国家开放大学-人工智能

一、判断题

试题 1

P（A∣B）代表事件A发生的条件下事件B发生的概率。

对

错

 

试题 2

深度学习是计算机利用其计算能力处理大量数据，获得看似人类同等智能的工具。

对

错

 

试题 3

贝叶斯定理是为了解决频率概率问题提出来的。

对

错

 

试题 4

下图表示的是前向状态空间搜索。

对

错

 

试题 5

启发式规划的两种方法是减少更多的边或者状态抽象。

对

错

 

试题 6

状态空间图是对一个问题的表示，通过问题表示，人们可以探索和分析通往解的可能的可替代路径。特定问题的解将对应状态空间图中的一条路径。

对

错

 

试题 7

人们需要把分类器学习的样本的特点进行量化，这些量化后的数据，如鸢尾花的高度、花瓣的长度、花瓣的宽度等就是鸢尾花的特征。这些特征都是有效的，可以提供给分类器进行训练。

对

错

 

试题 8

现实世界中的规划问题需要先调度，后规划。

对

错

 

试题 9

分层规划中包含基本动作和高层动作。

对

错

 

试题 10

谓词逻辑是应用于计算机的逻辑形式，其逻辑规则、符号系统与命题逻辑是一样的。

对

错

 

 

二、选择题

试题 11

当我们在物品种类很多的情况下，需要快速选择出一种最优搭配方案时，其实可以借助一些特别的处理方法来解决，这些方法中的一种被称为“遗传算法”，它是通过模拟达尔文的进化论来解决问题的，因此也被归类为“进化算法”。（）教授首先提出“遗传算法”。

A.艾伦·麦席森·图灵

B.亚瑟·塞缪尔

C.约翰•霍兰德

D.冯·诺依曼

 

试题 12

人工智能中问题求解的目的包括：（ ）。

A.用最小的存储空间，最快的时间找到最佳解。

B.让机器自动找出某问题的正确解决策略。

C.不论付出多少时间，都要找出所有的解。

D.让机器举一反三，具有解决同类问题的能力。

 

试题 13

（）设计出了一个会自主学习的跳棋程序，驳倒了“机器无法超越人类，像人类一样写代码和学习”的理论，创造出了“机器学习”这一术语。

A.冯·诺依曼

B.艾伦·麦席森·图灵

C.托马斯·贝叶斯

D.亚瑟·塞缪尔

 

试题 14

机器通过“学习”也能掌握这种分门别类的技能，如识别人脸，或者区分两种花。像这样能够完成分类任务的人工智能系统，被称为分类器。机器分类的流程可以被抽象为（）和（）这两个环节。

A.分类器建立

B.学习特征

C.提取特征

D.分类器训练

 

试题 15

算法模型看起来像一棵倒立的树，数据沿着树根输入，再从叶子节点输出，中间的分支要根据不同特征的信息进行判断，决定该向左走还是向右走，这种算法称为（）。

A.遗传算法

B.A*算法

C.决策树

D.KNN

 

试题 16

贝叶斯网络是一个（）。

A.无向环形图

B.无向无环图

C.有向无环图

D.有向环形图

 

试题 17

机器学习过程中，近似于人类的归纳推理式学习方式，被誉为“人工智能最有价值的地方”的学习方式是（）。

A.机器学习

B.无监督学习

C.监督学习

D.深度学习

 

试题 18

当神经网络接收到工作任务时，就是用（）来接收这些任务所对应的数据集，如图像每个像素点的特征数值——色彩、亮度等。（）的每个神经元都是任务的特征，即特征数值。

A.应用层

B.输入层

C.隐含层

D.输出层

 

试题 19

人们想让智能机器分辨哪个动物是熊猫，就会输入一些数据告诉机器。如图上所示的“大大的脑袋，黑白两色，黑眼眶，圆耳朵”，这些属于（）。

A.标签

B.特征值

C.数据结构

D.拟合标签

 

