计算智能习题

习题1一、名词解释1.弱人工智能弱人工智能是擅长于单个方面的人工智能。

比如有能战胜象棋世界冠军的人工智能，但是它只会下象棋，你要问它怎样更好地在硬盘上储存数据，它就不知道怎么回答你了。

2.强人工智能强人工智能系统包括了学习、语言、认知、推理、创造和计划，目标是使人工智能在非监督学习情况下处理前所未见的细节，并同时与人类开展交互式学习。

强人工智能目标：会自己思考的电脑。

3.感知智能感知智能，即视觉、听觉、触觉等感知能力，当下十分热门的语音识别、语音合成、图像识别。

4.认知智能认知智能则为理解、解释的能力。

5.计算智能计算智能即快速计算、记忆和储存能力6.符号主义符号主义，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理7.联结主义联结主义，又称为仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法8.行为主义行为主义，又称进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。

二、选择题1、根据机器智能水平由低到高，（ A ）是正确的是。

A.计算智能、感知智能、认知智能B.计算智能、感应智能、认知智能C.机器智能、感知智能、认知智能D.机器智能、感应智能、认知智能2、三大流派的演化正确的是（ C ）。

A.符号主义->知识表示->机器人B.联结主义->控制论->深度学习C.行为主义->控制论->机器人D.符号主义->神经网络->知识图谱3、人工智能发展有三大流派，下列属于行为主义观点的包括（D）。

A.行为主义又叫心理学派、计算机主义B.行为主义又叫进化主义、仿生学派C.行为主义立足于逻辑运算和符号操作，把一些高级智能活动涉及到的过程进行规则化、符号化的描述，变成一个形式系统，让机器进行推理解释.D.基本思想是一个智能主体的智能来自于他跟环境的交互，跟其他智能主体之间的交互，提升他们的智能.4、（ B ）不是人工智能学派。

人工智能深度学习技术练习(习题卷5)第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]反向传播算法一开始计算什么内容的梯度，之后将其反向传播？A)预测结果与样本标签之间的误差B)各个输入样本的平方差之和C)各个网络权重的平方差之和D)都不对答案:A解析:2.[单选题]在典型的Batch归一化运用中需要用什么来估算A)一个指数加权平均B)平均值C)方差D)最大值答案:A解析:3.[单选题]pytorch中，LSTM输入尺寸参数为A)input_sizeB)batch_firstC)biasD)hidden_size答案:A解析:4.[单选题]学习率的作用是（）A)控制参数更新速度B)减少过拟合C)减少偏差D)以上都不是答案:A解析:5.[单选题]基于切比雪夫距离的单位园是一个A)圆形B)45度的正方型C)正方形,其边与xy轴平行D)不确定答案:C解析:6.[单选题]梯度消失的现象是D)到达最优解答案:B解析:7.[单选题]一个32X32大小的图像,通过步长为2,尺寸为2X2的池化运算后,尺寸变为A)14X14B)2X2C)28X28D)16X16答案:D解析:8.[单选题]什么是卷积？A)缩小图像的技术B)放大图像的技术C)提取图像特征的技术D)过滤掉不需要的图像的技术答案:C解析:9.[单选题]在TF框架中,激活函数tf.nn.relu的作用是?A)用于卷积后数据B)用于卷积核C)用于步长D)不能用到全连接层答案:A解析:10.[单选题]不是随机梯度下降的特点是:A)批量数值选取为1B)学习率逐渐减小C)可以达到最小值D)在最小值附近波动答案:C解析:11.[单选题]百度飞桨中训练过程流程的内层循环是指（）。

A)负责整个数据集的二次遍历，采用分批次方式（batch）B)负责整个数据集的一次遍历，采用分批次方式（batch）C)定义遍历数据集的次数，通过参数EPOCH_NUM设置D)负责整个数据集的多次遍历，采用分批次方式（batch）答案:B解析:难易程度：易题型：12.[单选题]编码器-解码器模式属于以下哪种模式?A)一对一B)一对多C)多对一13.[单选题]双向循环神经网络的英文缩写是?A)RNNB)SRNNC)TRNND)Bi-RNN答案:D解析:14.[单选题]如果我们用了一个过大的学习速率会发生什么？（）A)神经网络会收敛B)不好说C)都不对D)神经网络不会收敛答案:D解析:15.[单选题]动态图处理中，无序开启A)求导B)会话C)自动微分D)反向传播答案:B解析:16.[单选题]pandas的常用类不包括（）。

