numb

智能决策 1、 遗传算法是模拟自然界的 [C] 现象提出的算法。 A、自然选择 B、人工选择 C、适者生存 2、 遗传算法的基本操作包括： [A，B，C] 。 A、选择 B、交叉 C、变异 D、遗传 3、 模拟退火算法是模拟 [B] 的过程 A、灭火 B、金属退火 C、物体退火 4、 模拟退火算法与爬山法的不同是： [B] 。 A、优先选择最优解 B、以一定概率接收较差的解 C、始终选择最优解 5、 受自然界现象或原理启发而提出的智能优化算法包括[A、B、C、D]： A、遗传算法 B、蚁群算法 C、粒子群优化算法 D、模拟退火算法 6、 典型的智能决策系统包括[A，B，C，D]： A、知识库 B、模型库 C、方法库 D、数据库 7、构成状态空间的 4 个要素是：[B]。 A：开始状态、目标状态、规则和操作 B：初始状态、中间状态、目标状态和操作 C：空间、状态、规则和操作 D：开始状态、中间状态、结束状态和其他状态 8、专家系统是以 C 为基础，以推理为核心的系统。 A：专家 B：软件 C：知识 D：解决问题 9、下列说法错误的是：[C ]。 A、解的适应度是演化过程中进行选择的唯一依据。 B、优胜劣汰的选择机制使得适应值大的解有较高的存活率，这是遗传算法与一般搜索 算法的主要区别之一。 C、模拟退火算法允许向坏的方向移动以摆脱局部最大值，这种移动随着时间的推移概 率逐步上升。 D、搜索算法本质上是一个程序，旨在找到到达目标的最佳或最短路径。 10、粒子群优化算法在迭代过程中，粒子通过跟踪两个“极值”[B]和[ C]来搜索最优解。 A、群体极值 B、个体极值 C、全局极值 D、粒子极值 机器学习 表 1 贷款申请样本数据表 ID 年龄 有工作 有自己的房子 信贷情况 类别 1 青年 否 否 一般 否 2 青年 否 否 好 否 3 青年 是 否 好 是 4 青年 是 是 一般 是 5 青年 否 否 一般 否 6 中年 否 否 一般 否 7 中年 否 否 好 否 8 中年 是 是 好 是 9 中年 否 是 非常好 是 10 中年 否 是 非常好 是 11 老年 否 是 非常好 是 12 老年 否 是 好 是 13 老年 是 否 好 是 14 老年 是 否 非常好 是 15 老年 否 否 一般 否 1.【多选】表 1 是一个由 15 个样本组成的贷款申请训练数据，这些数据包括贷 款申请人的年龄、是否有工作、是否有房子以及信贷情况信息，表的最后一列表 示是否同意该客户贷款。利用这些样本训练一棵决策树，再利用得到的决策树决 定对于一个新的客户，是否同意其贷款。该问题属于（ ）。 A. 监督学习 B. 非监督学习 C. 二分类问题 D. 多分类问题 答案：AC，根据预测对象有没有标记信息可以将机器学习问题分为监督学习 和非监督学习，该数据集有标记信息（类别），因此属于监督学习；对于监督 学习中的分类问题，根据类别的数量可以将问题分为二分类和多分类问题， 该数据集中只有两个类别（是、否）因此该问题属于二分类问题。 2.【单选】对于表 1 所给的训练数据集 D，根据信息增益准则选择最优特征。分 别以𝐴1, 𝐴2, 𝐴3, 𝐴4表示年龄、有工作、有自己的房子和信贷情况 4 个特征。现已 经计算出经验熵𝐻(𝐷) = 0.971，不同特征划分下 D 的经验条件熵也已经通过计 算得到：𝐻(𝐷|𝐴1 ) = 0.888，𝐻(𝐷|𝐴2 ) = 0.647，𝐻(𝐷|𝐴3 ) = 0.551，𝐻(𝐷|𝐴4 ) = 0.608。则应选取特征（ ）作为最优特征。 A. 年龄 B. 有工作 C. 有自己的房子 D. 信贷情况 答案： C，根据信息增益准则，应选取信息增益最大的特征作为划分标准， 而信息增益的计算公式为𝑔(𝐷, 𝐴) = 𝐻(𝐷) − 𝐻(𝐷|𝐴)，发现特征𝐴3的信息增益 最大，因此将其作为最优特征。 3【单选】 . 在构建决策树的过程中，下列情况中不会导致出现叶子结点的是（ ）。 A. 当前数据集以特征“年龄”划分，年龄取值为“老年”的样本全是正例 B. 当前数据集已经分别以“年龄”、“有工作”、“有自己的房子、”“信贷情况”为标 准进行划分，但数据集仍包含正例和反例 C. 当前数据集以特征“信贷情况”划分，但当前数据集已经没有信贷情况为“好”的 样本了 D. 当前数据集已经经过“年龄”、“有工作”两个特征的划分，现以“信贷情况”为标 准进行划分，信贷情况为“一般”的集合包含一个正例和两个反例 答案： D，考察决策树算法中生成子节点的三种情况：（1）当前结点包含的 样本全部属于同一类别；（2）当前属性集为空，或所有样本在所有属性上取 值相同；（3）当前结点包含的样本集合为空。这三种情况分别对应了 A、B、 C 选项。 4.【多选】以下关于 k 近邻算法的说法中，错误的是（） A. k 近邻法中，当训练集、距离度量、分类决策规则确定后，其结果唯一确定 B. k 取值过小会导致过拟合，因此 k 值应尽可能大 C. k 近邻算法中的分类决策规则往往是多数表决，它等价于经验风险最小化 D. k 近邻算法虽然易于实现，但需要存储全部训练样本，计算量较大 答案： AB。k 近邻算法中，如果选取不同的 k 值，对结果的影响也会很大， 因此 A 错误；k 值过小会导致过拟合，k 值过大则体现不出相邻点的相似性， 需要取一个适中的 k 值，因此 B 错误。 5.【单选】数据点(1,3)和(5,6)之间的欧氏距离和曼哈顿距离分别是（ ）。 A. 5，5 B. 5，7 C. 7，5 D. 7，7 答案： B。根据欧氏距离计算公式𝑑𝑖𝑠𝑡(𝑥, 𝑦) = √∑ (𝑥𝑘 − 𝑦𝑘) 𝑑 2 𝑘=1 = ‖𝑥 − 𝑦‖2和曼哈 顿距离计算公式𝑑𝑖𝑠𝑡(𝑥, 𝑦) = ∑ |𝑥𝑘 − 𝑦𝑘 | 𝑑 𝑘=1 = ‖𝑥 − 𝑦‖1得欧氏距离和曼哈顿距离 分别为 5 和 7。下图中左图为欧氏距离，右图是曼哈顿距离。 6.【单选】以下两个图中，训练集、距离度量、分类决策规则都相同的情况下， k 值的大小关系为（）。

