关于“感知机模型”的基本结构与功能，以下哪些说法是正确的？A. 感知机模型只能处理线性可分的数据。B. 神经元是感知机的核心部分，其功能是进行信息处理和决策。C. 权重是影响神经元输出的重要参数，通过调整权重可以改变模型的学习效果。D. 输入层负责接收外部信息并将其传递给神经元。E. 输出层直接决定最终的分类结果，通常只有一个输出神经元。

在数据与模型的关系中，扩展定律对模型能力的影响主要体现在什么方面？A. 数据量的增加会导致模型的性能提升，但仅限于特定类型的数据。B. 模型的复杂度越高，数据的需求量就越少。C. 扩展定律表明，模型的性能与数据量成正比，数据越多，模型越强。D. 模型的性能只受限于算法的复杂性，与数据量无关。

K-近邻算法（KNN）是一种有监督学习算法。()A. 对B. 错

在技能执行层的人机协同中，由于AI输出直接影响操作结果，因此哪一项变得尤为关键和不可或缺？（）A. 减少人类的干预B. AI的完全自主决策C. 追求最快的生成速度D. 人类的监督、验证和最终把关

关于大语言模型的成长阶段，以下哪些选项描述了预训练、微调和强化学习三个阶段的特点？A. 微调阶段主要依赖于小规模的标注数据，以特定任务为目标对模型进行调整。B. 预训练阶段主要关注单一任务的学习，以提高模型在特定领域的表现。C. 强化学习阶段的主要目标是通过与环境的互动不断优化模型的决策能力。D. 预训练阶段的目标是通过大量无标签数据学习语言的基本结构和知识。E. 微调阶段和强化学习阶段没有明显的区别，都是通过调整超参数来提高模型性能。

在神经网络中，全连接层是指每个神经元都与前一层的所有神经元相连接，而卷积层则是通过特定的卷积核对输入进行局部感知和特征提取[1]。根据这些定义，全连接层和卷积层的主要功能是相同的，因此可以互换使用。A. 错误B. 正确

深度学习技术在现代科技中扮演了重要角色，特别是在某些特定领域的应用。以下哪些选项正确描述了深度学习在技术变革中的作用及其在特定领域的应用？A. 深度学习技术无法应用于医疗影像分析领域。B. 语音识别技术的进步主要得益于深度学习算法的创新。C. 深度学习可以通过训练模型实现对复杂模式的自动识别，提升各行业的智能化水平。D. 深度学习在自然语言处理中的应用仅限于文本分类，没有其他重要应用。E. 深度学习显著提高了人脸识别的准确率，使其在安防监控中得到广泛应用。

Python是一种解释型编程语言，这意味着它的代码在运行时被逐行解释，而不是编译成机器代码后再执行。根据这一特性，可以说Python是一种低级编程语言。A. 错误B. 正确

以下关于神经网络的描述中，哪些是正确的？A. 神经元之间通过突触相连，信息在神经元之间传递的方式是线性的。B. 神经网络的输出层通常只包含一个神经元，用于二分类问题的预测。C. 在神经网络中，激活函数用于引入非线性，使网络能够学习复杂的模式。D. 神经网络由多个神经元组成，每个神经元模仿生物神经元的功能。

生成对抗网络(GAN)主要由生成器和判别器两个部分组成。生成器的任务是生成逼真的数据，而判别器的任务是判断数据是真实的还是生成的。根据这一描述，生成对抗网络的结构和工作原理是完全正确的。A. 正确B. 错误