人工智能核心算法模拟习题（含答案）1、图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是（）、人脸识别等其他高层次视觉任务的基础A、物体检测B、图像分割C、物体跟踪D、行为分析答案：ABCD2、决策树分为两大类OoA、回归树B、分类树C、交叉树D、森林答案:AB3、关于学习器结合的描述，正确的是OoA、避免单学习器可能因误选而导致泛化性能不佳B、降低陷入局部极小点的风险C、假设空间扩大，有可能学得更好的近似D、多学习器结合有可能冲突答案：ABC4、（）类型的数据集不适合用深度学习？A、数据集太小B、数据集有局部相关性C、数据集太大D、数据集没有局部相关性答案：AD5、需要循环迭代的算法有OoA、k-meansB、线性回归C、svmD、逻辑回归答案:ABD6、下列描述正确的是OA、K均值一般会聚类所有对象，但DBSCAN会丢弃被它识别为噪声的对象B、当簇具有很不相同的密度时，K均值和DBSCAN的性能都很差C、K均值可以用于高维的稀疏数据，DBSCAN则通常在此类数据上性能很差D、K均值可以发现不是明显分离的簇，但DBSCAN会合并有重叠的簇答案：ABCD7、深度学习中常用的损失函数有？A、11损失函数B、均方误差损失函数C、交叉燧误差损失函数D、自下降损失函数答案：BC8、预剪枝使得决策树的很多分子都没有展开，会导致OOA、显著减少训练时间开销B、显著减少测试时间开销C、降低过拟合风险I）、提高欠拟合风险答案：ABCD9、在某神经网络的隐层输出中，包含0.75,那么该神经网络采用的激活函数可能是OA、sigmoidB、tanhC、re1u答案：ABC10、关于随机森林说法正确的是OA、与AdaboOSt相比，随机森林采用一个固定的概率分布来产生随机向量B、随着个体学习器数目的增加，随机森林通常会收敛到更低的泛化误差C、与AdabOOSt相比，随机森林鲁棒性更好D、随机森林的训练效率往往低于Bagging答案：ABC11、下列哪些项用于对问题进行形式化A、感知B、初始状态C、动作D、环境答案：BC12、深度学习中的激活函数需要具有哪些属性？A、计算简单B、非线性C、具有饱和区D、几乎处处可微答案：ABC13、常见的聚类算法有哪些？A、密度聚类B、层次聚类C、谱聚类D、Kmeans答案：ABCD14、对于朴素贝叶斯分类器，下面说法正确的是OA、适用于小规模数据集B、适用于多分类任务C、适合增量式训练D、对输入数据的表达形式不敏感答案：ABC15、下列可用于隐马尔可夫预测的算法是OOA、维特比算法B、Baum-We1ch算法C、前向-后向算法D、拟牛顿法答案：ABCD16^Hiatp1ot1ib中,SUbPIOts_adjust方法中的()和()参数分别控制图片的宽度和高度百分比，以用作子图间的间距。

人工智能基础(习题卷8)第1部分：单项选择题，共53题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]关于神经网络的说法中，正确的是（）A)增加网络层数，总能减小训练集错误率B)减小网络层数，总能减小测试集错误率C)增加网络层数，可能增加测试集错误率答案:C解析:2.[单选题]以下算法中，不属于分类预测的典型算法的是（ ）A)Logistic回归B)决策树C)K-means算法D)神经网络答案:C解析:3.[单选题]下列算法中：①KNN；②线性回归；③对数几率回归，可以用神经网络去构造的（）.A)①②B)②③C)①②③D)以上答案都不正确答案:B解析:KNN算法不需要训练参数，而所有神经网络都需要训练参数，因此神经网络帮 不上忙。

最简单的神经网络--感知器，其实就是线性回归的训练。

我们可以用一层的神经 网络构造对数几率回归。

4.[单选题]通过对大量的平行语料进行统计分析，构建统计翻译模型，进而使用此模型进行翻译。

该翻译方式是（ ）A)知识库式翻译系统B)统计式翻译系统C)范例式翻译系统D)直译式翻译系统答案:B解析:5.[单选题]在回归分析中，说法正确的是（ ）。

A)解释变量和被解释变量都是随机变量B)解释变量为非随机变量，被解释变量为随机变量C)解释变量和被解释变量都为非随机变量D)解释变量为随机变量，被解释变量为非随机变量答案:B解析:在回归分析中，解释变量可以理解为自变量，具有确定性，因此为非随机变量; 被解释变量可以理解为因变量，具有随机性，因此为随机变量。

