东华大学2019年人工智能导论期末试题回顾与关键知识点梳理

本资源是一份东华大学2019-2020学年第一学期的人工智能导论A卷期末试题答案。这份文档涵盖了人工智能基础概念和相关技术的考察，适合学习者复习或教师评估学生掌握程度。以下是部分内容的详细解析： 1. 选择题部分涵盖了人工智能的基本概念划分，如机器学习与数值分析的区别（数值分析不属于人工智能的核心研究领域），机器学习的不同方法（如监督学习、无监督学习和强化学习），以及具体算法的分类（例如期望最大化算法是非监督学习方法）。 2. 对于数据处理和特征提取技术，如主成分分析（PCA）的应用和支持向量机（SVM）的性质（SVM是监督学习的分类算法），以及K-means聚类算法的性质（它是无监督学习算法）进行了检验。 3. 题目涉及数学应用，如二维数据点间的距离计算，这里演示了如何运用欧几里得距离公式计算A(2,-1)和B(-1,3)两点间距离，正确答案是5。 4. 深度学习方面的问题包括神经网络的非线性激活函数的作用（ReLU函数可以缓解梯度消失问题但不是万能解决方案），卷积神经网络的历史和发展，以及深度学习对大量标注数据和并行计算的依赖。 5. 对于卷积神经网络（CNN）的架构和计算，题目要求计算输入为[128,10,10,64]、卷积核为[3,3,64,128]，padding为Valid且stride为1时的输出尺寸，正确的答案是输出张量维度为[128,8,8,128]。 6. 最后两题涉及图像识别领域，包括历史上在ImageNet比赛中获胜的模型（AlexNet、ZFNet、VGG和ResNet中，ResNet不是冠军）、以及ResNet网络结构的特点，其中C选项提到的错误观点是关于ResNet网络中的残差连接结构。 这份试题覆盖了人工智能的基础理论和实际应用，对于学习者来说，通过解答这些问题，不仅可以巩固对人工智能核心概念的理解，还能提升对深度学习、计算机视觉等特定领域的技能。