网课《人工智能基础》章节测试答案
第一章
1、 第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。
A.AlphaGo
B.AlphaGood
C.AlphaFun
D.Alpha
答案: AlphaGo
2、 无需棋谱即可自学围棋的人工智能是（）
A.AlphaGo Fan
B.AlphaGo Lee
C.AlphaGo Master
D.AlphaGo Zero
答案: AlphaGo Zero
3、 世界上第一次正式的AI会议于（）年召开，John McCarthy 正式提出“Artificial Intelligence”这一术语
A.1954
B.1955
C.1956
D.1957
答案: 1956
4、 以下哪些不是人工智能概念的正确表述（）
A.人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事
B.人工智能是研究和构建在给定环境下表现良好的智能体程序
C.人工智能是通过机器或软件展现的智能
D.人工智能将其定义为人类智能体的研究
答案: 人工智能将其定义为人类智能体的研究
5、 下面不属于人工智能研究基本内容的是（）。
A.机器感知
B.机器学习
C.自动化
D.机器思维
答案: 自动化
6、 人工智能是研究、开发用于模拟、延伸和扩展人的（ ）的理论、方法、技术及应用系统的一门新的技术科学。
A.智能
B.行为
C.语言
D.计算能力
答案: 智能
7、 图灵测试的含义是（）
A.图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。
B.所谓的图灵测试就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。
C.图灵测试是一种用来混淆的技术，它希望将正常的（可识别的）信息转变为无法识别的信息。
D.不存在图灵测试概念
答案: 图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。
8、 下列不属于人工智能学派的是（）。
A.符号主义
B.连接主义
C.行为主义
D.机会主义
答案: 机会主义
9、 认为智能不需要知识、不需要表示、不需要推理；人工智能可以像人类智能一样逐步进化；智能行为只能在现实世界中与周围环境交互作用而表现出来。这是（）学派的基本思想。
A.连接主义
B.符号主义
C.行为主义
D.逻辑主义
答案: 行为主义
10、 关于人工智能研究范式的连接主义，相关论述不正确的是（ ）
A.连接主义原理是模拟大脑神经网络及神经网络间的连接机制与学习算法。
B.连接主义理论认为思维基本是神经元、人脑不同于电脑，并提出连接主义的大脑工作模式。
C.连接主义起源于仿生学和人脑模型的研究。
D.连接主义学派的代表人物有卡洛克(Warren S. McCulloch)、皮茨(Walter H. Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。
答案: 连接主义学派的代表人物有卡洛克(Warren S. McCulloch)、皮茨(Walter H. Pitts)、Hopfield、布鲁克斯(Brooks)、纽厄尔(Newell)。
11、 人工智能(AI)、机器学习、深度学习三者关系论述正确的是（ ）
A.人工智能研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用，属于一门独立的技术学科。
B.机器学习专门研究计算机怎样模拟人类的学习行为，以获取新的知识和技能，重新组织已有的知识结构以完善自身的性能，但是机器学习能力并非AI系统所必须的。
C.人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。
D.深度学习方法研究人工神经网络的单层感知器学习结构。
答案: 人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法及应用的新的交叉学科，机器学习是人工智能的核心研究邻域之一，深度学习是机器学习的新领域，研究多隐层多感知器、模拟人脑进行分析学习的人工神经网络。
12、 支持向量机可以看作是具有一层隐藏层的神经网络。支持向量机的理论基础是（）
A.统计学
B.生物神经学
C.视觉生理学
D.控制论S
答案: 统计学
13、 深度学习属于（）
A.符号主义
B.连接主义
C.行为主义
D.逻辑主义
答案: 连接主义
14、 计算机视觉可应用于下列哪些领域（ ）。
A.安防及监控领域
B.金融领域的人脸识别身份验证
