2020计算机二级取消vb,2020年计算机二级VB模拟试题及答案

《2020年计算机二级VB模拟试题及答案》由会员分享,可在线阅读,更多相关《2020年计算机二级VB模拟试题及答案(6页珍藏版)》请在人人文库网上搜索。

1、2020 年计算机二级 VB 模拟试题及答案1. 在待排序的元素序列基本有序的前提下,效率的排序方法是 (C)A)冒泡排序B)选择排序C)快速排序D)归并排序 2.非空的循环单链表head的尾结点(由p所指向),满足(A)A) p-next=NULLB) p=NULLC) p-next=headD) p=head3. 线性表的顺序存储结构和线性表的链式存储结构分别是 (C)A)顺序存取的存储结构、顺序存取的存储结构B)随机存取的存储结构、顺序存取的存储结构C)随机存取的存储结构、随机存取的存储结构D)任意存取的存储结构、任意存取的存储结构4. 结构化程序设计所规定的三种基本控制结构是 (D)A。

2、)输入、处理、输出B)树形、网形、环形C)顺序、选择、循环D)主程序、子程序、函数5. 下列不属于软件调试技术的是 (D)A)强行排错法B)集成测试法C)回溯法D)原因排除法6. 软件生命周期中花费时间最多的阶段是 (B)A)详细设计B)软件编码C)软件测试D)软件维护7. 软件设计中,有利于提升模块独立性的一个准则是 (A)A)低内聚低耦合B)低内聚高耦合C)高内聚低耦合D)高内聚高耦合8. 数据库的故障恢复一般是由 (D)A)数据流图完成的B)数据字典完成的C)DBA完成的D)PAD图完成的9. 下列关系运算的叙述中,准确的是 (B)A)投影、选择、连接是从二维表行的方向实行的运算B)并、。

3、交、差是从二维表的列的方向来实行运算C)投影、选择、连接是从二维表列的方向实行的运算D)以上3种说法都不对10. 在关系数据库中,对一个关系做投影操作后,新关系的元组个数将(A)A)等于原来关系中的元组个数B)大于原来关系中的元组个数C)小于原来关系中的元组个数D)不能确定元组个数11. 以下不具有 Picture 属性的对象是 (B)A)窗体B)图片框C)图像框D)文本框12. 双击窗体中的对象后, Visual Basic 将显示的窗口是 (D)A)项目(工程)窗口B)工具箱C)代码窗口D)属性窗口13. 若要将窗体从内存中卸载,其实现的方法是 (A)A) ShowB) UnLoadC) 。

4、LoadD) Hide14. 要使目录列表框 ( 名称为 Dirl) 中的目录随着驱动器列表框 ( 名 称为 Drivel) 中所选择的当前驱动器的不同而同时发生变化,则应: (A)A) 在Dirl中的Change事件中,书写语句Dirl.Drive=Drivel.DriveB) 在Dirl中的Change事件中,书写语句Dirl.Path=Drivel.DriveC) 在Drivel中的Change事件中,书写语句Dirl.Path=Drivel.DriveD) 在Drivel中的Change事件中,书写语句Dirl.Drive=Drivel.Drive15. 设有如下声明:Dim x As。

5、 Integer如果 Sgn(x) 的值为 -1 ,则表示 x 的值是 (A)A) 整数B) 大于0的整数C) 等于0的整数D) 小于0的数16. 下述说法不准确的是 (B)A) 变量名的长度不能超过255个字符B) 变量名能够包含小数点或者内嵌的类型声明字符C) 变量名不能使用关键字D) 变量名的第一个字符必须是字母17. 下列可作为 Visual Basic 变量名的是 (A)A) FilenameB) A(A+B)C) A%DD) Print18. 语句 Print Sgn(-6八2)+Abs(-6八2)+Int(-6八2)的输出结果是(BD)A) -36B) 1C) -1D) -721。

6、9. 下面说法中,不准确的是 (D)A)Cls 清除由 Print 方法显示的文本或在图片框中显示的图形,并 把光标移到对象的左上角 (0,0)B) 当前窗体是用 Picture 属性装入的图形时,也能够用 Cls 方法 清除C) Move方法用来移动窗体和控件,并改变其大小D) Cls 方法中的对象,能够是窗体或图片框,如果省略则清除当前 窗体中显示的内容20. 假定在图片框 Picturel 中装入了一个图形,为了清除该图形 ( 注意,清除图形,而不是删除图片框 ) ,应采用的准确方法是 (D)A)选择图片框,然后按Del键B)执行语句 P icturel. picture二Load Picture(”)C)执行语句 Picturel.picture二D)选择图片框,在属性窗口中选择Picture属性条,然后按回车键。

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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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