MOOC慕课《从自然世界到智能时代》学习笔记

MOOC慕课《从自然世界到智能时代》学习笔记

第1章无处不在的“自然智能”

1.直升飞机是由哪种生物独特的飞行特点启发而发明的(蜻蜓)。

2.雷达由哪种生物独特的飞行特点启发而发明的(蝙蝠)。

3.下面哪个不是自然计算主要包含(数学计算)。

4.哪位科学家成功地在DNA溶液试管中完成了哈密尔顿有向路问题的计算实验(雷纳德阿德勒曼)。

5.下面哪个是群体智能算法(人工鱼群算法、蚁群算法、粒子群算法)。

6.首次使用免疫算法来解决实际问题是哪位科学家(伯西尼)。

7.下面哪个不是进化计算得典型方法(基因修改)。

8.进化计算是模拟自然界生物进化过程的一种群体导向随机搜索的技术和方法,它采用一些进化机制来指导学习和确定搜索方向,下面哪个是它采用的机制(突变、交换、复制)。

10.哪个是蚁群优化算法的特点(优良的分布式计算机制、模拟蚂蚁群体社会行为、较强的鲁棒性)。

第2章视听系统与仿生感知

1.面向智能技术的仿生研究程序包含哪个阶段(系统模型、生物模型、计算模型)。

2.蝇眼照相机仿生感知感知起源哪种生物(苍蝇)。

3.仿生视觉感知的计算模型必须同时满足哪两个条件(模拟人类认知特性的要求和可计算性的要求)。

4.下面哪个是视觉认知计算的处理过程与模型(脑皮层模型、外周脑模型、知觉模型)。

5.下面哪个不是仿生视觉感知计算的应用(基因突变)。

6.下面哪个不是电子蛙眼的作用(静态目标识别)。

7.哪种细胞具有高分辨力和颜色分辨能力(锥状细胞)。

8.下面哪不是特殊视觉特性的计算模型(蛙眼视觉系统、蛇类视觉系统、复眼视觉系统)。

9.下面哪个是语音助手的主要应用(人机互动、语音搜索、语音输入)。

10.一个完整的语音识别系统包括哪部分(语音特征提取、声学模型与模式匹配、语义理解)。

第3章大脑结构与机器推理

1.人脑仿生芯片是由一个集成的内存、通信和计算组成,其中计算是模仿(神经元)。

2.人脑大体上是由大脑、小脑、间脑和脑干组成,其中(大脑)是人体的是控制运动、产生感觉及实现高级脑功能的高级神经中枢。

3.大脑的思维流程可分为三个步骤,分别是(信息采集、资源整理、数据分析)。

4.神经网络(NeuralNetworks,NN)是由大量处理单元(神经元)互联组成的(非线性、自适应)信息处理系统。

5.模拟人脑的思维过程、研究仿生推理计算模式是人工智能的重要分支,其中不包括(清晰逻辑推理)。

6.以下人物不属于数理逻辑三大派的代表人物的是(莱布尼茨)。

7.典型神经网络模型包括(对向传播网络和小脑神经网络、反馈网络模型、多层感知器)。

8.模糊推理系统结构主要有(推理机和去模糊器、模糊器、规则库)模块组成。

9.20世纪30年代末至今,数理逻辑发展为两个演算加上四论,两个演算指的是命题演算和谓词演算,其中四论不包括下列哪一项(推理论)。

10.模糊逻辑推理是从人类自然语言的角度模拟人脑的思维过程,其中是以(模糊逻辑判断)为前提。

第4章物种演化与进化计算

1.进化计算是通过模拟生物进化过程与机制而产生的一种智能方法,它是以(达尔文的进化论)思想为基础(孟德尔遗传规律)。

2.下面哪个不是进化计算的操作(竞争)。

3.孟德尔根据豌豆杂交试验揭示了生物的基本遗传规律,从而提出遗传分离规律和自由组合规律。因此,进化计算的(重组)操作正验证了这一遗传规律的思想。

4.遗传算法每次迭代产生越老越好的近似解,这样,通过不断迭代演化,最终(可能得到最优解)。