𝒌𝟏 𝒌𝟐 A. 𝒌𝟏 > 𝒌𝟐 B. 𝒌𝟏 = 𝒌𝟐 C. 𝒌𝟏 < 𝒌𝟐 D. 无法确定 答案： C，当 k 取值为𝒌𝟏时，可以看到发生了过拟合，说明 k 的取值过小， 而 k 取值为𝒌𝟐时，过拟合现象几乎消失，因此𝒌𝟐是应该适当的值，由此可以 得到𝒌𝟏 < 𝒌𝟐。 7.【单选】以下关于 K-means 算法的说法中，正确的是（ ）。 A. K-means 算法是一种聚类方法，属于监督学习 B. 在训练初始阶段，K-means 算法需要先学习样本的类别数和初始类别中心 C. 不同的初始聚类中心对聚类结果影响不大 D. K-means 算法容易陷入局部最优 答案：D。K-means 算法是一种聚类方法，属于非监督学习，因为它没有标 签，故 A 错误；K-means 算法的 K 值和初始类别中心是需要人为设置的初始 参数，不是通过学习得到的，故 B 错误；初始聚类中心选取不同的值时，对 最终的聚类结果可能有较大的影响，故 C 错误。 8.【单选】以下哪个网络属于多层前馈神经网络（ ）神经网络图 A. B. C. D. 答案：A，多层前馈神经网络的定义是每层神经元与下一层神经元全互联, 神 经元之间不存在同层连接也不存在跨层连接，CD 都存在同层连接，B 存在跨 层连接，只有 A 满足定义。 9.【单选】以下关于神经元和感知机的说法中，错误的是（ ）。 A. 人工神经元主要由一组连接、一个加法器、一个激活函数组成 B. 理想激活函数是阶跃函数, 其中 0 表示抑制神经元而 1 表示激活神经元 C. 相较于阶跃函数，Sigmoid 函数具有连续、光滑的优点 D. 感知机由两层或两层以上神经元组成，可以解决复杂的问题 答案：D，感知机由两层神经元组成，可以实现逻辑与、或、非运算，但解决 更复杂的问题需要借助更复杂的模型。 10.【单选】以下关于误差逆传播算法的说法中，错误的是（ ）。 A. BP 算法基于梯度下降策略, 以目标的负梯度方向对参数进行调整 B. 学习率𝜂过大会导致震荡，因此越小越好 C. BP 算法容易陷入局部最小 D. BP 算法不仅可用于多层前馈神经网络，还可用于其他类型的神经网络 答案：B，学习率控制着算法每一轮迭代中的更新步长, 若太长则让容易震 荡, 太小则收敛速度又会过慢。 机器感知 1: 目标检测算法的主要目的是找到图像中用户感兴趣的语义对象的（c） A: 位置 B：类别 C：位置和类别 D：语义相关性 2. 以下哪项不是计算机中常用的颜色模型（d） A: RGB B：YCbCr C：HSV D：XYZ 3. 以下哪项图像变换操作会影响图像的清晰度（c） A: 图像旋转 B：图像缩小 C：图像放大 D：图像平移 4. 相比于二阶段目标检测算法，一阶段目标检测算法主要的优点是（b）： A: 准确度高 B：速度快 C：运行内存小 D：模型简单 5. 相比于一阶段目标检测算法，二阶段目标检测算法主要的优点是（a）： A: 准确度高 B：速度快 C：运行内存小 D：模型简单 6. 一阶段目标检测算法的主要原理是（b）： A: 首先生成大量的枚举框，再采用深度学习算法提取特征并每个枚举框进行分类 B：采用回归的方式计算真实框与锚框之间的位置偏差和类别偏差 C：首先生成大量的枚举框，再采用传统的特征提取算法提取特征并每个枚举框进行分类 D：将目标检测问题转换为分类问题，通过枚举、特征提取和分类建立模型 7. YOLO 算法的损失函数不包括下列哪个部分（d）： A: 对象分类误差 B：对象定位误差 C：对象置信度误差 D：非对象分类误差 8. YOLO 算法中锚框的大小和数量的设置是（a）： A：人工设置 B：机器自动学习 C：即可人工设置也可机器自动学习 D：以上都不是 9. YOLO 算法中一个锚框所带的参数不包括（d）： A：location B：objectiveness C：classification D：non-objectiveness 10. 非极大抑制算法保留的候选框是（c）： A: 置信度最高的前 K 个候选框 B：置信度最高且位置具有多样性的前 K 个候选框 C：置信度最高的前 K 个不相互重叠的候选框 D：不相互重叠的 K 个候选框 大数据与机器人