6.[单选题]DSSM经典模型的缺点：1.Wordhashing可能造成词语冲突；2.采用词袋模型，损失了上下文语序信息；3.搜索引擎的排序由多种因素决定，用户点击时doc排名越靠前越容易被点击，仅用点击来判断正负样本，产生的噪声较大，模型难以收敛；4.效果不可控。

C)2.3.4D)1.2.3.4答案:D解析:DSSM经典模型的缺点：1.Wordhashing可能造成词语冲突；2.采用词袋模型，损失了上下文语序信息；3.搜索引擎的排序由多种因素决定，用户点击时doc排名越靠前越容易被点击，仅用点击来判断正负样本，产生的噪声较大，模型难以收敛；4.效果不可控。

计算智能作业集 计算智能习题总集习题一：空缺习题二：1、在反馈型神经网络中，有些神经元的输出被反馈至神经元的（ ）A ．同层 B ．同层或前层 C ．前层 D ．输出层2、在神经网络的一个节点中，由激励函数计算得到的数值是该节点的（ ）A ．实际输出B ．实际输入C ．期望输出D ．期望值3、在神经网络的一个节点中，由激励函数计算得到的数值，是与该节点相连的下一个节点的（ ）A ．实际输出 B ．实际输入 C ．期望输出 D ．期望值4、下面的学习算法属于有监督学习规则的是（ ）A ．Hebb 学习规则 B ．Delta 学习规则 C ．概率式学习规则 D ．竞争式学习规则 E ．梯度下降学习规则 F ．Kohonen 学习规则5、BP 算法适用于（ ）A ．前馈型网络 B ．前馈内层互联网络 C ．反馈型网络 D ．全互联网络6、BP 神经网络采用的学习规则是（ ）A ．联想式Hebb 学习规则 B ．误差传播式Delta 学习规则 C ．概率式学习规则 D ．竞争式学习规则 习题三：1、设论域U ={u 1, u 2, u 3, u 4, u 5}, ，5432118.06.04.02.0u u u u u A ++++计算智能作业集， 543214.06.016.04.0u u u u u B ++++　求 。

B A B A B A , , , 2、设X ={1, 5, 9, 13, 20}, Y ={1, 5, 9, 13, 20}, 是模糊关系“x 比y 大得多”。

~R 隶属度函数：求模糊关系矩阵~R 3、4、Zadeh 教授提出了著名的不相容原理，是指复杂系统的那两种矛盾（ ）A ．精确性和有效性B ．精确性和模糊性C ．模糊性和有效性D ．复杂性和模糊性5、在模糊推理得到的模糊集合中取一个最能代表这个集合的单值的过程称为（ ）A ．去模糊 B ．模糊化 C ．模糊推理 D ．模糊集运算6、判断1．一个模糊集合可以被其隶属度函数唯一定义（ ）2．隶属度越大表示真的程度越高；隶属度越小表示真的程度越低（ ）3．当隶属度函数有若干点取值为1，其余点取值为0时，该隶属度函数对应的模糊集合可以看作一个经典集合（ ）7、简答题：试述模糊计算的主要模块及其操作内容。

人工智能深度学习技术练习(习题卷22)第1部分：单项选择题，共47题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]可以帮助提取图像特征的层是：A)卷积层B)池化层C)全连接层D)激活层答案:A解析:2.[单选题]卷积如何改善图像识别？A)它们使图像变小B)它们使图像处理更快C)它们使图像更清晰D)它们隔离图像中的特征答案:D解析:3.[单选题]在多层感知器中，为什么要使用激活函数，下列说法正确的是（）A)为了让输出变成归一化数据B)为了让每一层的输出为非线性函数C)为了和输出保持一致D)为了让数据更加真实答案:B解析:不使用激活函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合。

4.[单选题]RNN的关键点之一就是他们可以用来连接( )的信息到当前的任务上A)先前B)之后C)丢失D)LSTM答案:A解析:5.[单选题]Vanishing Gradient Problem 问题是( ),这个问题是在神经网络框架设计中经常出现的问题,例如隐藏层设计过多而导致的。

