当前位置：文档之家 › D人工神经网络1

D人工神经网络1

  • 格式：ppt
  • 大小：355.50 KB
  • 文档页数：43

下载文档原格式

  / 43

合集下载

人工智能单选复习题及参考答案

人工智能单选复习题及参考答案

人工智能单选复习题及参考答案一、单选题（共100题，每题1分，共100分）1、在scikit-learn中，DBSCAN算法对于（）参数值的选择非常敏感A、epsB、pC、n_jobsD、algorithm正确答案：A2、下面的语句哪个会无限循环下去：A、for a in range(10): time.sleep(10)B、a = [3,-1,','] for i in a[:]: if not a: breakC、while True: breakD、while 1正确答案：D3、列表a=[1,2,[3,4]]，以下的运算结果为True的是（）。

A、len(a)==3B、length(a)==3C、length(a)==4D、len(a)==4正确答案：A4、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、结构体B、向量C、有向图D、标量正确答案：B5、自然语言理解是人工智能的重要应用领域，下面列举中的（）不是它要实现的目标A、机器翻译B、欣赏音乐C、对自然语言表示的信息进行分析概括或编辑D、理解别人讲的话正确答案：B6、LSTM单元中引入了哪些门来更新当前时刻的单元状态向量?A、任意门、输入门B、遗忘门、任意门C、输入门、遗忘门D、输出门、任意门正确答案：C7、PCA的步骤不包括（）A、特征值排序B、矩阵分解得到特征值和特征向量C、构建协方差矩阵D、特征值归一化正确答案：D8、在中期图像识别技术（2003-2012）中，索引的经典模型是（）。

A、口袋模型B、增量模型C、词袋模型D、胶囊模型正确答案：C9、SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的（）无关。

A、旋转B、大小和旋转C、缩放D、大小正确答案：B10、下列哪个不属于特征的类型(___)A、关键特征B、无关特征C、相关特征D、冗余特征正确答案：A11、将数值类型的属性值（如年龄）用区间标签（例如0~18、19-44、45~59和60~100等）或概念标签，称为数据()处理。

人工智能导论第二章答案

人工智能导论第二章答案

人工智能导论第二章答案1、单选题：下列关于智能说法错误的是（）选项：A:细菌不具有智能B:任何生命都拥有智能C:从生命的角度看，智能是生命适应自然界的基本能力D:目前，人类智能是自然只能的最高层次答案: 【细菌不具有智能】2、判断题：目前，智能的定义已经明确，其定义为：智能是个体能够主动适应环境或针对问题，获取信息并提炼和运用知识，理解和认识世界事物，采取合理可行的（意向性）策略和行动，解决问题并达到目标的综合能力。

（）选项：A:错B:对答案: 【错】3、判断题：传统人工智能领域将人工智能划分为强人工智能与弱人工智能两大类。

所谓强人工智能指的就是达到人类智能水平的技术或机器，否则都属于弱人工智能技术。

（）选项：A:错B:对答案: 【对】4、判断题：人类历史上第一个人工神经元模型为MP模型，由赫布提出。

（）选项：A:对B:错答案: 【错】5、单选题：下列关于数据说法错误的是（）选项：A:数据可以分为模拟数据和数字数据两类B:数据就是描述事物的符号记录，是可定义为有意义的实体C:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据D:在当今社会，数据的本质是生产资料和资产答案: 【我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据】6、多选题：下列关于大数据的说法中正确的有（）选项：A:大数据具有多样、高速的特征B:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产C:大数据带来的思维变革中，更多是指更多的随机样本D:“大数据时代”已经来临答案: 【大数据具有多样、高速的特征;“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产;“大数据时代”已经来临】7、判断题：大数据在政府公共服务、医疗服务、零售业、制造业、以及涉及个人位置服务等领域都将带来可观的价值。

（）选项：A:对B:错答案: 【对】8、多选题：人工智能在各个方面都有广泛应用，其研究方向也众多，下面属于人工智能研究方向的有（）选项：A:知识图谱B:模式识别C:语音识别D:机器学习答案: 【知识图谱;模式识别;语音识别;机器学习】9、判断题：机器人发展经历了程序控制机器人（第一代）、自适应机器人（第二代）、智能机器人（现代）三代发展历程。

神经网络基本理论d

神经网络基本理论d


5
神经网络简介
3 复兴期（1982-1986） 1982年，物理学家Hoppield提出了Hoppield神经网络模型， 该模型通过引入能量函数，实现了问题优化求解，1984年 他用此模型成功地解决了旅行商路径优化问题(TSP)。 在1986年，在Rumelhart和McCelland等出版《Parallel Distributed Processing》一书，提出了一种著名的多层 神经网络模型，即BP网络。该网络是迄今为止应用最普遍 的神经网络。
反馈网络：从输出层到输入层有反馈， 每一个神经元同时接收外来输入和来自其 它神经元的反馈输入，其中包括神经元输 出信号引回自身输入的自环反馈。
混合型网络：前向网络的同一层神经 元之间有互联的网络。
23
神经网络的构成和分类
（2）从激发函数的类型上划分 高斯基函数神经网络、小波基函数神经网络、样条基函数神经网络等等 （3）从网络的学习方式上划分 ①有导师学习神经网络 为神经网络提供样本数据，对网络进行训练，使网络的输入输出关系逼 近样本数据的输入输出关系。 ②无导师学习神经网络 不为神经网络提供样本数据，学习过程中网络自动将输入数据的特征提 取出来。 （4）从学习算法上来划分： 基于BP算法的网络、基于Hebb算法的网络、基于竞争式学习算法的网络、 基于遗传算法的网络。
11
神经网络简介
神经元具有如下功能：
(1) 兴奋与抑制：如果传入神经元的冲动经整和后使细胞膜
电位升高，超过动作电位的阈值时即为兴奋状态，产生神 经冲动，由轴突经神经末梢传出。如果传入神经元的冲动 经整和后使细胞膜电位降低，低于动作电位的阈值时即为 抑制状态，不产生神经冲动。
(2) 学习与遗忘：由于神经元结构的可塑性，突触的传递作
人工神经网络单选练习题