5.以下遗传算法的流程,正确的是(初始化——计算适应度值——选择——交叉——变异——终止条件)。

6.协同进化理论的核心是(相互竞争且相互合作)。

7.关于(m+l)进化策略和(m,l)进化策略的说法正确的是【每次迭代,(m,l)进化策略和(m+l)进化策略都是保持m个最优个体】。

8.1859年,达尔文在《物种起源》中提出自然选择学说,关于该思想的正确说法是(物竞天择,适者生存)。

9.孟德尔能够揭示遗传基本规律,不仅取决于孟德尔不断科学钻研,而且还取决于实验对象的独特特点,孟德尔主要采用(豌豆)为实验对象。

10.下列哪个属于协同进化的案例(羊群和狼群)。

第5章社会行为与群体优化

1.群体智能是生物通过(协作)表现出的宏观社会智能行为而得到。

2.关于群智能算法的优点,下列不正确的是(随机性)。

3.粒子群(PSO)算法是模拟(鸟群和鱼群捕食)的过程。

4.在PSO算法中,每次迭代,粒子主要通过【个体极值(pbest)和全局极值(gbest)】来更新自己的速度和位置。

5.为粒子群算法的粒子速度计算公式,其中,w、C1、C2三部分分别表示(C.惯性部分个体认识全局认识)。

6.在蜂群算法中,蜂群的三个基本组成元素不包括(信息区)。

7.雇佣蜂又被称为(引领蜂)。

8.在模拟蚂蚁觅食过程中,蚁群算法根据(信息素浓度)来表征路径的远近。

9.蚁群算法具有三种特征,以下不正确的是(随机搜索)。

10.下列不属于群智能算法的是(遗传算法)。

第6章自主行为的智能机器

1.智能机器一般配备由各种的传感器与控制器,可以独立完成一定的行为与任务,其主要系统结构模块不包括(动力系统)。

2.类人机器人的关键技术难点包括(A.思维、学习与推理能力B.平衡感知与智能运动控制、机器人系统的体系结构C.视听觉感知与人机交互)。

3.世界第一台仿人机器人是(WABOT—l)。

4.仿生机器人的关键技术难点(A.运动/计算的能量代谢效率、仿生材料的合成B.视觉/压力/平衡等智能感知处理、运动控制的智能决策与优化C.仿生运动机理的分析与建模)。

5.工业机器人的基本构成不包括(指令系统)。

6.工业机器人的关键技术包括(A.开放性模块化的智能控制系统结构C.模块化层次化的控制器软件系统D.机器人的故障智能诊断与安全维护、网络化机器人控制与优化决策技术)。

7.世界上第一辆月球车是美国1971年7月发射的阿波罗(15)号配备的。

8.无人驾驶智能车的主要关键技术中包括(A.路径规划、车体控制B.环境感知D.安全驾驶、卫星导航)。

9.无人飞机的重要技术不包括(体型设计)。

10.多机器人协作的主要理论与方法不包括(B.基于体型控制的协同方法)。

第7章自主学习的智能系统

1.(1997)年,IBM深蓝电脑击败国际象棋世界冠军卡斯巴罗夫。

2.2010年,(谷歌)公司宣布推出流感趋势监测系统(GoogleFluTrends)。该公司表示,这项服务能比使用现有技术手段更快显示出全美各地流感病例是否在增加,早于美国疾病控制中心报告疫情。

3.(专家)是一个含有大量的某个领域专家水平知识与经验的智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题。

4.专家系统的一般工作流程包括(A.推理机将用户输入的事实信息与知识库中知识合并推理,并把推理得到的结论保存为新的事实,如此循环直到问题被解决或无法求解、系统停机B.专家系统将得出最终结论呈现给用户,并解释推理中使用的专家知识与推理过程C.用户通过人机界面回答系统的提问)。

5.专家系统是一个基于知识的系统,它利用人类专家提供的专门知识,模拟人类专家的思维过程。一般来说,一个高性能的专家系统应具备如下特征(灵活性、透明性、启发性)。

6.数据挖掘主要方法(B.预测、估计C.分类、聚类D.关联规则)。

7.以下不是分类方法的是(K-means)。

8.以下错误的说法是(聚类和分类的区别是分类不依赖于预先定义好的类,不需要训练集)。

9.具有自主学习、自动优化功能的智能系统类型众多(B.智能交通系统C.智能调度系统D.智能诊断系统)。

10.(车间调度系统)根据产品制造的合理需求分配加工车间顺序,从而达到合理利用产品制造资源、提高企业经济效益的目的。

第8章智能计算的研究前沿

1.一个经典存储器可存储0或1(一个数),而一个量子存储器可同时存储0和1(两个数)。那么,当有N个存储器时,量子存储器的存储数据能力是经典存储器的(2^N)倍。

2.Narayanan等人于1996年首次将量子理论与进化算法相结合,提出了(量子遗传算法)的概念。

3.量子进化算法优点(加速算法收敛、克服早熟收敛现象、更具并行性)。

4.量子通信,是利用(量子纠缠效应)进行信息传递的一种新型的通讯方式。

5.量子通信是通信技术的又一次划时代革命,与目前采用的通信技术相比,量子通信在(通信容量、通信距离、保密性)等方面都具有十分明显的优势,是未来通信发展的方向。

7.深度学习的具体模型及方法包括(A.稀疏自动编码器B.自动编码器C.降噪自动编码器)。

8.(脑机交互)是指基于脑电信号实现人脑与计算机或其他电子设备的通讯和控制,它是一种新的人机交互方式。

9.以下关于脑机交互的说法错误的是(A.是大脑通过神经控制身体的肌肉运动,比如手、嘴等,传递出大脑要表达的信息)。

10.利用脑机交互技术,可以获取到驾驶员的情绪信息,利用这些信息如何提高驾驶安全性(A.当汽车感知到驾驶员的疲劳时,可以自动的发出警报,开启收音机,摇下车窗甚至是自动停车。C.当汽车感知到驾驶员处于暴怒的情绪,就会自动的为你调整速度。D.汽车可以监控驾驶员是否昏昏欲睡,是否注意力集中,是否处于不良情绪中等等)。

