期末A卷一、單項選擇題1、新版Siri將集成哪個AI模型以提升其智能能力？A．GPT-3B．GPT-4C．GPT-4oD．BERT2、以下哪項不是華為手環(huán)在健康監(jiān)測中采用的技術(shù)？A.TruSeen?心率監(jiān)測技術(shù)B.TruSleep?睡眠監(jiān)測技術(shù)C.HUAWEITruSeen?5.0硬件光路升級D.HUAWEITrueVision?圖像識別技術(shù)3、以下哪項不屬于AI在娛樂和社交領(lǐng)域的應(yīng)用？A.推薦系統(tǒng)個性化內(nèi)容推送B.AI驅(qū)動的虛擬角色在社交媒體中應(yīng)用C.智能導(dǎo)航系統(tǒng)D.Netflix電影推薦系統(tǒng)4、人工智能醫(yī)療器械檢驗檢測公共服務(wù)平臺成立的目的是什么？A.促進(jìn)醫(yī)學(xué)人工智能產(chǎn)品研發(fā)和落地。B.頒發(fā)“2023年度醫(yī)學(xué)人工智能優(yōu)秀應(yīng)用案例”獎項。C.發(fā)布國家藥監(jiān)局器審中心人工智能醫(yī)療器械創(chuàng)新合作平臺。D.建立智能化的零售供應(yīng)鏈系統(tǒng)。5、下列哪個項目獲得了“2023年度醫(yī)學(xué)人工智能創(chuàng)新應(yīng)用典型案例”？A.智能供應(yīng)鏈系統(tǒng)2.0。B.京東到家Go的智能貨柜技術(shù)。C.基于人工智能的多源異構(gòu)醫(yī)療數(shù)據(jù)融合治理與應(yīng)用。D.全流程數(shù)智化VTE管控平臺助力醫(yī)療安全。6、下列哪一項不屬于TensorFlow的核心專有名詞？A．張量B．計算圖C．會話D．優(yōu)化器7、PyTorch的計算圖是：A．靜態(tài)的B．動態(tài)的C．固定的D．可視化的8、Keras是由以下哪個公司開發(fā)的？A．GoogleB．FacebookC．MicrosoftD．Amazon9、Caffe2是由以下哪個公司開發(fā)的？A．GoogleB．FacebookC．MicrosoftD．Amazon10、Prolog是基于以下哪種邏輯的編程語言？A．二階謂詞邏輯B．模態(tài)邏輯C．一階謂詞邏輯D．?dāng)?shù)理邏輯11、下列哪項不屬于線性回歸的假設(shè)？A．誤差項的正態(tài)性B．自變量之間的多重共線性C．誤差項的同方差性D．線性關(guān)系12、以下哪個模型主要用于數(shù)據(jù)的降維？A．邏輯回歸B．支持向量機C．核主成分分析（KPCA）D．隨機森林13、支持向量機（SVM）通過什么方法來處理線性不可分的數(shù)據(jù)？A．損失函數(shù)B．核技巧C．梯度下降D．最大似然估計14、以下哪種核函數(shù)將輸入數(shù)據(jù)映射到一個無限維的特征空間？A．線性核B．多項式核C．RBF核D．Sigmoid核15、決策樹剪枝的主要目的是為了：A．增加模型的復(fù)雜度B．減少模型的訓(xùn)練時間C．防止過擬合D．增加模型的預(yù)測精度16、RNN中容易出現(xiàn)的問題是什么？A．梯度消失或梯度爆炸B．無法處理序列數(shù)據(jù)C．無法捕捉短期依賴關(guān)系D．無法處理非線性數(shù)據(jù)17、以下哪種網(wǎng)絡(luò)結(jié)構(gòu)能夠同時考慮序列的前后文信息？A．標(biāo)準(zhǔn)RNNB．雙向RNNC．前向RNND．循環(huán)神經(jīng)網(wǎng)絡(luò)18、GRU中的哪個門結(jié)構(gòu)用來控制前一時刻隱藏狀態(tài)對當(dāng)前隱藏狀態(tài)的影響？A．遺忘門B．輸入門C．重置門D．更新門19、LSTM中，哪個門結(jié)構(gòu)負(fù)責(zé)決定哪些信息應(yīng)被遺忘？A．輸入門B．遺忘門C．輸出門D．重置門20、LSTM通過什么來有效地管理信息的流動和遺忘？A．線性結(jié)構(gòu)B．門結(jié)構(gòu)C．循環(huán)結(jié)構(gòu)D．非線性激活函數(shù)二、填空題1、新質(zhì)生產(chǎn)力的本質(zhì)是______。2、Siri可以記住用戶之前的對話內(nèi)容，這是因為它具備__________功能。3、京東到家Go的智能貨柜3.0利用__________技術(shù)實現(xiàn)了動態(tài)視覺識別和重力感應(yīng)的雙重互補。4、海燕系統(tǒng)在交通管理中通過__________算法對車輛行為進(jìn)行分析。5、AI在零售業(yè)的應(yīng)用包括智能客服、精準(zhǔn)營銷和__________管理。6、Matplotlib通過提供豐富的繪圖函數(shù)和靈活的自定義選項，成為了________領(lǐng)域的重要工具。