1. 以下哪个不是大数据的特征（c） A. 价值密度低 B. 数据类型繁多 C. 访问时间短 D. 处理速度快 答案 C
2. 下面哪一个不是大数据的关键技术（d） A. 云计算 B. 分布式文件系统 C. 数据众包 D. 关系性数据库 答案 D
3. 数据清洗的方法不包括（d） A：缺失值处理 B：噪声数据清除 C：一致性检查 D：重复数据记录处理 答案 D
4. 下列关于大数据的说法中，错误的是（ a） A：大数据具有体量大、结构单一、时效性强的特征 B：处理大数据需采用新型计算架构和智能算法等新技术 C：大数据的应用注重相关分析而不是因果分析 D：大数据的目的在于发现新的知识与洞察并进行科学决策 答案 A
5. 下列哪项通常是集群的最主要瓶颈 (c) A. CPU B. 网络 C. 磁盘 IO D. 内存 答案 C 6.下列关于 MapReduce 说法不正确的是 （c ） A. MapReduce 是一种计算框架 B. MapReduce 来源于 google 的学术论文 C. MapReduce 程序只能用 java 语言编写 D. MapReduce 隐藏了并行计算的细节，方便使用 答案 C 7.关于大数据的价值密度描述正确的是以下哪个? （a ） A、大数据由于其数据量大,所以其价值密度低。 B、大数据由于其数据量大,所以其价值也大。 C、大数据的价值密度是指其数据类型多且复杂。 D、大数据由于其数据量大,所以其价值密度高。 答案 A
6. 下列（c）应用领域不属于人工智能应用。 A. 人工神经网络 B. 自动控制 C. 信息管理系统 D. 专家系统 答案 C
7. 步行机器人的行走机构多为（c） A. 滚轮 B. 履带 C. 连杆机构 D. 齿轮机构 答案 C
8. 机器人系统的组成与结构主要有三大部分组成，不包括下面哪一个（c） A. 机械部分 B. 传感部分 C. 输出部分 D. 控制部分 答案 C

二分法 from math import * import numpy as np E = 1e-8 ########## begin ##########

请在此填写代码, 计算-sin(x)e*(x)+15*cos(x)*x**0.5=0的根

def f(x): return -sin(x)e*(x)+15*cos(x)*x**0.5 def findroot(a,b,eps): mid=(a+b)/2 while abs(f(mid))>=E: mid = (a+b)/2 if f(mid) > 0:
b = mid if f(mid)==0: break if f(mid) < 0: a = mid return mid

########### end ########### print('%.5f' %findroot(2,5,0.00001)) 几位小数 两个区间 几位小数 每一个相乘的数之间都要有* 记得点变更之后看，格式正确