2023年秋江蘇開放大學(xué)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)形考三作業(yè)

2023年秋江蘇開放大學(xué)神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)形考三作業(yè)試題列表單選題題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：21深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)屬于機(jī)器學(xué)習(xí)中的那哪種模型A深度無(wú)監(jiān)督學(xué)習(xí)深度監(jiān)督學(xué)習(xí)C深度半監(jiān)督學(xué)習(xí)D深度強(qiáng)化學(xué)習(xí)學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：22對(duì)于非連續(xù)目標(biāo)在深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化過程中，下面哪種梯度下降方法是最好的？A1-BFGS拉格朗日松弛SubgradontmethodCSGDDAdaGrad學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：23深度學(xué)習(xí)中，不經(jīng)常使用的初始化參數(shù)W(權(quán)重矩陣）的方法是哪種？常量初始化BMSRA

初始化C高斯分布初始化DXavier初始化學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：24請(qǐng)問以下和神經(jīng)網(wǎng)絡(luò)中的dropout作用機(jī)制類似的是？ABoostingBaggingCStackingD都不是學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：25關(guān)于CNN,以下說法錯(cuò)議的是ACNNCNNCCNN

用于解決圖像的分類及回歸問題最初是由Hinton教授提出的是一種判別模型D第一個(gè)經(jīng)典CNN

模型是LeNet學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：26關(guān)于神經(jīng)網(wǎng)絡(luò)中經(jīng)典使用的優(yōu)化器，以下說法正確的是A對(duì)于輕量級(jí)神經(jīng)網(wǎng)絡(luò)，使用AdamBAdam的收數(shù)速度比RMSprop

比使用RMSprop

更合適相比于Adam

或RMSprop

等優(yōu)化器，SGD的收效效果是最好的D相比于SGD或RMSprop

等優(yōu)化器，Adam9

收做效果是最好的學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：27反向傳播算法一開始計(jì)算什么內(nèi)容的梯度，之后將其反向傳播？A都不對(duì)B各個(gè)輸入樣本的平方差之和預(yù)測(cè)結(jié)果與樣本標(biāo)簽之間的誤差D各個(gè)網(wǎng)絡(luò)權(quán)重的平方差之和學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：28神經(jīng)網(wǎng)絡(luò)，非線性激活函數(shù)包括sigmoid/tanh/ReLU其他說法都不正確B總是輸出0/1C只在最后輸出層才會(huì)用到D加速反向傳播時(shí)的梯度計(jì)算學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：29聲明1:可以通過將所有權(quán)重初始化為0來(lái)訓(xùn)練網(wǎng)絡(luò)。聲明2:可以通過將偏差初始化為0來(lái)很好地訓(xùn)練網(wǎng)絡(luò)以上哪些陳述是真實(shí)的？A1對(duì)2錯(cuò)1錯(cuò)2對(duì)C1和2都錯(cuò)D1和2都對(duì)

等學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：210當(dāng)訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)作圖像識(shí)別任務(wù)時(shí)，通常會(huì)繪制一張訓(xùn)練集誤差和交叉訓(xùn)練集誤差圖來(lái)進(jìn)行調(diào)試。在上圖中，最好在哪個(gè)時(shí)間停止訓(xùn)練？ABBACCDD學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：211請(qǐng)閱讀以下情景：情景1:你擁有一份阿卡迪亞市（Arcadiacity)地圖的數(shù)據(jù)，數(shù)據(jù)中包含市內(nèi)和郊區(qū)的航拍圖片。你的任務(wù)是將城市劃分為工業(yè)區(qū)、農(nóng)場(chǎng)以及山川河流等自然區(qū)域等等。情景2:你擁有一份阿卡迪亞市（Arcadiacity)地圖的數(shù)據(jù)，數(shù)據(jù)中包含詳細(xì)的公路網(wǎng)和各個(gè)地標(biāo)之間的距離，而這些都是以圖表的形式呈現(xiàn)的。你的任務(wù)是找出任意兩個(gè)地標(biāo)之間的最短距離。深度學(xué)習(xí)可以在情景1中應(yīng)用但無(wú)法應(yīng)用在情景2中，這種說法是：A正確B錯(cuò)誤學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：212有許多種梯度下降算法，其中兩種最出名的方法是I-BFGS和SGD.I-BFGS根據(jù)二階梯度下降而SGD是根據(jù)一階梯度下降的。在下述哪些場(chǎng)景中，會(huì)更加偏向于使用I-BFGS而不是SGD?場(chǎng)景1:數(shù)據(jù)很稀疏場(chǎng)景2:神經(jīng)網(wǎng)絡(luò)的參數(shù)數(shù)量較少A場(chǎng)景2B都不會(huì)選擇I-BFGSC場(chǎng)景1兩種情況都是學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：213普通反向傳播算法和隨時(shí)間的反向傳播算法（BPTT)有什么技術(shù)上的不同？與普通反向傳播不同的是，BPTT會(huì)在每個(gè)時(shí)間步長(zhǎng)內(nèi)疊加所有對(duì)應(yīng)權(quán)重的梯度B與普通反向傳播不同的是，BPTT會(huì)在每個(gè)時(shí)間步長(zhǎng)內(nèi)減去所有對(duì)應(yīng)權(quán)重的梯度學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：214深應(yīng)學(xué)習(xí)中，以下哪方法不能解決過擬合的問題減小學(xué)習(xí)率B數(shù)據(jù)增強(qiáng)C參數(shù)正則化D提前停止訓(xùn)練學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：215假設(shè)你下載了一個(gè)已經(jīng)在一個(gè)很大的文本語(yǔ)料庫(kù)上訓(xùn)練過的詞嵌入的數(shù)據(jù)，然后你要用這個(gè)詞嵌入來(lái)訓(xùn)練RNN

