人工智能核心算法模拟题及参考答案
1、基于神经网络的分类模型是？
A、生成模型
B、判别模型
C、两者都不属于
D、两者都属于
答案：B
2、优化器是训练神经网络的重要组成部分，使用优化器的目的不包含以下哪项：
A、加快算法收敛速度
B、减少手工参数的设置难度
C、避过过拟合问题
D、避过局部极值
答案：C
3、在SCikitTearn中，DBSCAN算法对于()参数值的选择非常敏感
A、p
B、eps
C、njobs
D、a1gorithm
答案：B
4、11和12正则化是传统机器学习常用来减少泛化误差的方法，以下关于两者的说法正确的是：
A、11正则化可以做特征选择
B、11和12正则化均可做特征选择
C、12正则化可以做特征选择
D、11和12正则化均不可做特征选择正则化网络
答案：A
5、Re1U在零点不可导，那么在反向传播中怎么处理O
A、设为0
B、设为无穷大
C、不定义
D、设为任意值
答案：A
6、代码array=np.arange(10,31,5)中的5代表()?
A、元素的个数
B、步长
C、第一个元素
D、最后一个元素
答案：B
7、图像处理中无损压缩的目的是O
A、滤除图像中的不相干信号
B、滤除图像中的高频信号
C、滤除图形中的低频信号
D、滤除图像中的冗余信号
答案：D
8、对于DBSCAN,参数EPS固定，当MinPtS取值较大时，会导致
A、能很好的区分各类簇
B、只有高密度的点的聚集区划为簇，其余划为噪声
C、低密度的点的聚集区划为簇，其余的划为噪声
D、无影响
答案：B
9、为应对卷积网络模型中大量的权重存储问题，研究人员在适量牺牲精度的基础上设计出一款超轻量化模型O
A、KNN
B、RNN
C、BNN
D、VGG
答案：C
10、在前馈神经网络中，误差后向传播（BP算法）将误差从输出端向输入端进行传输的过程中，算法会调整前馈神经网络的什么参数
A、输入数据大小
B、神经元和神经元之间连接有无
C、相邻层神经元和神经元之间的连接权重
D、同一层神经元之间的连接权重
答案：C
11、1STM是一个非常经典的面向序列的模型，可以对自然语言句子或是其
他时序信号进行建模，是一种OO
A、循环神经网络
B、卷积神经网络
C、朴素贝叶斯
D、深度残差网络
答案：A
12、O的核心训练信号是图片的“可区分性”。模型需要区分两个输入是来自于同一图片的不同视角，还是来自完全不同的两张图片。
A、对比学习
B、强化学习
C、迁移学习
D、深度学习
答案：A
13>SCikitTearrI用于训练模型的函数接口为()
A、Fit
B、fit
C、Train
I)、train
答案：B
14、构建一个神经网络，将前一层的输出和它自身作为输入。下列哪一种架构有反馈连接？
A、循环神经网络
B、卷积神经网络
C、限制玻尔兹曼机
D、都不是
答案：A
15、卷积的扩展方式是加O：一个卷积核可以提取图像的一种特征，多个卷积核提取多种特征。
A、滤波器
B、卷积层
C、卷积核
D、通道
答案：C
16、为什么不能用多层全连接网络解决命名实体识别问题：
A、序列数据的输入和输出通常是不固定的，有的序列长，有的序列短
B、全连接网络的根本不能处理任何序列数据
C、全连接网络的层次太深导致梯度消失，所以不能处理序列问题
D、命名实体识别问题是一个无法解决的问题，全连接网络也不能解决这个问题
答案：A
17、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可解释性强，而在深度学习可解释性弱
B、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
C、特征在传统机器学习和深度学习可解释性均弱
I)、特征在传统机器学习和深度学习可解释性均强
答案：A
18、与生成方法、半监督SVM、图半监督学习等基于单学习机器利用未标记数据不同，基于分歧的方法(C1iSagreement-basedmethods)使用多学习器，而学习器之间的“分歧”(disagreement)对未标记数据的利用至关重要。(_)是此类方法的重要代表

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。