2025年1月人工智能应用技术模拟题含参考答案解析
一、单选题（共20题，每题1分，共20分）
1.给定三个点(1,4)、(2,3)、(2,5)，它们的欧氏距离最小值是
A、0
B、1
C、1.4
D、2
正确答案：C
2.下面哪种不属于数据预处理的方法？
A、估计遗漏值
B、变量代换
C、离散化38
D、聚集
正确答案：A
3.下面哪个不属于数据的属性类型
A、相异
B、标称
C、区间
D、序数
正确答案：A
答案解析：相异不属于数据的属性类型。标称、序数、区间是常见的数据属性类型，而相异并不是数据属性类型的一种分类。
4.假设一个具有3个神经元和输入为[1,2,3]的简单MLP模型。输入神经元的权重分别为4,5和6。假设激活函数是一个线性常数值3(激活函数为：y=3x)。输出是什么？
A、32
B、643
C、96
D、48
正确答案：C
答案解析：首先计算加权和，输入为[1,2,3]，权重分别为4,5,6，加权和为1*4+2*5+3*6=4+10+18=32。然后经过激活函数y=3x，这里x为加权和32，所以输出为3*32=96。
5.下面哪个/些对「类型1（Type-1）」和「类型2（Type-2）」错误的描述是正确的？类型1通常称之为假正类，类型2通常称之为假负类。类型2通常称之为假正类，类型1通常称之为假负类。类型1错误通常在其是正确的情况下拒绝假设而出现。
A、只有1
B、只有2
C、只有3
D、1和3
正确答案：D
答案解析：在假设检验中，类型1错误通常是在原假设是正确的情况下拒绝了原假设，也就是假正类；类型2错误通常是在原假设是错误的情况下接受了原假设，也就是假负类。所以描述1和3是正确的，答案选D。
6.在集成学习中，模型集成了弱学习者的预测，所以这些模型的集成将比使用单个模型预测效果更好。下面哪个/些选项对集成学习模型中的弱学习者描述正确？1他们经常不会过拟合2他们通常带有高偏差，所以其并不能解决复杂学习问题3他们通常会过拟合
A、1和2
B、1和3
C、2和3
D、只有1
正确答案：A
答案解析：弱学习者通常带有高偏差，不能很好地解决复杂学习问题，但由于其简单，往往不会过拟合。所以1和2描述正确，3错误，答案选A。
7.人工智能处在感知智能阶段的表现是什么?
A、机器开始像人类一样能理解、思考与决策
B、机器开始像人类一样会计算，传递信息
C、机器开始看懂和听懂，做出判断，采取一些简单行动
正确答案：C
答案解析：人工智能处在感知智能阶段时，机器开始具备看懂和听懂的能力，并能做出判断，采取一些简单行动。选项A中像人类一样能理解、思考与决策属于认知智能阶段的表现；选项B中会计算、传递信息是比较基础的能力，不是感知智能阶段的典型表现。
8.批量梯度下降，小批量梯度下降，随机梯度下降最重要的区别在哪里?
A、梯度大小
B、学习率
C、使用样本数
D、梯度方向
正确答案：C
答案解析：批量梯度下降在每次更新参数时使用整个训练数据集，计算梯度；小批量梯度下降使用部分数据计算梯度；随机梯度下降每次只使用一个样本计算梯度。它们的主要区别在于使用样本数不同。梯度大小、梯度方向不是它们的主要区别，学习率与这三种梯度下降方式的核心区别无关。
9.语音理解是指利用（)等人工智能技术进行语句自动识别和语意理解。
A、知识表达和组织
B、声乐和心理
C、字典和算法
D、合成和分析
正确答案：A
10.对于图像数据，通常使用的模型是
A、循环神经网络
B、卷积神经网络
C、word2vec
D、bert
正确答案：B
答案解析：卷积神经网络（ConvolutionalNeuralNetwork，简称CNN）是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型。它通过卷积层、池化层等结构自动提取数据的特征，在图像分类、目标检测、图像分割等众多图像相关任务中表现出色。循环神经网络（RNN）主要用于处理序列数据；word2vec是用于词向量表示的模型；BERT是基于Transformer架构的预训练语言模型，主要用于自然语言处理。所以对于图像数据，通常使用的模型是卷积神经网络。
11.下列选项中昇腾310和昇腾910属性相同的是?
A、最大功率
B、架构
C、整数精度21
D、7nm制程
正确答案：B
答案解析：昇腾310和昇腾910都采用了华为自研的达芬奇架构。昇腾310最大功率为8W，昇腾910最大功率为300W，A选项不同；昇腾310整数精度不是21，C选项错误；昇腾910是7nm制程，昇腾310是12nm制程，D选项错误。
12.以下不属于TensorFlow2.0的特点是?
A、多核CPU加速
B、分布式