人工神经网络单选练习题

人工神经网络单选练习题一、基本概念1. 下列关于人工神经网络的描述，正确的是：A. 人工神经网络是一种静态的计算模型B. 人工神经网络可以模拟人脑的神经元连接方式C. 人工神经网络只能处理线性问题D. 人工神经网络的学习过程是监督式的2. 下列哪种算法不属于人工神经网络？A. 感知机算法B. 支持向量机算法C. BP算法D. Hopfield网络3. 人工神经网络的基本组成单元是：A. 神经元B. 节点C. 权重D. 阈值二、前向传播与反向传播4. 在前向传播过程中，下列哪个参数是固定的？A. 输入值B. 权重C. 阈值D. 输出值5. 反向传播算法的主要目的是：A. 更新输入值B. 更新权重和阈值C. 计算输出值D. 初始化网络参数6. 下列关于BP算法的描述，错误的是：A. BP算法是一种监督学习算法B. BP算法可以用于多层前馈神经网络C. BP算法的目标是最小化输出误差D. BP算法只能用于解决分类问题三、激活函数7. 下列哪种激活函数是非线性的？A. 步进函数B. Sigmoid函数C. 线性函数D. 常数函数8. ReLU激活函数的优点不包括：A. 计算简单B. 避免梯度消失C. 提高训练速度D. 减少过拟合9. 下列哪种激活函数会出现梯度饱和现象？A. Sigmoid函数B. ReLU函数C. Tanh函数D. Leaky ReLU函数四、网络结构与优化10. 关于深层神经网络，下列描述正确的是：A. 深层神经网络一定比浅层神经网络效果好B. 深层神经网络更容易过拟合C. 深层神经网络可以减少参数数量D. 深层神经网络训练速度更快11. 下列哪种方法可以降低神经网络的过拟合？A. 增加训练数据B. 减少网络层数C. 增加网络参数D. 使用固定的学习率12. 关于卷积神经网络（CNN），下列描述错误的是：A. CNN具有局部感知能力B. CNN具有参数共享特点C. CNN可以用于图像识别D. CNN无法处理序列数据五、应用场景13. 下列哪种问题不适合使用人工神经网络解决？A. 图像识别B. 自然语言处理C. 股票预测D. 线性规划14. 下列哪个领域不属于人工神经网络的应用范畴？A. 医学诊断B. 金融预测C. 智能家居D. 数值计算15. 关于循环神经网络（RNN），下列描述正确的是：A. RNN无法处理长距离依赖问题B. RNN具有短期记忆能力C. RNN训练过程中容易出现梯度消失D. RNN只能处理序列长度相同的数据六、训练技巧与正则化16. 下列哪种方法可以用来防止神经网络训练过程中的过拟合？A. 提前停止B. 增加更多神经元C. 减少训练数据D. 使用更大的学习率17. 关于Dropout正则化，下列描述错误的是：A. Dropout可以减少神经网络中的参数数量B. Dropout在训练过程中随机丢弃一些神经元C. Dropout可以提高模型的泛化能力D. Dropout在测试阶段不使用18. L1正则化和L2正则化的主要区别是：A. L1正则化倾向于产生稀疏解，L2正则化倾向于产生平滑解B. L1正则化比L2正则化更容易计算C. L2正则化可以防止过拟合，L1正则化不能D. L1正则化适用于大规模数据集，L2正则化适用于小规模数据集七、优化算法19. 关于梯度下降法，下列描述正确的是：A. 梯度下降法一定会找到全局最小值B. 梯度下降法在鞍点处无法继续优化C. 梯度下降法包括批量梯度下降、随机梯度下降和小批量梯度下降D. 梯度下降法的学习率在整个训练过程中保持不变20. 下列哪种优化算法可以自动调整学习率？A. 随机梯度下降（SGD）B. Adam优化算法C. Momentum优化算法D. 牛顿法21. 关于Adam优化算法，下列描述错误的是：A. Adam结合了Momentum和RMSprop算法的优点B. Adam算法可以自动调整学习率C. Adam算法对每个参数都使用相同的学习率D. Adam算法在训练初期可能会不稳定八、损失函数22. 在分类问题中，下列哪种损失函数适用于二分类问题？A. 均方误差（MSE）B. 交叉熵损失函数C. Hinge损失函数D. 对数损失函数23. 关于均方误差（MSE）损失函数，下列描述错误的是：A. MSE适用于回归问题B. MSE对异常值敏感C. MSE的输出范围是[0, +∞)D. MSE损失函数的梯度在接近最小值时趋近于024. 下列哪种损失函数适用于多分类问题？A. 交叉熵损失函数B. Hinge损失函数C. 对数损失函数D. 均方误差（MSE）九、模型评估与超参数调优25. 下列哪种方法可以用来评估神经网络的性能？A. 训练误差B. 测试误差C. 学习率D. 隐层神经元数量26. 关于超参数，下列描述正确的是：A. 超参数是在模型训练过程中自动学习的B. 超参数的值通常由经验丰富的专家设定C. 超参数的调整对模型性能没有影响D. 超参数包括学习率、批量大小和损失函数27. 关于交叉验证，下列描述错误的是：A. 交叉验证可以减少过拟合的风险B. 交叉验证可以提高模型的泛化能力C. 交叉验证会降低模型的训练速度D. 交叉验证适用于小规模数据集十、发展趋势与挑战28. 下列哪种技术是近年来人工神经网络的一个重要发展方向？A. 深度学习B. 线性回归C. 决策树D. K最近邻29. 关于深度学习，下列描述错误的是：A. 深度学习需要大量标注数据B. 深度学习模型通常包含多层神经网络C. 深度学习可以处理复杂的非线性问题D. 深度学习不适用于小规模数据集30. 下列哪种现象是训练深度神经网络时可能遇到的挑战？A. 梯度消失B. 参数过多C. 数据不平衡D. 所有上述选项都是挑战答案一、基本概念1. B2. B二、前向传播与反向传播4. B5. B6. D三、激活函数7. B8. D9. A四、网络结构与优化10. B11. A12. D五、应用场景13. D14. D15. C六、训练技巧与正则化16. A17. A18. A七、优化算法19. C20. B八、损失函数22. B23. D24. A九、模型评估与超参数调优25. B26. B27. D十、发展趋势与挑战28. A29. D30. D。