并用于識(shí)別一段文字中的情感，判斷這段文字的內(nèi)容是否表達(dá)了“快樂”。那么即便“欣喜若狂”這個(gè)詞沒有出現(xiàn)在你的小訓(xùn)練集中，你的RNN認(rèn)為“我欣喜若狂”應(yīng)該被貼上y=1的標(biāo)簽。A錯(cuò)誤B正確

也會(huì)學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：216相對(duì)于DNN

模型，CNN

模型做了哪些改變？A使用了DropoutB使用了relu激活函數(shù)局部連接、參數(shù)共享D增加了batchnormalization學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：217如果一個(gè)神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)一種事物的分類，例如分為A,B.CD四類，那么下列哪一個(gè)激活函數(shù)適用于該神經(jīng)網(wǎng)絡(luò)的輸出層SoftmaxBSigmoidCReluDTanH學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：218下列關(guān)于深度學(xué)習(xí)說法錯(cuò)誤的是ALSTM

在一定程度上解決了傳統(tǒng)RNN

梯度滿失或梯度爆炸的問題只要參數(shù)設(shè)置合理，深險(xiǎn)學(xué)習(xí)的效果至少應(yīng)優(yōu)于傳統(tǒng)機(jī)器學(xué)習(xí)算法CCNN

相比于全連接的優(yōu)勢(shì)之一是樓型復(fù)雜度低，緩解過擬合學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：219你有一個(gè)63x63x16的輸入，有32個(gè)過濾器進(jìn)行卷積，每個(gè)過濾器的大小為7x7,步幅為1,你想要使用“same”的卷積方式，請(qǐng)問padding的值是多少？3B1C7D2學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：220以下關(guān)于深度神經(jīng)網(wǎng)絡(luò)的說法中錯(cuò)誤的是增大L2正則項(xiàng)的系數(shù)有助于減緩梯度消失問題B若batchsize過小，batchnormalization的效果會(huì)出現(xiàn)退化C在使用SGD訓(xùn)練時(shí)，若訓(xùn)練loss的變化逐漸平緩不再明顯下降時(shí)，通?？梢酝ㄟ^減少learningrate的方式使其再進(jìn)一步下降D使用梯度裁剪（gradientclipping）有助于減緩梯度爆炸問題學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：221假設(shè)你的輸入是一個(gè)300x300的彩色（RGB)圖像，而你沒有使用卷積神經(jīng)網(wǎng)絡(luò)。如果第一個(gè)隱藏層有100個(gè)神經(jīng)元，每個(gè)神經(jīng)元與輸入層進(jìn)行全連接，那么這個(gè)隱藏層有多少個(gè)參數(shù)（包括偏置參數(shù)）？A9,000,001B9,000,10027,000,100D27,000,001學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：222Dropout是一種在深度學(xué)習(xí)環(huán)境中應(yīng)用的正規(guī)化手段。它是這樣運(yùn)作的：在一次循環(huán)中我們先隨機(jī)選擇神經(jīng)層中的一些單元并將其臨時(shí)隱藏，然后再進(jìn)行該次循環(huán)中神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和優(yōu)化過程。在下一次循環(huán)中，我們又將隱藏另外一些神經(jīng)元，如此直至訓(xùn)練結(jié)束。根據(jù)以上描述，Dropout技術(shù)在下列哪種神經(jīng)層中將無(wú)法發(fā)揮顯著優(yōu)勢(shì)？ARNN

層B卷積層C仿射層D均不對(duì)學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：223Sigmoid是神經(jīng)網(wǎng)絡(luò)中最常用到的一種激活函數(shù)，除非當(dāng)梯度太大導(dǎo)致激活函數(shù)被彌散，這叫作神經(jīng)元飽和。這就是為什么ReLU會(huì)被提出來(lái)，因?yàn)镽eLU可以使得梯度在正向時(shí)輸出值與原始值一樣。這就是為什么ReLU會(huì)被提出來(lái)，因?yàn)镽eLU可以使得梯度在正向時(shí)輸出值與原始值一樣。這是否意味著在神經(jīng)網(wǎng)絡(luò)中ReLU單元永遠(yuǎn)不會(huì)飽和？A錯(cuò)誤B正確學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：224你正在訓(xùn)練一個(gè)RNN

網(wǎng)絡(luò)，你發(fā)現(xiàn)你的權(quán)重與激活值都是“NaN”，下列選項(xiàng)中，哪一個(gè)是導(dǎo)致這個(gè)問題的最有可能的原因？AReLU函數(shù)作為激活函數(shù)g(.)，在計(jì)算g(z)時(shí)，z的數(shù)值過大了梯度爆炸CSigmoid函數(shù)作為激活函數(shù)g(.)，在計(jì)算g(z)時(shí)，z的數(shù)值過大了D梯度消失學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：225以下哪個(gè)是深度學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的激活函數(shù)ReLUBSin(x)CCEDDropout學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：226假設(shè)你的任務(wù)是使用一首曲子的前半部分來(lái)預(yù)測(cè)樂譜的未來(lái)幾個(gè)小節(jié)，比如輸入的內(nèi)容如下的是包含音符的一張樂譜圖片：關(guān)于這類問題，哪種架構(gòu)的神經(jīng)網(wǎng)絡(luò)最好？A神經(jīng)圖靈機(jī)B附加有循環(huán)單元的卷積神經(jīng)網(wǎng)絡(luò)C端到端完全連接的神經(jīng)網(wǎng)絡(luò)D都不可用學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：227圖片修復(fù)是需要人類專家來(lái)進(jìn)行修復(fù)的，這對(duì)于修復(fù)受損照片和視頻非常有幫助。下圖是一個(gè)圖像修復(fù)的例子?，F(xiàn)在人們?cè)谘芯咳绾斡蒙疃葘W(xué)習(xí)來(lái)解決圖片修復(fù)的問題。對(duì)于這個(gè)問題，哪種損失函數(shù)適用于計(jì)算像素區(qū)域的修復(fù)？A兩種方法均不可B歐式距離損失函數(shù)（Euclideanloss）C兩種方法皆可D負(fù)對(duì)數(shù)似然度損失函數(shù)（Negative-logLikelihoodloss）學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：228在深度學(xué)習(xí)網(wǎng)絡(luò)中，以下哪種技術(shù)不是主要用來(lái)做網(wǎng)絡(luò)正則化的（提升模型泛化施力）APoolingBdropoutCEarlystopping參數(shù)共享學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：229下面哪種方法沒辦法直接應(yīng)用于自然語(yǔ)言處理的任務(wù)？A卷積神經(jīng)網(wǎng)絡(luò)主成分分析（PCA）C循環(huán)神經(jīng)網(wǎng)絡(luò)D去語(yǔ)法模型學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：230下面哪個(gè)敘述是對(duì)的？Dropout對(duì)一個(gè)神經(jīng)元隨機(jī)屏蔽輸入權(quán)重Dropconnect對(duì)一個(gè)神經(jīng)元隨機(jī)屏蔽輸入和輸出權(quán)重都是錯(cuò)的B1是錯(cuò)的，2是對(duì)的C都是對(duì)的D1是對(duì)的，2是錯(cuò)的學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：231想象一下，你有一個(gè)28x28的圖片，并使用輸入深度為3和輸出深度為8在上面運(yùn)行一個(gè)3x3的卷積神經(jīng)網(wǎng)塔，注意，步幅padding是1,你正在用相同的填充（padding),當(dāng)使用給定的參數(shù)時(shí)，輸出特征圖的尺寸是多少？28寬、28高、8深B13寬、28高、8深C28寬、13高，8深D13寬、13高、8深學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：232在CNN

中使用1x1卷積時(shí)，下列哪一項(xiàng)是正確的？A它可以幫助降低維數(shù)所有上述C可以用于特征池D由于小的內(nèi)核大小，它會(huì)減少過擬合學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：233對(duì)于MLP,輸入層中的節(jié)點(diǎn)數(shù)為10,隱藏層為5.從輸入層到隱藏層的最大連接數(shù)是？A超過50B這是一個(gè)任意值C小于5050學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：234在下列哪些應(yīng)用中，我們可以使用深度學(xué)習(xí)來(lái)解決問題？A蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)B外來(lái)粒子的檢測(cè)C化學(xué)反應(yīng)的預(yù)測(cè)所有這些學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：235Dropout率和正則化有什么關(guān)系？（提示：我們定義Dropout率為保留一個(gè)神經(jīng)元為激活狀態(tài)的概率）Dropout率越高，正則化程度越低BDropout率越高，正則化程度越高學(xué)生答案：A老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：236梯度爆炸問題是指在訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的時(shí)候，梯度變得過大而損失函數(shù)變?yōu)闊o(wú)窮。在RNN

中，下面哪種方法可以較好地處理梯度爆炸問題？A用改良的網(wǎng)絡(luò)結(jié)構(gòu)比如LSTM和GRUsB所有方法都不行梯度裁剪DDropout學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：237你認(rèn)為把下面這個(gè)過濾器應(yīng)用到灰度圖像會(huì)怎么樣？A會(huì)檢測(cè)圖像對(duì)比度B會(huì)檢測(cè)水平邊緣C會(huì)檢測(cè)45度邊緣D會(huì)檢測(cè)垂直邊緣學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：238在構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)時(shí)，batchsize通常選擇2的次方，比如256和512。這是為什么呢？A當(dāng)不用偶數(shù)時(shí)，損失值會(huì)很奇怪當(dāng)內(nèi)存使用最優(yōu)時(shí)可以方便神經(jīng)網(wǎng)絡(luò)并行化C當(dāng)用偶數(shù)是梯度下降優(yōu)化效果最好D這些原因都不對(duì)學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：239當(dāng)構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行圖片的語(yǔ)義分割時(shí)，通常采用下面哪種順序？A不能確定先用卷積神經(jīng)網(wǎng)絡(luò)處理輸入，再用反卷積神經(jīng)網(wǎng)絡(luò)得到輸出C先用反卷積神經(jīng)網(wǎng)絡(luò)處理輸入，再用卷積神經(jīng)網(wǎng)絡(luò)得到輸出學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：240深度學(xué)習(xí)中的不同最優(yōu)化方式，如SGD,ADAM

下列說法中正確的是A同樣的初始學(xué)習(xí)率情況下，ADAM

比SGD容易過擬合B在實(shí)際場(chǎng)景下，應(yīng)盡最使用ADAM,避免使用SGDC同樣的初始學(xué)習(xí)率情況下，ADAM

收斂速度總是快于SGD方法相同超參數(shù)數(shù)是情況下，比起白適應(yīng)的學(xué)習(xí)率調(diào)整方式，SGD加手動(dòng)調(diào)節(jié)通常會(huì)取得更好效果學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：241你有一個(gè)63x63x16的輸入，并使用大小為7x7的32個(gè)過濾器進(jìn)行卷積，使用步幅為2和無(wú)填充，請(qǐng)問輸出是多少？A29x29x16B16x16x3229x29x32D16x16x16學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：242隨著句子的長(zhǎng)度越來(lái)越多，神經(jīng)翻譯機(jī)器將句意表征為固定維度向量的過程將愈加困難，為了解決這類問題，下面哪項(xiàng)是我們可以采用的？A使用遞歸單元代替循環(huán)單元B所有選項(xiàng)均不對(duì)使用注意力機(jī)制（attentionmechanism）D使用字符級(jí)別翻譯（characterleveltranslation學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：中等得分：243給定一個(gè)長(zhǎng)度為n的不完整單詞序列，我們希望預(yù)測(cè)下一個(gè)字母是什么。比如輸入是“predictio(9個(gè)字母組成），希望預(yù)測(cè)第十個(gè)字母是什么。下面哪種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)適用于解決這個(gè)工作？A受限波爾茲曼機(jī)循環(huán)神經(jīng)網(wǎng)絡(luò)C卷積神經(jīng)網(wǎng)絡(luò)D全連接神經(jīng)網(wǎng)絡(luò)學(xué)生答案：B老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：簡(jiǎn)單得分：2））44深度學(xué)習(xí)可以用在下列哪些NLP任務(wù)中？A問答系統(tǒng)B情感分析C機(jī)器翻譯所有選項(xiàng)學(xué)生答案：D老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得分：245圖像挖掘中常用卷積神經(jīng)網(wǎng)絡(luò)（DNN)作為基礎(chǔ)結(jié)構(gòu)，以下關(guān)于卷積操作（conv)和池化（pooling)的說法正確的是？Aconvopooling

都基于局部相關(guān)性Bcon和pooling都基于平移不變性cov基于平移不變性，pooling基于局部相關(guān)性Dconv基于局部相關(guān)性，pooling基于平移不變性學(xué)生答案：C老師點(diǎn)評(píng)：題型：?jiǎn)芜x題客觀題分值2分難度：一般得