人工智能与机器学习知识测试

<p>AdagradOptimizer (C)</p> Signup and view all the answers

<p>归一化一定提高精度 (C)</p> Signup and view all the answers

<p>线性归一化 (A)</p> Signup and view all the answers

<p>全连接 (D)</p> Signup and view all the answers

<p>图像压缩 (C)</p> Signup and view all the answers

<p>语音纠错 (A)</p> Signup and view all the answers

<p>Python 语言是解释型语言 (A)</p> Signup and view all the answers

<p>1950 (D)</p> Signup and view all the answers

<p>群体学习 (D)</p> Signup and view all the answers

<p>1956年 (C)</p> Signup and view all the answers

<p>统计学派 (C)</p> Signup and view all the answers

<p>联接学派 (A)</p> Signup and view all the answers

<p>图灵测试 (D)</p> Signup and view all the answers

<p>$8 imes8$ (D)</p> Signup and view all the answers

<p>27 (C)</p> Signup and view all the answers

<p>中值滤波 (A)</p> Signup and view all the answers

<p>16 (C)</p> Signup and view all the answers

<p>色相 (A)</p> Signup and view all the answers

<p>加入更多层，使神经网络的深度增加 (A)</p> Signup and view all the answers

<p>深度学习的效果至少应优于随机算法 (C)</p> Signup and view all the answers

<p>修正线性单元（ReLU） (B)</p> Signup and view all the answers

<p>赋予初始值，通过迭代更新 (D)</p> Signup and view all the answers

<p>初始化随机权重和偏差 (B)</p> Signup and view all the answers

<p>隐层层数增加，模型能力增加 (A)</p> Signup and view all the answers

<p>所有 (B)</p> Signup and view all the answers

<p>网络将无法收敛 (A)</p> Signup and view all the answers

<p>所有神经元将识别相同的特征 (D)</p> Signup and view all the answers

<p>数据采集，数据清洗，数据标注，数据质检 (C)</p> Signup and view all the answers

<p>机器学习 (C)</p> Signup and view all the answers

<p>驱动智能的核心 (A)</p> Signup and view all the answers

<p>Artificial Intelligence (C)</p> Signup and view all the answers

<p>先进后出 (A)</p> Signup and view all the answers

<p>从个别到一般 (C)</p> Signup and view all the answers

<p>假设推理 (A)</p> Signup and view all the answers

<p>使机器具有能够获取新知识、学习新技巧的能力。 (D)</p> Signup and view all the answers

<p>无监督学习。 (D)</p> Signup and view all the answers

<p>错误数据、假数据和异常数据。 (B)</p> Signup and view all the answers

<p>更改过大的过小的异常数据。 (D)</p> Signup and view all the answers

<p>策略。 (A)</p> Signup and view all the answers

<p>在QQ上与朋友交流。 (B)</p> Signup and view all the answers

<p>特征人脸之间的相关度要尽可能大。 (B)</p> Signup and view all the answers