人工智能导论 第8章 人工神经网络及其应用(导论)1-47

人工智能导论 第8章 人工神经网络及其应用(导论)1-47


x1
y
m 1
x2
y
m 2
x p1
y
m pm
35
8.2.2 BP学习算法
2. 学习算法
当yik
1 1 euik
时
x
d y wikj1
k k1 ij
d
m i
yim (1
yim)(
ym i
y) i
— —输出层连接权调整公式
d y y w d k i
k
i (1
k pk 1
i)
k 1 k1 li l
9
8.1 神经元与神经网络
1. 生物神经元的结构 2. 神经元数学模型 3. 神经网络的结构与工作方式
10
8.1.2 神经元数学模型
2. 人工神经元模型
1943年，麦克洛奇和皮兹提出M －P模型。
u1
（权重/突触）
wi1 （细胞体）
（神经冲动）
…
f ()
yi
un
win
激励函数
i （阈值）
-1
29
8.2 BP神经网络及其学习算法
1. BP神经网络的结构 2. BP学习算法 3. BP算法的实现
30
8.2.2 BP学习算法
▪ 两个问题：
（1）是否存在一个BP神经网络能够逼近给定的样本或者函数。
（ 2）如何调整BP神经网络的连接权，使网络的输入与输出与 给定的样本相同。
1986年，鲁梅尔哈特（D. Rumelhart）等提出BP学习算法。
A {aij}NN
U u1 uM T
B {bik }N M
1 N T
V v1
T
vN
Y y1 yN T
智能优化与学习考核试卷

智能优化与学习考核试卷

7.主成分分析（PCA）是一种常用的______方法。
8.在处理文本数据时，______技术可以将文本转换为数值向量。
9.时间序列分析中，ARIMA模型的三个参数分别代表______、______和______。
10.在推荐系统中，协同过滤算法主要分为______和______。
四、判断题（本题共10小题，每题1分，共10分，正确的请在答题括号中画√，错误的画×）
B.策略梯度方法
C.时序差分学习
D.以上都是
17.在聚类分析中，以下哪个指标用于评估聚类的质量？（）
A.轮廓系数
B.确定性系数
C.同质性
D.以上都是
18.以下哪个算法可以用于求解多目标优化问题？（）
A.遗传算法
B.粒子群算法
C.模拟退火算法
D.以上都是
19.在机器学习中，以下哪个概念表示模型在训练集上的性能较差，但在测试集上的性能较好？（）
14.以下哪些技术可以用于特征提取？（）
A.词袋模型
B. TF-IDF
C. Word2Vec
D. Doc2Vec
15.以下哪些是时间序列分析的常见方法？（）
A.自回归模型（AR）
B.移动平均模型（MA）
C.自回归移动平均模型（ARMA）
D.差分自回归移动平均模型（ARIMA）
16.以下哪些是机器学习中常用的数据预处理技术？（）
B.梯度提升树
C. Adaboost
D. XGBoost
20.以下哪些算法可以用于图像识别任务？（）
A.卷积神经网络（CNN）
B.循环神经网络（RNN）
C.深度信念网络（DBN）
D.支持向量机（SVM）
三、填空题（本题共10小题，每小题2分，共20分，请将正确答案填到题目空白处）
人工神经网络模型在水动力模型数据缺失中的应用

人工神经网络模型在水动力模型数据缺失中的应用

人工神经网络模型在水动力模型数据缺失中的应用作者：史大鸣付亚平来源：《城市建设理论研究》2013年第28期摘要：我国的大部分城市给水管网，规模宏大，结构混乱复杂；因此管网的管理、改扩建、优化调度等都成了一个极为困难的问题。

越来越多的城市将水动力模型作为解决上述问题的一个强有力的工具。

但是建立水动力模型需要节点流量、节点压力、管道的摩阻系数等等浩繁的数据，监测和整理这些数据需要耗费极大的人力物力。

当数据缺失时，我们可以根据现有的数据利用ANN搭建模型，模拟出这些数据，从而应用于水动力模型中。

关键词：水动力模型，ANN神经网络系统，模型数据，缺失数据模拟中图分类号：G250.72 文献标识码：A我国大多数的城市管网建设滞后于水厂建设,给水管网的铺设会随城市的发展不断地铺设延长，与之相对应的是用水量的急剧增长，与老管线的协调规划问题等等，这一切的问题都使地下管线的管理成为一个极其复杂的问题。

构建水动力模型，可以实时的看到管网的薄弱环节，并且通过分析得知造成管网问题的原因。

水动力模型可以应用于并的给水系统的规划，设计及改扩建；管网改造优先性评估；管网改造并行方案的的成本分析，运行情况；指导和帮助安排管网检漏工作等。

建立水动力模型是一项复杂并且富有难度的工程，需要将给水管道的的信息，包括管道的管径、材质、管龄，粗糙系数等如实的反应到模型中，运行模型后要选择管网中具有典型代表性的节点，得到这些节点的节点流量与节点压力模拟值，将这些曲线与实际中该节点的流量与压力曲线进行对比。

通过调整管网的粗糙系数，节点流量分配等核心数据使模拟曲线与实测曲线相吻合，这个过程称之为模型校核。

校核后的模型才能应用于实际的工程工作中。

模型搭建和校核的过程中需要许多数据，而在现有国内的自来水公司，极少有完备的数据，而这些数据的检测和整理是一项复杂并且耗费财力的工程。

当有所需的数据缺失时，根据现有的数据搭建ANN（人工神经网络）模型，模拟出缺失的数据曲线，从而用于水动力模型的校核工作中。

人工神经元网络介绍

人工神经元网络介绍

人工神经网络的概念：
人工神经网络 (artificial neural network, ANN)是模拟人脑细胞的分布式 工作特点和自组织功能，且能实现并行处理、自学习和非线性映射等 能力的一种系统模型。神经网络系统实质上是由大量的，同时也是很 简单的处理单元广泛地互相连接而形成的复杂网络系统。它不是人脑 神经系统的真实写照，而是对其做出的简化抽象和模拟。
假设3：空间整合特性和阈值特性
神 经 元 的 人 工 模 型
作为ANN的基本处理单元，必须对全部输入信号进行整 合，以确定各类输入的作用总效果，图(c)表示组合输 人信号的“总和值”，相应于生物神经元的膜电位。 神经元激活与否取决于某一阈值电平，即只有当其输 入总和超过阈值时, 神经元才被激活而发放脉冲, 否 则神经元不会产生输出信号。
活状态之间的关系，最常用的转移函数有4
种形式。
常用的神经元数学模型：
（1）阈值型（如图a所示）
f (Neti )
1 Neti 0 0 Neti 0
(2) sigmoid函数型（如图b所示）
f (Neti )
1
Neti
1e T
(3) 分段线性型（如图c所示）
f
( Neti
)
第三章 人工神经元网络
专业：电路与系统 姓名：程兴宏 学号：201021005
3.1 引言
模糊逻辑控制的现状：
模糊逻辑控制解决了人类智能行为语言的描述和推理问题，尤其是一 些不确定性语言的描述和推理问题，从而在机器模拟人脑的感知和推 理等智能行为方面迈出了重大的一步。然而在处理数值数据和自学习 能力等方面还远没有达到人脑的境界。
x1
wi1
ui
的数学抽象和结构、功能
人工智能基础(习题卷46)

人工智能基础(习题卷46)

人工智能基础(习题卷46)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]“中国制造2025”是以新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向，并规划了实施制造强国十年行动纲领，其中提出点实施（）工程。

A)智能交通B)智能军事C)智能制造答案:C解析:2.[单选题]下列哪个应用领域不属于人工智能应用？（）A)人工神经网络B)自动控制C)自然语言学习D)专家系统答案:B解析:3.[单选题]以下不属于大数据重要意义的是（ ）。

A)大数据成为推动经济转型发展的新动力B)大数据成为重塑国家竞争优势的新机遇C)大数据成为提升政府治理能力的新途径D)大数据会增加经济发展的成本答案:D解析:大数据可以促进经济的发展，催生新的业态，在辅助商业决策、降低运营成本、 精准市场的营销方面都能发挥作用，进一步提升企业竞争力。

4.[单选题]假设你只有100Mb的内存，需要对1Gb的数据进行排序，最合适的算法是（）A)归并排序B)插入排序C)快速排序D)冒泡排序答案:A解析:5.[单选题]当使用地面站控制无人机飞行时，必须使用的设备是( )A)数控电台B)数传电台C)图传D)IMU答案:B解析:6.[单选题]（ ）是学习系统应达到的目标。

A)适当的学习环境C)求解问题D)一定的学习能力答案:B解析:7.[单选题]上电后电动机无法启动，无任何声音。

首先检查的原因是( )。

A)电源接头接触不良B)电池损坏C)电机损坏D)电调损坏答案:A解析:8.[单选题]自拍时，手机前置镜头显示的画面需要通过哪个变换后，才能是真实的场景图像A)直镜像B)水平镜像C)旋转D)平移答案:B解析:9.[单选题]游戏设计中为角色用于路径规划，比较合适的算法是（ ）A)遗传算法B)搜索技术C)模糊逻辑D)神经网络答案:B解析:10.[单选题]传统GBDT以（）作为基分类器A)线性分类器B)CARTC)gblinearD)svm答案:B解析:传统GBDT以CART作为基分类器11.[单选题]下列算法中属于点处理的是( )。

人工神经网络及其应用

人工神经网络及其应用

27
8.1.4 神经网络的发展概况
神经网络控制的研究领域 ▪ 基于神经网络的系统辨识 ▪ 神经网络控制器 ▪ 神经网络与其他算法（模糊逻辑、专家系统、遗传算 法等）相结合 ▪ 优化计算
28
第8章 人工神经网络及其应用
8.1 神经元与神经网络
✓ 8.2 BP神经网络及其学习算法
8.3 BP神经网络的应用 8.4 Hopfield神经网络及其改进 8.5 Hopfield神经网络的应用
814神经网络的发展概况28神经网络控制的研究领域神经网络与其他算法模糊逻辑专家系统遗传算法等相结合优化计算814神经网络的发展概况29人工神经网络及其应用81神经元与神经网络82bp神经网络及其学习算法83bp神经网络的应用84hopfield神经网络及其改进85hopfield神经网络的应用86hopfield神经网络优化方法求解jsp3082bp神经网络及其学习算法821bp神经网络backpropagationneuralnetwork的结构822bp学习算法823bp算法的实现3182bp神经网络及其学习算法821bp神经网络backpropagationneuralnetwork的结构822bp学习算法823bp算法的实现32821bp神经网络的结构bp网络结构33821bp神经网络的结构输入输出变换关系34821bp神经网络的结构对网络的连接权进行学习和调整以使该网络实现给定样本的输入输出映射关系
工作过程:
从各输入端接收输入信号 uj ( j = 1, 2, …, n )
根据连接权值求出所有输入的加权和
n
n
n
xi wijuj i wijuj bi wijuj
j1
j1
j0
(w i0
1,u0i或wi0
教科版(2019)必修1《第五单元_数据分析与人工智能》2022年单元测试卷(1)+答案解析(附后)

教科版(2019)必修1《第五单元_数据分析与人工智能》2022年单元测试卷(1)+答案解析(附后)

教科版（2019）必修1《第五单元数据分析与人工智能》2022年单元测试卷（1）1. 王老师在教学与生活中经常使用电脑，请判断他使用的技术中，不属于人工智能应用范畴的是（ ）A. 用手写板输入汉字B. 用耳麦进行语音对话C. 将纸质试卷扫描并借助OCR软件识别成电子文档D. 用翻译软件将一篇英文稿件翻译成中文2. 下列不属于人工智能的主要方法的是（ ）A. 符号主义B. 联结主义C. 行为主义D. 自由主义3. 要想让机器具有智能，必须让机器具有知识。

因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（ ）A. 机器感知B. 机器学习C. 自动化D. 机器思维4. 下列关于人工智能说法错误的是（ ）A. 人工智能是一门多学科广泛交叉的前沿科学B. AlphaGo Zero 不依赖人类棋手数据而在自我博弈中不断提升棋力是行为主义的体现C. AlphaGo 于 2016 年战胜围棋九段棋手李世石，是符号主义的应用D. 机器学习主要研究计算机如何自动获取知识和技能，实现自我完善5. 随着信息技术、通信技术和大数据的发展，引发了人工智能热。

