CNN④.DNN
A、①④
B、①②
C、①③
D、①③
正确答案：B
14、假定你在神经网络中的隐藏层中使用激活函数 X。在特定神经元给定任意输入，你会得到输出「-0.0001」。X 可能是以下哪一个激活函数？
A、SIGMOID
B、tanh
C、以上都不是
D、ReLU
正确答案：B
15、算法性能显著不同时，需要进行(___)来进一步区分各算法。
A、交叉验证t检验
B、McNemar检验
C、Friedman检验
D、后续检验
正确答案：D
16、代码arr5=np.arange（0,6）.reshape（[2,3]）;print（arr5[1,:]）的输出结果是（）？
A、[0 1]
B、[2 3]
C、[3 4 5]
D、[0 1 2]
正确答案：C
17、以下哪种卷积神经网络的设计引入了残差网络结构（）
A、LeNet
B、GoogLeNet
C、ResNets
D、AlexNet
正确答案：C
18、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
C、结构体
D、有向图
正确答案：B
19、在一个神经网络中，知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差，便可以近似任何函数，但怎么获知每个神经的权重和偏移呢？（）

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。