C.医疗领域的智能影像诊断
D.机器人/无人车上作为视觉输入系统
E.以上全是
答案: 以上全是
15、 下列不符合符号主义思想的是（）
A.源于数理逻辑
B.认为人的认知基元是符号
C.人工智能的核心问题是知识表示、知识推理
D.认为智能不需要知识、不需要表示、不需要推理
答案: 认为智能不需要知识、不需要表示、不需要推理
16、 不属于自然语言处理的核心环节的是（）
A.知识的获取与表达
B.自然语言理解
C.自然语言生成
D.语音语义识别
答案: 语音语义识别
17、 人工智能的近期目标在于研究机器来（ ）。
A.完全代替人类
B.制造智能机器
C.模仿和执行人脑的某些智力功能
D.代替人脑
答案: 模仿和执行人脑的某些智力功能
第二章
1、 下列哪一个是“分类”任务的准确描述（ ）。
A.预测每个项目实际的值
B.对每个项目进行排序
C.为每个项目分配一个类别
D.发现每个空间中输入的排布
答案: 为每个项目分配一个类别
2、 下列对于分类概念描述不正确的是（ ）
A.分类的概念是在已有数据的基础上学会一个分类函数或构造出一个分类模型（即我们通常所说的分类器(Classifier)）。
B.分类的方法包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法
C.分类的标准统一
D.分类的结果有可能错误。
答案: 分类的标准统一
3、 在机器学习领域，分类的目标是指（）。
A.将具有相似特征的对象聚集
B.将具有相似形状的对象聚集
C.将具有相似值的对象聚集
D.将具有相似名称的对象聚集
答案: 将具有相似特征的对象聚集
4、 两种以上（不含两种）的分类问题被称为（）。
A.二分类
B.多分类
C.分类器
D.归一化
答案: 多分类
5、 多分类问题可以拆分为若干个而分类任务求解，可采取的拆分策略包括：（）
A.一对一
B.一对多
C.多对多
D.以上均可
答案: 以上均可
6、 有关分类器的构造和实施步骤描述错误的是：（）
A.选定样本，将所有样本分成训练样本和测试样本两部分；
B.在训练样本上执行分类器算法，生成分类模型；
C.在训练样本上执行分类模型，生成预测结果；
D.根据预测结果，计算必要的评估指标，评估分类模型的性能。
答案: 在训练样本上执行分类模型，生成预测结果；
7、 分类器是基于现有数据构造出一个模型或者函数，以将数据库中的数据映射到给定类别，从而可以应用于数据预测。常包含以下步骤：①在训练样本上执行分类器算法，生成分类模型。 ②在测试样本上执行分类模型，生成预测结果。 ③选定样本（包含正样本和负样本），将所有样本分成训练样本和测试样本。④根据预测结果，计算必要的评估指标，评估分类模型的性能。构造和实施分类器的正确顺序为（）
A.①②③④
B.③①②④
C.④①②③
D.②③①④
答案: ③①②④
8、 下列算法中，不能够对给定样本进行分类的是（ ）。
A.决策树算法
B.逻辑回归算法
C.梯度下降算法
D.神经网络
答案: 梯度下降算法
9、 在测试样本上执行分类模型，可以（）。
A.区分正样本
B.区分负样本
C.生成预测结果
D.生成分类模型
答案: 生成预测结果
10、 SVM是一种典型的（）模型
A.感知机
B.神经网络
C.二类分类
D.聚类
答案: 二类分类
11、 关于标注，下列说法正确的是
A.在SVM中，训练集的数据是经过标注的
B.在SVM中，测试集的数据不用标注
C.在SVM中，识别目标的数据是经过标注
D.以上都不对
答案: 在SVM中，训练集的数据是经过标注的
12、 增加分类器训练集的正负样本集数量（）
A.不好说
B.会提高分类器效果
C.还需要增加测试集的正负样本集数量才能提高分类器效果
D.不会提高分类器效果
E.以上全是
答案: 不好说
13、 把样本所属的类型和样本实现对应起来被称为()
A.测试
B.训练
C.标注
D.分类
答案: 标注
14、 分类器测试的作用是
A.获得检测目标的分类
B.判断测试集样本选择是否合适
C.判断测试集样本标注是否合适
D.检验分类器的效果
答案: 检验分类器的效果
15、 下列叙述中关于归一化不正确的是（）
A.归一化后，所有元素和为1
B.归一化后，所有元素值范围在（0,1）
C.归一化后，所有元素值范围在[0,1]
D.归一化也被称为标准化
答案: 归一化后，所有元素值范围在（0,1）
16、深度学习中，常用的归一化函数是（）函数
A.SoftMax
B.SoftMin
C.MicroMax
D.MicroMin
答案:SoftMax
第三章
1、 有特征，无标签的机器学习是（）
A.监督学习
B.半监督学习
C.无监督学习
D.强化学习
答案:C