<p>500。 (C)</p> Signup and view all the answers

<p>虚拟-物理系统 (CPS)。 (D)</p> Signup and view all the answers

<p>文字分析模块。 (C)</p> Signup and view all the answers

<p>KNN 是一种聚类方法。 (B)</p> Signup and view all the answers

<p>在 SVM 中使用高斯核/RBF核代替线性核。 (B)</p> Signup and view all the answers

<p>估计遗漏值。 (C)</p> Signup and view all the answers

<p>卷积神经网络。 (D)</p> Signup and view all the answers

文本处理步骤，将文本数据整理成适合分析的格式

将文本分解成词语，并分析词语的语法属性

分析词语之间的语法关系和文本的语义

将文本信息转化为语音

模型在训练集上表现很好，但在测试集上表现很差

将数据转换为特定范围，加速梯度下降

CNN 特性，神经元只与部分输入连接

CNN 特性，同一特征检测器在不同位置共享参数

CNN 特性，降低特征图维度，增强鲁棒性

Python 是一种解释型、平台无关的编程语言，具有黏性扩展、强制可读性等特征

机器感知是人工智能研究的一项基本内容，使机器具有感知能力，例如视觉、听觉等。

数据挖掘是机器学习的最新研究领域之一。

机器学习方法之一，无需标注数据进行学习。

利用主成分分析（PCA）降维，表示人脸图像。

针对 500 种概念图像分类的卷积神经网络最后一层输出向量维数可能为 500。

数据预处理步骤，移除重复数据、错误数据和异常数据。

数据集中包含错误、假数据和异常数据。

处理数据的方法，包括变量替换、离散化和聚集。

验证数据质量、内部运行和模型设计的步骤。

640x480 像素、256 色图像的数据存储量约为 300KB。

机器学习包含数据、算法和策略。

K最近邻算法，一种分类方法。

需要标记数据的学习类型。

工业物联网（IIoT）的关键技术，包括CPS、云计算、边缘计算。

1950 年，由艾伦·图灵在论文《计算机与智能》中提出。

群体学习，机器学习主要包括监督学习、强化学习和非监督学习等。

1956 年，在达特茅斯会议上。

统计学派，人工智能的三大学派是符号学派、联结学派和行为学派。

联结学派，神经网络是联结学派的主要研究成果。

让机器拥有智能，模拟、延伸和扩展人的智能。

统计学习算法。

感知能力。

认为智能取决于知识的积累量及一般化程度。

模拟、延伸和扩展人的智能。

图灵测试。

神经元间的连接方式。

8x8。

28x28。

图像处理，图像分析，图像理解。

HSV色彩空间的H分量。

修正线性单元（ReLU）在神经网络中引入了非线性。

知道神经元的准确权重和偏差，可以近似任何函数。

初始化随机权重和偏差，计算预测值和真实值误差，改变权重值以减小误差，迭代更新，直到找到最佳值。

隐层层数越多，模型能力越强，能近似更复杂的函数。

Dropout、正则化、批规范化等技术可用于解决过拟合问题。

使用过高的学习率会导致网络无法收敛。

如果将所有权重设为零，神经元最终会识别同样的东西。

数据标注流程是：数据采集、数据清洗、数据标注、数据质检。

机器学习研究计算机如何自动获取知识和技能，自我完善。

算法是人工智能的“引擎”。

AI 是 Artificial Intelligence 的缩写。

open表是先进后出的数据结构。

从个别到一般的推理。

不包括假设推理。包括自然演绎推理、归结演绎推理、与或形演绎推理。

不包括具有自我推理能力。包括感知能力、记忆与思维能力、学习能力和自适应能力。

多层前馈网络，神经元之间连接形成多层结构，信息单向传播。

全互联反馈网络，神经元之间相互连接，信息双向传播。

神经元只连接到输入层和输出层，信息单向流动。

在图像或视频中识别并定位特定物体，包括识别物体类别、位置和大小。

一种深度学习网络模型，通过多层卷积操作提取图像特征，实现图像识别、分类等任务。

模仿生物神经网络结构和功能，通过简单单元连接实现信息处理的数学模型。

神经元之间的连接强度可以通过学习不断调整，使神经网络能够不断学习新知识。

对特征图进行降采样，压缩数据和参数数量，提高模型训练速度和鲁棒性。

神经元之间信息单向流动，从输入层到输出层，没有循环连接。

神经元之间存在循环连接，信息可以双向流动。

提取图像的局部特征，如边缘、纹理。

降维、压缩数据和参数数量，提高模型训练速度和鲁棒性。

通过计算误差梯度，调整网络参数，使模型输出值更接近真实值。

对数据进行分类、整理、编辑、标记和批注，为数据增加标签，使机器可读。

数据特征、类别和属性的标识，用于建立数据和机器学习模型之间的联系。

辅助数据标注员完成标注任务的软件工具，包括手动、半自动和自动三种。

对图像中的每个像素进行分类，区分不同的物体类别，实现像素级别的目标识别。

模型对未见过的样本的预测能力，即模型的适应性。