试题 20

以下哪一项不是机器智能的来源（    ）

A.摩尔定律

B.数据

C.数据结构

D.数学模型

 

 

一、判断题

试题 1

人们需要把分类器学习的样本的特点进行量化，这些量化后的数据，如鸢尾花的高度、花瓣的长度、花瓣的宽度等就是鸢尾花的特征。这些特征都是有效的，可以提供给分类器进行训练。

对

错

 

试题 2

深度学习是计算机利用其计算能力处理大量数据，获得看似人类同等智能的工具。

对

错

 

试题 3

人工智能利用遗传算法在求解优化问题时，会把问题的解用“0”和“1”表示。0,1就是就是“遗传基因”，01组成的字符串，称为一个染色体或个体。

对

错

 

试题 4

启发式规划的两种方法是减少更多的边或者状态抽象。

对

错

 

试题 5

谓词逻辑是应用于计算机的逻辑形式，其逻辑规则、符号系统与命题逻辑是一样的。

对

错

 

试题 6

下图表示的是前向状态空间搜索。

对

错

 

试题 7

P（A∣B）代表事件A发生的条件下事件B发生的概率。

对

错

 

试题 8

分层规划中包含基本动作和高层动作。

对

错

 

试题 9

状态空间图是对一个问题的表示，通过问题表示，人们可以探索和分析通往解的可能的可替代路径。特定问题的解将对应状态空间图中的一条路径。

对

错

 

试题 10

贝叶斯定理是为了解决频率概率问题提出来的。

对

错

 

二、选择题

试题 11

人工智能中问题求解的目的包括：（ ）。

A.不论付出多少时间，都要找出所有的解。

B.用最小的存储空间，最快的时间找到最佳解。

C.让机器举一反三，具有解决同类问题的能力。

D.让机器自动找出某问题的正确解决策略。

 

试题 12

（）的原理是：每一个节点绑定一个启发值，然后经过一次又一次的筛选，引导机器优先筛选那些启发值更优的节点，规避一些无用或效率较低的节点，从而快速找到问题的解。

A.A*算法

B.遗传算法

C.KNN

D.决策树

 

试题 13

定义规划任务的要素有：（）。

A.目标

B.节点

C.动作

D.状态

 

试题 14

以下哪一项不是机器智能的来源（    ）

A.数据

B.数据结构

C.数学模型

D.摩尔定律

 

试题 15

当神经网络接收到工作任务时，就是用（）来接收这些任务所对应的数据集，如图像每个像素点的特征数值——色彩、亮度等。（）的每个神经元都是任务的特征，即特征数值。

A.输出层

B.输入层

C.隐含层

D.应用层

 

试题 16

人们想让智能机器分辨哪个动物是熊猫，就会输入一些数据告诉机器。如图上所示的“大大的脑袋，黑白两色，黑眼眶，圆耳朵”，这些属于（）。

A.特征值

B.拟合标签

C.数据结构

D.标签

 

试题 17

贝叶斯网络是（ ）首先提出来的。

A.贝叶斯

B.朱迪亚·珀尔

C.高斯

D.康托尔

 

试题 18

算法模型看起来像一棵倒立的树，数据沿着树根输入，再从叶子节点输出，中间的分支要根据不同特征的信息进行判断，决定该向左走还是向右走，这种算法称为（）。

A.A*算法

B.遗传算法

C.KNN

D.决策树

 

试题 19

深度学习模型区别于早期的人工神经网络的是（    ）

A.增加模型训练的层次

B.增加数据量

C.改变算法

D.增加标签量

 

试题 20

遗传算法具有（）的迭代过程的搜索算法。也就是说，通过群体的一代代的不断进化，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满意解。

A.遗传变异

B.自然选择

C.生存＋检测

D.适者生存

 

 

一、判断题

试题 1

分层规划中包含基本动作和高层动作。

对

错

 

试题 2

启发式规划的两种方法是减少更多的边或者状态抽象。

对

错

 

试题 3

现实世界中的规划问题需要先调度，后规划。

对

错

 