2、 无监督学习可完成什么任务（）
A.分类
B.回归
C.聚类
D.分类、回归、聚类
答案:C
3、 寻找数据之间的相似性并将之划分组的方法称为（）
A.分组
B.分类
C.回归
D.聚类
答案:D
4、 电影推荐系统是以下哪些的应用实例①分类②聚类③强化学习④回归（）
A.只有②
B.只有①
C.除了④
D.以上都是
答案:D
5、 下列两个变量之间的关系中,哪个是函数关系（）
A.学生的性别和他的英语成绩
B.人的工作环境与健康
C.孩子的身高和父亲的身高
D.正方形的边长和面积
答案:D
6、 初始化采用随机分配的K均值算法，下面哪个顺序是正确的（）。①指定簇的数目； ②随机分配簇的质心；③将每个数据点分配给最近的簇质心；④将每个点重新分配给最近的簇质心；⑤重新计算簇的质心；
A.①②③⑤④
B.①③②④⑤
C.②①③④⑤
D.以上都不是
答案:A
7、从某中学随机选取8名男生，其身高x(cm)和体重y(kg)的线性回归方程为y=0.849x-85.712，则身高172cm的男学生，又回归方程可以预报其体重（）。
A.为60.316kg
B.约为60.316kg
C.大于60.316kg
D.小于60.316kg
答案:B
8、 以下不属于聚类算法的是（）。
A.K均值算法
B.AGNES算法
C.DIANA算法
D.朴素贝叶斯算法
答案:D
9、 Z等于Ｘ，则Z与Ｘ之间属于（）
A.完全相关
B.不完全相关
C.不相关
D.完全不相关
答案:A
10、 因：经常挑食；果：身材矮小。这组因、果之间属于（）关系。
A.完全相关
B.不完全相关
C.不相关
D.完全不相关
答案:B
11、 （）是指根据“物以类聚”原理，将本身没有类别的样本聚集成不同的组。
A.聚类
B.回归
C.分类
D.非监督学习
答案:A
12、现欲分析性别、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这时应采用（）；如果将体重分类，分成高、中、低这三种体重类型作为因变量，则采用（）。
A.线性回归 线性回归
B.逻辑回归 逻辑回归
C.逻辑回归 线性回归
D.线性回归 逻辑回归
答案:D
13、 有特征，有部分标签的机器学习属于（）。
A.监督学习
B.半监督学习
C.无监督学习
D.强化学习
答案:B
14、 下面两个两完全相关的是（）。
A.圆形的面积与直径
B.长方形的面积与边长
C.孩子的身高与父亲身高
D.每天的温度和季节
答案:A
15、 机器学习包括：
A.监督学习
B.半监督学习
C.无监督学习
D.强化学习
答案:
16、 两个变量之间的关系包括：
A.完全相关
B.不完全相关
C.不相关
D.负相关
答案:ABC
17、 下面哪一个不是聚类常用的算法（）。
A.K均值算法
B.AGNES算法
C.DIANA算法
D.SVM算法
答案:D
18、 AGNES算法步骤正确的是（）。
①将每个样本特征向量作为一个初始簇；②根据两个簇中最近的数据点寻找最近的两个簇；③重复以上第二、三步，直到达到所需要的簇的数量；④合并两个簇，生成新的簇的集合，并重新计算簇的中心点。
A.①②③④
B.①②④③
C.①④③②
D.①④②③
答案:B
19、 下面属于强化学习的是（）
A.用户经常阅读军事类和经济类的文章，算法就把和用户读过的文章相类似的文章推荐给你。
B.算法先少量给用户推荐各类文章，用户会选择其感兴趣的文章阅读，这就是对这类文章的一种奖励，算法会根据 奖励情况构建用户可能会喜欢的文章的“知识图”。
C.用户每读一篇文章，就给这篇新闻贴上分类标签，例如这篇新闻是军事新闻，下一篇新闻是经济新闻等；算法通过这些分类标签进行学习，获得分类模型；再 有新的文章过来的时候，算法通过分类模型就可以给新的文章自动贴上标签了。
D.两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，则这两个变量之间的关系称为强化学习。
答案:B
第四章
1、在一个神经网络里，知道每一个神经元的权重和偏差是最重要的一步。如果以某种方法知道了神经元准确的权重和偏差，就可以近似任何函数。实现这个最佳的办法是什么？（）
A.随机赋值，祈祷它们是正确的
B.搜索所有权重和偏差的组合，直到得到最佳值
C.赋予一个初始值，通过检查跟最佳值的差值，然后迭代更新权重
D.以上都不正确
答案:C
2、 1943年，神经网络的开山之作《A logical calculus of ideas immanent in nervous activity》,由（）和沃尔特.皮茨完成。
A.沃伦.麦卡洛克
B.明斯基
由于篇幅有限，完整版可移步公号免费下载，见个人简介。