下列关于人工智能的描述，错误的是（ ）A. 机器翻译不属于人工智能的应用B. 人工智能的不断创新，促使大量“沉睡”的数据被唤醒、被挖掘，释放出巨大价值C. 近年来，有了大数据的支持，智能算法的效果得到了极大的体现D. 人机对弈、无人驾驶、智能识图都属于人工智能的应用6. 下列2022北京冬奥会相关应用中，体现人工智能技术的是（ ）A. “非接触垃圾箱”的传感器检测到人的手接近时会自动开启箱盖B. 智能向导机器人发现没带口罩的人时会语音提醒C. 雪花引导牌采用五路供电技术，在电线断了3、4根时引导牌也能正常发光D. 国家游泳中心“水立方”改造时使用了5G技术7. 下列应用没有使用到人工智能技术的是（ ）A. 进入考场时“刷脸”验证身份B. 校门口通过摄像头识别车牌号码C. 扫描商品条形码，屏幕上显示出相应价格D. 快递分捡机器人接收工作人员的语音指令进行包裹分捡8. 以下为演绎三段论推理的过程：所有有羽毛的动物都是鸟类（大前提）某动物有羽毛（小前提）该动物是鸟类采用上述方式研究并实现人工智能的方法称为（ ）A. 强化学习B. 联结主义C. 行为主义D. 符号主义9. 扫地机器人事先并不知道场所布局和物品摆放，是在运动中不断从环境中学习，经过一段时间的交互，就可获悉环境的全貌。

D人工神经网络复习习题

1、是一个多输入单输出的信息处理单元； 2、突触分兴奋性和抑制性两种类型； 3、神经元具有空间整合特性和阀值特性； 4、输入与输出间有固定的时滞，取决于突触延搁； 5、忽略时间整合作用和不应期； 6、神经元本身是非时变的，即其突触时延和突触强度均 为常数。
2.2.1 神经元的建摸 (2/6)
上述假定，可用图2.5中的神经元模型示意图进行图解表 示。
i 1

(2 .1 )
式中 τij —— 输入i输出j间的突触延时； Tj —— 神经元j的阈值； wij —— 神经元i到j的突触连接系数值； f( ) —— 神经元转移函数。
2.2.2 神经元的数学模型(2/6)
为简单起见，将上式中的突触延时取为单位时
间，则式（2.1）可写为
n
第3章 监督学习神经网络 §3.1 单层感知器
§ 3.1.1 感知器模型 § 3.1.2 单节点感知器的功能分析 § 3.1.3 感知器的学习算法 § 3.1.4 感知器的局限性及解决途径 §3.2 基于误差反传的多层感知器—BP神经网络 § 3.2.1 BP网络模型 § 3.2.2 BP学习算法 § 3.2.3 BP算法的程序实现 § 3.2.4 BP网络的主要能力 § 3.2.5 误差曲面与BP算法的局限性 §3.3 BP算法的改进 §3.4 BP网络设计基础 §3.5 BP网络应用与设计实例 本章小结
§1.2.1 启蒙时期 …低潮时期…复兴时期…高潮时期(新高潮)………
本章小结
第2章 神经网络基础知识 §2.1 人工神经网络的生物学基础 §2.2 人工神经元模型
§ 2.2.1 神经元的建摸 § 2.2.2 神经元的数学模型 § 2.2.3 神经元的转移函数 §2.3 人工神经网络模型 § 2.3.1 网络拓扑结构类型

