2025年大四（人工智能）深度学习基础试题

2025年大四（人工智能）深度学习基础试题

（考试时间：90分钟满分100分）班级______姓名______第I卷（选择题共30分）答题要求：本卷共6题，每题5分。在每题给出的四个选项中，只有一项是符合题目要求的。请将正确答案的序号填在括号内。1.以下关于深度学习中激活函数的说法，错误的是（）A.ReLU函数在训练过程中可能会导致神经元死亡B.Sigmoid函数的值域是(0,1)C.Tanh函数比Sigmoid函数在某些情况下收敛更快D.Softmax函数常用于多分类问题的输出层2.对于一个具有n个输入神经元、m个隐藏神经元和k个输出神经元的全连接神经网络，其隐藏层到输出层的权重矩阵维度是（）A.n×mB.m×kC.n×kD.k×m3.在深度学习中，以下哪种优化器在处理梯度消失问题上表现较好（）A.SGDB.AdagradC.RMSPropD.Adam4.下列关于卷积神经网络（CNN）的说法，正确的是（）A.CNN主要用于处理序列数据B.卷积层的作用是提取图像的局部特征C.池化层会增加参数数量D.全连接层在CNN中可有可无5.深度学习模型训练时，数据归一化的目的不包括（）A.加速模型收敛B.提高模型泛化能力C.防止梯度消失D.使模型更容易优化6.以下哪个不是深度学习中常用的损失函数（）A.交叉熵损失函数B.均方误差损失函数C.绝对值损失函数D.余弦相似度损失函数第II卷（非选择题共70分）二、填空题（共20分）答题要求：本大题共5个空，每空4分。请将正确答案填在横线上。1.深度学习中，常用的初始化权重的方法有______和______。2.循环神经网络（RNN）中的长短期记忆网络（LSTM）通过引入______来解决梯度消失问题。3.在深度学习模型评估中，常用的指标有______、______等。4.生成对抗网络（GAN）由______和______组成。三、简答题（共20分）答题要求：简要回答问题，每题10分。1.简述梯度下降算法的基本原理。2.说明卷积神经网络中卷积核的作用。四、材料分析题（共15分）材料：在一个图像分类任务中，使用了一个简单的卷积神经网络包含两个卷积层和一个全连接层。第一个卷积层有10个卷积核，大小为3×3，步长为1；第二个卷积层有20个卷积核，大小为3×3，步长为1。输入图像大小为224×224×3。答题要求：回答以下问题，每题5分。1.计算经过第一个卷积层后特征图的大小。2.计算经过第二个卷积层后特征图的大小。3.全连接层输入的神经元数量是如何确定的？五、综合应用题（共15分）材料：某公司要开发一个基于深度学习的客户情感分析系统，用于分析客户对公司产品的评价是积极、消极还是中性。答题要求：请设计一个大致的深度学习模型架构来完成这个任务，并简要说明各部分的作用。（答题区域150字左右）答案：1.A2.B3.C4.B5.C6.D二、1.随机初始化、Xavier初始化2.记忆细胞3.准确率、召回率4.生成器、判别器三、1.梯度下降算法是一种迭代优化算法，通过计算目标函数关于参数的梯度，朝着梯度下降的方向不断更新参数，以最小化目标函数。每次更新时，根据当前参数计算目标函数的梯度，然后按照一定的步长调整参数，使得目标函数值逐渐减小。2.卷积核在卷积神经网络中用于提取图像的局部特征。它与输入图像进行卷积操作，通过卷积核的权重与图像像素值的乘积和累加，得到特征图。不同的卷积核可以捕捉不同类型的局部特征，如边缘、纹理等，从而使网络能够对图像进行有效的特征提取和分析。四、1.经过第一个卷积层后，特征图大小为(224-3+1)×(224-3+1)×10=222×222×10。2.经过第二个卷积层后，特征图大小为(222-3+1)×(222-3+1)×20=220×220×20。3.全连接层输入的神经元数量是第二个卷积层输出的特征图元素个数，即220×220×20。五、可以采用卷积神经网络（CNN）。