综合应用能力笔试全真题库(C类自然科学专技类适用于全国省区市事业单位公开招聘分类考试2021全新升级事业单位公开招聘分类

作者：李永新

页数：232

出版社：人民日报出版社

出版日期：2017

ISBN：9787511549266

电子书格式：pdf/epub/txt

内容简介

2021全新升级的《最单位公开招聘分类考试辅导教材·笔试全真题库·综合应用能力（C类）》是由中公教育教材编研团队立足于最单位综合应用能力C类考试大纲精心编写而成的习题集。根据大纲要求，本书共分为科技文献阅读题、论证评价题、科技实务题和材料作文题四章内容，每章内容均设置了“考点直击+真题再现+实战模拟”三个板块，力求让考生领会各类题型的特点，进行专项复习，查漏补缺。

相关资料

章 科技文献阅读题

科技文献阅读题是根据科技文献回答问题的试题，即考生需要迅速浏览文章，然后审读各小题的题干，对比分析文章要点并按照要求回答问题。科技文献阅读题主要考查考生的阅读理解能力。
所谓科技文献阅读，即阅读研究自然科学和技术方面的文献。与一般的文献相比，科技文献具有专业性强、数据资料多、逻辑性强等特点，对考生的要求更高，这就需要考生具备一定的理解能力、分析和概括能力、评价与鉴赏能力。
科技文献阅读题的材料均出自与前沿科技、自然环境、基础学科研究成果等科学技术领域相关的文章，材料字数一般在1.8千字左右，材料分段大部分为12～20段。
通过分析，科技文献阅读题具有以下命题特点：
（1）专业性较强，对阅读理解能力要求较高。
（2）题型多变，题量逐渐增多。从近五年真题来看，科技文献阅读题的考查题型经常变化，选择题、判断题、匹配题、填空题、辨析题、问答题、内容摘要题等都出现过。其中，选择题又分为单项选择题、多项选择题和不定项选择题。此外，科技文献阅读题的考查题量整体而言逐渐增多，部分题型分为多个小问。
（3）尊重原文，在归纳概括原文的基础上分析加工。科技文献阅读题的答案大多隐藏在材料当中，考生需要认真阅读材料，仔细审题，带着问题去材料中寻找关键信息点，从而顺利得出答案。

1.科技文献的体裁与题材
科技文献的体裁与题材的相关说明如下表所示：

2.科技文献的阅读方法

章 科技文献阅读题

科技文献阅读题是根据科技文献回答问题的试题，即考生需要迅速浏览文章，然后审读各小题的题干，对比分析文章要点并按照要求回答问题。科技文献阅读题主要考查考生的阅读理解能力。
所谓科技文献阅读，即阅读研究自然科学和技术方面的文献。与一般的文献相比，科技文献具有专业性强、数据资料多、逻辑性强等特点，对考生的要求更高，这就需要考生具备一定的理解能力、分析和概括能力、评价与鉴赏能力。
科技文献阅读题的材料均出自与前沿科技、自然环境、基础学科研究成果等科学技术领域相关的文章，材料字数一般在1.8千字左右，材料分段大部分为12～20段。
通过分析，科技文献阅读题具有以下命题特点：
（1）专业性较强，对阅读理解能力要求较高。
（2）题型多变，题量逐渐增多。从近五年真题来看，科技文献阅读题的考查题型经常变化，选择题、判断题、匹配题、填空题、辨析题、问答题、内容摘要题等都出现过。其中，选择题又分为单项选择题、多项选择题和不定项选择题。此外，科技文献阅读题的考查题量整体而言逐渐增多，部分题型分为多个小问。
（3）尊重原文，在归纳概括原文的基础上分析加工。科技文献阅读题的答案大多隐藏在材料当中，考生需要认真阅读材料，仔细审题，带着问题去材料中寻找关键信息点，从而顺利得出答案。

