人工智能原理与方法智慧树答案

第一章 单元测试
1、下列关于智能说法错误的是（ ）
A:从生命的角度看，智能是生命适应自然界的基本能力
B:任何生命都拥有智能
C:目前，人类智能是自然只能的最高层次
D:细菌不具有智能
答案: 【细菌不具有智能】
2、目前，智能的定义已经明确，其定义为：智能是个体能够主动适应环境或针对问题，获取信息并提炼和运用知识，理解和认识世界事物，采取合理可行的（意向性）策略和行动，解决问题并达到目标的综合能力。（ ）
A:对
B:错
答案: 【×】
3、传统人工智能领域将人工智能划分为强人工智能与弱人工智能两大类。所谓强人工智能指的就是达到人类智能水平的技术或机器，否则都属于弱人工智能技术。（ ）
A:对
B:错
答案: 【√】
4、人类历史上第一个人工神经元模型为MP模型，由赫布提出。（ ）
A:对
B:错
答案: 【×】
5、下列关于数据说法错误的是（ ）
A:数据就是描述事物的符号记录，是可定义为有意义的实体
B:数据可以分为模拟数据和数字数据两类
C:我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据
D:在当今社会，数据的本质是生产资料和资产
答案: 【我们通常所说的数据即能够直接作为计算机输入的数据是模拟数据】
6、下列关于大数据的说法中正确的有（ ）
A:大数据具有多样、高速的特征
B:大数据带来的思维变革中，更多是指更多的随机样本
C:“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
D:“大数据时代”已经来临
答案: 【大数据具有多样、高速的特征,“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产,“大数据时代”已经来临】
第二章 单元测试
1、人工智能使人类改造自然、适应自然的各类技术发展到最高阶段，智能技术使得工具变得有智能，促使技术在以指数级增长速度加速进化（加速回报定律）。（ ）
A:对
B:错
答案: 【√】
2、联结主义认为人的思维基元是符号，而不是神经元；人的认知过程是符号操作而不是权值的自组织过程。（ ）
A:对
B:错
答案: 【×】
3、科学研究能够逐步理解如何从大脑的结构和机制上产生知觉、记忆和行为的意识表现，这些所谓“简单问题”的科学研究，都无法越过物质与精神的藩篱，解决身心关系的“困难问题”，证明主观意识如何从物质基础上涌现出来。 （ ）
A:对
B:错
答案: 【√】
4、现代认知科学强调心智亲身性，也就是心智与身体是分离的，人的经验、认识都来自身体内部与环境的相互作用。（ ）
A:对
B:错
答案: 【×】
5、理性来自身体，而非超越身体。（ ）
A:对
B:错
答案: 【√】
6、下列哪个选项不属于人类理性：（ ）
A:认知理性
B:方法理性
C:知识理性
D:价值理性
答案: 【知识理性】
7、生命起源于什么时候？（ ）
A:138亿年以前
B:138-100亿年之间
C:100-45亿年之间
D:45-35亿年之间
答案: 【45-35亿年之间】
第三章 单元测试
1、所有生物的脑部都可以分为前脑、中脑和后脑三个原始部位。具体而言，人类大脑是由脑干、小脑、大脑（前脑）组成。（ ）
A:对
B:错
答案: 【√】
2、人体神经系统可以分为中枢神经系统和周围神经系统。其中，中枢神经系统由脑和脊髓组成，是人体神经系统中最主体的部分。（ ）
A:对
B:错
答案: 【√】
3、大脑神经系统主要组成部分是大脑皮层和灰质层，大脑皮层和灰质层都很薄，但大脑皮层表面无沟回，灰质层表面有沟回。（ ）
A:对
B:错
答案: 【×】
4、神经元是神经系统最基本的结构和功能单位，分为细胞体和突起两部分。细胞体由细胞核、细胞膜、细胞质组成；突起有树突和轴突两种。（ ）
A:对
B:错
答案: 【√】
5、大脑内的神经连接是杂乱无章的。（ ）
A:对
B:错
答案: 【×】
6、认知是人脑对接受外界输入的信息进行加工处理并转换成内在的心理活动，进而支配人的行为的过程，是人的最基本的心理过程。（ ）
A:对
B:错
答案: 【√】
7、思维的本质是人脑有意识的对客体的反映，这个过程构成了人类认识的高级阶段。思维以感觉作为自己唯一的源泉，但是它超越了直接感性认识的界限，达到理性认识或理性认识的过程。（ ）
A:对
B:错
答案: 【√】
8、谢列关于感知和注意说法正确的有（ ）
A:在感知过程中，经历感觉、知觉两种基本形式
B:感知是客观世界直接作用于人的感觉器官而产生的
C:注意是心理活动或意识在某一时刻所处状态，表现为对一定对象的指向与集中
D:注意网络分为三个子系统：前注意心态、后注意心态和警觉系统
答案: 【感知是客观世界直接作用于人的感觉器官而产生的,注意是心理活动或意识在某一时刻所处状态，表现为对一定对象的指向与集中,注意网络分为三个子系统：前注意心态、后注意心态和警觉系统】
