2025年复旦大学人工智能导论期末试卷.docxVIP

2025年复旦大学人工智能导论期末试卷及答案

复旦大学计算机科学技术学院

考试说明：

考试时间：120分钟

总分：100分

请将答案写在答题纸上，写在试卷上无效

一、单项选择题（每题2分，共20分）

人工智能的英文缩写是：

IT

AI

ML

DL

以下哪个不是人工智能的主要学派？

符号主义

连接主义

行为主义

经验主义

深度学习属于人工智能的哪个分支？

机器学习

自然语言处理

计算机视觉

知识表示

在神经网络中，ReLU激活函数的表达式是：

f

f

f

f

以下哪种算法不属于无监督学习？

K近邻算法

K均值聚类

主成分分析

关联规则挖掘

决策树学习中，信息增益是基于以下哪个概念？

信息熵

基尼指数

均方误差

对数损失

在强化学习中，以下哪个概念表示智能体在环境中的一种状态？

动作

奖励

状态

策略

以下哪种技术用于处理自然语言处理中的序列数据？

卷积神经网络(CNN)

循环神经网络(RNN)

多层感知机(MLP)

自编码器

支持向量机(SVM)的目标是找到一个超平面，使得：

所有样本到超平面的距离最大

所有样本到超平面的距离最小

正负样本到超平面的间隔最大

正负样本到超平面的间隔最小

以下哪个是知识图谱的典型应用？

图像识别

推荐系统

语音识别

机器翻译

二、判断题（每题1分，共10分）

人工智能是研究如何使计算机能够模拟人类的智能行为的学科。

神经网络中的隐藏层越多，模型的表达能力越强，因此效果一定越好。

过拟合是指模型在训练数据上表现良好，但在测试数据上表现较差的现象。

遗传算法是一种基于生物进化原理的优化算法。

自然语言处理中的词法分析主要处理句子的语法结构。

在机器学习中，训练集和测试集可以使用相同的数据。

强化学习中的奖励函数用于指导智能体的学习过程。

贝叶斯网络是一种概率图模型。

计算机视觉中的目标检测任务只需要识别图像中的物体类别。

深度学习模型的训练过程通常需要大量的计算资源。

三、简答题（每题5分，共20分）

简述人工智能、机器学习和深度学习之间的关系。

什么是梯度下降法？请简要说明其基本原理。

请解释监督学习和无监督学习的区别，并各举一个例子。

简述卷积神经网络(CNN)中卷积层的作用。

四、计算题（每题10分，共30分）

假设有一个简单的神经网络，输入层有2个神经元，隐藏层有3个神经元，输出层有1个神经元。所有神经元都使用Sigmoid激活函数。输入值为[0.5,0.8]，权重矩阵如下：

W

计算该神经网络的输出值。

考虑一个二分类问题，使用逻辑回归模型。假设模型的参数为w=[0.3,0.5

给定以下数据集，使用信息增益准则选择决策树的根节点属性：

Outlook

Temperature

Humidity

Windy

PlayTennis

Sunny

Hot

High

False

No

Sunny

Hot

High

True

No

Overcast

Hot

High

False

Yes

Rain

Mild

High

False

Yes

Rain

Cool

Normal

False

Yes

Rain

Cool

Normal

True

No

Overcast

Cool

Normal

True

Yes

Sunny

Mild

High

False

No

Sunny

Cool

Normal

False

Yes

Rain

Mild

Normal

False

Yes

Sunny

Mild

Normal

True

Yes

Overcast

Mild

High

True

Yes

Overcast

Hot

Normal

False

Yes

Rain

Mild

High

True

No

五、编程题（每题10分，共20分）

实现一个简单的K近邻(KNN)分类器。要求：

实现计算两个样本之间欧氏距离的函数。

实现KNN分类器的预测函数。

假设数据集已经划分为训练集和测试集，编写主函数进行测试并计算准确率。

使用Python和PyTorch实现一个简单的多层感知机(MLP)，用于MNIST手写数字识别。要求：

定义MLP模型结构。

实现模型的训练过程。

编写评估函数，计算模型在测试集上的准确率。

答案部分

一、单项选择题答案

B

D

A

C

A

A

C

B

C

B

二、判断题答案

√

×

√

√

×

×

√

√

×

√

三、简答题答案

人工智能是研究如何使计算机能够模拟人类智能行为的学科，是一个广泛的领域。机器学习是人工智能的一个子集，专注于让计算机通过数据学习模式和规律。深度学习是机器学习的一个分支，使用多层神经网络来学习数据的表示。简单来说，人工智能是目标，机器学习是手段，深度学习是实现机器学习的一种技术。

梯度下降法是一种优化算法，用于寻找函数的最小值。其基本原理是沿着函数的负梯度方向迭代更新参数，直到达到局部最小值或满足