江苏开放大学人工智能导论第三次形考作业高分参考答案

注意：因为学习平台题目是随机，选择题选项也是随机，一定注意答案对应的选项，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，还是不懂的话可以看这个：快速答题技巧

江苏开放大学人工智能导论第三次形考作业选择题

1、下列关于机器学习中特征的说法正确的是

A、特征是每个样本在某⽅⾯的表现或性质

B、特征是数据集的完整程度

C、特征是描述数据好坏的指标

D、特征是每个样本和其它样本的关系

正确答案：A   学生答案：A

答案解析：在机器学习中，特征（feature）是指每个样本在某⽅⾯的表现或性质。

2、关于机器学习的流程，下列说法正确的是

A、⾸先，训练模型；然后，划分数据集；最后，使⽤测试集评估模型

B、⾸先，划分数据集；然后，训练模型；最后，使⽤测试集评估模型

C、⾸先，训练模型；然后，划分数据集；最后，使⽤训练集评估模型

D、⾸先，划分数据集；然后，训练模型；最后，使⽤训练集评估模型

正确答案：B   学生答案：B

答案解析：机器学习的流程：⾸先，获取数据集并将数据集划分为训练集和测试集；然后，使⽤训练集训练模型；最后，⽤测试集来检验模型能⼒。

3、下列关于感知机的说法错误的是

A、1958年，计算科学家Rosenblatt提出了由两层神经元组成的神经⽹络命名为感知机（Perceptron）。

B、感知机是⼀种前馈⽹络，即同层内⽆互联，不同层间⽆反馈。

C、感知机有多个输⼊，它们通过与权值相乘，再相加（即加权求和）后，经过⼀定的偏置，再由激活

函数处理，最后得到输出。

D、感知机中的数据只能实现线性变化。

正确答案：D   学生答案：D

答案解析：感知机中数据包含两种变化，其中加权求和属于线性变化，激活函数做的是⾮线性变化。

4、下列不属于深度学习核⼼思想的是

A、表示学习/特征学习

B、⾮线性函数逼近

C、端到端学习

D、⼈⼯选取特征

正确答案：D   学生答案：D

答案解析：机器学习需要⼈⼯选取特征，⽽深度学习可⾃动学习有⽤的特征。

5、下列有关全连接神经⽹络的说法错误的是

A、全连接神经⽹络⼜称为多层感知机、前馈神经⽹络

B、全连接神经⽹络仅包含⼀个输⼊层和⼀个输出层

C、激活函数在线性模型的基础上加⼊了⾮线性因素

D、在全连接神经⽹络中，每两层之间的节点都有边相连

正确答案：B   学生答案：B

答案解析：全连接神经⽹络包含⼀个输⼊层和⼀个输出层，及⼀个或多个隐含层。

6、下列选项属于⽆监督学习⽅法的是

A、聚类

B、回归

C、降维

D、分类

正确答案：A；C   学生答案：A；C

答案解析：回归和分类属于有监督学习的⽅法。

7、关于聚类算法，下列说法正确的是

A、相似度⾼的样本会被归到⼀类

B、相似度低的样本会被归到⼀类

C、空间距离近的样本会被归到⼀类

D、空间距离远的样本会被归到⼀类

正确答案：A；C   学生答案：A；C

答案解析：聚类是根据某种相似程度或距离，把距离近或相似度⾼的样本归到⼀类。

8、下列哪些原因使得深度学习获得⻜速发展

A、⼤规模⾼质量标注数据集的出现。

B、更好的⾮线性激活函数的使⽤，例如Logistic代替ReLU。

C、新的正则化技术的出现：批标准化、Dropout等。

D、并⾏运算（例如GPU）的发展。

正确答案：A；C；D  学生答案：A；C；D

答案解析：选项2中，使⽤ReLU作为更好的⾮线性激活函数代替Logistic，是深度学习发展的原因之⼀。

9、下列哪些场景可使⽤⽣成对抗⽹络

A、⽣成图像数据集

B、语义图像到照⽚的转换

C、通过⼈脸照⽚⽣成对应的表情

D、图像修复

正确答案：A；B；C；D   学生答案：A；B；C；D

答案解析：以上场景均是⽣成对抗⽹络的实际应⽤。

江苏开放大学人工智能导论第三次形考作业简答题

10、什么是监督学习和非监督学习，请说明它们的区别，并各举一个例子。

参考答案：

1、有监督学习:对具有标记的训练样本进行学习来建立从样本特征到标记的映射。例如:支持向量机无监督学习:对没有标记的训练样本进行学习，以发现训练样本集中的结构性知识。聚类就是典型的无监督学习。比如:K-means等。

2、回归是监督学习的一种，它的标记是连续取值，有大小区别，可以计算标记间的距离。比如linear回归。分类问题是监督学习的一种，它的标记是若干个离散取值，没有大小区别，不能计算标记间的距离。针对的是离散型结果。比如，朴素贝叶斯，SVM等。

11、简述K-Means算法的思想和步骤。

参考答案：卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”

12、阐述卷积神经网络（Convolutional Neural Networks,CNN）。

参考答案：卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一 。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariant classification），因此也被称为“平移不变人工神经网络（Shift-Invariant Artificial Neural Networks, SIANN）”