一. 单选题（共20题，共40分）
- 列车运行控制系统中，哪个级别适用于最高运行速度为350km/h的高铁线路？
2分
A.CTCS-0级
B.CTCS-1级
C.CTCS-2级
D.CTCS-3级
回答错误
答案：C
解析：
CTCS-3级系统适用于最高运行速度为350km/h的高铁线路
- 下列关于轨道电路说法错误的是：
2分
A.用于列车占用检查、传递机车信号信息、断轨检测
B.调整状态—空闲；分路状态—占用
C.检测出断轨时，给出故障报警
D.在面向高铁列车运行控制的最先进CTCS-3级系统中已不在使用
回答正确
答案：D
解析：
D：其实在用
- 下列关于中国列车控制系统（CTCS）概念中，CTCS-2和CTCS-3系统之间的区别与联系说法错误的是：
2分
A.CTCS-2级系统最高运行速度250km/h，CTCS-3级系统最高运行速度350km/h
B.CTCS-2级通过RBC根据前车占用情况计算及发送行车许可，而CTCS-3级通过轨道电路生成及显示
C.CTCS-2级对应客运动车组，CTCS-3级对应高铁
D.都有地面信号和机车信号显示
回答正确
答案：B
解析：
无限闭塞中心RBC—CTCS-3
- 列车调度指挥系统（TDCS）主要功能不包括：
2分
A.列车运行计划编制与调整
B.列车调度监督
C.基本运行图管理
D.列车自动运行控制
回答正确
答案：D
解析：
TDCS主要功能包括列车运行计划编制与调整、调度监督、基本运行图管理、调度命令下达等，不直接涉及列车自动运行控制
- 机器学习，深度学习，人工智能 三个概念的关系是？
2分
A.1>2>3
B.1<2<3
C.2<1<3
D.1=2=3
回答正确
答案：C
解析：
人工智能概念包含机器学习，机器学习概念包含深度学习
- 深度学习的步骤为： a.将“得分”输入误差函数； b.调整权值； c.反向传播确定梯度向量； d.将数据输入神经网络； e.数据预处理。
2分
A.edacb
B.bcdae
C.dbcea
D.edbca
回答正确
答案：A
- ndarray数组是一个具有矢量算术运算和复杂广播能力的（），具有快速且节省空间的特点
2分
A.一维数组
B.二维数组
C.多维数组
回答正确
答案：C
- 测试集是用来（）
2分
A.训练模型
B.真正测试得到最好模型的好坏
C.测试每一轮模型好坏
回答正确
答案：B
- 基于神经网络的学习原理及过程可简述为： a. 大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达， b. 每一个神经元都有输入、处理函数和输出， c. 神经元组合起来形成了网络，可以拟合任何函数， d. 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型。 请问什么情况下神经网络模型被称为深度学习模型？
2分
A.加入更多层，使神经网络的深度增加
B.有维度更高的数据
C.当这是一个图形识别的问题时
D.以上都不正确
回答正确
答案：A
解析：
正确答案A，更多层意味着网络更深。没有严格的定义多少层的模型才叫深度模型，目前如果有超过2层的隐层，那么也可以及叫做深度模型。
- 下列代码运行的结果是（ ）。 a = numpy.array([1,2,3]) b = numpy.array([4,5,6]) a+b
2分
A.[1,2,3,4,5,6]
B.[5,7,9]
C.21
D.[4,5,6]
回答正确
答案：B
- 下列选项中不能创建Numpy数组的选项是
2分
A.a = numpy.array([1,2,3])
B.a = numpy.array([1,[1,2,3],3])
C.a = numpy.array([[1,2,3],[4,5,6]])
D.a = numpy.array([[‘xiao’,’qian’],[‘xiao’,’feng’]])
回答正确
答案：B
- 在NumPy中创建一个元素均为0的数组可以使用（ ）函数
2分
