2025年秋江苏开放大学人工智能导论060728第三次形考作业答案

2025年秋江苏开放大学人工智能导论060728第三次形考作业答案 2025年秋江苏开放大学人工智能导论060728第二次形考作业答案 2025年秋江苏开放大学人工智能导论060728第一次形考作业答案

试题列表
单选题
题型：单选题客观题分值2分难度：中等得分：2
1下列不属于深度学习核⼼思想的是
A端到端学习
B⼈⼯选取特征
C⾮线性函数逼近
D表示学习/特征学习
学生答案：B
老师点评：
题型：单选题客观题分值2分难度：中等得分：2
2下列关于感知机的说法错误的是
A感知机是⼀种前馈⽹络，即同层内⽆互联，不同层间⽆反馈。
B1958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）。
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。
学生答案：D
老师点评：
题型：单选题客观题分值2分难度：一般得分：2
3下列关于机器学习中特征的说法正确的是
A特征是每个样本和其它样本的关系
B特征是描述数据好坏的指标
C特征是数据集的完整程度
D特征是每个样本在某⽅⾯的表现或性质
学生答案：D
老师点评：
题型：单选题客观题分值2分难度：中等得分：2
4K-Means属于机器学习形式中的
A⽆监督学习
B强化学习
C有监督学习
D深度学习
学生答案：A
老师点评：
题型：单选题客观题分值2分难度：一般得分：2
5下列选项中关于深度学习端到端学习叙述错误的是
A端到端的图像识别，做的是⽤单个深度神经⽹络去替代多个阶段的处理
B端到端的语⾳识别结构要⽐⼈⼯设计流程得到的结果更好
C端到端的语⾳识别是对原始数据提取特征，将提取到的特征建⽴时间序列模型，得到声学模型
D端到端学习中，从原始输⼊直接学习到⽬标，中间的函数和参数都是可学习的
学生答案：C
老师点评：
题型：单选题客观题分值2分难度：较难得分：2
6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，使⽤训练集评估模型
B⾸先，划分数据集；然后，训练模型；最后，使⽤训练集评估模型
C⾸先，训练模型；然后，划分数据集；最后，使⽤测试集评估模型
D⾸先，划分数据集；然后，训练模型；最后，使⽤测试集评估模型
学生答案：D
老师点评：
题型：单选题客观题分值2分难度：较难得分：2
7下列问题中，哪个可以看作是分类问题
A预测房屋价格
B预测⼀只动物是否为猫
C预测天⽓温度
D预测⼀个⼈的身⾼
学生答案：B
老师点评：
题型：单选题客观题分值2分难度：中等得分：2
8下列有关全连接神经⽹络的说法错误的是
A全连接神经⽹络仅包含⼀个输⼊层和⼀个输出层
B在全连接神经⽹络中，每两层之间的节点都有边相连
C激活函数在线性模型的基础上加⼊了⾮线性因素
D全连接神经⽹络⼜称为多层感知机、前馈神经⽹络
学生答案：A
老师点评：
多选题
题型：多选题客观题分值4分难度：简单得分：4
1
生成神经网络在图像处理中有哪些应用（）？
A
图像修复
B
图像翻译
C
图像风格迁移
D
艺术创作
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值4分难度：一般得分：4
2下列哪些原因使得深度学习获得⻜速发展
A更好的⾮线性激活函数的使⽤，例如Logistic代替ReLU。
B并⾏运算（例如GPU）的发展。
C⼤规模⾼质量标注数据集的出现。
D新的正则化技术的出现：批标准化、Dropout等。
学生答案：B；C；D
老师点评：
题型：多选题客观题分值4分难度：简单得分：4
3
卷积神经网络使用哪几个关键技术来利用自然信号的属性？
A
局部连接
B
权值共享
C
多卷积核
D
池化
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值4分难度：一般得分：4
4循环神经⽹络能够应⽤于以下哪些场景
A⽣成图像描述
B语⾳识别
C⽂本⽣成
D机器翻译
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值4分难度：中等得分：4
5下列哪些场景可使⽤⽣成对抗⽹络
A⽣成图像数据集
B通过⼈脸照⽚⽣成对应的表情
C图像修复
D语义图像到照⽚的转换
学生答案：A；B；C；D
老师点评：
题型：多选题客观题分值4分难度：较难得分：4
6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空间距离远的样本会被归到⼀类
D空间距离近的样本会被归到⼀类
学生答案：A；D
老师点评：
题型：多选题客观题分值4分难度：中等得分：4
7下列选项属于⽆监督学习⽅法的是
A回归
B分类
C降维
D聚类
学生答案：C；D
老师点评：
简答题
题型：简答题主观题分值10分难度：简单得分：10
1
请简述什么是卷积神经网络的权值共享？