智能算法與模型知到課后答案智慧樹章節(jié)測(cè)試答案2025年春首都經(jīng)濟(jì)貿(mào)易大學(xué)

智能算法與模型知到課后答案智慧樹章節(jié)測(cè)試答案2025年春首都經(jīng)濟(jì)貿(mào)易大學(xué)第一章單元測(cè)試

在訓(xùn)練人工智能模型時(shí)，數(shù)據(jù)質(zhì)量的重要性體現(xiàn)在以下哪一方面？（）

A:數(shù)據(jù)質(zhì)量可以通過(guò)增加模型層數(shù)來(lái)解決B:數(shù)據(jù)量大于數(shù)據(jù)質(zhì)量，數(shù)據(jù)越多越好C:數(shù)據(jù)質(zhì)量不重要，只需要調(diào)整模型參數(shù)即可彌補(bǔ)D:數(shù)據(jù)質(zhì)量較高時(shí)，模型更容易學(xué)習(xí)到有意義的模式

答案:數(shù)據(jù)質(zhì)量較高時(shí)，模型更容易學(xué)習(xí)到有意義的模式以下哪種方法能夠有效提高模型的泛化能力？（）

A:增加模型的參數(shù)數(shù)量以適應(yīng)更多的數(shù)據(jù)B:將測(cè)試集數(shù)據(jù)用于訓(xùn)練以提升模型精度C:應(yīng)用正則化技術(shù)和數(shù)據(jù)增強(qiáng)方法D:使用過(guò)擬合的數(shù)據(jù)樣本進(jìn)行反復(fù)訓(xùn)練

答案:應(yīng)用正則化技術(shù)和數(shù)據(jù)增強(qiáng)方法專家經(jīng)驗(yàn)在人工智能模型構(gòu)建中的作用主要體現(xiàn)在以下哪一方面？（）

A:專家經(jīng)驗(yàn)只適用于統(tǒng)計(jì)模型，與人工智能無(wú)關(guān)B:專家經(jīng)驗(yàn)會(huì)增加模型的復(fù)雜度，降低泛化能力C:專家經(jīng)驗(yàn)可以完全替代數(shù)據(jù)驅(qū)動(dòng)的模型D:專家經(jīng)驗(yàn)?zāi)軌驇椭O(shè)計(jì)更有效的特征或規(guī)則

答案:專家經(jīng)驗(yàn)?zāi)軌驇椭O(shè)計(jì)更有效的特征或規(guī)則模型訓(xùn)練和推理的主要區(qū)別是什么？（）

A:訓(xùn)練和推理的計(jì)算資源需求完全相同B:訓(xùn)練使用新數(shù)據(jù)，推理使用舊數(shù)據(jù)C:推理過(guò)程中模型會(huì)繼續(xù)學(xué)習(xí)和調(diào)整參數(shù)D:訓(xùn)練是調(diào)整模型參數(shù)，推理是使用已固定的參數(shù)進(jìn)行預(yù)測(cè)

答案:訓(xùn)練是調(diào)整模型參數(shù)，推理是使用已固定的參數(shù)進(jìn)行預(yù)測(cè)模型訓(xùn)練和推理的聯(lián)系是什么？（）

A:二者都需要標(biāo)注數(shù)據(jù)進(jìn)行計(jì)算B:二者的計(jì)算步驟和目標(biāo)完全一致C:推理必須在訓(xùn)練過(guò)程中實(shí)時(shí)完成D:推理使用的模型參數(shù)來(lái)源于訓(xùn)練階段

答案:推理使用的模型參數(shù)來(lái)源于訓(xùn)練階段

第二章單元測(cè)試

`ans`變量可以用于存儲(chǔ)多次計(jì)算的中間結(jié)果，只要這些結(jié)果不被賦值給其它變量。（）

A:錯(cuò)B:對(duì)

答案:錯(cuò)在MATLAB中，`A=[123;456]`聲明的矩陣`A`是什么類型的？（）

A:2×3矩陣B:3×2矩陣C:列向量D:行向量

答案:2×3矩陣以下關(guān)于MATLAB中函數(shù)變量作用域的描述，哪個(gè)是正確的？（）

A:如果一個(gè)變量在函數(shù)中被修改，它會(huì)直接影響工作區(qū)中的同名變量。B:函數(shù)內(nèi)部聲明的變量在主腳本中可見。C:MATLAB的函數(shù)變量沒有作用域的限制，所有變量都是全局的。D:函數(shù)的局部變量?jī)H在函數(shù)的執(zhí)行過(guò)程中可見。

答案:函數(shù)的局部變量?jī)H在函數(shù)的執(zhí)行過(guò)程中可見。在MATLAB中，使用`holdon`命令可以在同一個(gè)圖形窗口中保持當(dāng)前圖形并在其上疊加其他圖形。默認(rèn)情況下，`holdon`會(huì)阻止圖形的重繪。（）

A:錯(cuò)B:對(duì)

答案:對(duì)在MATLAB中，下面哪個(gè)表達(dá)式會(huì)返回`true`？（）

A:`3>5`B:`3==3.0`C:`'3'==3`D:`'hello'=='hello'`

答案:`3==3.0`

第三章單元測(cè)試

在Delta規(guī)則中，神經(jīng)網(wǎng)絡(luò)的權(quán)重更新量與輸出誤差和輸入數(shù)據(jù)的乘積成正比。（）

A:錯(cuò)B:對(duì)

答案:對(duì)在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練循環(huán)中，每次訓(xùn)練步驟包括前向傳播計(jì)算輸出，計(jì)算誤差，更新權(quán)重，直到誤差足夠小。（）

A:錯(cuò)B:對(duì)

答案:對(duì)小批量訓(xùn)練（Mini-BatchGradientDescent）結(jié)合了單點(diǎn)訓(xùn)練和批量訓(xùn)練的優(yōu)點(diǎn)，每次迭代使用部分樣本來(lái)計(jì)算梯度并更新權(quán)重。（）

A:對(duì)B:錯(cuò)

答案:對(duì)神經(jīng)網(wǎng)絡(luò)中的隱藏層越多，模型一定會(huì)越準(zhǔn)確。（）

A:對(duì)B:錯(cuò)

答案:錯(cuò)在反向傳播中，激活函數(shù)的選擇對(duì)梯度計(jì)算的效率和模型性能有重要影響。（）

A:錯(cuò)B:對(duì)

答案:對(duì)在神經(jīng)網(wǎng)絡(luò)中，過(guò)擬合可以通過(guò)增加訓(xùn)練數(shù)據(jù)和正則化來(lái)緩解。（）

A:錯(cuò)B:對(duì)

答案:對(duì)獨(dú)熱編碼的主要缺點(diǎn)是什么？（）

A: