《高考语文一轮文现代文专题复习：深度学习主题练.doc》由会员分享，可在线阅读，更多相关《高考语文一轮文现代文专题复习：深度学习主题练.doc（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 深度学习主题练阅读下面的文字，完成1-5题。材料一机器学习是一种人工智能技术，它通过设计算法，让计算机可以从有限的观测数据中分析并获取规律，然后利用“学习”到的规律对未知数据进行预测，从而帮助人们完成应用任务。运用机器学习解决应用问题，一般包含如下几步：首先是对观测数据作预处理，然后是从观测数据中提取有效特征并对特征进行转换，最后是构建函数并利用它进行预测。传统的机器学习主要关注预测函数的构建，至于特征，则一般是通过人为地设计一些准则，然后根据这些准则从观测数据中获得。对机器而言，这可看作是一种“浅层学习”。由于浅层学习有时不能很好地获得有助于提升预测准确率的特征，“深度学习”应运而生。深度
2、学习需要构建具有一定“深度”的模型，让机器自动从观测数据中学习到有效的特征，帮助提升预测的准确率。“深度”与数据处理过程的组件数量密切相关，深度模型的原始输入与输出结果之间有多个组件，每个组件都会对数据进行加工，并影响后续组件。当得到最终的输出结果时，我们并不清楚每个组件的贡献是多少，判断每个组件对输出结果的影响称为“贡献度分配”问题。以下围棋为例，每当下完一盘棋，我们会思考哪几步棋导致了最后的胜利或失败，判断每一步棋贡献的多少就是贡献度分配问题。该问题在深度学习中至关重要，解决起来也非常困难。目前，深度学习大多采用“人工神经网络”来实现。人工神经网络内部包含多个层次，正好能满足深度学习的“深
3、度”需求。近年来，深度学习技术快速发展，其所使用的人工神经网络模型从早期的五至十层增加到目前的数百层，这极大提高了特征提取与转换的能力，也使预测的准确率随之上升。深度学习技术被广泛应用于模式识别、自然语言处理等诸多领域并取得了重大突破。我们要想在方兴未艾的科技革命中占有先机，牢固掌握以深度学习为代表的人工智能技术是必要条件。材料二人脑神经系统是一个非常复杂的组织，包含几百亿个神经元。神经元与神经元之间没有物理连接，它们通过突触进行互联来传递信息。神经元可被看作是只有兴奋和抑制两种状态的细胞，突触将一个神经元的兴奋状态传至另一个神经元。突触有强有弱，其强度可以通过学习或训练来不断改变，具有一定的
4、可塑性。一个神经元的状态是兴奋还是抑制，取决于它从其他神经元接收到的信号量以及突触的强度。当一个神经元接收到的信号量总和超过了某个阈值，细胞体就会兴奋，产生电脉冲，电脉冲通过突触传递到其他神经元。可以认为，在人脑神经系统中，每个神经元本身固然重要，但更重要的是神经元如何组成网络。受人脑的启发，科学家构建了一种在结构、工作原理和功能上都模拟人脑神经系统的计算模型，称之为“人工神经网络”，简称“神经网络”。在机器学习领域，神经网络指由很多人工神经元相互连接构成的系统，这些人工神经元一般被称为节点，每个节点本质上是一个函数。神经网络不同节点间的连接被赋予了不同的权重，每个权重表示一个节点对另一个节点
5、影响的大小。每个节点的“兴奋”或“抑制”，由来自其他节点的数据信息与节点间的连接权重综合计算得到。深度学习利用神经网络构建模型，可以对数据进行更好的特征提取与特征转换，从而得到预测准确率更高的函数。除了神经网络模型，深度学习也可以采用“深度信念网络”等其他类型的模型。但由于神经网络能借助相关算法较好地解决贡献度分配问题，它成为了深度学习主要采用的模型。（以上两则材料取材于邱锡鹏的相关著作）1根据材料一，下列表述正确的一项是（3分）A机器学习的最终目的是从数据中寻找到某种规律。B机器学习从数据中学到的规律可以用函数来表示。C机器学习完成特征提取与转换后就可以进行预测。D浅层学习无需人工干预，完全