1.科技文献的体裁与题材
科技文献的体裁与题材的相关说明如下表所示：

2.科技文献的阅读方法
科技文献的阅读方法的相关说明如下表所示：

科技文献阅读题涉及多种题型，各题型的解题技巧如下表所示：

科技文献阅读题：请认真阅读文章，按照每道题的要求作答。（50分）
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（阿尔法围棋）又战胜了韩国棋手李世石，这标志着人工智能终于征服了它在棋类比赛中后的弱项——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。
对计算机来说，围棋并不是因为其规则比国际象棋复杂而难以征服——与此完全相反，围棋规则更简单，它其实只有一种棋子，对弈双方轮流把黑色和白色的棋子放到一个19×19的正方形棋盘中，落下的棋子就不能再移动了，只会在被对方棋子包围时被提走。到了棋局结束时，占据棋盘面积较多的一方为胜者。
围棋的规则如此简单，但对于计算机来说却异常复杂，原因在于围棋的步数非常多，而且每一步的可能走法也非常多。以国际象棋做对比，国际象棋每一步平均约有35种不同的可能走法，一般情况下，多数棋局会在80步之内结束。围棋棋盘共有361个落子点，双方交替落子，整个棋局的总排列组合数共有约10171种可能性，这远远超过了宇宙中的原子总数——1080！
对于结构简单的棋类游戏，计算机程序开发人员可以使用所谓的“暴力”方法，再辅以一些技巧来寻找对弈策略，也就是对余下可能出现的所有盘面都进行尝试并给予评价，从而找出的走法。这种对整棵博弈树进行穷举搜索的策略对计算能力要求很高，这对围棋或者象棋程序来说是非常困难的，尤其是围棋，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启发式搜索策略，能够根据对搜索空间的随机抽样来扩大搜索树，从而分析围棋这类游戏中每一步棋应该怎么走才能够创造好机会。举例来说，假如筐里有100个苹果，每次闭着眼拿出1个，终要挑出的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，留下的苹果都至少不比上次的小，拿的次数越多，挑出的苹果就越大。但除非拿100次，否则无法肯定挑出了的。这个挑苹果的方法，就属于蒙特卡罗算法。虽然“蒙特卡罗树搜索”此前在一些弈棋程序中也有采用，在相对较小的棋盘中也能很好地发挥作用，但在正规的全尺寸棋盘上，这种方法仍然存在相当大的缺陷，因为涉及的搜索树还是太大了。
AlphaGo人工智能程序中颖的技术当属它获取知识的方式——深度学习。AlphaGo 借助两个深度卷积神经网络（价值网络和策略网络）自主地进行新知识的学习。深度卷积神经网络使用很多层的神经元，将其堆叠在一起，用于生成图片逐渐抽象的、局部的表征。对图像分析得越细，利用的神经网络层就越多。AlphaGo也采取了类似的架构，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。两个深度卷积神经网络中的价值网络用于评估盘面，策略网络则用于采样动作。
在深度学习的阶段——策略网络的有监督学习（即从 Ⅰ 中学习）阶段，拥有13层神经网络的AlphaGo借助围棋数据库KGS中存储的3000万份对弈棋谱进行初步学习。这3000万份棋谱样本可以用a、b进行统计。a是一个二维棋局，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，尽可能让计算机得到的向量A接近人类高手的落子结果b，这样就形成了一个模拟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（）计算的结果来得到的落子结果b可能的概率分布，并依据这个概率来选择下一步的动作。在第二阶段——策略网络的强化学习（即从 Ⅱ 中学习）阶段，AlphaGo开始结合“蒙特卡罗树搜索”，不再机械地调用函数库，而是一种类似于人类进化的过程：AlphaGo会和自己的老版本对弈，即先使用F＿go（1）和F＿go（1）对弈，得到了一定量的新棋谱，将这些新棋谱加入训练集当中，训练出新的F＿go（2），再使用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），AlphaGo就可以不断改善它在阶段学到的知识。在第三阶段——价值网络的强化学习阶段，AlphaGo可以根据之前获得的学习经验得出估值函数v（s），用于预测策略网络自我对抗时棋盘盘面s的结果。后，则是将F＿go（）、v（s）以及“蒙特卡罗树搜索”三者相互配合，使用F＿go（）作为初始分开局，每局选择分数的方案落子，同时调用v（s）在比赛中做出正确的判断。
这就是AlphaGo给围棋带来的新搜索算法。它创新性地将蒙特卡罗模拟和价值网络、策略网络结合起来训练深度神经网络。这样价值网络和策略网络相当于AlphaGo的两个“大脑”，策略网络负责在当前局面下判断“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，淘汰掉不值得深入计算的走法，协助前者提高运算效率，可以理解为棋局评估器。通过两个“大脑”各自选择的平均值，AlphaGo终决定怎样落子胜算。通过这种搜索算法，AlphaGo和其他围棋程序比赛的胜率达到了99.8％。
AlphaGo的飞快成长是任何一个围棋世界冠军都无法企及的。随着计算机性能的不断增强，“蒙特卡罗树搜索”的不断完善将进一步提高AlphaGo的命中率。大量的计算机专家，配合大量的世界围棋高手在算法上不断革新，再配合不断成长的超级计算能力，不断地从失败走向成功，终打造出围棋人工智能。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智慧用科技的方式战胜了人类数千年的经验积累，是人类战胜了人类”。人和机器其实没有站在对立面上。
根据文章，回答下列问题：
1.判断题：请用2B铅笔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）国际象棋的走法不超过35×80种。（ ）
（2）结构简单的棋类游戏可以通过对博弈树的“暴力”穷举搜索找出走法。（ ）
（3）传统的计算机围棋程序能够完成全尺寸棋盘的蒙特卡罗树模拟并计算胜率。（ ）
（4）函数F＿go（n）比F＿go（n－1）的胜率更高。（ ）
2.填空题：请根据文意，分别填补文中Ⅰ、Ⅱ两处缺项，每空不超过6个字。
Ⅰ（ ） Ⅱ（ ）
3.多项选择题：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）这篇文章开头认为围棋是人工智能在棋类比赛中后的弱项的原因是（ ）。
A.围棋每一步可能的走法太多，无法使用穷举搜索
B.围棋的规则对于计算机来说太过复杂，无法理解
C.单一的计算机神经网络难以应对围棋的搜索计算
D.围棋盘面局势的评估缺乏现代计算机技术的支撑
（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.策略网络负责判断走法优劣
C.策略网络能够协助价值网络提高运算效率
D.价值网络和策略网络共同确定终的落子位置
4.比较分析AlphaGo新算法与“蒙特卡罗树搜索”的不同之处。
要求：概括准确，层次清晰，文字简洁，不超过250字。
5.请为本文写一篇内容摘要。
要求：全面、准确，条理清楚，不超过300字。