试题 4

人们需要把分类器学习的样本的特点进行量化，这些量化后的数据，如鸢尾花的高度、花瓣的长度、花瓣的宽度等就是鸢尾花的特征。这些特征都是有效的，可以提供给分类器进行训练。

对

错

 

试题 5

深度学习是计算机利用其计算能力处理大量数据，获得看似人类同等智能的工具。

对

错

 

试题 6

谓词逻辑是应用于计算机的逻辑形式，其逻辑规则、符号系统与命题逻辑是一样的。

对

错

 

试题 7

人工智能利用遗传算法在求解优化问题时，会把问题的解用“0”和“1”表示。0,1就是就是“遗传基因”，01组成的字符串，称为一个染色体或个体。

对

错

 

试题 8

P（A∣B）代表事件A发生的条件下事件B发生的概率。

对

错

 

试题 9

贝叶斯定理是为了解决频率概率问题提出来的。

对

错

 

试题 10

状态空间图是对一个问题的表示，通过问题表示，人们可以探索和分析通往解的可能的可替代路径。特定问题的解将对应状态空间图中的一条路径。

对

错

 

二、选择题

试题 11

（）的原理是：每一个节点绑定一个启发值，然后经过一次又一次的筛选，引导机器优先筛选那些启发值更优的节点，规避一些无用或效率较低的节点，从而快速找到问题的解。

A.决策树

B.遗传算法

C.KNN

D.A*算法

 

试题 12

定义规划任务的要素有：（）。

A.节点

B.状态

C.动作

D.目标

 

试题 13

假设有一个能自己打扫卫生的真空吸尘器，它的世界只有两块地毯那么大。它可以感知自己处于哪块地毯，这块地毯是干净的还是脏的。它可以选择向左移动（R）、向右移动（L）、吸尘（S），或者什么也不做。下面是吸尘器清扫地毯这个问题的状态空间图，图中的“R”“L”“S”等称为这个问题的（ ）。

A.解

B.算子

C.状态

D.算符

 

试题 14

深度学习模型区别于早期的人工神经网络的是（    ）

A.改变算法

B.增加标签量

C.增加数据量

D.增加模型训练的层次

 

试题 15

贝叶斯网络是（ ）首先提出来的。

A.朱迪亚·珀尔

B.康托尔

C.贝叶斯

D.高斯

 

试题 16

算法模型看起来像一棵倒立的树，数据沿着树根输入，再从叶子节点输出，中间的分支要根据不同特征的信息进行判断，决定该向左走还是向右走，这种算法称为（）。

A.决策树

B.遗传算法

C.KNN

D.A*算法

 

试题 17

机器通过“学习”也能掌握这种分门别类的技能，如识别人脸，或者区分两种花。像这样能够完成分类任务的人工智能系统，被称为分类器。机器分类的流程可以被抽象为（）和（）这两个环节。

A.分类器建立

B.学习特征

C.提取特征

D.分类器训练

 

试题 18

在A* 算法中，当我们找寻当前节点的相邻子节点时，需要考虑（）。

A.无论是否在open列表中，都需要重新更新找到的子节点。并且重新计算F值。

B.如果该子节点已经在Close列表中，则我们可以直接丢弃它。

C.如果该子节点已经在Open列表中，则我们需要检查其通过当前节点计算得到的F值。如果比它原有计算的F值更小。如果更小则更新其F值，并将其父节点设置为当前节点。如果没有更小，则保持它原有的父节点和F值

D.如果该子节点不在任何列表中，则将其加入到Open列表，并计算F值，设置其父节点为当前节点。

 

试题 19

以下哪一项不是机器智能的来源（    ）

A.数据结构

B.数据

C.摩尔定律

D.数学模型

 

试题 20

机器学习过程中，近似于人类的归纳推理式学习方式，被誉为“人工智能最有价值的地方”的学习方式是（）。

A.监督学习

B.机器学习

C.无监督学习

D.深度学习