2022春山东大学人工智能导论期末题库附答案_人工智能导论设计题

A随机 B固定 C遍历   D确定

为了解决隐马尔科夫模型中的解码问题，我们提出了（Viterbi）算法。

填空题：

1.在隐马尔可夫模型（HMM）中，我们_______(知道/不知道）模型具体的状态序列，_______(知道/不知道）状态转移的概率。   
答案：不知道，知道

2.隐马尔可夫模型在众多领域有广泛的使用，如____（举一例即可）。

答案：（语音识别、机器翻译、中文分词、命名实体识别、词性标注、基因识别）
3.EM算法用于无监督学习中时输入_______输出_______
答案：（观测数据）（隐马尔可夫模型参数）

4.（ ）和（ ）都离散的马尔科夫过程称为马尔科夫链。
答：时间 状态

5.EM算法是一种迭代优化策略，其基本思想是：首先根据_____，估计出模型参数的值；然后再依据上一步估计出的参数值估计____，然后反复迭代，直至最后收敛，迭代结束。
答案：己经给出的观测数据；缺失数据的值；
6.要解决隐马尔科夫链的三个基本问题之一的概率计算问题，即“给定模型λ=(A,B,π)λ=(A,B,π)和观测序列OO，计算在模型λλ下观测序列出现的最大概率P(O|λ)”，需要用到的算法是____。
答案：（前向、后向算法）
7.EM计算方法每一次迭代都分为（）、（）这两步。

答案：期望步 极大步

选择题：
1、请选择下面可以应用隐马尔科夫(HMM)模型的选项(   )
A.基因序列数据集
B.电影浏览数据集
C.股票市场数据集
D.所有以上

答案：D

2.下列模型属于机器学习生成式模型的是（）
A.朴素贝叶斯
B.隐马尔科夫模型(HMM)
C.马尔科夫随机场(Markov Random Fields)
D.深度信念网络(DBN)
答案：ABCD

3.EM算法用于无监督学习时执行流程为（）
A初始化模型参数；迭代求解；迭代终止；模型参数收敛,得到模型参数
B初始化模型参数；模型参数收敛；迭代求解；迭代终止,得到模型参数
C迭代求解；初始化模型参数；迭代终止；模型参数收敛,得到模型参数
D迭代求解；迭代终止；初始化模型参数；模型参数收敛,得到模型参数

答案：A

1. 给定一个模型，如何计算某个特定的输出序列的概率？
   A.Forward-Backward算法
   B.维特比算法
   C.鲍姆-韦尔奇算法
   D.CNN算法
   答案：A

5.下列关于EM算法的说法中，不正确的是()。
A、EM算法是迭代求解最大值的算法，同时算法在每一次迭代时分为两步，E步和M步。
B、EM算法是为了解决数据缺失情况下的参数估计问题。
C、EM算法中的极大似然估计就是用来估计模型参数的统计学方法。
D、EM算法不可以保证收敛到一个稳定点，即EM算法不是收敛的。
答案：D
（解析：EM算法可以保证收敛到一个稳定点，即EM算法是一定收敛的。）

6.HMM由马尔科夫链和一般随机过程组成，他们分别由（ ）描述。
A．观察值概率、转移概率
B．转移概率、观察值概率
C．初始概率、转移概率
D、观察值概率、初始概率
答案：B

7.关于极大似然估计（Maximum Likelihood Estimate，MLE），说法正确的是？（）
A. MLE 不存在
B. MLE 总是存在
C. 如果 MLE 存在，那么它的解可能不是唯一的
D. 如果 MLE 存在，那么它的解一定是唯一的

答案：C

1. 孤立词识别中，使用隐马尔科夫模型时需要考虑的三个方面为_______、_______、_______、

答案：求值，解码，训练

1. 通常来讲，一个隐马尔可夫模型可以用_______、_______、_______来简洁表示

答案：隐含状态转移概率矩阵 A、 观测状态转移概率矩阵 B、 初始状态概率矩阵 π

3：下面选项中，不是HMM语音系统的实现所需要求的是

A.语音信号预处理与特征提取
B.声学模型与模式匹配
C.语言模型与语言处理
D.文本建模与纹理建模
答案：D

1. 设有N个缸，每个缸中装有很多彩球，球的颜色由一组概率分布描述。实验进行方式如下
   根据初始概率分布，随机选择N个缸中的一个开始实验
   根