2025年人工智能mooc试题及答案.docxVIP

2025年人工智能mooc试题及答案

一、单项选择题（共20题，每题2分，共40分）

1.以下哪种机器学习任务属于无监督学习？

A.预测房价（连续值）

B.图像分类（标注类别）

C.用户聚类（无标注数据）

D.垃圾邮件检测（二分类）

2.在深度学习中，使用ReLU激活函数的主要目的是：

A.解决梯度消失问题

B.增加模型非线性表达能力

C.提高计算效率

D.以上均正确

3.自然语言处理（NLP）中，“词向量（WordEmbedding）”的核心作用是：

A.将文本转换为固定长度的向量

B.捕捉词语之间的语义关联

C.降低文本数据维度

D.以上都是

4.卷积神经网络（CNN）中，“感受野（ReceptiveField）”指的是：

A.输入图像中与某个特征图神经元相关联的区域大小

B.卷积核的尺寸

C.池化操作的步长

D.全连接层的神经元数量

5.以下哪种算法不属于强化学习的典型框架？

A.Q-learning

B.策略梯度（PolicyGradient）

C.反向传播（Backpropagation）

D.DQN（深度Q网络）

6.在训练神经网络时，若验证集准确率远低于训练集准确率，最可能的原因是：

A.学习率过低

B.模型欠拟合

C.模型过拟合

D.数据预处理错误

7.Transformer模型中，“多头注意力（Multi-HeadAttention）”的设计目的是：

A.并行处理不同子空间的注意力信息

B.减少计算复杂度

C.增强位置编码的效果

D.替代循环神经网络（RNN）

8.以下哪项是生成对抗网络（GAN）的核心思想？

A.通过两个网络（生成器与判别器）的对抗优化提升生成质量

B.使用自编码器重构输入数据

C.基于强化学习最大化奖励函数

D.通过迁移学习复用预训练模型

9.在机器学习中，“偏差-方差权衡（Bias-VarianceTradeoff）”指的是：

A.模型复杂度增加时，偏差降低但方差可能升高

B.数据量增加时，偏差和方差都会降低

C.正则化参数增大时，偏差和方差同时降低

D.以上均不正确

10.计算机视觉中，“目标检测（ObjectDetection）”与“图像分类（ImageClassification）”的主要区别是：

A.目标检测需要定位目标位置，分类只需判断整体类别

B.目标检测使用CNN，分类使用RNN

C.目标检测输出概率分布，分类输出边界框

D.目标检测数据量更大

11.以下哪种损失函数适用于二分类任务？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.绝对误差（MAE）

D.铰链损失（HingeLoss）

12.关于“过拟合（Overfitting）”的解决方法，错误的是：

A.增加训练数据量

B.降低模型复杂度

C.增大学习率

D.使用正则化（如L2正则）

13.自然语言处理中的“注意力机制（Attention）”最主要的作用是：

A.捕捉长距离依赖关系

B.减少参数量

C.加速训练过程

D.替代循环神经网络

14.在强化学习中，“奖励函数（RewardFunction）”的作用是：

A.定义智能体的目标

B.优化策略网络参数

C.存储经验数据

D.评估状态价值

15.以下哪种技术属于迁移学习（TransferLearning）的应用？

A.使用预训练的BERT模型微调完成情感分析任务

B.对图像数据进行归一化处理

C.用随机梯度下降训练神经网络

D.构建卷积神经网络提取图像特征

16.关于“梯度下降（GradientDescent）”的描述，错误的是：

A.批量梯度下降（BatchGD）计算全局梯度，训练稳定但速度慢

B.随机梯度下降（SGD）计算单个样本梯度，训练速度快但波动大

C.小批量梯度下降（Mini-batchGD）综合了两者的优点

D.梯度下降的目标是最小化损失函数的梯度

17.生成式模型与判别式模型的主要区别是：

A.生成式模型学习数据分布P(X,Y)，判别式模型学习决策边界P(Y|X)

B.生成式模型只能用于分类，判别式模型可用于回归

C.生成式模型参数更少，判别式模型更复杂

D.以上均不正确

18.在计算机视觉中