卷积神经网络（CNN）的核心组成部分包括
题目：卷积神经网络（CNN）的核心组成部分包括（）
A. 卷积层（Convolutional Layer）
B. 池化层（Pooling Layer）
C. 全连接层（Fully Connected Layer）
D. 自注意力层（Self-Attention Layer）
答案：ABC
解析：CNN 的核心层包括卷积层（提取特征）、池化层（降维、增强鲁棒性）、全连接层（分类决策）；自注意力层是 Transformer 模型的核心组件，不属于 CNN，D 错误，三项正确。
题目：在工业 AI 应用中，模型部署需解决的关键问题有（）
A. 模型压缩与轻量化，适配工业边缘设备算力
B. 数据实时处理，满足工业场景低延迟要求（如毫秒级响应）
C. 模型鲁棒性，应对工业环境中的噪声、干扰（如光照变化、设备振动）
D. 模型可解释性，方便工程师理解决策逻辑（如缺陷检测的判定依据）
答案：ABCD
解析：工业场景对 AI 模型的算力适配（A）、实时性（B）、抗干扰能力（C）、可解释性（D）要求极高，四项均是部署阶段需解决的关键问题，正确。
题目：下列关于 “多模态 AI” 的说法，正确的有（）
A. 指能够处理和融合多种类型数据（如文本、图像、音频、视频）的 AI 系统
B. 典型应用包括 “图文生成视频”“语音 + 图像的身份验证”
C. 多模态 AI 需解决不同模态数据的特征对齐问题（如文本语义与图像内容的匹配）
D. 多模态 AI 的模型复杂度低于单模态 AI，部署成本更低
答案：ABC
题目：在深度学/ 习 /模型训练过程中，“数据预处理” 的关键步骤包括（）
A. 数据清洗：去除异常值、缺失值（如工业传感器的故障数据）
B. 数据标准化 / 归一化：将数据缩放至统一范围（如像素值从 0-255 归一化到 0-1）
C. 数据增强：扩充训练数据量（如图像旋转、翻转、加噪声，文本同义词替换）
D. 数据划分：将数据集分为训练集、验证集、测试集（如 7:1:2 的比例）
答案：ABCD
解析：数据清洗（A）确保数据质量，标准化 / 归一化（B）加速模型收敛，数据增强（C）提升模型泛化能力，数据划分（D）实现模型训练与评估，四项均是数据预处理的核心步骤，正确。
题目：在 AI 伦理安全中，“算法偏见” 的主要来源是（）
A. 算法本身的数学逻辑错误
B. 训练数据中包含的历史偏见（如性别、种族相关的不平衡数据）
C. 模型训练过程中的硬件故障
D. 用户使用过程中的操作失误
答案：B
解析：算法偏见多源于训练数据 —— 若数据中存在历史偏见（如招聘数据中男性样本远多于女性，导致模型倾向于推荐男性候选人），模型会学/ 习 /并放大这种偏见；A（逻辑错误）、C（硬件故障）、D（操作失误）均不是算法偏见的主要来源，B 正确。
