北京语文高考试卷 .pdfVIP

北京语文高考试卷 2021 高考｜北京卷 · 语文试题及答案 本试卷共 10 页，150 分。考试时长 150 分钟。考生务必将答 案答在答题卡上，在试卷上作答无效。考试结束后，将本试卷 和答题卡一并交回。 一、本大题共 5 小题，共 17 分。 阅读下面材料，完成 1－5 题。 材料一 机器学习是一种人工智能技术，它通过设计算法，让计算机可 以从有限的观测数据中分析并获取规律，然后利用“学习”到 的规律对未知数据进行预测，从而帮助人们完成应用任务。运 用机器学习解决应用问题，一般包含如下几步：首先是对观测 数据作预处理，然后是从观测数据中提取有效特征并对特征进 行转换，最后是构建函数并利用它进行预测。 传统的机器学习主要预测函数的构建，至于特征，则一般是通 过人为地设计一些准则，然后根据这些准则从观测数据中获 得。对机器而言，这可看作是一种“浅层学习”。由于浅层学 习有时不能很好地获得有助于提升预测准确率的特征，“深度 学习”应运而生。 深度学习需要构建具有一定 “深度”的模型，让机器自动从观 测数据中学习到有效的特征，帮助提升预测的准确率。“深 度”与数据处理过程的组件数量密切相关，深度模型的原始输 入与输出结果之间有多个组件，每个组件都会对数据进行加 工，并影响后续组件。当得到最终的输出结果时，我们并不清 楚每个组件的贡献是多少，判断每个组件对输出结果的影响称 为“贡献度分配”问题。以下围棋为例，每当下完一盘棋，我 们会思考哪几步棋导致了最后的胜利或失败，判断每一步棋贡 献的多少就是贡献度分配问题。该问题在深度学习中至关重 要，解决起来也非常困难。 目前，深度学习大多采用“人工神经网络”来实现。人工神经 网络内部包含多个层次，正好能满足深度学习的“深度”需 求。近年来，深度学习技术快速发展，其所使用的人工神经网 络模型从早期的五至十层增加到目前的数百层，这极大提高了 特征提取与转换的能力，也使预测的准确率随之上升。 深度学习技术已经广泛应用于模式识别、自然语言处理等多个 领域，并取得了重大突破。要想在正在兴起的科技革命中占得 先机，就必须牢牢掌握以深度学习为代表的人工智能技术。 1．根据材料一，下列表述正确的一项是 （3分） A．机器学习的最终目的是从数据中寻找到某种规律。 B．机器学习从数据中学到的规律可以用函数来表示。 C．机器学习完成特征提取与转换后就可以进行预测。 D．浅层学习无需人工干预，完全依赖机器自主完成。 2．根据材料一，下列对 “深度学习”的理解与推断，不正确 的一项是 （3分） A．可以更好地处理数据特征，更准确地预测。 B．数据处理过程中的组件数量会影响其深度。 C．数据处理过程中影响最大的组件不难确定。 D．是人工智能技术的代表，已有广泛的应用。 材料二 人脑神经系统是一个非常复杂的组织，包含几百亿个神经元。 神经元与神经元之间没有物理连接，它们通过突触进行互联来 传递信息。神经元可被看作是只有兴奋和抑制两种状态的细 胞，突触将一个神经元的兴奋状态传至另一个神经元。突触有 强有弱，其强度可以通过学习或训练来不断改变，具有一定的 可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他 神经元接收到的信号量以及突触的强度。当一个神经元接收到 的信号量总和超过了某个阈值，细胞体就会兴奋，产生电脉 冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神 经系统中，每个神经元本身固然重要，但更重要的是神经元如 何组成网络。 受人脑的启发，科学家构建了一种在结构、工作原理和功能上 都模拟人脑神经系统的计算模型，称之为 “人工神经网络”， 简称“神经网络”。在机器学习领域，神经网络指由很多人工 神经元相互连接构成的系统，这些人工神经元一般被称为节 点，每个节点本质上是一个函数。神经网络不同节点间的连接 被赋予了不同的权重，每个权重表示一个节点对另一个节点影 响的大小。每个节点的 “兴奋”或 “抑制”，由来自其他节点 的数据信息与节点间的连接权重综合计算得到。 深度学习利用神经网络构建模型，可以对数据进行更好的特征 提取与特征转换，从而得到预测准确率更高的函数。除了神经 网络模型，深度学习也可以采用“深度信念网络”等其他类型 的模型。但由于神经网络能借助相关算法较好地解决贡献度分 配问题，它成为了深度学习主要采用的模型。 （以上两则材料取材于邱锡鹏的相关著作） 3．根据材料二，下列对人脑神经系统的理解，不正确的一项 是 （3分） A．一个神经元是兴奋还是抑制的状态不全由其自身决定。 B．一个神经元接收到其他神经元的电脉冲