人工智能智慧樹(shù)知到期末考試答案章節(jié)答案2024年廣西科技大學(xué)

人工智能智慧樹(shù)知到期末考試答案+章節(jié)答案2024年廣西科技大學(xué)LSTM和GRU是兩種通過(guò)引入(A)結(jié)構(gòu)來(lái)減弱普通RNN短期記憶影響的演化變體.其中.LSTM中引入了（）結(jié)構(gòu)。

答案:輸出門(mén)###輸入門(mén)###遺忘門(mén)TensorFlow的安裝方式有（）

答案:通過(guò)源代碼安裝###通過(guò)Docker安裝###通過(guò)Anaconda安裝###通過(guò)pip安裝目前常見(jiàn)的深度學(xué)習(xí)框架有哪些（）

答案:Mxnet###Caffe###Pytorch###TheanoGRU模型中具有的兩個(gè)門(mén)結(jié)構(gòu)為（）。

答案:更新門(mén)###重置門(mén)人工智能從提出到現(xiàn)在一直都很受重視.發(fā)展十分順利（）

答案:錯(cuò)OpenCV對(duì)圖像中的面部檢測(cè)是通過(guò)級(jí)聯(lián)分類器來(lái)實(shí)現(xiàn)的。（）

答案:對(duì)以下代碼的輸出結(jié)果為（）importtensorflowastf

a=tf.constant(2)b=tf.constant(3)c=tf.add(a,b)

print(c)

withtf.Session()assess:

print(sess.run(c))

答案:5卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)主要集中在？（)

答案:全連接層以下opencv中的函數(shù)中，沒(méi)有返回值的函數(shù)是（）

答案:imshow()函數(shù)有關(guān)卷積神經(jīng)網(wǎng)絡(luò)的說(shuō)法錯(cuò)誤的是（）

答案:對(duì)輸入圖像進(jìn)行卷積操作，其卷積核的通道數(shù)可以與輸入圖像的通道數(shù)不一樣以下哪種門(mén)結(jié)構(gòu)是GRU中所具備的（）

答案:更新門(mén)計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)最常用的深度學(xué)習(xí)技術(shù)為（）

答案:卷積神經(jīng)網(wǎng)絡(luò)sklearn的model_selection模塊中train_test_split函數(shù)的作用是什么？（）

答案:將數(shù)據(jù)集按照參數(shù)劃分成訓(xùn)練集和測(cè)試集兩部分（留出法）在卷積神經(jīng)網(wǎng)絡(luò)中，若輸入圖像的尺寸為224*224*3，卷積核的尺寸為5*5*3，卷積步長(zhǎng)為4，padding為0，則輸入圖像與10個(gè)該類型的卷積核卷積之后得到的特征圖的尺寸為：（）

答案:54*54*10要想讓機(jī)器具有智能.必須讓機(jī)器具有知識(shí)。因此在人工智能中有一個(gè)研究領(lǐng)域.主要研究計(jì)算機(jī)如何自動(dòng)獲取知識(shí)和技能.實(shí)現(xiàn)自我完善.這門(mén)研究分支學(xué)科叫()。

答案:機(jī)器學(xué)習(xí)OpenCV中用來(lái)進(jìn)行圖片色彩空間轉(zhuǎn)換的函數(shù)為（）

答案:cvtColor()函數(shù)可以利用以下哪個(gè)來(lái)進(jìn)行OpenCV的安裝（）

答案:pipinstallopencv-python假設(shè)您已經(jīng)訓(xùn)練了一個(gè)邏輯分類器.它在一個(gè)新示例x上輸出一個(gè)預(yù)測(cè)。這意味著.（）

答案:我們對(duì)的估計(jì)是0.6TensorFlow在定義變量時(shí)采用的方法為（）

答案:variable下列有關(guān)核函數(shù)不對(duì)的是.（）

答案:極大地提高了學(xué)習(xí)機(jī)器的非線性處理能力OpenCV存儲(chǔ)RGB的彩色圖片的存儲(chǔ)通道順序?yàn)椋ǎ?/p>

答案:BGR什么是scikit-learn？()

答案:Python第三方提供的機(jī)器學(xué)習(xí)庫(kù)以下關(guān)于利用OpenCV來(lái)進(jìn)行圖片的讀取、保存和展現(xiàn)的函數(shù)的描述對(duì)的是（）

答案:imread()函數(shù)是OpenCV讀取圖片的函數(shù).函數(shù)返回一個(gè)Mat類型的變量以下關(guān)于TensorFlow的敘述對(duì)的是（）

答案:TensorFlow具有強(qiáng)大且活躍的社區(qū).在使用的過(guò)程中遇到困難時(shí).查找相應(yīng)的資料更加方便。Tensorflow在使用變量之前.必須保證所有的變量都完成了（）。

答案:初始化操作在下列哪個(gè)應(yīng)用領(lǐng)域中最常用到OpenCV庫(kù)（）

答案:計(jì)算機(jī)視覺(jué)關(guān)于欠擬合（under-fitting）.下面哪個(gè)說(shuō)法是對(duì)的？（）

答案:訓(xùn)練誤差較大.測(cè)試誤差較大一下關(guān)于opencv-python和opencv-contrib-python模型的說(shuō)法對(duì)的是（）

答案:opencv-contrib-python模塊是opencv-python模塊的擴(kuò)展模塊人工智能的含義最早由一位科學(xué)家于1950年提出.并且同時(shí)提出一個(gè)機(jī)器智能的測(cè)試模型.請(qǐng)問(wèn)這個(gè)科學(xué)家是（)

答案:圖靈在LSTM中，隱藏狀態(tài)的值中包含了先前輸入的相關(guān)信息，決定下一個(gè)隱藏狀態(tài)的值的門(mén)結(jié)構(gòu)為（）

答案:輸出門(mén)聚類模型的評(píng)估指標(biāo)有()

答案:輪廓系數(shù)OpenCV對(duì)圖像中的面部檢測(cè)是通過(guò)（）實(shí)現(xiàn)的。

答案:級(jí)聯(lián)分類器Cv2.CascadeClassifier()中.表示在前后兩次相繼掃描中.搜索窗口的比例系數(shù)的參數(shù)是（）

答案:scaleFactor下列有關(guān)深度學(xué)習(xí)的表述對(duì)的是（）

答案:深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù).同時(shí)也是一類機(jī)器學(xué)習(xí)算法。TensorFlow中采用（）將數(shù)據(jù)輸入到定義的神經(jīng)網(wǎng)絡(luò)中。

答案:placeholder卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)在（）中

答案:卷積核和全連接層調(diào)用scikit-learn線性回歸模型常用的方法？（）

答案:linear_model.LinearRegression()scikit-learn有什么作用？()

答案:可以進(jìn)行一系列的從數(shù)據(jù)預(yù)處理到訓(xùn)練模型的各個(gè)方面的計(jì)算操作關(guān)于K-means說(shuō)法不對(duì)的是.（）

答案:適合發(fā)現(xiàn)非凸形狀的簇以下哪個(gè)激活函數(shù)能使得網(wǎng)絡(luò)變得更加稀疏（）

答案:ReLu()函數(shù)如何使用scikit-learn自帶的數(shù)據(jù)集？()

答案:importsklearn.datasets.load_＜name＞下面關(guān)于聚類分析說(shuō)法錯(cuò)的是()

答案:一定存在一個(gè)最優(yōu)的分類B聚類分析是無(wú)監(jiān)督學(xué)習(xí)下列有關(guān)LSTM模型的敘述對(duì)的是（）

答案:LSTM是RNN的擴(kuò)展.其通過(guò)特殊的結(jié)構(gòu)設(shè)計(jì)來(lái)避免長(zhǎng)期依賴問(wèn)題如果我們把使用深度學(xué)習(xí)比喻成搭建積木的過(guò)程.則不同的深度學(xué)習(xí)框架可以類比為（）.

