学宝教育旗下公务员测验网站
网站地图     设为      加入保藏
当前位置:主页  >> 试题中心  >> 申论   
申论
2019上半年奇迹单位联考《归纳运用能力》C类真题及答案
http://www.hotpinkgeek.com       2019-05-20      来源:河北公务员测验网
【字体: 】              

   2019上半年奇迹单位联考C类《归纳运用能力》真题正正在此楬橥。本套2019上半年奇迹单位联考C类《归纳运用能力》真题来自考生回忆,由公考通整理。


  >>>


  2019年上半年全国奇迹单位联考C类《归纳运用能力》真题


  材料一


  1997年,国际象棋大师加里·卡斯帕罗夫败给了电脑“深蓝”;2016年,谷歌人工智能AlphaGo又击败了韩国棋手李世石,这标志着人工智能终于征服了它正正在棋类竞赛中着末的弱项——围棋,谷歌公司的DeepMind团队比预期提前了整整10年达到了既定目标。


    对打算机来说,围棋并不是由于其法则比国际象棋复杂而难以征服——与此绝对相反,围棋法则更简单,它其实只有一种棋子,对弈的双方轮流把玄色和白色的棋子放到一个19×19的正方形棋盘中,落下的棋子就不行再移动了,只会正正在被对方棋子困绕时被提走。到了棋事务署结束时,占据棋盘面积较众的一方为胜者。


  围棋的法则云云简单,但对于打算机来说却又分外复杂,途理正正在于围棋的步数非常众,而且每一步的可能下法也非常众。以国际象棋作对比,国际象棋每一步均匀约有35种折柳的可能走法,一般情况下,普及棋事务署会正正在80步之内结束。围棋棋盘共有361个落子点,双方瓜代落子,整体棋事务署的总分列组合数共有约10171种可能性,这远远越过了宇宙中的原子总数——1080!


  对于构制简单的棋类逛戏,打算机程序开发人员可以运用所谓的“暴力”方法,再辅以一些技巧,来寻觅对弈计策,也就是对余下可能显现的所有盘面都进行执行并给予评价,从而找出最优的走法。这种对整棵博弈树进行穷举搜索的计策对打算能力要求很高,对围棋或者象棋程序来说是非常贫窭的,特别是围棋,从技术上来讲目前不可能做到。


  “蒙特卡罗树搜索”是一种基于蒙特卡罗算法的诱导式搜索计策,可以依据对搜索空间的随机抽样来扩大搜索树,从而分解围棋这类逛戏中每一步棋应该怎样走能力够创建最好机会。举例来说,假如筐里有100个苹果,每次合着眼拿出1个,最终要挑出最大的1个,于是先随机拿1个,再随机拿1个跟它比,留下大的,再随机拿1个……每拿一次,留下的苹果都最少不比上次的小,拿的次数越众,挑出的苹果就越大。但除非拿100次,不然无法肯定挑出了最大的。这个挑苹果的方法,就属于蒙特卡罗算法。固然“蒙特卡罗树搜索”正正在此前一些弈棋程序中也有采用,正正在相对较小的棋盘中也能很好地发挥作用,但正正在正规的全尺寸棋盘上,这种方法仍然存正正在相当大的缺陷,由于涉及的搜索树还是太大了。


    AlphaGo人工智能程序中最新鲜的技术当属它获取知识的格事务署——深度学习。AlphaGo 借帮两个深度卷积神经网络(价值网络和计策网络)自主地进行新知识的学习。深度卷积神经网络运用很众层的神经元,将其堆叠正正在一起,用于天生图片逐渐抽象的、事务署部的表征。对图像分解得越细,诈欺的神经网络层就越众。AlphaGo也给与了雷同的架构,将围棋模盘上的盘面视为19×19的图片输入,然后通过卷积层来表征盘面。这样,两个深度卷积神经网络中的价值网络用于评估盘面,计策网络则用于采样行为。


