2025年大學人工智能（深度學習）上學期期中測試卷

（考試時間：90分鐘滿分100分）班級______姓名______一、選擇題（總共10題，每題4分，每題只有一個正確答案，請將正確答案填寫在括號內）1.以下關于深度學習模型結構的說法，錯誤的是（）A.卷積神經網(wǎng)絡主要用于處理圖像數(shù)據(jù)B.循環(huán)神經網(wǎng)絡適合處理序列數(shù)據(jù)C.深度信念網(wǎng)絡是一種無監(jiān)督學習模型D.生成對抗網(wǎng)絡只能用于生成圖像2.在深度學習中，以下哪種優(yōu)化器通常收斂速度最快（）A.SGDB.AdagradC.AdadeltaD.Adam3.對于一個多層感知機（MLP），輸入層有3個神經元，隱藏層有5個神經元，輸出層有2個神經元，那么從輸入層到隱藏層的權重矩陣維度是（）A.3×5B.5×3C.2×5D.5×24.以下哪個激活函數(shù)在深度學習中較少使用（）A.ReLUB.sigmoidC.tanhD.softmax5.在卷積操作中，卷積核的作用是（）A.對輸入數(shù)據(jù)進行下采樣B.提取輸入數(shù)據(jù)的特征C.增加模型的非線性D.減少模型參數(shù)6.以下關于池化操作的說法，正確的是（）A.最大池化會保留數(shù)據(jù)中的最大值B.平均池化會保留數(shù)據(jù)中的平均值C.池化操作會增加數(shù)據(jù)維度D.池化操作會減少模型參數(shù)7.對于一個二分類問題，使用softmax激活函數(shù)的輸出層，預測結果為[0.2,0.8]，那么該樣本屬于正類的概率是（）A.0.2B.0.8C.0.5D.無法確定8.在深度學習中，以下哪種正則化方法可以加速模型收斂并防止過擬合（）A.L1正則化B.L2正則化C.BatchNormalizationD.以上都是9.訓練深度學習模型時，以下哪種情況可能導致梯度消失（）A.使用ReLU激活函數(shù)B.學習率設置過大C.層數(shù)過多且使用sigmoid激活函數(shù)D.數(shù)據(jù)預處理不當10.以下關于深度學習模型評估指標的說法，錯誤的是（）A.準確率適用于多分類問題B.召回率適用于不平衡數(shù)據(jù)集C.F1值是準確率和召回率的調和平均值D.MSE（均方誤差）適用于分類問題二、多項選擇題（總共5題，每題6分，每題有兩個或以上正確答案，請將正確答案填寫在括號內，少選、多選或錯選均不得分）1.以下哪些是深度學習中常用的損失函數(shù)（）A.交叉熵損失函數(shù)B.均方誤差損失函數(shù)C.絕對值損失函數(shù)D.余弦相似度損失函數(shù)2.對于一個卷積神經網(wǎng)絡，以下哪些操作可以增加模型的感受野（）A.增加卷積核大小B.增加卷積層數(shù)C.使用步長大于1的卷積D.使用空洞卷積3.在循環(huán)神經網(wǎng)絡中，以下哪些是常用的結構（）A.LSTMB.GRUC.RNND.CNN4.以下哪些方法可以用于防止深度學習模型過擬合（）A.增加訓練數(shù)據(jù)B.使用正則化C.提前停止訓練D.增加模型復雜度5.對于一個多分類問題，以下哪些評估指標可以使用（）A.準確率B.召回率C.F1值D.混淆矩陣三、判斷題（總共10題，每題3分，請判斷對錯，在括號內填寫“√”或“×”）1.深度學習模型只能處理數(shù)值型數(shù)據(jù)，不能處理文本數(shù)據(jù)。（）2.增加模型的層數(shù)一定會提高模型的性能。（）3.梯度下降是深度學習中唯一的優(yōu)化算法。（）4.數(shù)據(jù)增強可以增加訓練數(shù)據(jù)的數(shù)量和多樣性，從而提高模型性能。（）5.深度學習模型的訓練過程就是不斷調整模型參數(shù)以最小化損失函數(shù)的過程。（）6.對于一個分類問題，使用softmax激活函數(shù)后，輸出層的神經元個數(shù)等于類別數(shù)。（）7.池化操作會改變數(shù)據(jù)的語義信息。（）8.正則化可以防止模型參數(shù)的過擬合，但不會影響模型的訓練速度。（）9.在深度學習中，模型的訓練誤差總是小于測試誤差。（）10.深度學習模型的性能只取決于模型結構和算法，與數(shù)據(jù)質量無關。（）四、簡答題（總共3題，每題10分，請簡要回答問題）1.請簡述卷積神經網(wǎng)絡（CNN）的主要組成部分及其作用。2.什么是梯度消失和梯度爆炸？如何解決這些問題？3.請說明在深度學習中，如何選擇合適的激活函數(shù)？五、綜合題（總共1題，每題20分，請詳細解答問題）假設你正在構建一個用于圖像分類的深度學習模型，數(shù)據(jù)集包含10個類別，每個類別有1000張圖像。請設計一個合理的模型架構，并說明訓練過程中需要注意的問題。答案：一、選擇題1.D2.D3.A4.B5.B6.A7.B8.D9.C10.D二、多項選擇題1.ABC2.ABD3.ABC4.ABC5.ABCD三、判斷題1.×2.×3.×4.√5.√6.√7.×8.×9.×10.×四、簡答題1.卷積神經網(wǎng)絡主要由卷積層、池化層、全連接層組成。卷積層通過卷積核提取圖像特征；池化層對特征進行下采樣，減少數(shù)據(jù)量和計算量；全連接層將提取的特征進行分類或回歸。2.梯度消失是指在反向傳播過程中，梯度逐漸減小，導致模型無法學習；梯度爆炸是指梯度逐漸增大，導致模型參數(shù)更新過大。解決方法包括使用合適的激活函數(shù)（如ReLU）、調整學習率、使用正則化等。3.選擇激活函數(shù)時，需要考慮函數(shù)的非線性程度、計算效率、是否容易導致梯度消失或爆炸等。例如，ReLU適用于大多數(shù)情況，sigmoid和tanh在早期常用但容易出現(xiàn)梯度問題，softmax用于多分類輸出。五、綜合題模型架構可以采用經典的卷積神經網(wǎng)絡，如VGG16或ResNet。首先使用卷積層提取圖像特征，然后通過池化層