人工智能通识基础 练习题

单选题 2分

过拟合产生的主要原因是

1. A数据量过大
2. B模型复杂度高于数据规律
3. C学习率过高
4. D特征数量过少

单选题 2分

逻辑回归主要用于解决

1. A二分类问题
2. B多分类问题
3. C回归问题
4. D聚类问题

单选题 2分

决策树模型的核心是

1. A构建层级化的判断规则
2. B计算梯度下降方向
3. C优化学习率
4. D增加隐藏层数量

单选题 2分

梯度下降中，学习率过大可能导致

1. A模型收敛过快
2. B损失函数震荡不收敛
3. C过拟合
4. D特征维度降低

单选题 2分

应对过拟合的基础方法不包括

1. A增加训练数据
2. B简化模型结构
3. C提高模型复杂度
4. D正则化

单选题 2分

机器学习任务中，回归与分类的核心区别是

1. A回归用梯度下降，分类不用
2. B回归输出连续值，分类输出离散值
3. C回归需要标签，分类不需要
4. D回归模型更简单

单选题 2分

前馈神经网络通过误差反向传播进行参数学习，这是一种机器学习手段

1. A监督学习
2. B无监督学习
3. C半监督学习
4. D无监督学习与监督学习的结合

单选题 2分

人工神经元的输入不包含

1. A特征值
2. B权重
3. C偏置
4. D激活函数输出

单选题 2分

以下不属于激活函数的是

1. ASigmoid
2. BReLU
3. CMSE
4. DTanh

单选题 2分

神经网络的“输入-隐藏-输出”层结构中，隐藏层的作用是

1. A接收原始数据
2. B输出预测结果
3. C提取数据特征
4. D仅做数据传递

单选题 2分

Keras中搭建神经网络模型的核心类是

1. AModel
2. BLayer
3. CSequential
4. DOptimizer

单选题 2分

反向传播的核心目的是

1. A计算前向传播结果
2. B调整权重以降低误差
3. C激活神经元
4. D增加网络层数

单选题 2分

生物神经元与人工神经元的对应关系中，突触对应

1. A输入特征
2. B权重
3. C激活函数
4. D输出

单选题 2分

神经网络前向传播的顺序是

1. A输出层→隐藏层→输入层
2. B输入层→隐藏层→输出层
3. C隐藏层→输入层→输出层
4. D无固定顺序

单选题 2分

以下关于神经网络层数的说法，正确的是

1. A层数越多模型效果越好
2. B层数需根据任务适配
3. C隐藏层数量必须为1
4. D输出层数量等于输入特征数

单选题 2分

Keras中添加全连接层的函数是

1. Akeras.layers.Dense()
2. Bkeras.layers.Conv2D()
3. Ckeras.layers.LSTM()
4. Dkeras.layers.Flatten()

单选题 2分

人工神经网络的核心优势是

1. A仅处理线性问题
2. B自动提取复杂特征
3. C训练速度极快
4. D无需数据训练

单选题 2分

以下哪项是深度学习中的一个常见网络结构？

1. A决策树
2. B支持向量机
3. C卷积神经网络
4. D线性回归

单选题 2分

CNN的核心优势是

1. A处理时序数据
2. B自动提取空间特征
3. C减少数据量
4. D简化模型结构

单选题 2分

RNN最适合处理的任务是

1. A图像分类
2. B文本生成
3. C数据清洗
4. D数值计算