华南理工成考计算机应用基础,远程教育-国开《计算机应用基础》参考资料4

题目答案选项顺序可能不一致,请认真查看

模块4 PowerPoint 2010 电子演示文稿系统——客观题

一.单项选择题

1.在PoewrPoint中,“视图”这个名词表示(D)。

A.一张正在修改的幻灯片

B.一种图形

C.编辑演示文稿的方式

D.显示幻灯片的方式

2.在下列PowerPoint的各种视图中,可编辑、修改幻灯片内容的视图是(D)。

选择一项:

A.幻灯片放映视图B.都可以C.幻灯片浏览视图 D.普通视图

3.幻灯片中占位符的作用是(B)。

A.限制插入对象的数量

B.为文本、图形预留位置

C.表示图形的大小

D.表示文本长度

4.PowerPoint的“超级链接”命令可实现(B)。

A.演示文稿幻灯片的移动

B.幻灯片之间的跳转

C.中断幻灯片的放映

D.在演示文稿中插入幻灯片

5.PowerPoint的设计模板包含(A)。

A.预定义的幻灯片样式和配色方案

B.预定义的幻灯片背景颜色

C.预定义的幻灯片版式

D.预定义的幻灯片配色方案

6.在PowerPoint中,“背景”设置中的“填充效果”所不能处理的效果是(D)。

A.图案

B.纹理

C.图片

D.文本和线条

7.要从一张幻灯片“溶解”到下一张幻灯片,应使用“幻灯片放映”菜单的(D)命令。

A.自定义动画

B.动画方案

C.动作设置

D.幻灯片切换

8.要从第二张幻灯片跳转到第八张幻灯片,应使用“幻灯片放映”菜单中的(A)。

A.动作设置

B.动画方案

C.自定义动画

D.幻灯片切换

9.下列各命令中,可以在计算机屏幕上放映演示文稿的是(B)。

A.“视图 ”菜单的 “幻灯片浏览 ”命令

B.视“图 ”菜单的 “幻灯片放映  ”命令

C.“具工 ”菜单的 “观看放映 ”命令

D.编“辑 ”菜单的 “幻灯片放映 ”命令

10.关于PowerPoint幻灯片母版的使用,下列说法不正确的是(A)。

A.修改母版不会对演示文稿中任何一张幻灯片带来影响

B.通过对母版的设置可以预定幻灯片的前景颜色、背景颜色和字体大小

C.标题母版为使用标题版式的幻灯片设置了默认格式

D.通过对母版的设置可以控制幻灯片中不同部分的表现形式

二.填空题

11.演示文稿幻灯片有(大纲视图 、普通视图 、幻灯片浏览视图  、幻灯片视图) 等视图。

12.  艺术字是一种 ( 图表)对象,它具有 ( 图表)属性,不具备文本的属性。

13.在幻灯片的视图中,向幻灯片插入图片,选择( 插入 )菜单的图片命令,然后选择相应的命

14.在PowerPoint中,为每张幻灯片设置切换声音效果的方法是使用 “幻灯片放映”  菜单下的(幻灯片切换 )。

15.  在 PowerPoint中,可以为幻灯片中的文字、  形状和图形等对象设置(动画效果 )。设置基本动画的方法是先在( 普通)视图中选择好对象,然后选用幻灯片动画菜单中的(动画方案 )。

16.创建文稿的方式有( 内容提示向导 、设计模板 、空演示文稿 )。

17.幻灯片播放时换片方式有( 人工 )和(观众)自行浏览 。

18.要给幻灯片做超级链接要使用到(动作设置 )对话框。

19.改变当前所有幻灯片的背景应选择背景对话框中的全部应用 按钮。

20.母版包括(幻灯片母版、讲义母版 、备注母版 、标题母版) 。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值