admin 管理员组文章数量: 1184232
2024年4月15日发(作者：matlab三重积分)
人工智能基础(习题卷53)
第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]RPA执行器主要的用途是（）。
A)编写和发布RPA流程
B)运行RPA流程
C)管控RPA流程
答案:B
解析:
2.[单选题]从全称判断推导出特称判断或单称判断的过程，即由一般性知识推出适合于某一具体情况的结论的推理是
（）
A)归结推理
B)演绎推理
C)默认推理
D)单调推理
答案:B
解析:
3.[单选题]从给定的特征集合中选择出相关特征子集的过程，称为(___)
A)特征抽取
B)特征选择
C)特征降维
D)特征简化
答案:B
解析:
4.[单选题]在训练神经网络过程中我们目的是让损失函数不断减小，我们常用以下哪种方法最小化损失函数
A)梯度下降
B)Dropout
C)交叉验证
D)正则化
答案:A
解析:
5.[单选题]在线性回归问题中，我们用R方来衡量拟合的好坏。在线性回归模型中增加特征值并再训练同一模型。下列
说法正确的是（）。
A)如果R方上升，则该变量是显著的
B)如果R方下降，则该变量不显著
C)单单R方不能反映变量重要性，不能就此得出正确结论
D)以上答案都不正确
答案:C
解析:单单R方不能表示变量显著性，因为每次加入一个特征值，R方都会上升或维持 不变。但在调整R方的情况下这也
有误（如果特征值显著的话，调整R方会上升）。
6.[单选题]（）中各神经元接受前一层的输入，并输出给下一层，没有反馈。
A)反馈型神经网络
版权声明：本文标题：人工智能基础(习题卷53) 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1713175247a622546.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
更多相关文章
[特殊字符] 全网最全！2025 年本地化部署大模型保姆级避坑指南（含配置价格速度场景）
🌟 为什么要本地化部署大模型？数据安全：敏感数据不出企业内网，避免泄露风险。成本可控：长期使用比云服务便宜 50% 以上&
【人工智能】大模型提示词：应对“输出重复”的提示词优化策略
1. 引言：被 “复读机” 困扰的大模型使用场景你是否遇到过这样的情况：让大模型写产品文案，结果反复出现 “科技感十足”“品质卓越”；让它分析代码问题&
【雷达检测】基于matlab Swerling目标模型的雷达信号检测【含Matlab源码 14709期】含报告
💥💥💥💥💥💥💞💞💞&am
浏览器打开Axure RP模型
1，直接使用chrome打开，提示下载插件 2，需要做一些操作 打开原型文件，找到resourceschromeaxure-chrome-exte
打造流畅体验：GLM-4.7-Flash多语言版本的部署与中文调试深度揭秘
GLM-4.7-Flash从零开始：中文优化大模型部署与多轮对话调试 想快速体验一个中文理解能力超强、对话流畅自然的大模型吗？今天，我们就来手把手带你部署和调试GLM-4.7-Flash，这是智谱AI最新推出的一个“大块头”模
一步到位：适合初学者的Adobe Flash Player中的SWF文件部署策略
小白也能懂的AIGlasses_for_navigation部署指南 你是不是觉得AI、目标检测、模型部署这些词听起来就很高深，感觉离自己很远？别担心，今天我要带你体验一个特别有意思的AI应用——AIGlasses_for_n
从无到有：GLM-4.7-Flash 教程，助你快速掌握文本生成技巧
手把手教你用GLM-4.7-Flash：快速生成高质量文本内容 你是不是也遇到过这些情况？写营销文案卡在第一句，改了八遍还是像AI写的；整理会议纪要时翻着几十页录音转文字，越看越头大；给客户
Qwen2.5-7B-Instruct助力STM32F103C8T6开发者突破技术瓶颈：实例教程
Qwen2.5-7B-Instruct在嵌入式系统中的应用：STM32F103C8T6案例 1. 为什么要在STM32上运行大模型 很多人第一次听到“在STM32上跑大模型”时都会愣一下——这颗只有20KB RAM、6
手把手教你：Spring AI结合Ollama创建更智能的动画项目
1. 环境准备：搭建你的本地AI实验室 想在自己的电脑上跑大模型，又不想被昂贵的API费用和网络延迟困扰？那你来对地方了。今天我要带你用 Spring AI和 Ollama这两个
超越训练数据边界：GPT与零样学习的深度对话
GPT模型 Paper: GPT-1 GPT-1是OpenAI在论文《Improving Language Understanding by Generative Pre-Training》中提出的生成式预训练
参数量级激增：解密175B与1.8T参数下的GPT3.5与GPT4
1 ChatGPT概述 1.1 what is chatGPT ChatGPT (Generative Pre-Trained Transformer) 是由OpenAI团队与2022年11月基于GPT-3.5 (目前
GPT1革新之道：闪现与动画的新时代
GPT与BERT、Transformer的关系 Transformer发表在2017年6月，在一年之后GPT出来了，GPT的核心数据把Transformer的解码器拿出来，在大量没有文本的数据集上训练一个语言模型然后获得一个预
GPT进阶指南：一步到位从GPT-1走到GPT-4
【ChatGPT】GPT 模型的发展历史：从 GPT-1 到 GPT-2 到 GPT-3 到 GPT-4目录1. 引言 自然语言处理（NLP）是人工智能领域的一个重要方向，旨在让计算机能够理解和生成
走进AI新天地：深入探讨GPT系列中的GPT-3.5与GPT-4如何利用大容量模型（175GB & 1.8TB）引领未来
1 ChatGPT概述 1.1 what is chatGPT ChatGPT (Generative Pre-Trained Transformer) 是由OpenAI团队与2022年11月基于GPT-3.5 (目前
GPT2模型指南：一步步带你走进深度学习的世界
一 背景介绍GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为GPT2模型的预训练语料库为超过40G的近8000万的网页文本数据，GPT2的预训练语料库相较于GP
超值体验：只需10元就能驾驭7B模型，彻底摆脱硬件限制，畅游数字艺术海洋！
Qwen2.5代码助手实战：10块钱玩转7B模型，无需装机 引言：为什么选择Qwen2.5代码助手？ 作为一名培训班老师，你是否遇到过这样的困境：学员的电脑配置参差不齐，有的用轻薄本，有的用游戏本，安装开发环境时总是出
专业揭秘：YOLOv8模型如何利用GPU和CPU资源？
YOLOv8模型监控仪表盘：GPUCPU资源实时追踪 1. 项目概述 今天给大家介绍一个特别实用的工具——YOLOv8模型监控仪表盘。如果你正在使用YOLOv8进行目标检测，这个工具能帮你实时监控GPU和CPU的资源
火眼金睛：YOLOv11实战解析烟雾与火焰的智能检测
本文采用YOLOv11作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv11以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对火焰与烟雾数据集进行训练和优化，该数据集包含丰富的火焰
火灾烟雾智能检测
1 项目说明 据统计，2020年全国共接报火灾25.2万起，直接财产损失高达40.09亿元。火灾已经成为危害人们生命财产安全的一种多发性灾害。 针对住宅、加油站、公路、森林等火灾高发场景，应用飞桨的目标检测技术，
发表评论