(2025年)科技大学)中国大学MOOC(慕课)章节测验试题(答案).docxVIP

(2025年)科技大学)中国大学MOOC(慕课)章节测验试题(答案)

一、单项选择题（每题2分，共20分）

1.关于监督学习与无监督学习的本质区别，以下描述正确的是（）

A.监督学习需要人工特征工程，无监督学习不需要

B.监督学习输入数据有标签，无监督学习输入数据无标签

C.监督学习用于分类任务，无监督学习仅用于聚类任务

D.监督学习使用深度神经网络，无监督学习仅用传统算法

答案：B

解析：监督学习的核心是利用带标签的数据训练模型，无监督学习则基于无标签数据挖掘内在结构，因此B正确。A错误，特征工程非本质区别；C错误，无监督学习可用于降维等；D错误，两者均可使用深度模型。

2.在神经网络中，激活函数的主要作用是（）

A.加速梯度计算

B.引入非线性特征

C.减少参数数量

D.防止过拟合

答案：B

解析：线性变换的组合仍是线性变换，无法拟合复杂数据，激活函数通过非线性映射（如ReLU、Sigmoid）使网络具备拟合非线性关系的能力，故B正确。

3.卷积神经网络（CNN）中，卷积核（滤波器）的主要功能是（）

A.扩大输入图像尺寸

B.提取局部空间特征

C.减少计算量

D.增强图像色彩对比度

答案：B

解析：卷积核通过滑动窗口与输入矩阵逐元素相乘求和，捕捉图像中的边缘、纹理等局部特征，因此B正确。A错误，卷积通常缩小或保持尺寸；C是池化层的部分作用；D与卷积核无关。

4.自然语言处理（NLP）中，词嵌入（WordEmbedding）的核心目标是（）

A.将单词转换为等长向量

B.保留单词的语义相似性

C.减少文本数据量

D.消除语法错误

答案：B

解析：词嵌入通过低维稠密向量表示单词，使语义相近的词在向量空间中距离更近（如“猫”与“狗”接近，“猫”与“苹果”较远），因此B正确。A是形式，非核心；C、D非主要目标。

5.强化学习（RL）中，“奖励函数”的作用是（）

A.定义智能体的动作空间

B.指导智能体学习最优策略

C.确定环境的状态转移概率

D.初始化智能体的参数

答案：B

解析：奖励函数通过即时反馈（正/负奖励）引导智能体调整策略，以最大化长期累积奖励，故B正确。A是环境定义；C是环境固有属性；D由初始化方法决定。

6.以下哪种方法最适合解决深度学习中的“过拟合”问题？（）

A.增加训练数据量

B.减少网络层数

C.提高学习率

D.移除激活函数

答案：A

解析：过拟合因模型对训练数据过度记忆，增加数据量可提升模型泛化能力，A正确。B可能降低模型容量，但可能欠拟合；C可能导致训练不稳定；D会使网络退化为线性模型。

7.在循环神经网络（RNN）中，“长依赖问题”指的是（）

A.无法处理超过固定长度的输入序列

B.远距离信息在传递中逐渐消失

C.参数数量随序列长度指数级增长

D.无法同时处理多个时间步的输入

答案：B

解析：RNN通过隐藏状态传递信息，但因梯度消失/爆炸问题，远距离时间步的信息难以有效传递，导致“长依赖”，故B正确。

8.Transformer模型中，“自注意力机制”的主要优势是（）

A.减少对位置编码的依赖

B.并行计算不同位置的上下文关系

C.降低模型参数量

D.完全替代循环结构

答案：B

解析：自注意力通过计算序列中任意两个位置的关联度，可并行处理所有位置，突破了RNN的顺序计算限制，B正确。A错误，仍需位置编码；C错误，参数量可能更大；D错误，Transformer仍使用位置编码补充顺序信息。

9.计算机视觉中，“目标检测”与“图像分类”的本质区别是（）

A.目标检测需要定位目标位置，分类只需判断类别

B.目标检测使用CNN，分类使用全连接网络

C.目标检测处理彩色图像，分类处理灰度图像

D.目标检测数据量更大，分类数据量更小

答案：A

解析：图像分类输出类别标签，目标检测需输出“类别+边界框坐标”，因此A正确。B错误，两者均可使用CNN；C、D非本质区别。

10.关于提供对抗网络（GAN），以下描述错误的是（）

A.包含提供器和判别器两个子网络

B.提供器试图提供逼真数据，判别器试图区分真实与提供数据

C.GAN的训练目标是最小化提供数据与真实数据的KL散度

D.GAN可用于图像提供、风格迁移等任务

答案：C

解析：GAN的训练通过提供器（G）与判别器（D）的对抗博弈实现，目标是使G提供的数据让D无法区分，而非直接