THE END
1.数据挖掘的分析方法可以划分为关联分析序列模式分析分类分析和数据挖掘是从大量数据中提取有用信息的方法,主要分为四种分析方式:关联分析、序列模式分析、分类分析和聚类分析。在本指南中,我们将详细介绍这四种方法的实现过程,并提供相应的代码示例。 数据挖掘流程 首先,我们需要明确数据挖掘的基本流程,如下表所示: 流程图 https://blog.51cto.com/u_16213297/12863680
2.数据挖掘的主要方法和技术数据挖掘的主要方法和技术包括数据清洗、数据预处理、数据可视化、数据分析、数据模型构建、数据评估和优化等。这些方法和技术可以帮助我们更好地理解数据,发现关键信息,并提高数据挖掘的效果。 在本文中,我们将详细介绍数据挖掘的主要方法和技术,包括数据清洗、数据预处理、数据可视化、数据分析、数据模型构建、数据评估和https://blog.csdn.net/universsky2015/article/details/137334966
3.数据挖掘主要挖掘方法的详细阐述逻辑回归分析是一种广泛应用于统计分析和数据挖掘中的回归分析方法。它主要用于处理因变量为二分类或多分类的回归问题。逻辑回归模型通过构建一个逻辑函数来描述自变量与因变量之间的非线性关系,并据此进行预测和分类。逻辑回归分析在医学、金融、市场营销等领域具有广泛的应用价值。 综上所述,数据挖掘的方法多种多样,每https://www.fanpusoft.com/fanpuerp/shujuku/886976.html
4.苏木亚及其学术专著《基于谱聚类的金融时间序列数据挖掘方法研究》其次利用矩阵理论、时间序列分析方法、多元统计方法和盲源分离模型提出了基于成分分析的单变量时间序列谱聚类方法;在实证分析部分,利用数据挖掘方法和GARCH、VAR、脉冲响应、方法分解、Granger因果检验模型、主成分分析法、独立成分分析法和Sharpe模型等对欧洲主权债务危机下全球主要股指的联动性和开放式基金的投资风格识别https://news.imu.edu.cn/info/1076/16128.htm
5.数据挖掘技术主要包括哪些?数据挖掘的技术,可分为:统计方法、机器学习方法、神经网络方法和数据库方法。统计方法,可细分为:回归https://m.imooc.com/wenda/detail/508957
6.数据挖掘概念(AnalysisServices有关如何将 SQL Server 工具应用于业务方案的示例,请参阅数据挖掘基础教程。 定义问题 与以下关系图的突出显示相同,数据挖掘过程的第一步就是明确定义业务问题,并考虑解答该问题的方法。 该步骤包括分析业务需求,定义问题的范围,定义计算模型所使用的度量,以及定义数据挖掘项目的特定目标。这些任务转换为下列问题: https://technet.microsoft.com/zh-cn/library/ms174949(en-us,sql.105).aspx
7.数据挖掘与分析的六种经典方法论最近梳理了一下数据挖掘与分析的常用方法论,这里简要介绍6种模型。 1、CRISP-DM 模型 CRISP-DM是CrossIndustry Standard Process for Data Mining(跨行业数据挖掘标准流程)的字母缩写。CRISP-DM是由一家欧洲财团(时称SIG组织)在20世纪90年代中后期提出来的,是一套用于开放的数据挖掘项目的标准化方法,也是业内公认https://www.niaogebiji.com/article-30475-1.html
8.数据挖掘VS机器学习,你了解多少?如今,获取数据比以往任何时候都更容易,但从数据中生成见解和信息正变得更具挑战性。企业经常发现自己处于一种情况,他们拥有的数据远远超过他们所知道的数据,这可能会适得其反,导致无所作为。 数据挖掘和机器学习是企业将这些庞大的数据库转化为有用信息的两种主要方法。 https://www.fromgeek.com/telecom/509859.html
9.数据挖掘论文常用的数据挖掘方法主要有决策树(Decision Tree)、遗传算法(Genetic Algorithms)、关联分析(Association Analysis).聚类分析(C~smr Analysis)、序列模式分析(Sequential Pattern)以及神经网络(Neural Networks)等。 三、数据挖掘的实际应用 由于数据挖掘市场还处于起步的阶段,但是发展很快。在国外有一些著名的大公司对数据挖https://www.unjs.com/lunwen/f/20220924130749_5650839.html
10.科学网—数据仓库和数据挖掘相关知识收集·前端工具:主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器,报表工具、数据挖掘工具主要针对数据仓库。 对企业自身来说,数据仓库的建设是一个系统工程,是一个不断建立、发展、完善的过程,通常需要较长的时间。这就要求各企https://blog.sciencenet.cn/blog-1191257-807949.html
