人工智能基础导学答案2023秋

第七章测试

1.

神经网络是由一个神经元构成的

A:错 B:对
答案:A
2.

隐含层，是指其中神经元的状态在输出端无法直接观测

A:错 B:对 3.

v对于一个样本，如果当前权重能够正确判断其类型，就减小当前权重

A:错 B:对 4.

对于一个样本，如果当前权重能够正确判断其类型，就提高其比例

A:错 B:对 5.

神经元在输入端接受来自多个信号源的输入信息

A:错 B:对 6.

以下关于FNN和错误反向传播（BP）算法的说法错误的是：

A:BP算法的核心是对隐含层神经元误差E的估计
B:BP算法对多层网络训练时使用的sigmoid激活函数存在“梯度弥散”问题
C:BP算法的出现解决了多层神经网络权重调整困难的问题
D:BP算法是从输入层开始，逐层计算δ信号调整自身权重，并且将δ信号传向后一层
7.

以下说法中，不属于感知器和FNN模型的相同点的是：

A:二者都有输入、激活和输出
B:二者都是由多个神经元组成的多层神经网络
C:二者学习的关键都是神经元的损失计算
D:输入信号向后传递的过程中，都是加权和的计算
8.

以下关于前馈神经网络（FNN）的说法正确的是：

A:FNN的输出结果只能是向量
B:一个标准的前馈神经网络只有一个输入层和一个输出层
C:在FNN中，输入信号的传递方向是明确的，并不存在反向信号传递
D:FNN的同层神经元之间存在连接
9.

以下关于感知器模型的说法错误的是：

A:输入为实例的特征向量，由激活函数计算输出，输出为1、-1两个值
B:感知器的信号处理分为四个部分：输入、汇总、激活、输出
C:汇总后的输入信号如果高于阈值，则产生“激活”信号，否则仍基本维持原有水平
D:在输入端，神经元只接受来自一个信号源的输入信息
10.

以下关于感知器的说法错误的是：

A:感知器模型的关键，就是通过调整权重使一类样本可以激活神经元，而另一类则不会
B:一层感知器只能针对线性可分的数据集分类，无法解决异或（XOR）问题
C:重调整采用“奖惩分明”策略，即对于能够准确判断样本类型的权重，提高当前权重比例，反之则降低当前权重比例
D:感知器模型中的激活函数是二值函数时，损失函数是可导的
11.

生成式模型模拟概率分布时，常用“后验分布”。

A:对 B:错 12.

用生成式模型根据少量样本来估计整个类型的概率特征是很困难的

A:错 B:对 13.

判别式模型对问题本质缺乏了解，无法从个例中抽象出整体概念

A:对 B:错 14.

生成对抗网络结合了生成模型和判别模型

A:对 B:错 15.

图像分类属于生成对抗模型的应用的是

A:错 B:对