人工智能复习试题和答案及解析

一、单选题1。

人工智能的目的是让机器能够( D ），以实现某些脑力劳动的机械化。

A。

具有完全的智能 B. 和人脑一样考虑问题C。

完全代替人 D. 模拟、延伸和扩展人的智能2。

下列关于人工智能的叙述不正确的有( C ） .A. 人工智能技术它与其他科学技术相结合极大地提高了应用技术的智能化水平。

B。

人工智能是科学技术发展的趋势.C。

因为人工智能的系统研究是从上世纪五十年代才开始的，非常新，所以十分重要。

D。

人工智能有力地促进了社会的发展。

3。

自然语言理解是人工智能的重要应用领域，下面列举中的（ C）不是它要实现的目标。

A。

理解别人讲的话。

B. 对自然语言表示的信息进行分析概括或编辑。

C。

欣赏音乐。

D. 机器翻译。

4。

下列不是知识表示法的是（）.A. 计算机表示法B. 谓词表示法C. 框架表示法D. 产生式规则表示法5。

关于“与/或”图表示知识的叙述，错误的有( D ）。

A. 用“与/或”图表示知识方便使用程序设计语言表达，也便于计算机存储处理。

B。

“与/或”图表示知识时一定同时有“与节点”和“或节点”。

C. “与/或”图能方便地表示陈述性知识和过程性知识。

D。

能用“与/或"图表示的知识不适宜用其他方法表示。

6。

一般来讲,下列语言属于人工智能语言的是（ D )。

A. VJ B。

C# C。

Foxpro D. LISP7。

专家系统是一个复杂的智能软件，它处理的对象是用符号表示的知识，处理的过程是（ C ）的过程。

A. 思考 B。

回溯 C。

推理 D。

递归8. 确定性知识是指(A ）知识。

A。

可以精确表示的 B。

正确的C. 在大学中学到的知识 D。

能够解决问题的9. 下列关于不精确推理过程的叙述错误的是( B ）。

A. 不精确推理过程是从不确定的事实出发B。

不精确推理过程最终能够推出确定的结论C。

不精确推理过程是运用不确定的知识D。

不精确推理过程最终推出不确定性的结论10. 我国学者吴文俊院士在人工智能的( A ）领域作出了贡献.A. 机器证明B. 模式识别C. 人工神经网络 D。

智能制造系统中的机器视觉技术考核试卷

A.相机
B.光源
C.传感器
D.显卡
13.在智能制造系统中，以下哪个环节负责对图像中的缺陷进行识别？（）
A.图像预处理
B.特征提取
C.缺陷检测
D.后处理
14.以下哪个技术不适用于机器视觉中的三维重建？（）
A.双目视觉
B.结构光
C.激光雷达
D.超声波
15.在机器视觉中，以下哪个技术常用于提高图像识别的速度？（）
A.图像增强
B.图像锐化
C.图像分割
D.特征提取
3.常用的图像特征提取方法包括以下哪些？（）
A.颜色特征
B.形状特征
C.纹理特征
D.位置特征
4.以下哪些算法可以用于图像中的目标检测？（）
A. R-CNN
B. Fast R-CNN
C. YOLO
D. SVM
5.以下哪些是深度学习在机器视觉中的应用？（）
A. OpenCV
B. HALCON
C. MATLAB
D. Visual Studio
12.以下哪些方法可以用于机器视觉中的运动检测？（）
A.光流法
B.背景减除法
C.帧差法
D.频域分析法
13.以下哪些因素会影响机器视觉系统的成像质量？（）
A.光源稳定性
B.镜头分辨率
C.传感器噪声
D.环境温度
14.在机器视觉中，以下哪些算法可以用于人脸识别？（）
9.在智能制造中，机器视觉技术可用于产品的______和______等环节。
10.机器视觉系统中的______技术能够实现对图像中的微小缺陷进行检测。
四、判断题（本题共10小题，每题1分，共10分，正确的请在答题括号中画√，错误的画×）

人工神经网络.pdf

更新
y(t )(w(t − 1) ∗ x(t )) > 0 . y(t )(w(t − 1) ∗ x(t )) ≤ 0
（ x (t ) 分错）
控制收敛速度的参数
5.1 感知机

学习算法收敛性：
对线性可分的数据有下面的定理。
定理(Novikoff)：假设训练数据有界 x(i ) ≤ D， 两类样本的最大边界距离(maximal margin)为 2ρ （线性SVM）。则当学习速度参数η = 1 时， 2 次更新就会收敛。 D 感知机学习算法至多做
x2
x1 0 0 1 1
A
B
B
A
x1
5.2 多层感知机

解决XOR问题
x2
A
B
B
A
x1
5.2 多层感知机

两层神经网络解决XOR问题的真值表
第一层
x1 0 0 1 1
x2 0 1 0 1
y1 0 1 1 1
y2 0 0 0 1
第二 层 B(0) A(1) A(1) B(0)
y2
B
BLeabharlann Ay15.2 多层感知机
5.2 多层感知机

例: (XOR问题)

问题的提出以及重要性：



1956-1958年Rosenblatt提出感知机，是为了实现 另一种形式（模拟）的计算机。与数字计算机形 成鲜明对照。 数字计算机是用逻辑门电路实现的。逻辑门电路 的设计：AND, OR, NOT; 实际上，数字计算机的所有逻辑电路都是用XOR 门实现的。
MLPs具有一致逼近能力，因此可以学习这个函 数，也就解决了XOR问题。后面要讲到的RBF网 络也是一致逼近子，也可以解决XOR问题。

服务机器人的智能视觉追踪考核试卷

A.摄像头
B.激光雷达
C.红外线传感器
D.麦克风
5.以下哪个因素会影响服务机器人智能视觉追踪的准确性？（）
A.光照条件
B.目标颜色
C.目标形状
D.以上都对
6.在服务机器人视觉追踪中，以下哪种方法用于提高目标检测的准确性？（）
A.增加摄像头数量
B.提高图像分辨率
C.使用深度学习算法
D.降低检测速度
7.以下哪种模型在服务机器人智能视觉追踪中具有较好的表现？（）
7.在多目标跟踪中，______是一种常用的算法来处理目标之间的遮挡问题。
8.在服务机器人视觉追踪中，______是一种常用的传感器来获取三维信息。
9.数据增强技术可以帮助提高视觉追踪系统的______和______。
10.通过______和______的融合，可以进一步提高服务机器人视觉追踪的准确性。
A.光照条件
B.目标颜色
C.目标速度
D.环境噪声
3.以下哪些算法可用于服务机器人智能视觉追踪中的目标检测？（）
A. SVM算法
B. Haar级联
C.卷积神经网络
D. KNN算法
4.以下哪些设备可以用于服务机器人的视觉信息采集？（）
A.摄像头
B.红外传感器
C.激光雷达
D.超声波传感器
5.以下哪些措施可以提高服务机器人智能视觉追踪的准确性？（）
五、主观题（参考）
1.深度学习与传统方法的主要区别在于其能自动学习特征表示。在视觉追踪中，深度学习通过大量数据训练，能提取更高级、抽象的特征，提高追踪的准确性和鲁棒性。
2.目标遮挡问题可通过多摄像头协同工作解决。该方法通过不同视角的信息融合减少遮挡影响，但增加系统复杂度和成本，且对摄像头布局有要求。

人工智能与科学之美智慧树知到答案章节测试2023年湘潭大学

绪论单元测试1.2016年被称为人工智能元年。

（）A:错B:对答案:B第一章测试1.在《列子·汤问》一书中在记载了人们对智能机器人的早期幻想，文中机器人是由什么时期的能工巧匠建造而成？（）A:商朝时期B:西汉时期C:东汉时期D:西周时期答案:D2.（）不属于百度大脑核心技术。

A:视觉技术B:数据加工C:语音技术D:深度学习答案:B3.下面关于图灵测试，哪种说法是错误的。

（）A:图灵测试在我们还无法用科学的、可量化的标准对人类智慧这个概念做一个定义的时候，给出了一个可行的确定对方是否具备人类智慧的测试方法，推动了计算机科学和人工智能的发展.B:图灵测试是由一个叫做艾伦·图灵的人提出的，是人工智能科学最重要的任务和事件之一。

