国开作业《人工智能》形成性考核(二)参考(含答案)933.pdfVIP

国开作业《人工智能》形成性考核(二)参考(含答案)933--第1页

国开作业《人工智能》形成性考核（二）

参考（含答案）933

本次考核为形成性考核，试卷分为两部分。

第一部分：选择题

1.训练一个神经网络时，下列哪种方法可以有效降低过拟合？

（D）

A.增加训练集的大小

B.减小网络的深度

C.减小网络的宽度

D.加入正则化项

2.下列关于熵的说法，哪个是正确的？（B）

A.熵越小，数据的不确定性越小

B.熵越大，数据的不确定性越大

C.熵和不确定性没有关系

D.熵只能为整数

国开作业《人工智能》形成性考核(二)参考(含答案)933--第1页

国开作业《人工智能》形成性考核(二)参考(含答案)933--第2页

3.下列哪项不是强化研究的三要素之一？（C）

A.奖励

B.状态

C.目标

D.行动

4.下列哪种神经网络常用于自然语言处理任务？（A）

A.循环神经网络

B.卷积神经网络

C.深度信念网络

D.受限玻尔兹曼机

5.Ernie模型是哪家公司开发的？（B）

A.谷歌

B.百度

C.腾讯

D.阿里巴巴

第二部分：简答题

国开作业《人工智能》形成性考核(二)参考(含答案)933--第2页

国开作业《人工智能》形成性考核(二)参考(含答案)933--第3页

1.请简要介绍一下卷积神经网络（CNN）的原理，并说明

CNN可以用来解决哪类问题？

卷积神经网络是由一系列卷积层和池化层组成的神经网络，其

中卷积层负责提取图像中的特征，池化层负责缩小数据尺寸以减小

运算量，并增强模型的泛化能力。CNN可以用来解决计算机视觉

领域的问题，如物体分类、物体检测、图像分割等。

2.常见的循环神经网络(RNN）有哪些结构？简述它们的原理。

常见的循环神经网络结构有RNN、LSTM和GRU。RNN会对

序列中的每个元素进行循环处理，将上一个元素的输出作为当前元

素的输入。LSTM通过门控机制来长期记忆信息并削减梯度消失的

影响；GRU是LSTM的变种，将门控机制分为更新门和重置门，

从而降低了计算量，提高了计算速度。

3.请利用线性回归算法，通过自己搜集的数据，建立一个房价

预测模型。

略。

国开作业《人工智能》形成性考核(二)参考(含答案)933--第3页

国开作业《人工智能》形成性考核(二)参考(含答案)933--第4页

4.请简要介绍Transformer模型的原理，并说明Transformer相

比基于循环神经网络的模型有哪些优势？

Transformer是由若干个注意力机制堆叠而成的模型，它将输入

序列分别进行自注意力和交叉注意力计算，得到对应的注意力矩阵，

实现了序列之间的信息传递。相比基于循环神经网络的模型，

Transformer具有并行化计算能力、处理长距离依赖关系能力更强、

避免了循环中依赖关系的累乘，同时它还可以在encoder和decoder

之间共享参数，提高了模型的泛化能力和训练效率。

以上为参考答案，仅供参考。

国开作业《人工智能》形成性考核(二)参考(含答案)933--第4页