①通过模拟人类大脑中神经元之间的复杂交互来进行认知推理，是“联结主义”流派
②用“三段论”的方法实现的人工智能，例如“所有的金属都能导电，铁是金属，所以铁能导电”；大前提： 所有的金属都能导电；小前提：铁是金属；结论：所以，铁能导电，这是“行为主义”流派
③图灵测试是测试机器是否具有智能的一种方法
④深度学习模型在模拟人类大脑处理数据，逐层抽象对原始数据进行学习的过程中用到了人工神经网络的信息处理机制
⑤跨领域人工智能需要从特殊技能到泛化技能，从单一知识到多源知识、从易到难，研究难度较大
⑥人工智能的成本较高，对生产和服务业等劳动密集型领域造成的冲击较小
while True:
a=temperature()
if a>33:
display.show(Image.SAD)
sleep(3000)
else:
display.show(Image.HAPPY)
若温度传感器和主板的连接正常，烧录并运行该代码下列选项中正确的是（ ）
小明购买了小米手环6(NFC版)，他可以通过蓝牙和手机连接，通过语音可以控制家里的智能家居。他还用这个手环刷门禁，坐公交，还可以进行支付宝、微信离线支付，并且能记录了他一天的运动情况，检测自己的睡眠和心率情况。
| 图 1 | 图 2 | 图 3 |
from PIL import Image
1 import numpy as np
2 import matplotlib.pyplot as plt
3 img=np.array(Image.open('dog.jpg').convert('L'))
4 row,cols=img.shape
5 for i in range(row):
6 for j in range(cols):
7 if img[i,j]>188:
8 img[i,j]=1 #1表示白色
9 else:
10 img[i,j]=0 #0表示黑色
11 plt.figure('dog')
12 plt.imshow(img,cmap='gray') 13 plt.axis('off')
14 plt.show()
n = int(input("请输入行数："))
if n % 2 == 0: #保证n的值为奇数
n=n-1 a=[]
for i in range(n):
if i<=n//2:
b=2*i+1 #当在上半部分的时候
else:
#当在下半部分的时候
a.append(" "*w+"&"*b)
for s in a:
请输入行数：9
请输入行数：6
print(s)
上述程序中划线处可选语句为（ ）
①b=n-2*i+1 ②b=(n-i)*2-1
③w=(n-b)%2 ④w=(n-b)//2
图1
图2
图3
图4
import pandas as pd
import matplotlib.pyplot as plt df=pd.read_csv("各站点 PM2.5 数据.csv")
s1=df["日平均浓度"] #将 DataFrame 中“日平均浓度”列的数据读到s1中
#求浓度最低的站点
minx=s1[0] n=len(s1) t=0
for i in range(1,n):
if s1[i]<minx:
minx=s1[i]
t = i
print('浓度最低的站点是(填写监测站点名称):',,'浓度为：',minx) g=df.groupby('地区',as_index=False)
s=g.日平均浓度.mean()
s_sort=s.sort_values("日平均浓度",ascending=False) #各地区按照日平均浓度进行降序排序
print("求 PM2.5 平均浓度最高的三个区：\n",))
#绘制的‘临平镇’监测站点24小时变化趋势图
b=list(df.values[5][2:-1]) #将‘临平镇’每个时间段的数据存入列表b中
x=[];y=[]
for i in range(len(b)):
x.append(i)
y.append(b[i]) plt.plot()
plt.title("临平镇24小时PM2.5变化趋势图")
plt.rcParams['font.sans-serif']=['SimHei'] #使中文字在视图中正常输出plt.rcParams['axes.unicode_minus']=False
plt.show()
实现上述系统的服务器端 Python 程序如下:
from flask import Flask,render_template,request DATABASE = 'data/data.db'
①
app = Flask(name, static_url_path='') @app.route('/')
def hello( ):
db = sqlite3.connect(DATABASE) cur=db.cursor()
cur.execute("SELECT*FROM sensorlog WHERE sensorid=1")
data = cur.fetchall() # 获取所有数据
cur.close( ) # 关闭游标
db.close( ) # 关闭数据库
temp1 = data[len(data)-1] # 获取列表中最新记录
light = temp1[3] # 获取最新记录中的光线数据
return render_template('vews.html', data=data, light=light)
② #提交传感器数据子页面路由命令
def add_data( ):
sensorid = int(request.args.get('id'))
lightvalue = float( ③ ) #变量 light 用于存储光线数据
#打开数据库，并将接收的数据存储到数据库中，代码略
ifname == 'main':
app.run(host=ip, port=port, debug=True, use_reloader=False)
A.@app.route("/get",methods=['GET'])
B.@app.route("/input",methods=['GET'])
C.@app.route("/",methods=["GET"])
D.@app.route("/view",methods=["GET"])
E.ip = "192.168.16.115";port = "8080"
F.ip = "192.168.16.115:8080";port = "8080"
G.ip="//192.168.16.115";port= "8080"
①将明码中每个字符的ASCII码转为八位二进制，依次连接
②位置加密：每4位一组进行移位，第1组左移一位，并将原第一位数码移至最后(如0110转化为1100)，第2组右移一位，并将原最后一位数码移至头部(如0001转化为1000)，第3组左移...以此类推，实现位置加密，并将每组移动后的结果转换成十进制，按顺序连接
③值加密：随机产生一个密钥key，在符号列表['+'，'*'，'//'，'%']中取出对应运算符号，将②中的十进制结果分别与密钥key进行运算，顺次连接求得该字符的密文，(如key为3，取得运算符'%'，则字符'a'的高位密文为12%3=0，低位密文为8%3=2，顺次连接后得'a'的密文为'02'
④将每个字符的密文顺序连接，得到最终字符串密文。
用Python编写的程序运行结果如图所示，请回答下列问题：
import random
def jzzh(x):
s=''
for i in range(8):
r=x%2
s=
x=x//2
return s
def jisuan(x): #进行key运算
m=0
if fh[key]=='+':
m=x+key
elif fh[key]=='*':
m=x*key
elif fh[key]=='//':
m=x//key
elif fh[key]=='%':
m=x%key
return m
def yidong(x):
jg=''
n=len(x)//4
for i in range(n):
if i%2==0:
f=
else:
f=x[i*4+3]+x[i*4:i*4+3]
s=0
for j in f: #将4位二进制转成十进制
s=s*2+int(j)
jg+=
return jg
mingw=input('请输入要加密的明文：')
fh=['+','*','//','%']
miw='' global key
key=random.randint(0,3) for a in mingw:
a=ord(a)
L=jzzh(a)
miw+=L jieguo=yidong(miw)
print("产生的随机密钥为:",key,"\n 密文为：",jieguo)
