东华大学2020-2021学年人工智能导论期末试题及解析

本资源是一份东华大学2020~2021学年第一学期人工智能导论A卷的期末试题，主要针对人工智能的基础理论和概念进行考察。课程涵盖了机器学习、自然语言处理、计算机视觉、神经网络等多个关键领域。 1. 选择题部分： - 题目涉及了人工智能的基本划分，如区分机器学习（包括有监督学习、无监督学习和强化学习）与数值分析的关系，以及逻辑回归、支持向量机、神经网络的区别。 - 对线性回归和SoftMax回归的适用场景进行了辨析，强调了逻辑回归的局限性。 - 讨论了神经网络的特点，包括其在非线性分类问题中的优势、梯度计算方法，以及不同框架（如Tensorflow和Pytorch）的差异。 - 计算两个二维数据点之间的欧式距离，考察数学基础在AI中的应用。 - 解释了卷积神经网络（CNN）中的关键概念，如不使用填充（padding）、步长、卷积核大小、1x1卷积的作用以及padding如何保持输出特征尺寸不变。 - 深度学习部分的题目中，分析了残差网络对抗梯度消失的解决方案，汇聚层的功能，以及Padding的作用。 这份试卷旨在测试学生对于人工智能基础知识的理解，涵盖了理论知识和实际应用的结合，对于学习者来说，理解和掌握这些知识点至关重要，如机器学习的不同类型、神经网络的结构和优化算法、深度学习中的核心组件等。通过解答这些问题，学生可以巩固对人工智能核心技术的理解，并评估自己的学习成果。