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://www.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
大模型长度扩展综述:从直接外推ALiBi、插值PI、NTK-aware插值(Meta称之为RoPE ABF)、YaRN到S2-Attention
前言 23下半年,我全力推动我司『七月在线』大模型项目团队的组建,我虽兼管整个项目团队,但为了并行多个项目,最终分成了三个项目组,
大模型“安全护城河”全景解读:从攻防博弈到未来展望
近年来,随着大模型(如 ChatGPT、视觉基础模型、扩散模型等)的迅猛发展,人工智能正以前所未有的速度改变着我们的生活与工作。然而,在享受大模型带来的便捷与创新的同时,其潜藏的安全隐患也逐渐浮出水面。从对抗攻击到越狱提示,再到数据中毒和模
以高质量数据为基石:OpenCSG 助力 MiniCPM4 实现端侧大模型的性能与效率双突破
以高质量数据为基石:OpenCSG 助力 MiniCPM4 实现端侧大模型的性能与效率双突破顶尖的开源AI研究团队 OpenBMB 在其最新的技术报告中发布了备受瞩目的端侧大模型 MiniCPM4。该模型旨在以极高的计
关于大数据的基础知识(一)——定义&特征&结构&要素
成长路上不孤单😊😊😊😊😊😊 【14后😊计算机爱好者&#x
51c大模型~合集179
自己的原文哦~ https:blog.51ctowhaosoft14165452 #我们找到了AI幻觉的罪魁祸首 OpenAI罕见发论文 AI 最臭名昭著的 Bug 是什么?
51c大模型~合集151
我自己的原文哦~ https:blog.51ctowhaosoft14038324 #用隐藏指令诱导AI给论文打高分 谢赛宁合著论文被点名:认错&
复旦大学联合团队发布GeometryZero:让小尺寸AI模型也能像数学天才一样解决几何难题
这项由复旦大学王一坤、王一斌、王典艺等研究者,联合上海人工智能实验室、上海创新研究院、浙江大学以及南洋理工大学共同完成的突破性研究,于2025年6月发表在arXiv预印本平台(
ChatGPT及AI大模型学习笔记分享
最初小王跟我分享ChatGPT这一科技动态,我还并未放在心上,谁料与AI大语言模型有关的故事很快就蔓延到了数据领域。目前公司正在与大厂接洽相关业务,研究该领域是我在这一阶段的
【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
STM32F103C8T6实战教程:轻松搭建嵌入式系统中的SWF环境
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
Hunyuan MT与数据安全:开启AI应用的合规之旅
开源大模型合规应用:Hunyuan MT数据隐私保护指南 1. HY-MT1.5-1.8B 模型概览:轻量高效,专注翻译本质 混元翻译模型 1.5 版本包含两个主力模型:HY-MT1.5-1.8B 和 HY-MT1.5
方言不再是障碍:这款工具以98.2%精准度解决中文音频对齐问题!
Qwen3-ForcedAligner-0.6B惊艳案例:带口音中文访谈音频实现98.2%字级对齐准确率 1. 为什么这个对齐模型让人眼前一亮 你有没有遇到过这样的情况:一段粤语口音浓重的深圳科技公司内部访谈录音,转文
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
从新手到高手:Spring AI与Ollama本地大模型集成实战手册
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
GPT进阶教程:解码核心原理,探索广泛应用领域及其发展前景
1. 引言 1.1 GPT 系列模型概述 GPT(Generative Pre-trained Transformer)是由 OpenAI 开发的一类生成式预训练语言模型。基于 Transformer 架构,GPT 模
进阶指南:掌握GPT、GPT-2和GPT-3在Flash中的应用
视频讲解: 论文链接: GPT: GPT-2: GPT-3:GPT文章标题:Improving Language Understanding by Generative pre-
Adobe Flash Player的安全挑战:企业如何建立有效的人力资源控制体系?
旨在提供分析视角,所有策略均存在重大法律、道德与合规风险,严禁在现实世界中实施或效仿。企业非正当利益运作与人员控制策略框架 编号 策略名称 核心操作执行要点
GTE升级版来袭:小容量CPU支持下的可视化界面和API便捷调用
GTE中文语义相似度服务上线|轻量级CPU版支持可视化仪表盘与API调用 1. 项目概览:GTE 中文语义相似度服务是什么? 在自然语言处理(NLP)领域, 语义相似度计算是构建智能系统的核心能
火焰检测新纪元:YOLOv11实战攻略与火焰识别
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
YOLOv11实战火焰与烟雾检测_yolo烟雾检测
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
发表评论