C:1950年图灵提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器具有智能。

D:图灵预测称：到2000年，人类应该可以用10GB的计算机设备，制造出可以在10分钟的问答中骗过20%成年人的人工智能。

答案:D4.以下（）属于人工智能领域。

A:专家系统B:自动化C:语音识别D:图像识别答案:ACD5.连接主义依赖于软件路线，通过启发性程序设计，实现知识工程和各种智能算法。

（）A:错B:对答案:A6.我们现在处于人工智能的哪个阶段？（）。

A:知识应用期B:形成期C:暗淡期D:集成发展期答案:D7.人工智能的三大学派中，适合做推理的是（）。

A:符号主义B:行为主义C:连接主义D:数字主义答案:A8.属于人工智能产品的有（）。

A:医疗机器人B:扫地机器人C:普通汽车D:小爱同学答案:ABD9.（）为形式逻辑奠定了基础。

A:亚里士多德B:弗雷格C:莱布尼兹D:维纳答案:A10.个人助理有四大作用，包括语音输入、语音助理、陪护机器人、家庭管家。

（）A:错B:对答案:B第二章测试1.以下哪些是规则？（）A:如果头痛且流涕，则可能患了感冒B:太阳从东边升起C:一年有春夏秋冬四个季节D:雪是白色的答案:A2.知识具有的不确定性有哪些类型？（）A:由不完全性引起的不确定性B:由模糊性引起的不确定性C:由经验引起的不确定性D:由随机性引起的不确定性答案:ABCD3.以下选项中，（）是知识图谱的一种通用表示方式。