  正正在深度学习的第一阶段——计策网络的有监督学习(即从中   I   中学习)阶段,具有13层神经网络的AlphaGo借帮围棋数据库KGS中存储的3000万份对弈棋谱进行出处学习。这3000万份棋谱样本可以用a、b进行统计。a是一个二维棋事务署,把a输入到一个卷积神经网络进行分类,分类的目标就是落子向量A。通过不断的训练,尽可能让打算机得到的向量A接近人类高手的落子结果b,这样就形成了一个模仿人类下围棋的神经网络,然后得出一个下棋函数F_go()。当盘面走到任何一种情形的时候,AlphaGo都可以通过调用函数F_go()打算的结果来得到最佳的落子结果b可能的概率分布,并依据这个概率来挑选下一步的行为。正正在第二阶段——计策网络的强化学习(即从   Ⅱ   中学习)阶段,AlphaGo开始结合蒙特卡罗树搜索,不再呆滞地调用函数库,而雷同于一种人类进化的历程:AlphaGo会和自己的老版本对弈。即,先运用F_go(1)和F_go(1)对弈,得到了一定量的新棋谱,将这些新棋谱加入到训练集当中,训练出新的F_go(2),再运用F_go(2)和F_go(1)对弈,以此类推,这样就可以得到胜率更高的F_go(n)。这样,AlphaGo就可以不断改善它正正在第一阶段学到的知识。正正在第三阶段——价值网络的强化学习阶段,AlphaGo可以依据之前获得的学习履历得出估值函数v(s),用于预测计策网络自我对抗时棋盘盘面s的结果。着末,则是将F_ go()、v(s)以及蒙特卡罗树搜索三者相互配合,运用F_ go()作为初始离开事务署,每事务署选择分数最高的方案落子,同时调用v(s)正正在竞赛中做出正确的坚决。


    这就是AlphaGo给围棋带来的新搜索算法。它立异性地将蒙特卡罗模仿和价值网络、计策网络结合起来训练深度神经网络。这样价值网络和计策网络相当于AlphaGo 的两个大脑,计策网络负责正正在当前事务署面下坚决“最好的”下一步,可以理解为落子选择器;价值网络负责评估整体盘面的优劣,镌汰掉不值得深化打算的走法,协帮前者提高运算效率,可以理解为棋事务署评估器,通过两个“大脑”各自选择的均匀值,AlphaGo最终决定怎样落子胜算最大。通过这种搜索算法,AlphaGo和其他围棋程序竞赛的胜率达到了99.8%。


    AlphaGo的飞快成长是任何一个围棋天下冠军都无法企及的。随着打算机功能的不断增强,遍历蒙特卡罗搜索树将进一步提高命中概率。大量的打算机专家,配合大量的天下围棋高手,正正在算法上不断革新,再配合不断成长的超级打算能力,不断地从退步走向成功,最终打制出围棋人工智能。正正在AlphaGo击败李世石后,欧洲围棋冠军樊麾说了这么一句话:“这是一个团队的集体干练用科技的格事务署击败了人类数千年的履历储存。”人和机器其实没有站正正在对立面上,“是人类击败了人类”。


  材料二


  上世纪80年代,M市高温首日经常显现正正在6月中下旬至7月,到21世纪,往往还没到6月中句,M市气温就会蹿至35℃以上,仅有两年的高温日到7月才显现,1981年以后,M市6-8月高温日显现越来越频繁,可睹,M市首个高温日的显现时间越来越早,21世纪后每年首个高温日显现时间肯定早于上世纪80年代。


  正正在M市,一年中最热的时候莫过于7月,1997年以后,高温日数逐渐增众。截至2018年7月中旬,2018年M市高于35℃的日子已有6个,比往年7月的均匀数还众2个。可以确定,这一年M市7月的高温日总数将是1997年以后最众的一年。另外据统计,M市7月的高温日整体众于6月和8月,照此趋势,2018年8月的高温日可能不会越过7月。


  近30年来,M市7月的夜温越来越高,1999年以后7月的夜间最低气温普遍越过23℃,以是2018年7月下旬M市夜间的最低气温不会低于23℃。


  同样近30年来,M市6-8月显现持续3天以上高温的总次数为27次,20次都是正正在2000年以后显现的,2018年6月和7月,M市曾经分别显现了一次持续3天以上的高温。既然2018年M市显现3天以上持续高温的次数曾经越过了近30年来的均匀值,那么8月份M市不会显现3天以上的持续高温天气。


    30年来,M市“城市热岛效应”愈创建显,城区与郊区的均匀气温差值越来越大。2018年7月M市各区均匀气温偏高,均越过26.7℃。其中市中心2个城区气温最高,其次是环市中心的其他4个城区,2个郊区的气温最低。(注:高温日为日最高气温≥35℃)


  材料三


  材料(一)细菌学家弗莱明的执行室里摆放着许众有毒细菌培养皿。众年来,


  他试验了种种药剂,力图找到一种能杀灭这些细菌的理想药品,但一直未能成功。1928年的一个早晨,他正正在反省细菌的变化时,突然发现一个葡萄状球菌的培养皿里长出了一团青色霉菌,而且其范围原来茁壮着的葡萄状球菌消失了,他进一步研究发现,这种青色霉菌对其他众种有毒细菌同样具有杀灭作用,他把这种青色霉菌分泌的杀菌物质称为青霉素。


