智慧树知到答案人工智能原理最新答案

第三章 单元测试

1、单选题：
推理的不确定性主要表现在（ ）这几个方面
选项：
A:问题的不确定性
B:事实的不确定性
C:规则的不确定性
D:推理过程的不确定性
答案:

2、多选题：
不确定性推理的计算问题主要表现在（ ）
选项：
A:合成结论的不确定性
B:组合证据的不确定性计算
C:不确定性的匹配及阈值设计
D:不确定性的传播
答案:

3、单选题：
在确定性理论中，知识“如果头痛并且流鼻涕，那么感冒(0.7)”，表示（ ）
选项：
A:很有可能感冒
B:感冒的概率比不感冒概率大70%
C:不确定
D:不可能感冒
答案:

4、多选题：
在证据理论中，样本空间D包括红黄白三种颜色，那么下面选项属于D的幂集的是（ ）
选项：
A:{黄、白}
B:{红、黑}
C:{红、白}
D:{红，黄}
E:{红，黄，黑}
F:空集
答案:

5、判断题：
概率分配函数就是对样本空间中的所有子集依次进行概率上的分配，并且总和为1
选项：
A:错
B:对
答案:

6、判断题：
在模糊理论中，隶属度的具体数值是根据经验确定下来的，没有一个确定的标准。
选项：
A:对
B:错
答案:

7、判断题：
在模糊理论中，论域都是离散的，比如“温度很高”、“温度比较高”等等
选项：
A:对
B:错
答案:

8、判断题：
两个隶属度数值的合取式取最小值，而他们的析取式取最大值。
选项：
A:对
B:错
答案:

9、判断题：
在模糊逻辑里面，规则和知识是用模糊关系R来表达
选项：
A:对
B:错
答案:

10、判断题：
规则前件的不确定性，主要是由证据的组合到底有多大程度符合前提条件而造成。
选项：
A:错
B:对
答案:

第四章 单元测试

1、判断题：
在深度优先搜索法中，OPEN表的最后一个元素是深度最深的节点状态
选项：
A:错
B:对
答案:

2、判断题：
日常生活中大多数问题都是非结构化的问题，我们采用搜索方法解决的时候，一定可以找到问题最优解。
选项：
A:对
B:错
答案:

3、单选题：
状态空间可以用有向图来表示，图里面的节点表示（ ）
选项：
A:问题的状态
B:问题的目标
C:问题的初始
D:问题的解题路径
答案:

4、判断题：
随机搜索方法是指在扩展子节点集合中随机选择一个节点作为新的搜索节点。
选项：
A:错
B:对
答案:

5、判断题：
状态空间搜索算法中的CLOSED表可以防止节点被忽略。
选项：
A:错
B:对
答案:

6、判断题：
状态空间搜索算法中的OPEN表中的节点都是未被扩展的节点
选项：
A:错
B:对
答案:

7、判断题：
状态空间搜索算法中的OPEN表中的节点必须是按照节点被放入的先后顺序来取出。
选项：
A:错
B:对
答案:

8、判断题：
状态空间搜索算法中采用CLOSED表和OPEN表，那么问题的解就由节点放入CLOSED表和OPEN表的顺序来决定
选项：
A:错
B:对
答案:

9、单选题：
如果状态空间图是树状结构,则当前扩展节点n的子结点只有一种形式，即（ ）
选项：
A:既不存在于OPEN表也不存在于CLOSED表
B:存在于CLOSED表中
C:存在于OPEN表中
D:同时存在于OPEN、CLOSED表
答案:

第五章 单元测试

1、判断题：
包括决策树算法在内的符号主义学习是机器学习在80年代的主流
选项：
A:错
B:对
答案:

2、判断题：
支持向量机作为统计学习的代表在90年代成为机器学习的主流算法，但支持向量的概念在60年代已经被提出来。
选项：
A:错
B:对
答案:

3、判断题：
研究同一个顾客对两个不同商品的喜好关系，这是利用了机器学习的关联性。
选项：
A:对
B:错
答案:

4、判断题：
决策树不是一种实现对样本进行分类的方法，而是对样本的未来数值进行预测的方法。
选项：
A:错
B:对
答案:

5、判断题：
决策树学习中，ID3算法采用了自下向上的贪婪搜索方法来遍历决策树空间
选项：
A:对
B:错
答案:

6、判断题：
决策树学习中，ID3算法的核心问题是在当前节点应该选取哪一个属性作为当前测试属性
选项：
A:对
B:错
答案:

7、判断题：
昆兰（Ross Quinlan）提出的ID3算法是基于香农的信息论的一种算法。
选项：
A:错
B:对
答案:

8、判断题：
熵(entropy)刻画了样本集合的纯度，熵的数值越大，样本集合纯度越高
选项：
A:对
B:错
答案:

9、判断题：
信息增益表示，当样本集S用属性A做分类后，样本集的熵的变化程度。
选项：
A:对
B:错
答案:

10、判断题：
对于事件的属性x和类别y，联合概率p(x,y)指的是该事件属性x和类别y同时发生的概率
选项：
A:错
B:对
答案:

第六章 单元测试

1、判断题：
进化算法主要从个体的适应性能力考虑，而不是群体的适应性能力
选项：
A:对
B:错
答案:

2、多选题：
进化算法主要通过（ ）等操作实现优化问题的求解
选项：
A:排队
B:重组
C:变异
D:选择
答案:

3、判断题：
进化算法对原问题的解进行编码，然后对编码进行搜索。
选项：
A:对
B:错
答案:

4、判断题：
进化算法是一个循环迭代的算法，在迭代过程中搜索最优解。
选项：
A:对
B:错
答案:

5、判断题：
自然界中适者生存的概念，在遗传算法中则体现在适应度越大就越有机会被选择的概率越大
选项：
A:错
B:对
答案:

6、判断题：
用遗传算法求解旅行商问题时，染色体可以设定为所有城市的某个排列
选项：
A:对
B:错
答案:

7、判断题：
遗传算法的交叉操作是选择两个染色体交叉产生一个新的染色体
选项：
A:错
B:对
答案:

8、判断题：
遗传算法可以在有限时间内找到最优的解
选项：
A:错
B:对
答案:

9、判断题：
在遗传算法应用的过程，种群的规模（即种群个体的数量）在求解过程中是随时变化的。
选项：
A:对
B:错
答案:

10、判断题：
遗传算法的二进制编码，是用若干二进制数表示一个染色体，把原问题的解空间映射到位串空间
选项：
A:错
B:对
答案:

第七章 单元测试

1、判断题：
人工神经网络是一种用符号化的语言获取知识来学习
选项：
A:错
B:对
答案:

2、判断题：
人工神经网络是人脑神经系统的真实描写
选项：
A:错
B:对
答案:

3、多选题：
人工神经网络方法的主要特征包括（ ）
选项：
A:通过对数学公式的解析直接得到答案
B:通过调整神经元链接来模拟人工智能
C:并行协同处理数据
D:信息存储在神经元及其之间的链接
答案:

4、判断题：
加拿大科学家辛顿教授（Geoffrey Hinton）发明了适用于多层感知器的反向传播算法，有效解决了非线性分类和学习的问题
选项：
A:错
B:对
答案:

5、判断题：
单层感知器能力虽然有限, 但可以处理非线性分类问题。
选项：
A:对
B:错
答案:

6、判断题：
感知器( Perceptron)是第一个可以训练的神经网络的模型
选项：
A:错
B:对
答案:

7、判断题：
感知器的权值是根据输出的误差来调整
选项：
A:错
B:对
答案:

8、判断题：
感知器的一种常用的S型函数有sigmoid函数，它的输出范围在0到2之间
选项：
A:对
B:错
答案:

9、多选题：
人工神经网络的结构，可以分为（ ）三大类
选项：
A:随机网络
B:反馈网络
C:前馈网络
D:网状网络
答案:

10、判断题：
前馈网络具有递阶分层结构，信号可以通过单向和反向连接流通
选项：
A:对
B:错
答案:

第八章 单元测试

1、判断题：
Agent可以看作是一个程序或者一个实体,它会嵌入在环境里面,通过感知器来感知环境,然后通过执行器自主地作用于环境并且满足设计要求。
选项：
A:错
B:对
答案:

2、多选题：
Agent作为独立的智能实体，应该具备以下特性（ ）
选项：
A:社会性
B:自主性
C:随机性
D:反应性
答案:

3、判断题：
Agent应该能够在交互过程中逐步适应环境,自主学习,自主进化。
选项：
A:对
B:错
答案:

4、判断题：
在20世纪70年代 Carl Hewitt提出的actor模型，类似于面向对象编程中的对象。
选项：
A:错
B:对
答案:

5、判断题：
智能体agent的结构大致包括体系平台、程序和执行系统等三大部分
选项：
A:错
B:对
答案:

6、判断题：
程序是运行在体系平台上的，实现agent从感知到动作的映射函数。
选项：
A:对
B:错
答案:

7、判断题：
当多个 Agent在多个计算机上并行运行的时候,他们的运行环境由体系平台来支持
选项：
A:错
B:对
答案:

8、多选题：
在搭建Agent结构的时候需要考虑以下方面（ ）
选项：
A:感知到的信息如何影响agent的行为和内部状态
B:模块之间如何交互信息
C:由哪些模块组成
D:软硬件如何协同
答案:

9、单选题：
下面不属于单个 Agent的结构分类的是（ ）
选项：
A:慎思式体系结构
B:复合式体系结构
C:反应式体系结构
D:上下体系结构
答案:

10、判断题：
智能体复合式体系结构具有较强的灵活性和快速的响应性。
选项：
A:错
B:对
答案: