综合应用能力一 计算机类题库,事业单位综合应用能力试题（C类）:题型早知道——科技应用...

原标题：事业单位综合应用能力试题(C类):题型早知道——科技应用

每年春天，都是省考和事业单位的备考高峰期。但是，有很多备考的小伙伴其实对于事业单位存在错误认识，总觉得只要备考了公务员，就能轻松应对事业单位。其实非也，公务员的《申论》和事业单位的《综合应用能力》还是存在着本质上的区别的。只有我们提前了解了相关题型，才能更好地做好备考工作。今天，我们主要了解到的题型，是事业单位《综合应用能力C》当中分数占比最大的科技文献阅读题目。 什么是科技文献阅读题?

在《综合应用能力C》中一共有四大题型，分别是科技文献阅读题、论证评价题、科技实务题、材料作文题。科技文献阅读题、材料作文题为常考题型，论证评价题、科技实务题交替出现，论证评价题与科技实务题出现比例为6：4。这也告诉我们科技文献的重要性。

科技文献阅读，顾名思义，就是给出一个和科技领域相关的话题，通过阅读文章完成选择、判断、简答等多种组合题目。

科技文献阅读题的选题针对性较强，一般为自然科学领域(天文学、物理学、化学、地球科学、生物学)的相关话题，比如等离子云、沙尘暴、地球雪球事件、月球演化、暗物质等、隐形海洋、粉碳灰、母乳喂养等。

二、科技文献阅读题的组合展现：

明确基本概念后，让我们来简单了解一下这类题在试卷当中如何展现，更好地对这类题目进行感知：

填空题：请根据文意，分别填补Ⅰ、Ⅱ两处缺项，每空不超过 6 个字。

深度学习的第一阶段——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()计算的结果来得到最佳的落子结果 b 可能的概率分布， 并依据这个概率来挑选下一步的动作。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，而类似于一种人类进化的过程：AlphaGo 会和自己的老版本对弈。即，先使用F_go(1)和 F_go对弈，得到了一定量的新棋谱，将这些新棋谱加入到训练集当中，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)。这样，AlphaGo 就可以不断改善它在第一阶段学到的知识。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。最后，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，每局选择分数最高的方案落子，同时调用 v(s)在比赛中做出正确的判断。

伙伴们，上面就是我们节选的一道科技文献阅读题了，大家会发现，在这类题目中，阻碍我们做题或者说让我们产生为难之感的，是材料内容本身，一眼看去就是不熟悉的、不想去阅读的材料类型。但是各位小伙伴，也恰恰是因为这种材料特性，反而让我们的做题变得简单起来，下面，让我们来看看有哪些解题技巧。

三、科技文献阅读的解题技巧

伙伴们，我们这里拿上一道例题讲解一下这类题目的作答技巧。在这类题目中，首先观察整体文段，可以发现一共就分为两层，且为两个阶段。所以这可以帮助我们缩小答案要点的范围。接下来我们看第一层内容，第一阶段也叫做“策略网络的有监督学习”，其中指出：“从.......中学习”，也就是说我们只需要找到后面的答案即可。在“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。”这句话中，我们注意去掉带有“的”字、“3000”字等修饰性成分，则可以将句子缩短为“借助对弈棋谱进行学习”，这也就意味着，第一阶段的学习是从“对弈棋谱中”学习，这样一来，我们就可以得出答案了。那么后面的文段全部是对“对弈棋谱”的具体展开，省略即可。所以小伙伴们有没有发现，其实只要掌握了阅读的技巧，咱们做题是非常快速的。下面总结一下这里的小技巧：1.先对句子进行层次划分，缩小答案范围;2.缩短句子，提出主干，去掉不要的修饰性成分。小伙伴们，你们学会了吗?返回搜狐，查看更多

责任编辑：