2025年大學(xué)人工智能（深度學(xué)習(xí)）期中測試卷

（考試時間：90分鐘滿分100分）班級______姓名______一、單項選擇題（總共10題，每題3分，每題只有一個正確答案，請將正確答案填寫在括號內(nèi)）1.深度學(xué)習(xí)中，以下哪種激活函數(shù)在隱藏層中最常用？（）A.Sigmoid函數(shù)B.ReLU函數(shù)C.Tanh函數(shù)D.Softmax函數(shù)2.下列關(guān)于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的說法，錯誤的是（）A.卷積層主要用于提取圖像的特征B.池化層用于減少數(shù)據(jù)量和防止過擬合C.全連接層通常在網(wǎng)絡(luò)的最后用于分類或回歸D.CNN只能處理二維圖像數(shù)據(jù)3.在反向傳播算法中，計算梯度時使用的鏈?zhǔn)椒▌t是為了（）A.加速計算過程B.計算損失函數(shù)關(guān)于網(wǎng)絡(luò)參數(shù)的梯度C.優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)D.選擇合適的激活函數(shù)4.以下哪種優(yōu)化器在深度學(xué)習(xí)中收斂速度較快且不易陷入局部最優(yōu)？（）A.SGDB.AdagradC.RMSPropD.Adam5.對于一個二分類問題，使用Softmax函數(shù)作為輸出層激活函數(shù)時，輸出結(jié)果表示（）A.屬于每個類別的概率B.屬于每個類別的得分C.預(yù)測的類別標(biāo)簽D.以上都不對6.在訓(xùn)練深度學(xué)習(xí)模型時，數(shù)據(jù)歸一化的主要目的是（）A.提高模型的泛化能力B.加快模型的收斂速度C.防止梯度消失或爆炸D.以上都是7.以下關(guān)于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的說法，正確的是（）A.適合處理序列數(shù)據(jù)B.只能處理固定長度的序列C.不存在梯度消失問題D.不需要進(jìn)行反向傳播訓(xùn)練8.深度學(xué)習(xí)模型的評估指標(biāo)中，用于衡量分類模型預(yù)測準(zhǔn)確性的是（）A.準(zhǔn)確率（Accuracy）B.召回率（Recall）C.F1值D.均方誤差（MSE）9.以下哪種方法不屬于正則化技術(shù)，用于防止深度學(xué)習(xí)模型過擬合？（）A.L1正則化B.L2正則化C.DropoutD.數(shù)據(jù)增強(qiáng)10.在深度學(xué)習(xí)中，預(yù)訓(xùn)練模型（如VGG16、ResNet等）的主要作用是（）A.提供初始化參數(shù)，加快模型訓(xùn)練B.直接用于最終的預(yù)測任務(wù)C.減少模型的計算量D.提高模型的泛化能力二、多項選擇題（總共5題，每題5分，每題有多個正確答案，請將正確答案填寫在括號內(nèi)，多選或少選均不得分）1.以下哪些是深度學(xué)習(xí)中常用的損失函數(shù)？（）A.交叉熵?fù)p失函數(shù)B.均方誤差損失函數(shù)C.Hinge損失函數(shù)D.絕對值損失函數(shù)2.卷積神經(jīng)網(wǎng)絡(luò)（CNN）中的卷積核具有以下哪些特點(diǎn)？（）A.可學(xué)習(xí)的參數(shù)B.固定大小C.不同的卷積核可提取不同的特征D.用于對輸入數(shù)據(jù)進(jìn)行下采樣3.在訓(xùn)練深度學(xué)習(xí)模型時，以下哪些因素會影響模型的性能？（）A.數(shù)據(jù)的質(zhì)量和數(shù)量B.優(yōu)化器的選擇C.網(wǎng)絡(luò)的結(jié)構(gòu)D.超參數(shù)的設(shè)置4.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的變體包括（）A.LSTMB.GRUC.DenseNetD.Inception5.以下哪些技術(shù)可以用于提高深度學(xué)習(xí)模型的泛化能力？（）A.正則化B.數(shù)據(jù)增強(qiáng)C.提前停止D.模型融合三、判斷題（總共10題，每題2分，請判斷下列說法的對錯，在括號內(nèi)打“√”或“×”）1.深度學(xué)習(xí)模型只能處理數(shù)值型數(shù)據(jù)，不能處理文本數(shù)據(jù)。（）2.在深度學(xué)習(xí)中，增加網(wǎng)絡(luò)的層數(shù)一定會提高模型的性能。（）3.梯度消失問題通常出現(xiàn)在深度神經(jīng)網(wǎng)絡(luò)中，尤其是在使用Sigmoid或Tanh激活函數(shù)時。（）4.數(shù)據(jù)增強(qiáng)技術(shù)可以增加數(shù)據(jù)的多樣性，從而提高模型的泛化能力，但不會改變數(shù)據(jù)的分布。（）5.對于多分類問題，Softmax函數(shù)輸出的概率之和一定為1。（）6.卷積神經(jīng)網(wǎng)絡(luò)中的池化操作會丟失部分信息，因此會降低模型的性能。（）7.循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）適合處理具有長期依賴關(guān)系的序列數(shù)據(jù)。（）8.深度學(xué)習(xí)模型的訓(xùn)練過程就是不斷調(diào)整網(wǎng)絡(luò)參數(shù)，使損失函數(shù)的值最小化的過程。（）9.正則化技術(shù)可以防止模型過擬合，同時也可以提高模型的收斂速度。（）10.在深度學(xué)習(xí)中，預(yù)訓(xùn)練模型只能用于圖像分類任務(wù)，不能用于其他領(lǐng)域。（）四、簡答題（總共3題，每題10分，請簡要回答以下問題）1.請簡述反向傳播算法及其在深度學(xué)習(xí)中的作用。2.什么是卷積神經(jīng)網(wǎng)絡(luò)（CNN）的感受野？它有什么作用？3.簡述Dropout技術(shù)及其在防止深度學(xué)習(xí)模型過擬合方面的原理。五、綜合題（總共2題，每題15分，請結(jié)合所學(xué)知識回答以下問題）1.假設(shè)有一個簡單的二分類問題，使用一個具有一個隱藏層的全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行分類。輸入數(shù)據(jù)為二維特征向量，隱藏層有5個神經(jīng)元，輸出層使用Sigmoid函數(shù)。請描述該神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，并給出前向傳播和反向傳播的計算過程。2.對于一個圖像分類任務(wù)，你打算使用卷積神經(jīng)網(wǎng)絡(luò)（CNN）進(jìn)行模型設(shè)計。請說明你會如何構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)，包括卷積層、池化層和全連接層的設(shè)置，并解釋為什么要這樣設(shè)置。答案一、單項選擇題1.B2.D3.B4.D5.A6.D7.A8.A9.D10.A二、多項選擇題1.ABCD2.ABC3.ABCD4.AB5.ABCD三、判斷題1.×2.×3.√4.×5.√6.×7.√8.√9.×10.×四、簡答題1.反向傳播算法是一種用于計算神經(jīng)網(wǎng)絡(luò)中損失函數(shù)關(guān)于各個參數(shù)的梯度的方法。在深度學(xué)習(xí)中，通過反向傳播算法，可以根據(jù)損失函數(shù)的值，從輸出層開始，依次計算每一層的梯度，然后根據(jù)梯度來更新網(wǎng)絡(luò)的參數(shù)，使得損失函數(shù)逐漸減小，從而訓(xùn)練出最優(yōu)的模型。2.感受野是指卷積神經(jīng)網(wǎng)絡(luò)中某一層輸出特征圖上的一個元素對應(yīng)于輸入圖像上所覆蓋的區(qū)域大小。它的作用是幫助理解卷積層如何提取圖像的局部特征，感受野越大，卷積層能夠捕捉到的圖像信息范圍就越廣，從而提取出更抽象、更高級的特征。3.Dropout技術(shù)是在深度學(xué)習(xí)模型訓(xùn)練過程中，以一定概率隨機(jī)忽略某些神經(jīng)元的輸出。其原理是通過在每次訓(xùn)練時隨機(jī)丟棄部分神經(jīng)元，使得模型不能過度依賴某些特定神經(jīng)元的輸出，從而減少模型的過擬合風(fēng)險，增加模型的泛化能力。同時，Dropout也相當(dāng)于一種正則化手段，類似于對模型進(jìn)行了一種平均化的處理。五、綜合題1.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)：輸入層（2個神經(jīng)元）->隱藏層（5個神經(jīng)元）->輸出層（1個神經(jīng)元，使用Sigmoid函數(shù)）。前向傳播：輸入數(shù)據(jù)與隱藏層權(quán)重矩陣相乘，經(jīng)過激活函數(shù)（如ReLU）得到隱藏層輸出，再與輸出層權(quán)重矩陣相乘，經(jīng)過Sigmoid函數(shù)得到輸出結(jié)果。反向傳播：首先計算輸出層的誤差，根據(jù)誤差和Sigmoid函數(shù)的導(dǎo)數(shù)計算輸出層對隱藏層的梯度，然后計算隱藏層的誤差，根據(jù)誤差和ReLU函數(shù)的導(dǎo)數(shù)計算隱藏層對輸入層的梯度，最后根據(jù)梯度更新權(quán)重矩陣。2.網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建：首先使用多個卷積層提取圖像的特征，卷積核大小可以逐漸增大，步長適當(dāng)設(shè)置以控制