7、Scikit-learn庫包含的主要算法包括監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和________。8、NumPy的________機制極大地簡化了數(shù)組操作的復(fù)雜性。9、Prolog的推理引擎通過_______、遞歸定義、自動回溯和控制回溯等機制實現(xiàn)問題的求解。10、TensorFlow的會話提供了_______和常規(guī)會話兩種類型。三、判斷題1、在基于模型的遷移中，共享模型參數(shù)無法通過微調(diào)來快速適應(yīng)新的任務(wù)。2、支持向量機通過解決凸二次規(guī)劃問題來找到最優(yōu)超平面。3、核模型不允許算法在更高維或更復(fù)雜的特征空間中操作。4、高斯過程可以看作是一個無限維的高斯分布。5、決策樹模型由節(jié)點和無向邊組成。6、全連接層的每個神經(jīng)元都與前一層的所有神經(jīng)元相連接，因此參數(shù)數(shù)量較多，容易產(chǎn)生過擬合現(xiàn)象。7、RNN的循環(huán)特性使其不適合處理需要考慮歷史信息的任務(wù)。8、在處理長序列時，RNN容易遇到梯度消失和梯度爆炸的問題。9、雙向RNN通過結(jié)合前向和后向RNN的輸出，使得模型能夠考慮整個序列的上下文。10、RNN的反向傳播算法稱為隨時間反向傳播（BPTT），它將RNN在時間序列上展開成等價的前饋神經(jīng)網(wǎng)絡(luò)。四、簡答題1、人工智能的感官已經(jīng)實際應(yīng)用在很多領(lǐng)域，請舉出三個例子，并思考其未來會怎樣發(fā)展。2、在符號主義視角下，人工智能系統(tǒng)如何通過邏輯推理來解決一個復(fù)雜的決策問題？請給出一個簡化的例子3、在開發(fā)一個具有高級邏輯推理能力的醫(yī)療診斷輔助系統(tǒng)時，如何平衡符號主義與連接主義的優(yōu)勢？4、為什么知識的動態(tài)性對人工智能系統(tǒng)至關(guān)重要？5、如何構(gòu)建基于規(guī)則的演繹推理系統(tǒng)？五、上機題1、編寫一個簡單的基于規(guī)則的專家系統(tǒng)任務(wù)描述在人工智能的應(yīng)用領(lǐng)域中，專家系統(tǒng)是一種重要的知識表達(dá)與推理工具，它的核心在于通過模擬專家的決策過程，利用已有的知識庫和規(guī)則推理機制，為用戶提供類似專家的建議或解決方案。常用規(guī)則集如下：rules=[{"癥狀":"發(fā)動機無法啟動","原因":"電池沒電","規(guī)則":"如果發(fā)動機無法啟動并且聽不到啟動聲音，那么可能是電池沒電。"},{"癥狀":"發(fā)動機無法啟動","原因":"油箱沒油","規(guī)則":"如果發(fā)動機無法啟動并且油表顯示油箱空，那么可能是油箱沒油。"},{"癥狀":"發(fā)動機無法啟動","原因":"火花塞故障","規(guī)則":"如果發(fā)動機無法啟動并且電池有電，可能是火花塞故障。"},{"癥狀":"燈光不亮","原因":"燈泡燒壞","規(guī)則":"如果燈光不亮且其他電氣設(shè)備工作正常，那么可能是燈泡燒壞。"},{"癥狀":"燈光不亮","原因":"電池沒電","規(guī)則":"如果燈光不亮且其他電氣設(shè)備也不工作，那么可能是電池沒電。"},{"癥狀":"剎車失靈","原因":"剎車油不足","規(guī)則":"如果剎車失靈并且剎車踏板很軟，那么可能是剎車油不足。"},{"癥狀":"剎車失靈","原因":"剎車片磨損","規(guī)則":"如果剎車失靈并且剎車時有噪音，那么可能是剎車片磨損。"}任務(wù)目標(biāo)（1）使用Python程序設(shè)計語言設(shè)計并實現(xiàn)一個簡單的基于以上規(guī)則的汽車故障診斷專家系統(tǒng)。2、構(gòu)建并訓(xùn)練一個交通標(biāo)識識別模型任務(wù)描述交通標(biāo)識識別系統(tǒng)是智能駕駛技術(shù)中至關(guān)重要的組成部分，也是人工智能領(lǐng)域的一項關(guān)鍵應(yīng)用。該系統(tǒng)通過攝像頭采集道路交通標(biāo)識的圖像，并利用深度學(xué)習(xí)模型對其進(jìn)行分類和識別，從而為自動駕駛系統(tǒng)提供實時的交通標(biāo)識信息。本任務(wù)中，我們需要使用Python程序設(shè)計語言及深度學(xué)習(xí)框架TensorFlow和Keras來構(gòu)建并訓(xùn)練一個交通標(biāo)識識別模型。任務(wù)目標(biāo)（1）通過命令行安裝TensorFlow、NumPy、Scipy、Pillow第三方庫（2）下載并解壓GTSRB數(shù)據(jù)集，數(shù)據(jù)集下載鏈接如下：https://sid.erda.dk/public/archives/daaeac0d