6、依赖机器自主完成。2根据材料一，下列对“深度学习”的理解与推断，不正确的一项是（3分）A可以更好地处理数据特征，更准确地预测。B数据处理过程中的组件数量会影响其深度。C数据处理过程中影响最大的组件不难确定。D是人工智能技术的代表，已有广泛的应用。3根据材料二，下列对人脑神经系统的理解，不正确的一项是（3分）A一个神经元是兴奋还是抑制的状态不全由其自身决定。B一个神经元接收到其他神经元的电脉冲以后就会兴奋。C人脑神经系统中神经元本身不如神经元如何组网重要。D人脑神经系统启发了深度学习中一种主要模型的构建。4根据材料一和材料二，下列理解与推断，不正确的一项是（3分）A人工神经网络在自然语言处理等诸
7、多领域是无可替代的。B深度学习进行预测的能力与其模型的层次数量密切相关。C沟通不同神经元的突触的强度不是恒定的，可以被改变。D人工神经网络模型被深度学习采用有不止一方面的原因。5根据以上两则材料，说明深度学习“应运而生”的原因，以及人工神经网络在深度学习中的作用。（5分） 1B2C3B4A5答案要点：原因：浅层学习有时不能很好地获取有助于提升预测准确率的特征。作用：人工神经网络可用来构建深度学习的模型。人工神经网络模型可提高特征提取与特征转换的能力。人工神经网络模型有助于解决贡献度分配问题。人工神经网络模型有助于提升预测准确率材料一：一个领域的表示方式，在很大程度上，决定了那个领域是怎样被“理
8、解”的。只有当一个程序中的数学知识是包含于广博的现实经验之中的时候，或.许才能被我们认为是以与我们同样的方式在“理解”。正是这个知识表示”问题成了人工智能的关键所在。在开始的时候，人们认为知识是像句子那样一“包”一“包”地存在的，而且把知识注入系统的最好方式就是找到一种简单的方式把事实翻译成被动的小数据包。那样每个事实可能只不过是一条数据，可以被使用它的程序所存取。这种想法被下棋程序所证实，在这些程序里棋局势被编码在某种矩阵或列表之中，鬲效地存在存储器里，可以把它们提取出来并用子程序加以处理。心理学家早就知道，人类是以某种更为复杂的方式来储存事实的。但这一点只是近来才被人工智能研究工作者所重新
9、发现。他们目前正而临着组块化”知识的问题和区别过程性与描述性知识的问题。而后一个问題，涉及到内省可达的”和内省不可达的”这样两类知识间的区别。认为所有知识都应能被編码成被动的数据，这种朴素设想实上是与关于计算机设计的大部分基本事实相矛盾的。这就是说，关于怎样加、怎样减、怎样乘等等的知识不是编码在中并存在存储器内的。爭实上，这些知识不是放在存储器中的某个地方，而是体现在硬件的线路里。一个袖珍计算器并没有在其存储器中存放加法的做法，这个知识是编码在它的“内脏”中的。如果有人说：“请指給我看在这个机器中加法的做法存在哪里！”那么这种地方是找不到的。但在人工智能中大的工件都是与这样一些系统有关的：它们
10、大部分知识都存放在特定的地点也就是采用描述性的方式。当然，某些知识必须嵌入在程序中，否则的话，所得到的就根本不是一个程序，仅仅是一部百科全书了。问题在于怎样才能把知识分成程序和数据。不管怎么说，把程序和数据区分开也并非总是轻而易举的。但在一个系统的开发过程中，如果程序员直观地感到某些项应当是数据（或程序），那将对该系统的结构产生相当大的影响，因为人编程序的时候总是倾向于把那些像数据的对象和那些像数据的对象区分开。必须指出，原则上把信息編成数据结构成或过程的任何方式都是同样好的，也就是说如果你不太在意效率的话，你能用一种方式所做的一切也都能用另一种方式来做。但是，可以提出一些理由来说明一种方式似
