中北大学《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…………………中北大学《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.深度学习中的“深度”指的是：A.网络层数的多少B.模型参数的数量C.训练数据的规模D.模型的复杂度2.以下哪项不是深度学习的常见类型？A.卷积神经网络（CNN）B.递归神经网络（RNN）C.支持向量机（SVM）D.生成对抗网络（GAN）3.在深度学习中，以下哪项不是损失函数？A.交叉熵损失B.均方误差损失C.梯度下降D.动量4.以下哪项不是深度学习中的优化算法？A.随机梯度下降（SGD）B.Adam优化器C.梯度提升机D.遗传算法5.在深度学习中，以下哪项不是正则化技术？A.L1正则化B.L2正则化C.DropoutD.数据增强6.以下哪项不是深度学习中的激活函数？A.ReLUB.SigmoidC.SoftmaxD.MaxPooling7.在深度学习中，以下哪项不是卷积神经网络（CNN）的层？A.卷积层B.池化层C.全连接层D.激活层8.以下哪项不是循环神经网络（RNN）的类型？A.长短时记忆网络（LSTM）B.门控循环单元（GRU）C.卷积神经网络（CNN）D.递归神经网络（RNN）9.在深度学习中，以下哪项不是生成对抗网络（GAN）的组成部分？A.生成器B.判别器C.损失函数D.激活函数10.以下哪项不是深度学习中的超参数？A.学习率B.批大小C.激活函数D.损失函数11.在深度学习中，以下哪项不是数据预处理的方法？A.归一化B.标准化C.数据增强D.数据清洗12.以下哪项不是深度学习中的过拟合现象？A.模型在训练集上表现良好，但在测试集上表现不佳B.模型在训练集上表现不佳，但在测试集上表现良好C.模型在训练集和测试集上都表现良好D.模型在训练集和测试集上都表现不佳13.在深度学习中，以下哪项不是正则化技术的作用？A.减少过拟合B.增加模型泛化能力C.提高模型精度D.减少模型复杂度14.以下哪项不是深度学习中的优化算法的作用？A.减少损失函数值B.提高模型精度C.增加模型泛化能力D.减少模型复杂度15.在深度学习中，以下哪项不是激活函数的作用？A.引入非线性B.提高模型精度C.增加模型泛化能力D.减少模型复杂度16.在深度学习中，以下哪项不是卷积神经网络（CNN）的作用？A.提取图像特征B.减少模型复杂度C.增加模型精度D.提高模型泛化能力17.在深度学习中，以下哪项不是循环神经网络（RNN）的作用？A.处理序列数据B.减少模型复杂度C.增加模型精度D.提高模型泛化能力18.在深度学习中，以下哪项不是生成对抗网络（GAN）的作用？A.生成高质量图像B.减少模型复杂度C.增加模型精度D.提高模型泛化能力19.在深度学习中，以下哪项不是数据预处理的作用？A.提高模型精度B.增加模型泛化能力C.减少过拟合D.减少模型复杂度20.在深度学习中，以下哪项不是过拟合现象的原因？A.模型复杂度过高B.训练数据不足C.损失函数选择不当D.激活函数选择不当二、多项选择题（每题2分，共20分）1.深度学习中的损失函数包括：A.交叉熵损失B.均方误差损失C.梯度下降D.动量2.深度学习中的优化算法包括：A.随机梯度下降（SGD）B.Adam优化器C.梯度提升机D.遗传算法3.深度学习中的正则化技术包括：A.L1正则化B.L2正则化C.DropoutD.数据增强4.深度学习中的激活函数包括：A.ReLUB.SigmoidC.SoftmaxD.MaxPooling5.深度学习中的卷积神经网络（CNN）的层包括：A.卷积层B.池化层C.全连接层D.激活层6.深度学习中的循环神经网络（RNN）的类型包括：A.长短时记忆网络（LSTM）B.门控循环单元（GRU）C.卷积神经网络（CNN）D.递归神经网络（RNN）7.深度学习中的生成对抗网络（GAN）的组成部分包括：A.生成器B.判别器C.损失函数D.激活函数8.深度学习中的超参数包括：A.学习率B.批大小C.激活函数D.损失函数9.深度学习中的数据预处理方法包括：A.归一化B.标准化C.数据增强D.数据清洗10.深度学习中的过拟合现象的原因包括：A.模型复杂度过高B.训练数据不足C.损失函数选择不当D.激活函数选择不当三、判断题（每题1分，共10分）1.深度学习是一种机器学习技术。（√）2.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。（√）3.深度学习中的优化算法用于调整模型参数以最小化损失函数。（√）4.深度学习中的正则化技术用于防止过拟合。（√）5.深度学习中的激活函数用于引入非线性。（√）6.深度学习中的卷积神经网络（CNN）用于提取图像特征。（√）7.深度学习中的循环神经网络（RNN）用于处理序列数据。（√）8.深度学习中的生成对抗网络（GAN）用于生成高质量图像。（√）9.深度学习中的数据预处理方法用于提高模型精度。（√）10.深度学习中的过拟合现象是指模型在训练集上表现良好，但在测试集上表现不佳。（√）四、名词解释（每题4分，共20分）1.深度学习（DeepLearning）2.损失函数（LossFunction）3.优化算法（OptimizationAlgorithm）4.正则化技术（RegularizationTechnique）5.激活函数（ActivationFunction）五、简答题（每题6分，