A)梯度消失问题B)卷积C)池化D)全连接答案:A解析:6.[单选题]下列函数能实现对比两个矩阵是否相等,或者向量是否相等的元素的函数是哪一个?A)c=tf.greater(a,b)C)b=tf.equal(a,b)D)d=tf.matmul(a,b)答案:C解析:7.[单选题]深度学习通过多层处理，初始的特征成为（）A)低层特征B)高层特征C)中层特征D)浅层特征答案:B解析:8.[单选题]常用的激活函数RELU,其常用调用语句为那一个()A)h_conv1 = tf.nn.relu( conv_ret1 )B)h_conv1 = tf.nn.dropout( conv_ret1 )C)h_conv1 = tf.nn.lrn( conv_ret1 )D)h_conv1 = tf.nn.l2_loss( conv_ret1 )答案:A解析:9.[单选题]动量梯度算法,是通过学习率和()控制梯度下降的A)指数加权平均数B)局部平均值C)全局平局值D)方差答案:A解析:10.[单选题]如图所示，当开始训练时，误差一直很高，这是因为神经网络在往全局最小值前进之前一直被卡在局部最小值里。

第7章智能计算习题参考答案7-1 物联网作为一个开放复杂智能系统，给我们带来了新的挑战，我们需要如何应对？答：物联网作为一个复杂的系统，它的推广与普及，给智能系统带来了新的挑战，促使我们在指导思想、技术路线、系统体系结构、计算模式等方面为智能系统的研究融入新的思想与技术源泉，使得智能系统的研究迈入新的阶段，即以开放复杂智能体统(Open Complex Intelligent System)特别是开放巨型智能系统(Open Giant Complex Intelligent System)为研究对象、以社会智能为研究重点的综合集合阶段。

7-2 信息在物联网中是运动和转化的，请抽象物联网中信息运动和转化过程模型，并释以说明。

答：世界无时无刻不在产生巨量的信息(本体论信息)，要想认识世界，必须将本体论信息转变为感知信息，这个过程，就是信息获取的过程，包括信息感知、信息识别等。

获取到信息之后，需要进行信息传递，包括信息发送、传输、接收等环节。

然后，对信息所进行变换和加工，即信息处理，加工得到知识。

而后，进行决策制定，得到求解实际问题的策略。

最后，执行相关的策略，产生行动，作用于外部环境。

在物联网中，信息、知识、策略在这个回路中进行相互转换，整个过程构成一个完整的回路。

7.3 什么是本体论信息?什么是认识论信息7.4简述数据、信息、知识、策略、智能之间的关系。

7.5物联网将物理世界与虚拟世界连接起来，这一点在数据库系统中如何体现？7-6 简述数据挖掘和知识发现在物联网中的重要作用。

答：随着物联网的广泛应用，加上使用先进的自动数据生成和采集工具，人们所拥有的数据量急剧增大。

如果使用传统的数据分析工具，很难对数据进行深层次的处理。

数据挖掘和知识发现正式为了解决传统分析方法的不足，并针对大规模数据的分析处理而出现的。

数据挖掘从大量数据中提取出隐藏在数据之后的有用信息，在物联网中将会有重要的用武之地。

7-7 简述分布智能在物联网中的重要作用。

人工智能深度学习技术练习(习题卷1)第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]Word2vec主要包含两个模型Skip-gram和()?A)GRUB)CCOWC)CBOWD)CBOM答案:C解析:2.[单选题]正态分布特点是（）。

A)一条直线B)中间高两边低C)中间低两边高D)抛物线答案:B解析:难易程度：易题型：3.[单选题]Max pooling是CNN当中的最大值池化操作,其实用法和卷积很类似,( )仍然是[batch, height, width, channels]这种形式A)valueB)shapeC)stridesD)padding答案:B解析:4.[单选题]连续特征数据离散化的处理方法不包括（）。

A)等宽法B)等频法C)使用聚类算法D)使用Apriori算法答案:D解析:难易程度：中题型：5.[单选题]Tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数,它一般用在( )A)卷积层B)全连接层C)池化层D)激活函数层答案:B解析:D)leaky-relu答案:A解析:7.[单选题]Hinton和Bengio、Yann.lecun等提成了一个实际可行的( )框架A)MLB)deep learningC)opencvD)TF答案:B解析:8.[单选题]下列哪一项在 神经网络中引入了非线性?( )A)随机梯度下降B)修正线性单元(ReLU)C)卷积函数D)以上都不正确答案:B解析:9.[单选题]提出“人工智能”概念是在（）年A)1955B)1956C)1957D)1958答案:B解析:10.[单选题]CNN卷积神经网络,RNN循环神经网络,( )这三个网络都是TensorFlow中支持并常用的经典网络A)RNNB)XNNC)BNND)LSTM长短记忆算法答案:D解析:11.[单选题]在AlexNet 等典型的卷积神经网络中，随着网络的深度增加,通常有( )A)每层的通道的高度和宽度减少,通道数增加。