11、乎肯定比另一种优越。例如，请考虑下面主张只使用过程性表示的点：一旦你想要把相当复杂的特性綸码在数据中，你就不得不开发出相当于一种新的语言或新的形式系统的东西。因此实际上你的数据结构变得像程序，而你的一些程序成了它们的解释程序，那你还不如开始就直接把这些信息表示成过程的形式，这就用不着外层的解释程序了。”（摘编自（美）侯世达哥德尔、艾舍尔、巴赫一一集异璧之大成）材料二：如何才能让计算机（或深度学习）具备理解与思考能力呢？我们应当参考人脑的工作模式以自然语言理解为例，当人们看到一句话这个夏天就像蒸笼一样”，会产生哪些理解呢？假如此人母语是英语，且并不懂汉语，如果我们给他一本中英文词典和语法书（注意
12、这代表某种类型的语言知识），则他可以借助这些语言知识，很客易地将这个结构简的句子翻译成英语；此人还需要利用已有的常识知识和认知知识，才能理解将夏天”比作”蒸笼，是形容这个夏天很热；如果此人掌一些关于现实的世界知识，则他还会想到用某些品牌的空调或风扇帮助降温；如果此人还有一些全领城的行业知识，对他就能推测这个夏天空调大卖，空调厂商效益提升，可以提前做投资布局。即使现有自然语言处理服务可以处理的简单样例，同样面临类似的问题。如，用户检索北京到上海的高铁”时，商业搜索引擎可以匹配“北京”上海”“高铁”等实体，匹配预先定义好的模板，然后根据该模板对应指令查询后台数库返回相关车次信息。这像一个争先编排好
13、的操作流程，一切按照剧本来运行，一旦超出事先定狡的范围就束手无彊。而人类看到北京到上海的鬲铁”，则会调动各种类型的知识来实现对这句话的理解，会知道北京和上海是中国的两大直辖市，高铁是运行在陆地上的髙速铁路，京沪高铁是连接北京和上海的最繁忙的铁路线。人类永远这无法像搜索引那样记住繁多的京沪高铁车次，却能够利用有生以来不斷积累的知识，轻而举地理解这的话在现实世界中的意义，而不仅仅用来找到所有京沪高铁车次而已。只有真正理解这句话在现实世界中的全部意义，才是真正的智能；而专门为完成某种特定任务（捜索车次）研制的系统或算法，则无法做到随机应变。可以看到，即使短短的一向话，只有在冬种类型知识的支持下，人们
14、才能进行不同层次的理解。这些知识是人类对包括自身在内的外部世界的认知，如同Plam发明人杰夫.霍金斯在他的OnIntelligence中所描述的“世界模型”，是人脑对这个世界形成的理性认知模型。只有将自然语言置入这个世界模型”中，才能实现真正的理解。（摘编自刘知远、韩旭、孙茂松知识图谱与深度学习）1.下列对材料相关内容的理解和分析，正确的一项是（3分）A.“知识表示”是人工智能的关键所在，只有当程序中的数学知识包含于现实经验时，人工智能才真正得以实现。B.信息彼编码成数据结构或过程的方式本无优劣之分，程序员编码时对程序和数据直观的区分让它们有了高下之别。C.专门为完成某种特定任务研制的系统或算
15、法缺乏各种类型知识的支持，无法形成对外部世界的认知，不能做到随机应变。D.下棋程序和商业搜索引擎均是将信息编码在程序中，高效率存储、匹配和提取，体现了人工智能的发展方向。2根据材料内容，下列说法不正确的一项是（3分）A实现真正的人工智能，首先需要解决知识编码由描述性向过程性的转变问题，但这一转变并非轻而易举。B.计算机设计中的加、减、乘、除等知识是以程序的形式呈现的，这与人工智能研究工作者的最初理解不同。C人们借助各种类型的知识，可以对“这个夏夭就像笼一样”这句话进行翻译、理解，甚至提前布局市场投资D.人类与系统的不同之处在丁人类能理解信息在现实世界中的全部意义，系统却只能存储多的信息。3.根据材料内容，下列各项中不能体现“真正的智能”随机应变特征的一项是（3分）A.智能人脸识别系统B.智能自动驾驶汽车C.智能军事机械狗D.智能聊天机器人4.请结合材料内容，给“知识表示”下一个简要定义。（4分）5.请简要梳理材料一的行文脉络。（6分）1C2D3A4知识表示是指通过程原或结构形式，将自然语言置于人脑对世界的理性认知模型中，逬而实现认知现实世界。5首先引岀话题，指岀知识表示”问题是人工智能的关键，接着阐述知识表示由数据向程序的发展变化，最后指岀信息编码成程偉的优越性。8