【人工智能五】人工智能基础习题

壹. 内容补充

一. VR／AR／MR的区别

1. 三者概念

VR 全称 Virtual Reality，即虚拟现实；AR：全称 Augmented Reality，即增强现实（扩充实景）；MR全称Mixed Reality，即混合现实（混合实景），顾名思义就是把AR的概念和VR混合。

AR、VR、MR这三种技术之间的关系，可以用房屋的比喻来解释。VR（虚拟现实）就像是在你房间内建造了一个全新的房子，你可以进入到这个虚拟的房子中，感受到完全不同的环境和场景，完全脱离了现实世界的束缚。AR技术是在现实世界的基础上增加虚拟元素， 例如在手机或者平板电脑屏幕上叠加虚拟的三维物体、文字、图像等元素，或者通过AR眼镜等设备实现。MR（混合现实）就像是在你的房间里建造了一个可以随时转换的玻璃房子，你可以随时打开或关闭这个玻璃门，让虚拟和现实之间进行切换和交互，例如通过玻璃门看到虚拟物品和真实物品的融合。

2. 区别

AR、VR和MR在实现方式、应用场景和用户体验方面都存在着一些区别。

（1）实现方式不同

• VR技术通过戴上VR头盔或眼镜等设备，将用户完全隔离于现实世界之外，进入一个全新的虚拟世界。
• AR技术是在现实世界的基础上增加虚拟元素，例如在手机或者平板电脑屏幕上叠加虚拟的三维物体、文字、图像等元素，或者通过AR眼镜等设备实现。
• MR技术则是在真实世界和虚拟世界之间进行切换和交互，它可以在现实场景中添加虚拟元素，让虚拟和现实更加融合在一起。MR技术通过AR技术和VR技术的结合实现，例如
  Microsoft HoloLens。

（2）应用场景不同

• VR技术适用于需要沉浸式体验的场景，例如虚拟旅游、虚拟现实游戏、虚拟现实培训、医疗治疗等。
• AR技术可以应用于游戏、教育、商业、医疗等领域，例如Pokemon Go游戏。
• MR技术可以应用于工业、建筑、娱乐等领域，例如在工厂中使用虚拟模拟进行机器学习或者建筑师使用AR眼镜查看建筑模型。

（3）用户体验不同

• VR技术让用户完全脱离现实世界，体验到完全虚拟的环境和场景，让用户更加沉浸和享受。
• AR技术让用户在现实世界中感受到更多的信息和体验，但同时也依赖于现实世界的环境和物品。
• MR技术则可以让用户在虚拟和现实之间切换和交互，让用户感受到虚拟和现实的融合和互动。

 

二. 深度学习重要算法及人物介绍

1. 反向传播算法

反向传播算法（英：Backpropagation algoritmm，简称：BP算法）是一种监督学习算法，常被用来训练多层感知机。

于1974年，**Paul Werbos首次给出了如何训练一般网络的学习算法，**而人工神经网络只是其中的特例。不巧的是，在当时整个人工神经网络社群中却无人知晓Paul所提出的学习算法。

直到80年代中期，David Rumelhart、Geoffrey Hinton、RonaldWilliams、David Parker和Yann LeCun提出多层网络中的反向传播算法，获得了广泛的注意，引起了人工神经网络领域研究的第二次热潮。

 

2. 卷积神经网络

卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。现代卷积神经网络的创始人是著名的计算机科学家Yann LeCuh，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。

严格意义上讲， LeCun是第一个使用误差反向传播训练卷积神经网络（CNN）架构的人，但他并不是第一个发明这个结构的人。 而福岛博士引入的Neocognitron，是第一个使用卷积和下采样的神经网络，也是卷积神经网络的雏形。

福岛邦彦（Kunihiko Fukushima）设计的具有学习能力的人工多层神经网络，可以模仿大脑的视觉网络，这种「洞察力」成为现代人工智能技术的基础。福岛博士的工作带来了一系列实际应用，从自动驾驶汽车到面部识别，从癌症检测到洪水预测，还会有越来越多的应用。

 

贰. 习题精选1

一. 选择

1. 以下不属于人工智能学派的是（）
   A.符号主义
   B.连接主义
   C.行为主义
   D.模仿主义

2. 以下哪位科学家发明了现代卷积神经网络（）
   A.Yoshua Bengio
   B. Yann LeCun
   C.Geoffrey Hinton
   D. Jürgen Schmidhuber

3. 多层网络中反向传播算法的提出者是（）
   A. Sepp Hochreiter
   B.Jürgen Schmidhuber
   C.David Rumelhart
   D. Yoshua Bengio

4. 深度学习三巨头不包括（）
   A. Yoshua Bengio
   B. Yann LeCun
   C. Geoffrey Hinton
   D. Jürgen Schmidhuber

5. 下列哪个神经网络结构会发生权重共享（）
   A.卷积神经网络
   B.循环神经网络
   C.全连接神经网络
   D.选项A和B

 

二. 判断题

1．虚拟现实和增强现实二者等价。()
2．知识图谱是连接主义学派的代表性成果。()
3．深度学习指利用多层神经网络从大量数据中进行学习，是机器学习的子集。()
4．确认是指从存储库中确定待识别人身份的过程，是一对多的问题。()

 

三. 填空题

1．人工智能的驱动因素有________________________________________
2．根据所要解决的问题，计算机视觉分为计算成像学，图像理解，____，动态视觉，视频编解码五大类。
3．《新一代人工智能发展规划》是哪一年颁布的？
4．达特茅斯会议召开，标志人工智能诞生发生在哪一年？
5．中国信息通讯研究院最近一次颁布《人工智能白皮书》是哪一年？
6．中国电子技术标准化研究院最近一次颁布《人工智能标准化白皮书》是在哪一年？

 

四. 简单题

1. 综合

1. 什么是人工智能?人工智能的意义和目标是什么?
2. 驱动新一代人工智能发展与进步的关键因素有哪些?
3. 人工智能有哪三大流派?各种流派有哪些特点和代表性研究成果?
4. 新一代人工智能的关键技术有哪些?
5. 自然语言处理面临哪些挑战？
6. 计算机视觉的发展面临哪些挑战？
7. 请简单介绍人工智能的发展历程。
8. 如何解决欠拟合问题？
9. 模型过拟合有哪些解决办法？
10. 已知网络结构如下图，具体前向传播为$J=-[y^{\ast }\log y+(1-y^{\ast })\log (1-y)]$ , 求$y=\frac{1}{1+\exp (-a)},a={\sum }_{j=0}^D{\theta }_j{x}_j,求\frac{dJ}{d{\theta }_j}$.,

11. 梯度下降是目前神经网络训练中常见的优化思路，请对基于单样本的随机梯度下降、基于所有样本的批量梯度下降以及基于小批量样本的梯度下降在计算性能、优化效果上的差异进行简单陈述。
12. 卷积层相比全连接层有什么优势？这些优势和图像自身的特点有哪些关系？
13. 将卷积神经网络从VGGNet16层增加到34层，结果发现效果变差了。你能分析可能的原因，并且针对网络设计提出合理的改进么？

 

2. 深度学习与神经网络

1. 目前有哪些深度学习开源框架?试分别比较优缺点。
2. 深度学习与神经网络之间有什么关联?
3. 什么是激活函数?为什么神经网络需要激活?
4. 什么是卷积神经网络?目前有哪些卷积神经网络模型?
5. 什么叫全连接神经网络?
6. 什么叫递归神经网络?递归神经网络主要在哪些领域取得了良 好的表现?
7. 什么是长短时记忆网络LSTM?它有什么优点?