  材料(二)1870年,英国科学家克鲁克斯正正在做阴极射线管放电执行时,意外发现管子附近的照相底片有模糊暗影,他坚决是照相的干板有抨击;1890年美国科学家古德斯柏德正正在做相同的执行时也发现同样的现象,他归因于冲洗药水和冲洗技术有问题;到了1892年,德国有些物理学家也观察到这一现象,但当时他们的帮理力都集结正正在研究阴极射线的性质上,对此并没有警惕。直到1895年,这一独特现象才被德国物理学家伦琴敏锐地抓住,他反复研究执行,最终发现了X射线,他也于是获得诺贝尔物理学奖。


  材料三:丹麦天文学家第谷三十年如一日观测天象,记录了750颗星相对位置的变化,纠正了以往星表中的错误。但第谷不善于对感性材料进行科学抽象和概括,到底未能揭示行星步履治安。临终前,他把自已所有的材料交给了学生开普勒,要求他继续研究行星步履的理论。起初,开普勒以第谷宇宙姿态为根蒂框架来推敲这个问题,但毫无所获,于是转而以哥白尼日心姿态为根蒂框架睁开研究。他精于理论思维和数学推导,依据老师留下的大量一手资料,最终发现了天体步履的三大定律,被誉为“天空立法者”。


  【问题】


  问题一


  科技文献阅读题:请认真阅读文章,遵照每途题的要求作答。(50分)


    依据材料一,回答下列问题:


  1.坚决题:请用2B铅笔正正在答题卡相应的题号后填涂作答,正确的涂“A”,错误的涂“B”。


    (1)国际象棋的走法不越过35*80种。


    (2)构制简单的棋类逛戏可以通过对博弈树的“暴力”穷举搜索找出最优走法。


    (3)传统的打算机围棋程序可以绝对尺寸棋盘的蒙特卡罗树模仿并打算最大胜率。


  (4)函数F_go(n)比F_go(n-1)的胜率更高。


  2.填空题:请依据文意,分别填补Ⅰ、Ⅱ两处缺项,没空不越过6个字。


  Ⅰ(   )  Ⅱ(   )


    3.众项选择题:备选项中有两个或两个以上符合题意,请用2B铅笔正正在答题卡相应的题号后填涂正确选项的序号,错选、少选均不得分。


    (1)这篇文章由来以为围棋是人工智能正正在棋类逛戏中最弱项的途理是:


  A.围棋每一步可能的下法太众,无法运用穷举搜索


    B.围棋的法则对于打算机来说太复杂,无法理解


  C.简单的打算机神经网络难以应对围棋的搜索打算


    D.围棋盘面事务署势的评估缺乏当代就三家技术的支持


  (2)下列关于AlphaGo“两个大脑”的说法正确的是


  A.价值网络负责评估盘面优劣


    B.计策网络负责坚决走法优劣


  C.计策网络可以协帮价值网络提高运算效率


    D.价值网络和计策网络配合确定最终的落子位置


  4.比拟分解AlphaGo新算法和蒙特卡罗树搜索的折柳之处。


    要求:概括切实,目标了解,文字简单,不越过250字。


  5.请为本文写一篇实质摘要


  要求:全面、切实,目标了解,不越过350字。


  问题二


  论证评价题:阅读给定材料二,指出其中存正正在的4处论证错误并分别说明理由。请正正在答题卡上按序号分条作答,每一条先将论证错误写正正在“A”处(不越过75字),再将相应理由写正正在“B”处(不越过50字)。(40分)


  问题三


  材料作文题:阅读下列材料,按要求作答。(60分)


  参考给定材料三,以“科学发现并不偶尔”为话题,自选角度,自拟题目,写一篇议论文。


  要求:观点鲜明、论证充分,目标了解,言语流畅,字数正正在800~1000字。




互动消歇
宝马游戏网站1123_必发888手机版游戏_宝马1211线路检测 宝马娱乐bm1211_澳门永利误乐网址大全_宝马线上娱乐手机  宝马线上线娱乐app_宝马线上娱乐官网下载_诚博娱乐唯一官方网站 澳门永利皇宫线上娱乐_宝运莱pt手机版游戏_澳门永利赌场注册开户 澳门在线赌场网址大全_宝马娱乐bm1398_澳门至尊赌场官网注册 澳门永利官网线路大全_白菜网送彩金2018_宝马娱乐7777在线 北斗娱乐扫码下载安装_宝马线上娱乐线路检测_澳门银河在线娱乐网址 宝马线上娱乐网站多少_绑定支付宝的棋牌娱乐_澳门永利网上娱乐网址