试题试做

共 10557 道。先按知识点进入练习，也可以从下面的最新题目直接试做。

最新试题 · 第 81 页

已知某 Hopfield 网络在存储相关图案（而非随机图案）时召回率显著下降，且地形上出现大片平坦区域。最可能的原因是：

高阶伊辛机声称"资源复杂度与相互作用阶数无关（对稀疏问题）"。这一结论隐含的关键前提是：

若要求一个退火算法既要有渐近收敛到基态的保证，又要在有限时间给出可用解，最常见的工程折中是：

一个组合优化问题的解空间规模为 N，能量地形上局部极小值数量随 N 指数增长，而每次局部搜索代价为 O(N)。若目标是在固定预算 T 内尽量接近最优，下列哪种做法理论上更有依据？

把真实业务问题映射到伊辛模型时，最先要检查的是：

关于"隧穿概率随势垒宽度衰减"的正确描述是：

若某问题的能量地形是一片"高尔夫球场"（大量深度相近的浅坑），最适合的策略是：

用伊辛机求解含约束的问题时，常用的惩罚项写法是：

在FPGA 实现中，若把自旋更新改为全同步（所有自旋同时更新），对 Hopfield 类动力学的主要风险是：

"渐近收敛保证"与"有限时间内的高性能"之间：

两台伊辛机在同一批算例上都说"达到业界最佳"，比较时最该核对的是：

若把模拟退火的接受判据改为"ΔE 小于固定阈值才接受"，算法会退化成：

在能量地形上，"鞍点"与"局部极小值"的区别是：

退火中若降温过快，理论上最直接的后果是：

自编码器式的分解之所以能把资源开销与相互作用阶数解耦，关键在于：

一个三体相互作用项（三个自旋相乘）若用传统二阶伊辛机表达，通常需要：

带"遗忘项"的改进 Hebbian 规则（如伪逆规则）主要改善了：

Hopfield 网络存储 P 个随机图案，当 P 略超过 0.14N 时，最典型的现象是：

某伊辛机在 MAX-CUT 上把解质量从 96% 提到 98%，耗时增加 10 倍。若 time-to-solution 以"达到 97% 所需时间"定义，这一改动最可能使该指标：

如果一个优化问题在 5 分钟内能拿到"差最优 2%"的解，另一个需要 5 小时才拿到最优解，工程上更看重：

试题试做第81页 - 生命科学与前沿科技学习平台 | 必学必会