华北科技学院《深度学习基础》2025-2026学年第一学期期末试卷(A卷)

说明：本试卷将作为样卷直接制版胶印，请命题教师在试题之间留足答题空间。（第1页共6页）制卷人签名：制卷人签名：制卷日期：审核人签名：：审核日期：………………………………………………装……订……线…………………华北科技学院《深度学习基础》2025-2026学年第一学期期末试卷(A卷)适用年级专业考试方式闭卷考试时间120分钟学院专业班级学号姓名题号一二三四五六七八总分阅卷教师得分………………得分一、单项选择题（每题1分，共20分）1.深度学习是机器学习的一个分支，以下哪个选项不属于深度学习的特点？A.数据驱动B.自下而上C.强依赖先验知识D.自适应2.在神经网络中，以下哪个层通常用于提取特征？A.输入层B.隐藏层C.输出层D.激活层3.以下哪个损失函数常用于回归问题？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失4.以下哪个算法不属于深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法5.以下哪个不是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization6.以下哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh7.以下哪个不是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失8.以下哪个不是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法9.以下哪个不是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization10.以下哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh11.以下哪个不是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失12.以下哪个不是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法13.以下哪个不是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization14.以下哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh15.以下哪个不是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失16.以下哪个不是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法17.以下哪个不是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization18.以下哪个不是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh19.以下哪个不是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失20.以下哪个不是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法二、多项选择题（每题2分，共20分）1.深度学习中的神经网络有哪些类型？A.卷积神经网络B.循环神经网络C.自编码器D.强化学习2.以下哪些是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失3.以下哪些是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法4.以下哪些是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization5.以下哪些是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh6.以下哪些是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失7.以下哪些是深度学习中的优化算法？A.梯度下降法B.Adam优化器C.随机梯度下降法D.欧拉方法8.以下哪些是深度学习中的正则化技术？A.DropoutB.L1正则化C.L2正则化D.BatchNormalization9.以下哪些是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.Tanh10.以下哪些是深度学习中的损失函数？A.交叉熵损失B.感知损失C.均方误差损失D.对数损失三、判断题（每题1分，共10分）1.深度学习是机器学习的一个分支。（）2.深度学习中的神经网络只有输入层和输出层。（）3.深度学习中的损失函数用于衡量预测值与真实值之间的差异。（）4.深度学习中的优化算法用于调整神经网络的参数，以最小化损失函数。（）5.Dropout是一种正则化技术，可以防止过拟合。（）6.L1正则化通过在损失函数中添加L1范数项来惩罚参数的大小。（）7.BatchNormalization可以加速神经网络的训练过程。（）8.ReLU激活函数可以解决梯度消失问题。（）9.Softmax激活函数可以将神经网络的输出转换为概率分布。（）10.深度学习中的优化算法Adam优化器比梯度下降法更有效。（）四、名词解释（每题4分，共20分）1.深度学习2.神经网络3.损失函数4.优化算法5.正则化技术五、简答题（每题6分，共18分）1.简述深度学习的定义及其在各个领域的应用。2.简述神经网络的基本结构及其工作原理。3.简述损失函数在深度学习中的作用。六、案例分析题（1题，共12分）阅读以下案例，回答问题：案例：某公司使用深度学习技术进行图像识别，其目的是自动识别产品上的缺陷。公司收集了大量的产品图像数据，包括正常产品和有缺陷的产品。为了训练深度学习模型，公司采用了以下步骤：1.数据预处理：对图像进行归一化处理，将图像像素值缩放到[0,1]范围内。2