全部来自 AI 原创生成并经逐题审校的题目，带 精品 标记的为 AI 复审通过。整卷生成请去组卷。
设命题 p 为真、q 为假，则复合命题 (p→q)↔¬p 的真值为____。
登录后查看答案
图灵测试中，评判者通过文字与一名人类和一台机器交流；若仅凭交流内容无法判断哪一方是机器，判定依据是评判者对二者身份的____。
对关键字序列 (50, 27, 63, 12, 45, 8, 39, 56) 进行升序折半插入排序。约定：第1个关键字视为已排序；从第2个起，将当前关键字暂存，在已排序区用折半查找确定插入位置，取 mid=⌊(low+high)/2⌋，若待插入关键字 < a[mid] 则 high=mid-1，否则 low=mid+1；每次与中间关键字比较均计数。整个排序过程中折半查找的关键字比较总次数为 ____。
卷积层中，同一个卷积核在输入特征图上按滑动窗口方式逐位置移动，对每个局部感受野执行相同的运算。这种让卷积核在整张图上重复使用同一组参数的机制称为____；与全连接层每个连接都配备独立参数相比，该机制使网络参数量大幅____（填“减少”或“增加”），并使网络具有平移不变的归纳偏置。
某同学按“训练阶段是否显式学习模型参数”将算法分类，把 K-means、PCA 和 K近邻归为一类，认为它们都没有显式训练过程；把线性回归、决策树归为另一类。从机器学习范式看，该分类混淆了标准，因为 K近邻实际上属于 ____ 学习。
某网络中，损失对输出层加权输入的导数为 3/2；沿从该加权输入到隐层输出、隐层加权输入、权重 w 的路径，局部导数依次为 2、−1/3、3。当前 w=0.8，学习率为 0.05。采用反向传播计算梯度，并用梯度下降更新参数，则更新后 w 的值为 ____。
在神经网络训练中，损失函数用于量化模型预测输出与真实标签之间的差距，训练的目标是通过调整参数使损失不断减小。某学生在训练一个用于手写数字识别的多层网络时提出如下观点：只要训练损失降到足够小，就说明模型学到了数据的普遍规律，在未知数据上一定表现更好。结合损失函数的作用与本章内容，该观点是____（填“正确”或“错误”）的，原因是损失仅衡量模型在____（填“训练集”或“未知测试数据”）上预测与真值的差距，一味追求训练损失极小，可能使模型过度拟合训练样本的细节而损害对未知数据的泛化能力，这一现象称为____（填“欠拟合”或“过拟合”）。
某研究团队开展三项任务：甲用带有类别标签的邮件训练模型，判断新邮件是否为垃圾邮件；乙对没有类别标签的顾客行为记录进行分组；丙让机器人在模拟环境中反复选择动作，并依据一段时间后获得的回报调整策略。按甲、乙、丙的顺序，三项任务分别属于____。
某智能巡检系统使用以下产生式规则：R1：如果传感器甲报告异常，则生成待核查告警；R2：如果传感器乙报告异常，则生成待核查告警；R3：如果待核查告警且巡检员确认，则判定设备需检修；R4：如果设备需检修，则安排检修。当前事实为“传感器甲报告异常”“传感器乙报告异常”“巡检员确认”。若采用正向推理，且每轮按规则编号从小到大扫描，将本轮新推出的结论暂不用于本轮后续规则；问完整推理结束后，最终推出的不同结论共有____个。
设 p、q 为命题。当 p 为假、q 为假时，复合命题 (p∨q)→(p↔q) 的真值为 ____。
某产生式系统的规则库为：R1：如果 A 且 D，则 B；R2：如果 B，则 E；R3：如果 D，则 F。已知事实库中初始仅有事实 A 和 D，无待验证目标。若采用正向推理，可推出的新事实（不含初始事实）共有____个；若改为反向推理以验证目标 E，匹配规则的先后顺序为____（用 R 编号表示）。
图灵测试的核心思路是：让评判者通过文字问答分别与一台机器和一个人交流，若评判者____二者中哪一个是机器，则可认为该机器具有智能。该测试考察的是对话中的不可分辨性，而非机器解答知识难题的能力。
某 AOE 网的顶点集为 {V1,V2,V3,V4,V5,V6}，弧及其权值（持续时间）为：V1→V2:5，V1→V3:3，V2→V4:2，V3→V4:6，V2→V5:4，V4→V5:1，V4→V6:7，V5→V6:3，V3→V6:8。采用入度为 0 的顶点入栈的拓扑排序算法：初始入度为 0 的顶点入栈，每次弹出栈顶顶点；当同一顶点有多个未处理邻接点时，按顶点编号升序处理。得到的拓扑序列为 ___；该 AOE 网的关键路径长度为 ___。
依次将关键字 45、28、60、12、36 插入一棵初始为空的二叉排序树，所得树的根结点关键字是____，关键字 36 所在结点是关键字 28 所在结点的____孩子。
约定根结点位于第 1 层。在一棵二叉树中，若第 k 层的结点数恰好达到该层所能容纳的最大结点数，且该结点数为 64，则 k=____，此时前 k 层所有结点（若该树为满的状态）的总数最多为____。
有 3 个符号 A、B、C，其权值分别为 2、3、8。按每次取两棵权值最小的树合并构造哈夫曼树，并规定每个结点的较小权孩子标为 0、较大权孩子标为 1。符号 C 的哈夫曼编码为 ___。
某智能体知识库含产生式规则：R1：如果 动物会飞，则 动物有翅膀；R2：如果 动物是鸟类，则 动物会飞；R3：如果 动物有翅膀，则 动物被观察。已知事实：企鹅 是鸟类。若采用反向推理（从目标出发）验证目标“企鹅 被观察”是否成立，则推理应从该目标出发，依次将 R3 的前提“____”作为子目标，最终追溯到已知事实“企鹅 是鸟类”从而目标成立；与正向推理相比，反向推理更适合验证____（填“单个目标”或“大量无关结论”）。
对含 5 个互异关键字的序列 (7, 2, 5, 4, 9) 做直接插入排序（升序）。规定：每将一个关键字插入前方已排序子序列时，从后向前逐个与已排序元素比较，遇到不大于该关键字的元素即停止，此过程的关键字比较计入次数（与哨兵的比较不计）。则第 3 个关键字（值为 5）插入时的比较次数为____，全过程的比较总次数为____。
某人工智能发展史年表依次记载：早期机器翻译等研究带来第一次兴起，随后研究热度下降；专家系统推动新一轮兴起，之后因知识获取困难、维护成本高等因素进入低谷；深度学习的突破又带来新一轮兴起。按时间顺序，专家系统推动的是第____次兴起。
人工智能发展史上的“三起两落”可概括为：第一次兴起源于1956年达特茅斯会议确立学科并诞生早期推理程序；第一次低谷因____（象征主义方法）面对组合爆炸等问题遭遇瓶颈，政府资助锐减；第二次兴起以1980年代____的商业化成功为标志；但随后的第二次低谷主要源于其____成本高企、知识获取困难，而非计算机算力突然不足；第三次兴起则以2010年代____技术的突破为代表，依托大数据与GPU算力推动。请按顺序填出三处空缺。