  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

1.1.2 人脑与计算机信息处理机制的比较
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构 1.1.2.2 信号形式 1.1.2.3 信息存储 1.1.2.4 信息处理机制
人脑中的神经网络是一种高度并行的非线性信息处理系统。其并行性不仅体 现在结构上和信息存储上，而且体现在信息处理的运行过程中。由于人脑采用了 信息存储与信息处理一体化的群体协同并行处理方式，信息的处理受原有存储信 息的影响，处理后的信息又留记在神经元中成为记忆。因而呈现出来的整体信息 处理能力不仅能快速完成各种极复杂的信息识别和处理任务，而且能产生高度复 杂而奇妙的效果。 计算机采用的是有限集中的串行信息处理机制，即所有信息处理都集中在一 个或几个CPU中进行。CPU通过总线同内外存储器或I/O接口进行顺序的“个别对 话”，存取指令或数据。这种机制的时间利用率很低，在处理大量实时信息时不 可避免地会遇到速度“瓶颈”。即使采用多CPU并行工作，也只是在一定发展水 平上缓解瓶颈矛盾。
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构
人脑在漫长的进化过程中形成了规模宏大，结构精细的群体结构，即 神经网络。脑科学研究结果表明，人脑的神经网络是由数百亿神经元相互 连接组合而成的。每个神经元相当于一个超微型信息处理与存储机构，只 能完成一种基本功能，如兴奋与抑制。而大量神经元广泛连接后形成的神 经网络可进行各种极其复杂的思维活动。 计算机是一种由各种二值逻辑门电路构成的按串行方式工作的逻辑机 器，它出运算器、控制器、存储器和输入输出设备组成。其信息处理是建 立在冯· 诺依曼体系基础上，基于程序存取进行工作的。
1.1.3 什么是人工神经网络 人脑的信息处理机制是在漫长的进化过程中形成 和完善的。然而到目前为止，人类对神经系统内如何 利用电信号和化学信号来处理信息只有模糊的概念。
尽管如此，把分子和细胞技术所达到的微观层次 与行为研究所达到的系统层次结合起来，可以形成对 人脑神经网络的基本认识。在此基本认识的基础上， 以数学和物理方法以及信息处理的角度对人脑神经网 络进行抽象，并建立某种简化模型，就称为人工神经 网络(Artificial Neural Network，缩写ANN)。
1.1.2 人脑与计算机信息处理机制的比较
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构 1.1.2.2 信号形式 1.1.2.3 信息存储
与计算机不同的是，人脑中的信息不是集中存储于一个特定的区域， 而是分布存储于整个系统中。此外，人脑中存储的信息不是相互孤立的， 而是联想式的。人脑这种分布式联想式的信息存储方式使人类非常擅长于 从失真和缺省的模式中恢复出正确的模式，或利用给定信息才找期望信息。
1.1.2 人脑与计算机信息处理机制的比较
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构 1.1.2.2 信号形式
人脑中的信号形式具有模拟量和离散脉冲两种形式。模拟量信号具有 模糊性特点，有利于信息的整合和非逻辑加工，这类信息处理方式不可能 都用数学方法进行充分描述。因而很难用计算机进行模拟。 计算机中信息的表达采用离散的二进制数和二值逻辑形式，二值逻辑 必须用确定的逻辑表达式来表示。许多逻辑关系确定的信息加工过程可以 分解为若干二值逻辑表达式，由计算机来完成。然而，客观世界存在的事 物关系并非都是可以分解为二值逻辑的关系，还存在着各种模糊逻辑关系 和非逻辑关系。对这类信息的处理计算机是难以胜任的。
1.1.2 人脑与计算机信息处理机制的比较
人脑与计算机信息处理能力特别是形象思维能力的差异 来源于两者系统结构和信息处理机制的不同，主要体现在以 下4个方面。 1.1.2.1 系统结构 1.1.2.2 信号形式 1.1.2.3 信息存储 1.1.2.4 信息处理机制
1.1.2 人脑与计算机信息处理机制的比较
1.1.1 人脑与计算机信息处理能力的比较
比较人脑与“电脑”的信息处理能力会发现，现有“电脑” 和人脑还有很大的差距。 1.1.1.1 记忆与联想能力 1.1.1.2 学习与认知能力 人脑具有从实践中不断汲取知识，总结经验的能力。刚出生 的婴儿脑中几乎是一片空白，在成长过程中通过对外界环境的感 知及有意识的训练，知识和经验与日俱增．解决问题的能力越来 越强。人脑这种对经验做出反映而改变行为的能力就是学习与认 知能力。 计算机所完成的所有工作都是严格按照事先编制的程序进行 的，因此它的功能和结果都是确定不变的：作为一种只能被动地 执行确定的二值命令的机器，计算机在反复按指令执行同一程序 时得到的永远是同样的结果，它不可能在不断重复的过程中总结 或积累任何经验，因此不会主动提高自己解决问题的能力。
人工神经网络
Artificial Neural Networks
教材名称：《人工神经网络理论、设计及应用》 出版社：化学工业出版社 出版日期：2002年1月第1版, 2004年2月第2次印刷 出版日期：2007年9月第2版 作者：韩力群
主要参考书目
1、张青贵编，人工神经元网络导论，中国水利水 电科学出版，2004年10月 2、徐丽娜编，神经元网络控制，电子工业出版社， 2003年3月 3、袁曾任编，，人工神经元网络及其应用，清华 大学出版社，1999年10月 4、马锐编，人工神经网络原理，机械工业出版社， 2010年9月 5、丁士圻郭丽华编，人工神经网络基础，机械工 业出版社，2008年3月
1.1.1 人脑与计算机信息处理能力的比较
比较人脑与“电脑”的信息处理能力会发现，现有“电脑” 和人脑还有很大的差距。 1.1.1.1 记忆与联想能力 1.1.1.2 学习与认知能力 1.1.1.3 信息加工能力
在信息处理方面，人脑具有复杂的回忆、联想和想象等非逻辑加工功能， 因而人的认识可以逾越现实条件下逻辑所无法越过的认识屏障．产生诸如直 觉判断或灵感一类的思维活动。在信息的逻辑加工力面，人脑的功能不仅局 限于计算机所擅长的数值或逻辑运算，而且可以上升到具有语言文字的符号 思维和辩证思维。人脑具有的这种高层次的逻辑加工能力使人能够深入事物 内部去认识事物的本质与规律。 计算机没有非逻辑加工功能，因而不会逾越有限条件下逻辑的认识屏障。 计算机的逻辑加工能力也仅限于二值逻辑．因此只能在二值逻辑所能描述的 范围内运用形式逻辑，而缺乏辩证逻辑能力。
1.1.1 人脑与计算机信息处理能力的比较
比较人脑与“电脑”的信息处理能力会发现，现有“电脑” 和人脑还有很大的差距。 1.1.1.1 记忆与联想能力 1.1.1.2 学习与认知能力 1.1.1.3 信息加工能力 1.1.1.4 信息综合能力
人脑善于对客观世界丰富多样的信息和知识进行归纳、类比和概括，综 合起来解决问题、人脑的这种综合判断过程往往是一种对信息的逻辑加工和 非逻辑加工相综合的过程。它不仅遵循确定性的逻辑思维原则，而且可以经 验地、模糊地甚至是直觉地做出一个判断。大脑所具有的这种综合判断能力 是人脑创造能力的基础。 计算机的信息综合能力取决于它所执行的程序。由于不存在能完全描述 人的经验和直觉的数学模型，也不存在能完全正确模拟人脑综合判断过程的 有效算法，因此计算机难以达到人脑所具有的融会贯通的信息综合能力。
1.1.1 人脑与计算机信息处理能力的比较
比较人脑与“电脑”的信息处理能力会发现，现有“电脑” 和人脑还有很大的差距。 1.1.1.1 记忆与联想能力 人脑有大约1.4*1011个神经细胞广泛互连，因而能够存储大 量的信息。人脑不仅能对已学习的知识进行记忆，面且能在外界 输入的部分信息刺激下，联想到一系列相关的存储信息，从而实 现对不完整信息的自联想恢复，或关联信息的互联想，而这种互 联想能力在人脑的创造性思维中起着非常重要的作用。 尽管关系数据库或联想汉卡等小软件设计实现的系统也具有 一定的联想功能，但这种联想功能不是计算机的信息存储机制所 固有的，其联想能力与联想范围取决于程序的查询能力。（人脑 的联想功能具有个性、不确定性和创造性。）
课程目的和基本要求
人工神经网络及其应用是目前国际上一门发展迅速的前沿交 叉学科。 它是模拟生物神经网络结构及其功能的新型信息处理系统， 目前已有广泛的应用。 介绍人工神经网络及其基本网络模型，掌握人工神经网络的 基本ቤተ መጻሕፍቲ ባይዱ念、单层网、多层网、循环网等各种基本网络模型的结构、 特点、典型训练算法、运行方式、典型问题。 通过本课程的教学, 掌握人工神经网络的基本概念、原理和 方法, 尤其是人工神经网络的设计概念与方法, 学会设计神经网络 模型来解决实际问题，了解人工神经网络的发展动向和应用前景。 查阅适当的参考文献，将所学的知识与有关研究结合起来， 达到既丰富学习内容，又了解研究和应用的基本情况。
人工神经网络远不是人脑生物神经网络的真实写 照，而只是对它的简化、抽象与模拟。
1.1.3 什么是人工神经网络
令人欣慰的是，这些简化的人工神经网络模型的 确能反映出人脑的许多基本特性。 人工神经网络在模式识别、系统辨识、信号处理、 自动控制、组合优化、预测预估、故障诊断、医学与 经济学等领域已成功地解决了许多现代计算机难以解 决的实际问题，表现出良好的智能特性和潜在的应用 前景。
1.1.1 人脑与计算机信息处理能力的比较
比较人脑与“电脑”的信息处理能力会发现，现有“电脑” 和人脑还有很大的差距。 1.1.1.1 记忆与联想能力 1.1.1.2 学习与认知能力 1.1.1.3 信息加工能力 1.1.1.4 信息综合能力 1.1.1.5 信息处理速度
人脑的信息处理是建立在大规模并行处理基础上的，这种并行处理所能够实现的高度复杂 的信息处理能力远非传统的以空间复杂性代替时间复杂件的多处理机并行处理系统所能达到的。 人脑中的信息处理是以神经细胞为单位，而神经细胞间信息的传递速度只能达到毫秒级，显然 比现代计算机中电子元件纳秒级的计算速度慢得多。由此似乎计算机的信息处理速度要远高于 人脑，事实上在数值处理等只需串行算法就能解决问题的应用方面确实是如此。 然而迄今为止，计算机处理文字、图像、声音等类信息的能力与速度却远远不如人脑。例 如，几个月大的婴儿能从人群中一眼认出自己的母亲，而计算机解决这个问题时需要对一幅具 有几十万个像素点的图像逐点进行处理。并提取脸谱特征进行识别。又如，一个篮球运动员可 以不假思索地接住队友传给他的球．而让计算机控制机器人接球则要判断篮球每一时刻在三维 空间的位置坐标、运动轨迹、运动方向及速度等等。显然，在基于形象思维、经验与自觉的判 断方而，人脑只要零点几秒就可以圆满完成的任务，计算机花几十分钟甚至几小时也不一定达 到人脑的水平。