[郑州]2024年河南郑州大学第三附属医院(河南省妇幼保健院)招聘博士生39人笔试历年参考题库附带答案详解.doc

[郑州]2024年河南郑州大学第三附属医院(河南省妇幼保健院)招聘博士生39人笔试历年参考题库附带答案详解.doc

  1. 1、本文档共142页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

[郑州]2024年河南郑州大学第三附属医院(河南省妇幼保健院)招聘博士生39人笔试历年参考题库附带答案详解

?

?

?

?

?

第1卷

?

?

一.参考题库(共100题)

?

1.临床医学教授格林斯潘认为,儿童的自我意识发展完全取决于父母与孩子的同理心关系,只有当父母能够持续、连贯、准确地读懂幼儿的情绪状态并做出有效回应时,孩子才能学会以同样的方式去回应。这种同理心的联系,拓展了孩子的心智,帮助他走进身边的情感与社交世界,给予他温暖和喜悦,而这正是培养信任所需要的。这种联系也带给孩子以自信,相信自己可以对他人产生影响,相信自己的意向也可以通过互动的方式,得到他人的积极回应。

这段文字意在强调:

A.

父母的情绪回应对孩子自我意识发展至关重要

B.

同理心是儿童获得智力与情感发展的坚实基础

C.

儿童的自我意识发展离不开与父母的积极互动

D.

准确地识别儿童的情绪状态是父母的核心任务

?

?

2.-2,3,-1,5,3,13,(??????)

A.21

B.28

C.18

D.19

?

?

3.相对于小汽车和公共汽车这两种交通方式,轨道交通具有较强的规模经济性,即只有当乘客流量相当大时才会实现盈亏平衡,所以适宜在已经成熟的社区建设,但这样一来,就不能起到为土地开发导向的作用。如果想用轨道交通导向,就要忍受较长时间的亏损,并且冒较大投资风险,且难以融资。

这段文字不支持的观点是:

A.

小汽车和公共汽车的投资风险比轨道交通小

B.

轨道交通需要规模经营

C.

轨道交通想要收回投资成本,就要在客流量很大的地方建设

D.

轨道交通只要忍受较长时间的亏损,就一定能扭亏为盈

?

?

4.声音可以在固态、液态和气态的介质中传播,传播的速度与介质分子间距有关,分子间距越小,声音的传播速度越快。下列介质中声音传播速度最快的是:

A.

铁棒

B.

竹杠

C.

盐水

D.

液态汞

?

?

5.正方体被切除部分后的造型如下图所示,那么哪一项是其被切去部分的造型?

A.A

B.B

C.C

D.D

?

?

6.材料

?????AlphaGo(阿尔法围棋程序)总体上由两个神经网络构成,以下把它们简单称为“两个大脑”。这只是一个比喻,在对弈时,这两个大脑是这样协同工作的:第一个大脑的简单模式会判断出在当前局面下有哪些走法值得考虑。第一个大脑的复杂模式通过蒙特卡洛树来展开各种走法,即所谓的“算棋”,以判断每种走法的优劣。在这个计算过程中,第二个大脑会协助第一个大脑通过判断局面来砍掉大量不值得深入考虑的分岔树,从而大大提高计算效率。与此同时,第二个大脑通过下一步棋导致的新局面的优劣也能给出关于下一步棋的建议。最后,两个大脑的建议被平均加权,做出最终的决定。

?????其实,这两个大脑的工作方式确实和人类很相似,一个??????细部,一个??????全局。但AlphaGo最终结合两者的方式相当简单粗暴:让两者各自评估一下每种可能的优劣,然后取一个平均数,这可绝不是人类的思维方式。

?????对人类来说,这两种思考问题方式的结合要复杂得多——不仅仅在围棋中是这样。人们并不总是同时对事态做出宏观和微观的判断,而是有时情绪、心理和潜意识的应激反应。这当然是人类不完美之处,但也是人类行为丰富性的源泉。

?????为什么要让人工智能去下围棋?有很多理由。但在我看来最重要的一个,是能够让我们更深入地理解智能的本质。

?????神经网络和机器学习在过去十年里跃进式的发展,确实让人工智能做到许多之前只有人脑才能做到的事,但这并不意味着人工智能的思维方式接近了人类。而且吊诡的是,人工智能在计算能力上的巨大进步,反而掩盖了它在学习人类思维方式上的短板。和国际象棋中的深蓝系统相比,AlphaGo已经和人类接近了许多,深蓝仍然依赖于人类外部定义的价值函数,所以本质上只是个高效计算器。但AlphaGo的价值判断是自我习得的,这就有了人的影子,而且AlphaGo的进步依赖于海量的自我对局数目,这当然是它的长处,但也恰好说明它并未真正掌握人类的学习能力。一个人类棋手一生至多下几千局棋,就能掌握AlphaGo在几百万局棋中所训练出的判断力,这足以证明,人类学习过程中还有某种本质是暂时无法用当前的神经网络程序来刻画的。

?????这当然不是说AlphaGo应该试图去复制一个人类棋手的大脑,但是AlphaGo的意义也不应该仅仅反映在它最终的棋力上。它是如何成长的?它的不同参数设置如何影响它的综合能力?如果有其他水平相当的人工智能和它反复对弈,它能否从对方身上“学到”和自我对弈不同的能力?对这些问题的研究和回答,恐怕比单纯观察它是否有朝一日能够超越人类重要得多。

依次填入文中画横线处最恰当的一项是:

A.研究观察

B.判断照顾

C.斟酌掌

您可能关注的文档

文档评论(0)

185****2606 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:6010031235000022

1亿VIP精品文档

相关文档