人工智能深度学习技术练习(习题卷9)第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。

1.[单选题]以下的序列数据中,属于一对多(一个输入,多个输出)的关系是哪个?A)音乐生成B)情感分类C)机器翻译D)DNA序列分析答案:A解析:2.[单选题]在构建一个神经网络时，batch size通常会选择2的次方，比如256和512。

这是为什么呢？A)当内存使用最优时这可以方便神经网络并行化B)当用偶数是梯度下降优化效果最好C)这些原因都不对D)当不用偶数时，损失值会很奇怪答案:A解析:3.[单选题]函数x*ln(x)的导数是A)ln(x)+1B)xC)lnxD)1/x答案:A解析:4.[单选题]为什么会有10个输出神经元?A)纯粹随意B)有10个不同的标签C)使训练速度提高10倍D)使分类速度提高10倍答案:B解析:5.[单选题]在梯度下降的课程中，PPT图片中的小人下山的路径是什么颜色的（）。

A)红色B)蓝色C)绿色D)橙色答案:C解析:难易程度：易题型：6.[单选题]曼哈顿距离的的运算方法是D)线性运算答案:A解析:7.[单选题]使用二维滤波器滑动到被卷积的二维图像上所有位置,并在每个位置上与该像素点及其领域像素点做内积,这就是( )A)一维卷积B)二维卷积C)三维卷积D)四维卷积答案:B解析:8.[单选题]深度学习中的“深度”是指A)计算机理解深度B)中间神经元网络的层次很多C)计算机的求解更加精确D)计算机对问题的处理更加灵活答案:B解析:9.[单选题]启动图/会话的第一步是创建一个Session对象,如:A)sess = tf.Session()B)sess.close()C)tf.addD)tf.eqeal答案:A解析:10.[单选题]在构建一一个神经网络时，batch size通常会选择2的次方，比如256和512。

这是为什么.呢?( )A)当内存使用最优时这可以方便神经网络并行化B)当用偶数是梯度下降优化效果最好C)这些原因都不对.D)当不用偶数时，损失值会很奇怪。

ismart练习题答案I. 智能练习题答案近年来，智能练习题已经成为学校和培训机构教育教学中重要的辅助手段。

通过利用智能技术，学生可以获得个性化的学习体验，并且能够更好地掌握知识。

以下是对一些常见智能练习题的答案解析。

1. 选择题选择题是智能练习题中最常见的题型之一。

它通过给出若干选项，让学生选择正确的答案。

下面是一个数学选择题的答案解析：题目：计算下列等式的值：3 + 6 × 2 - 4 ÷ 2解析：根据运算符的优先级，先进行乘法和除法，再进行加法和减法。

首先计算6 × 2 = 12，然后计算4 ÷ 2 = 2。

最后，将计算结果代入等式，得出答案：3 + 12 - 2 = 13。

因此，答案是13。

2. 填空题填空题是另一种常见的智能练习题类型。

它要求学生根据给出的提示，填写正确的答案。

下面是一个英语填空题的答案解析：题目：Please __________ your shoes at the entrance.解析：根据题目中的提示词"shoes"和"entrance"，可以猜测这是一道关于鞋子放置位置的题目。

常见的表达是"take off"，表示脱下。

因此，答案是"take off"。

3. 解答题解答题是智能练习题中相对较复杂的一种形式。

它要求学生进行较为详细的文字叙述或计算。

下面是一个化学解答题的答案示例：题目：请解释什么是化学反应。

解析：化学反应是指化学物质之间发生的变化。

在化学反应过程中，原子或分子之间的键被断裂，并形成新的键。

化学反应通常涉及一系列的步骤，包括反应物的接触、反应物的分解、原子或分子的重组等。

通过这些步骤，化学反应可以导致物质性质的改变，例如颜色的变化、气体的释放以及能量的释放或吸收等。

因此，化学反应是一种导致原子或分子重新组合以形成新的物质的过程。

总结：智能练习题通过利用智能技术，为学生提供了个性化学习的机会。