海洋機器人與人工智能智慧樹知到答案章節(jié)測試2023年哈爾濱工程大學

第一章測試被譽為國際“人工智能之父”的（）。

A:傅京孫

B:圖靈

C:尼爾遜

D:費根鮑姆

答案:B人工智能三大學派是（）、（）和（）。____________

答案:AI是（）的縮寫。____

答案:第二章測試按知識的作用，知識分為哪些類型（）。

A:敘述型知識

B:行為能力型知識

C:過程型知識

D:控制型知識

答案:ACD狀態(tài)空間法的三要素是（）。

A:狀態(tài)

B:算符

C:狀態(tài)空間

D:行為

答案:ABC本原問題是可直接求解或具有已知解答的問題，出現(xiàn)本原問題即可停止搜索。（）

A:錯

B:對

答案:B不可解節(jié)點是（）

A:全部與后裔節(jié)點都不可解的節(jié)點。

B:與后裔節(jié)點至少有一個不可解的節(jié)點。

C:沒有后裔的非葉節(jié)點。

D:全部或后裔節(jié)點都不可解的節(jié)點。

答案:BCD圖搜索策略主要針對樹狀結構。（）

A:對

B:錯

答案:A圖搜索策略涉及到幾個數(shù)據(jù)結構（）

A:子節(jié)點

B:Close表

C:父節(jié)點

D:Open表

答案:BD更實用的深度搜索策略是（）。

A:啟發(fā)式搜索

B:有界深度優(yōu)先搜索

C:盲目搜索

D:寬度優(yōu)先搜索

答案:B啟發(fā)式搜索包括（）

A:A算法

B:深度優(yōu)先搜索

C:貪婪算法

D:A*算法

答案:ACD下列搜索方法中不屬于盲目搜索的是（）。

A:深度優(yōu)先搜索

B:有界深度優(yōu)先搜索

C:廣度優(yōu)先搜索

D:A*搜索

答案:D啟發(fā)式搜索是一種利用（）信息的搜索，估價函數(shù)在搜索過程中起的作用是（）。________

答案:在與或圖中，沒有后裔的非終葉節(jié)點為不可解節(jié)點，那么含有或后繼節(jié)點且后裔中至少有一個為可解的非終葉節(jié)點是（），含有與后繼節(jié)點且后裔中至少有一個為不可解的非終葉節(jié)點是（）。________

答案:第三章測試人工神經(jīng)元模型應該具有生物神經(jīng)元的六個基本特性。（）

A:錯

B:對

答案:B人工神經(jīng)網(wǎng)絡的訓練方式有（）

A:無導師學習

B:階躍學習

C:有導師學習

D:線性學習

答案:AC感知器控制循環(huán)結束的方法（）

A:精度控制法

B:綜合控制法

C:凸狀組合法

D:初期全調法

答案:ABDBP算法的優(yōu)點是訓練速度快，能夠逃離局部極小點。（）

A:錯

B:對

答案:A網(wǎng)絡癱瘓問題是BP算法自身就可以克服和避免的問題。（）

A:對

B:錯

答案:BSOM網(wǎng)絡的全稱是自組織映射神經(jīng)網(wǎng)絡。（）

A:錯

B:對

答案:B對傳網(wǎng)絡的訓練方法（）

A:精度控制法

B:凸狀組合法

C:綜合控制法

D:初期全調法

答案:BD對給定的輸入向量，Kohonen層各神經(jīng)元可以給出相同的輸出。（）

A:錯

B:對

答案:A模擬退火是一種確定性的訓練方法。（）

A:對

B:錯

答案:B下列關于模擬退火方法中敘述正確的是（）

A:在金屬的退火過程中，能量的狀態(tài)分布是無規(guī)律的。

B:金屬中原子的能量與溫度有關。

C:原子能量高的時候，有能力擺脫其原來的能量狀態(tài)達到一個更加穩(wěn)定的狀態(tài)。

D:在金屬的退火過程中，能量的狀態(tài)分布是有規(guī)律的。

答案:BCD人工熱問題涉及到下面哪些方面的問題（）

A:特殊熱

B:臨界溫度

C:偽特殊熱

D:人工特殊熱

答案:ABCD網(wǎng)絡的收斂性和網(wǎng)絡的穩(wěn)定性是同一個問題。（）

A:對

B:錯

答案:BBoltzmann機的訓練涉及到如下哪些概念（）

A:聯(lián)接權修改量

B:自由概率

C:臨界溫度

D:約束概率

答案:ABD不屬于神經(jīng)網(wǎng)絡常用學習算法的是（）。

A:無導師學習

B:觀察與發(fā)現(xiàn)學習

C:增強學習

D:有導師學習

答案:B人工神經(jīng)網(wǎng)絡的激活函數(shù)主要有三種形式，下面（）對應的是非線性轉移函數(shù)。

A:

B:

C:

D:

答案:C根據(jù)神經(jīng)元的不同連接方式，可將神經(jīng)網(wǎng)絡分為兩大類：分層網(wǎng)絡和相互連接型網(wǎng)絡。分層網(wǎng)絡將一個神經(jīng)網(wǎng)絡模型中的所有神經(jīng)元按照功能分為若干層。一般有輸入層、隱含層（中間層）和輸出層，各層順次連接。下面圖形（）對應的是相互連接型網(wǎng)絡。

A:

B:

C:

D:

答案:A請說明神經(jīng)元的基本結構和前饋型神經(jīng)網(wǎng)絡的工作過程。

答案:填寫下面的三值邏輯表。其中T，F(xiàn)分別表示真、假。

答案:試述離散型Hopfield神經(jīng)元網(wǎng)絡的結構及工作原理。

答案:感知器神經(jīng)網(wǎng)絡存在的主要缺陷是什么？

答案:第四章測試強化學習是一種在線的、無導師機器學習方法。（）

A:錯

B:對

答案:B強化學習Agent的唯一目標就是最大化在長期運行過程中收到的總獎賞。（）

A:錯

B:對

答案:B值迭代和策略迭代都是解決馬爾可夫決策過程的標準算法。（）

A:錯

B:對

答案:B時間差分學習方法是一種模型相關的算法。（）

A:對

B:錯

答案:B深度學習、神經(jīng)網(wǎng)絡和Q學習都可以用于軌跡規(guī)劃。（）

A:錯

B:對

答案:BQ-learning算法中，Q函數(shù)是()

A:狀態(tài)-動作值函數(shù)

B:狀態(tài)函數(shù)

C:獎勵函數(shù)

D:估值函數(shù)

答案:AQ(s,a)是指在給定狀態(tài)s的情況下，采取行動a之后，后續(xù)的各個狀態(tài)所能得到的回報（）

A:最大值

B:期望值

C:最小值

D:總和

答案:B在強化學習過程中，學習率越大，表示采用新的嘗試得到的結果比例越（），保持舊的結果的比例越（）

A:大，小

B:大，大

C:小，小

D:小，大

答案:A在強化學習的過程中，（）能夠在稍微偏離目前最好策略的基礎上，嘗試更多策略，（）能夠運用目前最好的策略，獲取更高的獎勵

A:利用，探索

B:探索，輸出

C:利用，輸出

D:探索，利用

答案:D在epsilon-greedy算法中，epsilon的值越大，采取隨機動作的概率越（），采用當前Q函數(shù)最大動作的概率越（）

A:小，大

B:小，小

C:大，小

D:大，大

答案:C第五章測試在選擇神經(jīng)網(wǎng)絡的深度時，下面哪些參數(shù)需要考慮？()

A:計算能力(硬件和軟件能力決定)

B:學習速率

C:映射的輸出函數(shù)

D:神經(jīng)網(wǎng)絡的類型(如MLP,CNN)

E:輸入數(shù)據(jù)

答案:ABCDE深度學習與機器學習算法的區(qū)別在于，后者過程中無需進行特征提取工作，即在進行深度學習過程中要先完成特征提取的工作。（）

A:錯

B:對

答案:A自動編碼器的主要任務是什么？（）

A:降維

B:異常檢測

C:生成模型

D:無監(jiān)督預訓練

E:特征提取

答案:ABCDE編碼器的常見應用包含以下哪幾種（）

A:異常監(jiān)測

B:信息檢索

C:數(shù)據(jù)降維

D:圖像修復

答案:ABCD下列哪一項在神經(jīng)網(wǎng)絡中引入了非線性？（）

A:ReLU單元

B:隨機梯度下降

C:卷積函數(shù)

D:其它都不正確

答案:A訓練CNN時，可以對輸入進行旋轉、平移、縮放等預處理提高模型泛化能力。（）

A:對

B