A.zeros( )
B.arange( )
C.linspace( )
D.logspace( )
回答正确
答案：A
- 创建一个3*3的数组，下列代码中错误的是（ ）
2分
A.np.arange(0,9).reshape(3,3)
B.np.eye(3)
C.np.random.random([3,3,3])
D.np.mat(“1,2,3;4,5,6;7,8,9”)
回答正确
答案：C
- Numpy中统计数组元素个数的方法是（ ）
2分
A.ndim
B.shape
C.size
D.itemsize
回答正确
答案：C
- 如果使用的学习率太大，会导致
2分
A.网络收敛的快
B.网络收敛的慢
C.网络无法收敛
D.无法确定
回答正确
答案：C
- 将图像和标签封装为tensor会用到什么函数
2分
A.append()
B.reshape()
C.tolist()
D.to_tensor()
回答正确
答案：D
- 对图像进行垂直方向翻转
2分
A.image2 = image[::-1, :, :]
B.image2 = image[:, ::-1, :]
C.image2 = image[image.shape[0]:image.shape[0]//2, :, :]
D.image2 = image[::2, :, :]
回答正确
答案：A
- 神经网络由许多神经元（Neuron）组成，每个神经元接受一个输入，处理它并给出一个输出。下列关于神经元的陈述中哪一个是正确的？
2分
A.一个神经元只有一个输入和一个输出
B.一个神经元有多个输入和一个输出
C.一个神经元有一个输入和多个输出
D.一个神经元有多个输入和多个输出
E.上述都正确
回答正确
答案：E
- 下列哪项关于模型能力的描述是正确的？（指模型能近似复杂函数的能力）
2分
A.隐层层数增加，模型能力增加
B.Dropout的比例增加，模型能力增加
C.学习率增加，模型能力增加
D.都不正确
回答正确
答案：A
- 图像识别问题，神经网络模型结构更适合解决哪类问题
2分
A.多层感知器
B.卷积神经网络
C.循环神经网络
D.感知器
回答正确
答案：B
二. 多选题（共10题，共40分）
- 下列关于列车调度指挥与控制自动化系统的构成及功能说法正确的是：
4分
A.列车调度指挥系统（TDCS）：可实现列车运行计划的编制与调整、列车调度监督、基本运行图管理和调度命令下达
B.调度集中（CTC）：可实现对列车进路进行集中控制、发放临时限速信息
C.计算机联锁系统：保障列车运行安全，通过技术手段使信号、道岔与进路之间保持一定制约关系的信号系统
D.中国列车控制系统（CTCS）：是用于实现列车占用检查、行车许可生成、车地信息传输、列车运行防护等功能的列车自动运行控制关键系统
回答正确
答案：A,B,C,D
- 下列关于列车控制基本概念说法正确的是：
4分
A.闭塞分区：通常一个闭塞分区允许有多列列车驶入
B.行车许可：列车在基础设施限制内运行到轨道上指定位置授权
C.道岔：使机车车辆从一股道转入另一股道的线路连接设备
D.区间：在车站之间的线段，存在锁闭与解锁两种状态
回答正确
答案：B,C,D
解析：
闭塞分区：通常一个闭塞分区只允许有一列列车；转辙机：能够转换道岔位置，改变道岔开通方向，锁闭道岔尖轨，反映道岔位置的重要的信号基础设备；区间：在车站之间的铁路线段
- 基于机器视觉的安全监测，涉及的传感器及设备有哪些？
4分
A.摄像头
B.声音传感器
C.温度传感器
D.激光雷达
E.毫米波雷达
F.超声波雷达
回答正确
答案：A,D,E,F
- 基于机器视觉的安全监测涉及的学习任务有什么？
4分
A.图像分类
B.目标检测
C.图像分割
D.点云分割
回答正确
答案：A,B,C,D
- 使用飞桨的建模程序包括哪几个部分？
4分
A.数据处理
B.模型搭建
C.训练参数配置
D.训练过程
E.保存模型
回答正确
答案：A,B,C,D,E
- 数据预处理包含哪几个部分
4分
A.数据形状变换