9、下列不属于与动物导航有关的细胞是（ ）。
A:內嗅外侧的细胞
B:速度细胞
C:头部方向细胞
D:边界细胞
答案: 【內嗅外侧的细胞】
10、下列关于大脑左右半脑及其功能说法错误的是（）。
A:大脑两左右半球形状相同，功能却大不一样，一般分别称为左脑和右脑
B:口述答题时，左脑负责逻辑思考，右脑负责语言描述
C:左脑像一个科学家，擅长抽象思维与复杂计算，但缺乏丰富的情感
D:右脑像个艺术家，对音乐、美术等艺术活动具有创造力，且感情丰富
答案: 【口述答题时，左脑负责逻辑思考，右脑负责语言描述】
第四章 单元测试
1、下列关于神经元、神经网络的说法中，错误的是（ ）。
A:生物神经元主要由细胞体和突起两部分组成，其中，突起可以分为树突和轴突
B:人工神经元基本模型模拟的是生物神经元，包括输入、树突、细胞体、轴突和突触几部分
C:世界上第一个神经元的数学模型为MP模型
D:人工神经网络只有线性函数部分
答案: 【人工神经网络只有线性函数部分】
2、前向传播神经网络时在神经元的数学模型的基础上，将神经元通过特定的连接方式连接在一起构成的。不同的人工神经网络一般拥有不同的结构，但基础仍然是神经元的数学模型。
A:对
B:错
答案: 【√】
3、卷积神经网络时目前应用最广的人工神经网络，特别是在图像处理领域的目标检测、目标识别等等，卷积神经网络往往有着较好的效果。下面选项中，属于卷积神经网络的三个组成部分的有（ ）。
A:局部感受野
B:权值共享
C:池化
D:遗忘门
答案: 【局部感受野,权值共享,池化】
4、卷积神经网络是一种前馈神经网络，具有很多优点，对于大型图像处理有出色表现。下列选项中，属于卷积神经网络的优点的是（ ）。
A:隐式学习，避免了显式的特征抽取
B:平移不变性
C:权值共享
D:鲁棒性强
答案: 【隐式学习，避免了显式的特征抽取,权值共享,鲁棒性强】
5、卷积神经网络的卷积层又称为下采样层，其作用是使特征图变小，简化网络计算复杂度，并且对特征进行压缩，从而提取主要特征。
A:对
B:错
答案: 【×】
第五章 单元测试
1、机器学习是指计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
A:对
B:错
答案: 【√】
2、下列不属于DQN现存问题得是：（ ）。
A:Q学习的Q-Table依然存在高维度灾难问题，无法使Q值连续化
B:action依然是从最大的Q值中选取，无法用于action连续的问题
C:只能处理只需短时记忆问题，无法处理需长时记忆问题
D:卷积神经网络（CNN）不一定收敛，需精良调参
答案: 【Q学习的Q-Table依然存在高维度灾难问题，无法使Q值连续化】
3、EasyTL采用域内编程从域中学习判别性传递信息，从而得到一个无参域内编程分类器。
A:对
B:错
答案: 【√】
4、对于K-Means聚类算法下列说法正确的是：（ ）。
A:初始聚类中心的选择对聚类结果影响不大
B:须事先给定聚类数k值
C:对噪声和孤立数据敏感
D:是一种无监督学习方法
答案: 【须事先给定聚类数k值,对噪声和孤立数据敏感,是一种无监督学习方法】
5、AlexNet 这项工作的贡献有：（ ）。
A:使用修正的线性单元（ReLU）作为非线性激活函数
B:在训练的时候使用 Dropout 技术有选择地忽视单个神经元，以避免模型过拟合
C:覆盖进行较大池化，避免平均池化的平均化效果
D:使用 GPU NVIDIA GTX 580 减少训练时间
答案: 【使用修正的线性单元（ReLU）作为非线性激活函数,在训练的时候使用 Dropout 技术有选择地忽视单个神经元，以避免模型过拟合,覆盖进行较大池化，避免平均池化的平均化效果,使用 GPU NVIDIA GTX 580 减少训练时间】
6、通过Bellman方程求解马尔科夫决策过程的最佳决策序列，每个状态的值不仅由当前状态决定还要由后面的状态决定。
A:对
B:错
答案: 【√】
7、下面选项中说法正确的有（ ）。
A:JDA特征转化时，降维方法中的数据重构选择PCA来进行
B:通过PCA得到k 维特征表示后，为了减小边缘分布差异，引入最大均值差异MMD，旨在k维嵌入中计算源域数据和目标域数据样本均值之间的距离
C:JDA中，目标域中没有标签数据，不能直接建模，需利用类条件分布来近似，因此可以利用在源域数据上训练得到的基分类器应用到目标域数据，得到目标域数据的伪标签
D:在JDA中，我们的目标是同时最小化域间边缘分布和条件分布的差异
答案: 【JDA特征转化时，降维方法中的数据重构选择PCA来进行,通过PCA得到k 维特征表示后，为了减小边缘分布差异，引入最大均值差异MMD，旨在k维嵌入中计算源域数据和目标域数据样本均值之间的距离,JDA中，目标域中没有标签数据，不能直接建模，需利用类条件分布来近似，因此可以利用在源域数据上训练得到的基分类器应用到目标域数据，得到目标域数据的伪标签,在JDA中，我