科技文献阅读题：请认真阅读文章，按照每道题的要求作答。（50分）
从20世纪30年代至今，科学界从未停止对暗物质的探索。那么，什么是暗物质？找到它难在哪里？探索它又有何意义？2015年12月17日，由中国科学院总体研发的我国首颗暗物质粒子探测卫星“悟空”发射升空，它的一个使命就是寻找暗物质存在的证据。
一般情况下，我们凭借肉眼或借助工具就能看到普通物质，但暗物质是个例外。
暗物质早是天文学家观测宇宙时“发现”的。20世纪30年代，瑞士天文学家茨威基研究发现：在星系团中，看得见的星系占总质量的1／300以下，而99％以上的质量是看不见的。这一结论意味着星系团中有某种神秘物质被人忽略。
在当时，多数人并不认同茨威基的观点。不过，后来的宇宙观测结果越来越验证这一观点的可信度。因为按照万有引力

本书特色

《中公版·2021事业单位公开招聘分类考试辅导教材：笔试全真题库综合应用能力（C类）（全新升级）》由中公教育教材编研团队立足大纲精心编写而成，按照题型划分为章，进行专题专讲、专题专练。每章均按照“考点直击 真题再现 实战模拟”结构进行编排：
【考点直击】详解了各题型的解题技巧，并整理了各题型的考试概况，帮助考生提升复习效率。
【真题再现】使考生了解考试的命题特点，同时，也能够将解题技巧应用到实际作答中，让考生将理论与实践相结合，加深认识。
【实战模拟】通过专题训练、检验复习效果，帮助考生提升作答能力。

目录