B.数据挖掘
C.封装load_data函数
D.数据变换
E.数据导入
F.数据归一化处理
G.数据划分
回答正确
答案：A,E,F,G
- 出现过拟合时，可以通过以下哪种方法改善效果
4分
A.Dropout
B.早停
C.提高模型复杂度
D.正则化
回答正确
答案：A,B,D
- 训练集：验证集：测试集比例可以为多少
4分
A.1:1:1
B.5:0:5
C.8:1:1
D.6:2:2
回答正确
答案：C,D
- 过拟合的解决方法
4分
A.给比较少的参数
B.共用参数
C.early stopping
D.drop out
E.增加输入的特征数
F.正则化
回答正确
答案：A,B,C,D,F
- 下列哪些为经典的CNN模型结构？
4分
A.LeNet
B.AlexNet
C.VGG
D.GoogleNet
E.ResNet
回答正确
答案：A,B,C,D,E
三. 判断题（共20题，共20分）
- CTCS-3级系统中，调度集中（CTC）负责列车进路的集中控制和临时限速信息的发放
1分
A.√
B.×
回答正确
答案：A
- 联锁表包含信号、道岔和进路之间的联锁关系、进路排列按钮、轨道区段等信息。
1分
A.√
B.×
回答正确
答案：A
- 在铁路计算机联锁系统中，可用性是指系统能够长时间稳定运行，保证列车调度和信号控制的连续性。
1分
A.√
B.×
回答正确
答案：A
- 国内CRH系列动车组的修程主要采用一到五级五个维修等级，主要以定期/定程维修为主。
1分
A.√
B.×
回答正确
答案：A
- PHM体系状态检测分析包括数据拟合、数据相关性分析和状态检测。
1分
A.√
B.×
回答正确
答案：A
- 对于智能运维数据的采集，需要实时采集的数据有企业信息系统数据、列车运行数据WTD、环境数据、检修数据和检测数据
1分
A.√
B.×
回答正确
答案：B
解析：
环境数据周期性导入
- 相比传统机器视觉技术，深度学习技术带来的变革之一是不再需要对特征进行学习，只需要手动设计好特征提取器就能简化整个流程。
1分
A.√
B.×
回答正确
答案：B
- 在进行特征级融合的过程中，要将在传感器数据中提取的有代表性的特征融合成单一的特征向量，然后利用模式识别的方法进行处理，特征级融合实现了对信息的压缩，便于实时处理。
1分
A.√
B.×
回答正确
答案：A
- 验证集最能代表模型的真实训练效果。
1分
A.√
B.×
回答正确
答案：B
- 在paddle平台中可以用torch.io.Dataset来封装我们的数据
1分
A.√
B.×
回答正确
答案：B
- 我们可以用paddle提供的dataset和dataloader对我们的数据进一步封装
1分
A.√
B.×
回答正确
答案：A
- NumPy不能实现数据预处理和一些模型指标的计算
1分
A.√
B.×
回答正确
答案：B
- 每次实验的数据集都必须划分出验证集
1分
A.√
B.×
回答正确
答案：B
- 训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。
1分
A.√
B.×
回答正确
答案：A
- 随机梯度下降在神经网络中引入了非线性
1分
A.√
B.×
回答正确
答案：B
- 为提高模型的泛化性，对输入数据进行不同种类的变化（旋转或缩放）是通过卷积神经网络完成的。
1分
A.√
B.×
回答正确
答案：B
- CNN的卷积核通道数 = 卷积输入层的通道数
1分
A.√
B.×
回答正确
答案：A
- CNN的卷积输出层通道数 = 卷积核的个数
1分
A.√
B.×
回答正确
答案：A
- CNN关键的层只有卷积层
1分
A.√
B.×
回答正确
答案：B
- 提升卷积核的大小会显著提升卷积神经网络的性能
1分
A.√
B.×
回答正确
答案：B
解析：
卷积核的大小是一个超参数，也就意味着改变它有可能增强也可能降低模型的性能。 卷积核越大，特征越多，参数也越多，性能是下降的，因此才有了以多个小卷积核代替大卷积核的做法