11.大数据金融第二章大数据相关技术指根据业务的需求和目的,运用合适的工具软件和数据挖掘方法对数据仓库中的数据信息进行处理,寻找出特定的数据规律或数据模式,得出有价值的信息和知识。 (二) 对象 数据挖掘的对象:根据信息存储格式,分为关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internethttps://www.jianshu.com/p/d68251554c66
12.数据挖掘七种常用的方法汇总腾讯云开发者社区聚类分群效果可以用向量数据之间的相似度来衡量,向量数据之间的相似度定义为两个向量之间的距离(实时向量数据与聚类中心向量数据),距离越近则相似度越大,即该实时向量数据归为某个聚类。 数据挖掘方法 利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等, 它https://cloud.tencent.com/developer/article/1892597
13.数据挖掘的主要方法有。A.编码B.分类C.聚类D.关联规则E.特征百度试题 题目数据挖掘的主要方法有 【】。 A.编码B.分类C.聚类D.关联规则E.特征分析相关知识点: 试题来源: 解析 BCDE 反馈 收藏 https://easylearn.baidu.com/edu-page/tiangong/bgkdetail?id=d20778dc8bd63186bcebbcd9&fr=search
14.网络营销全部59.数据挖掘分析方法中,聚类分析的主要目的是()。 A.找出数据之间的属性联系,形成关联规则B.把一组个体按照相似性归成若干类别,形成新的类标识C.把数据的关联性与时间联系起来,预测关联事件发生的时间D.根据示例数据库中的数据建立判别规则,据此对其他数据进行分类20.在企业【注释】:第十章第二节 第283页 聚类https://www.wjx.cn/xz/261160017.aspx
15.数据挖掘的挖掘方法是什么帆软数字化转型知识库数据挖掘的挖掘方法包括分类、回归、聚类、关联规则、序列模式、异常检测、降维、时间序列分析、神经网络和贝叶斯网络等。分类方法被广泛使用,因为它可以对数据进行标签分类,使得我们能够根据已有的标签预测新数据的类别。分类方法主要包括决策树、支持向量机、K近邻算法和朴素贝叶斯分类器等。例如,决策树通过构建树形模型,将https://www.fanruan.com/blog/article/593359/
16.常见的数据挖掘方法有()中级经济师考试题库常见的数据挖掘方法有()。 多选题常见的数据挖掘方法有()。 A 、结构化学习 B 、半监督学习 C 、监督学习 D 、无监督学习 E 、非结构化学习 扫码下载亿题库 精准题库快速提分 参考答案 【正确答案:B,C,D】 数据挖掘以解决实际问题为出发点,融合了多学科领域的知识,核心任务是对数据关系和特征进行探索。https://www.bkw.cn/tiku/Zdjbo.html
17.数据挖掘的常用方法都有哪些?而决策树方法也是数据挖掘的常用方法之一。决策树是一种常用于预测模型的算法,它通过一系列规则将大量数据有目的分类,从中找到一些有价值的、潜在的信息。它的主要优点是描述简单,分类速度快,易于理解、精度较高,特别适合大规模的数据处理,在知识发现系统中应用较广。它的主要缺点是很难基于多个变量组合发现规则。在数http://api.cda.cn/view/26507.html
18.数据分析中的文本挖掘有哪些方法实体识别是一种将文本中的命名实体提取出来的技术。命名实体通常是指人名、地名、机构名等有特定意义的词语。实体识别可以帮助人们了解文本数据中的重要信息和关系。实体识别的主要方法包括规则匹配、机器学习等。 综上所述,在进行文本挖掘之前,需要进行数据预处理,包括清洗数据、分词和建立词袋模型等。文本挖掘主要包括文https://www.linkflowtech.com/news/1588
19.高效实施数据挖掘的方法和步骤yuanye1014有了优秀方法论的指导,还需要一个高效的数据挖掘工具。目前提供数据挖掘产品的厂商非常多,如著名的产品有SAS Enterprise Miner、SPSS Clementine 8.1(简体中文版)、IBM DB2 Intelligent Mine等,这些产品各有特色。 选择一款适合的数据挖掘工具,主要从以下几方面来考虑。下面我们根据CRISP-DM方法论,从数据挖掘项目的各个阶http://blog.chinaunix.net/uid-64814-id-2690182.html
20.浅析数据挖掘的四种基本方法浅析数据挖掘的四种基本方法 我们生活在大数据时代,当今的互联网已经发展到大数据时代了,如今的信息技术从数据处理向数据分析和理解的方向一直在转变,如今企业都在不断的收集各种数据,从大数据中挖掘有用的数据信息,数据挖掘出有价值的数据。现在数据挖掘技术已经成为企业不可缺少的技术,需要收集海量的数据,从海量数据中https://www.kkidc.com/about/detail/hcid/196/id/1857.html