答案:不同品牌的一套積木假設(shè)您有一個(gè)具有n=10個(gè)特征和m=5000個(gè)示例的數(shù)據(jù)集。在用梯度下降訓(xùn)練邏輯回歸分類器之后.您發(fā)現(xiàn)它與訓(xùn)練集欠擬合.并且在訓(xùn)練集或交叉驗(yàn)證集上沒(méi)有達(dá)到所需的性能。以下哪個(gè)步驟有望改善？（)

答案:創(chuàng)建/添加新的多項(xiàng)式特征。Alexnet卷積神經(jīng)網(wǎng)絡(luò)的卷積層中采用的激活函數(shù)為（）

答案:Relu函數(shù)以下關(guān)于利用OpenCV來(lái)進(jìn)行圖片的讀取、保存和展現(xiàn)的函數(shù)的描述錯(cuò)誤的是（）

答案:imshow()函數(shù)是OpenCV展示圖片的函數(shù)，函數(shù)的返回值為一個(gè)整數(shù)類型的變量###imshow()函數(shù)是OpenCV展示圖片的函數(shù)，函數(shù)的返回值為一個(gè)mat類型的變量###imread()函數(shù)是OpenCV讀取圖片的函數(shù)，函數(shù)沒(méi)有返回值利用OpenCV對(duì)人臉識(shí)別的過(guò)程中，為了提高運(yùn)算速度，往往將圖像轉(zhuǎn)換成（）再進(jìn)行處理

答案:灰度圖像OpenCV中用來(lái)讀取視頻的videoCapture()函數(shù)的參數(shù)可以為（）

答案:都可以Cv2.CascadeClassifier()中，表示在前后兩次相繼掃描中，搜索窗口的比例系數(shù)的參數(shù)為.minNeighbors（）

答案:錯(cuò)在基礎(chǔ)的CNN中，進(jìn)行卷積時(shí)的卷積核的通道數(shù)是與圖像的通道數(shù)相同的。（）

答案:對(duì)LSTM和GRU是兩種通過(guò)引入(A)結(jié)構(gòu)來(lái)減弱普通RNN短期記憶影響的演化變體，其中，LSTM中引入了（）結(jié)構(gòu)。

答案:輸入門(mén)###輸出門(mén)###遺忘門(mén)在Alexnet網(wǎng)絡(luò)中，輸入圖像的尺寸為224*224*3，在第一個(gè)卷積層中，采用了96個(gè)尺寸為11*11*3的卷積核進(jìn)行步長(zhǎng)為4，padding為0的卷積運(yùn)算，則卷積后得到的特征圖的尺寸為.（）

答案:55*55*96激活函數(shù)Tanh函數(shù)的輸出位于區(qū)間（A），Sigmoid函數(shù)的輸出位于區(qū)間（）

答案:（0，1）卷積可以實(shí)現(xiàn)跨通道進(jìn)行卷積操作（）

答案:錯(cuò)使用已經(jīng)訓(xùn)練好的分類模型測(cè)試300條測(cè)試數(shù)據(jù)，其中30條分類錯(cuò)誤，請(qǐng)問(wèn)該模型的精度是多少？()

答案:0.9調(diào)用scikit-learn支持向量機(jī)（SVM）模型時(shí)，可以通過(guò)增加懲罰系數(shù)C減小模型過(guò)擬合的概率（）

答案:錯(cuò)聚類算法屬于監(jiān)督學(xué)習(xí)算法（）

答案:錯(cuò)SVM算法的性能取決于:（）

答案:所有下面關(guān)于聚類分析說(shuō)法正確的是()

答案:聚類分析可以用于判斷異常值###聚類分析是無(wú)監(jiān)督學(xué)習(xí)###聚類分析即:物以類聚,人以群分關(guān)于K-means說(shuō)法正確的是:（）

答案:對(duì)噪聲和離群點(diǎn)數(shù)據(jù)敏感###算法可能終止于局部最優(yōu)解###簇的數(shù)目k必須事先給定人工智能的含義最早由一位科學(xué)家于1950年提出，并且同時(shí)提出一個(gè)機(jī)器智能的測(cè)試模型，請(qǐng)問(wèn)這個(gè)科學(xué)家是（)

答案:馮.諾依曼人工智能從提出到現(xiàn)在一直都很受重視，發(fā)展十分順利（）

答案:錯(cuò)最優(yōu)化問(wèn)題可以分為（）

答案:函數(shù)優(yōu)化問(wèn)題###組合優(yōu)化問(wèn)題###混合優(yōu)化問(wèn)題人工智能的名詞第一次提出是在達(dá)特茅斯會(huì)議上（）

答案:對(duì)AI是人工智能（）英文的縮寫(xiě)

答案:ArtificalIntelligence人工智能的主流學(xué)派主要有（）

答案:邏輯主義學(xué)派###行為主義學(xué)派###聯(lián)結(jié)主