岭南师范学院《深度学习基础》2025-2026学年第二学期期末试卷(A卷)

站名：站名：年级专业：姓名：学号：凡年级专业、姓名、学号错写、漏写或字迹不清者，成绩按零分记。…………密………………封………………线…………第1页，共1页岭南师范学院《深度学习基础》2025-2026学年第二学期期末试卷(A卷)注意事项:1.请考生在下列横线上填写姓名、学号和年级专业。2.请仔细阅读各种题目的回答要求，在规定的位置填写答案。3.不要在试卷上乱写乱画，不要在装订线内填写无关的内容。4.考试时间120分钟专业学号姓名题号一二三四五六七八总分统分人复查人得分得分评分人一、单项选择题（每题1分，共20分）1.深度学习是一种（）学习方式。A.监督学习B.无监督学习C.半监督学习D.强化学习2.以下哪项不是深度学习的常见模型？（）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.梯度提升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.TanhD.线性函数7.在深度学习中，以下哪项不是卷积神经网络（CNN）中的卷积层？（）A.卷积层B.池化层C.全连接层D.输出层8.以下哪项不是循环神经网络（RNN）中的循环层？（）A.隐藏层B.输出层C.循环层D.输入层9.在深度学习中，以下哪项不是生成对抗网络（GAN）中的生成器？（）A.生成器B.判别器C.损失函数D.优化器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.数据标准化B.数据归一化C.数据增强D.数据压缩12.以下哪项不是深度学习中的过拟合现象？（）A.模型泛化能力差B.模型拟合能力差C.模型训练效果差D.模型预测效果差13.在深度学习中，以下哪项不是深度学习的应用领域？（）A.图像识别B.自然语言处理C.医学影像D.金融分析14.以下哪项不是深度学习中的迁移学习？（）A.预训练模型B.微调模型C.自定义模型D.数据增强15.在深度学习中，以下哪项不是深度学习的挑战？（）A.数据不足B.计算资源不足C.模型复杂度高D.模型泛化能力差16.以下哪项不是深度学习中的模型评估指标？（）A.准确率B.精确率C.召回率D.F1分数17.在深度学习中，以下哪项不是深度学习的应用场景？（）A.语音识别B.图像分类C.无人驾驶D.电子商务18.以下哪项不是深度学习中的深度学习框架？（）A.TensorFlowB.PyTorchC.KerasD.Scikit-learn19.在深度学习中，以下哪项不是深度学习的优势？（）A.模型泛化能力强B.模型复杂度低C.计算资源需求低D.模型可解释性强20.以下哪项不是深度学习中的深度学习算法？（）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）二、多项选择题（每题2分，共20分）1.深度学习的特点包括（）。A.自动特征提取B.高度非线性C.需要大量数据D.模型可解释性强2.以下哪些是深度学习的应用领域？（）A.图像识别B.自然语言处理C.医学影像D.金融分析3.以下哪些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4.以下哪些是深度学习中的正则化技术？（）A.L1正则化B.L2正则化C.DropoutD.数据增强5.以下哪些是深度学习中的激活函数？（）A.ReLUB.SigmoidC.TanhD.线性函数6.以下哪些是深度学习中的卷积神经网络（CNN）中的卷积层？（）A.卷积层B.池化层C.全连接层D.输出层7.以下哪些是深度学习中的循环神经网络（RNN）中的循环层？（）A.隐藏层B.输出层C.循环层D.输入层8.以下哪些是深度学习中的生成对抗网络（GAN）中的生成器？（）A.生成器B.判别器C.损失函数D.优化器9.以下哪些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10.以下哪些是深度学习中的数据预处理方法？（）A.数据标准化B.数据归一化C.数据增强D.数据压缩三、判断题（每题1分，共10分）1.深度学习是一种无监督学习方式。（）2.深度学习中的卷积神经网络（CNN）可以用于图像识别。（）3.深度学习中的循环神经网络（RNN）可以用于自然语言处理。（）4.深度学习中的生成对抗网络（GAN）可以用于图像生成。（）5.深度学习中的迁移学习可以提高模型的泛化能力。（）6.深度学习中的正则化技术可以防止过拟合。（）7.深度学习中的激活函数可以提高模型的非线性能力。（）8.深度学习中的超参数对模型的性能有重要影响。（）9.深度学习中的数据预处理可以提高模型的训练效果。（）10.深度学习中的模型评估指标可以衡量模型的性能。（）四、名词解释（每题4分，共20分）1.深度学习2.卷积神经网络（CNN）3.递归神经网络（RNN）4.生成对抗网络（GAN）5.迁移学习五、简答题（每题6分，共18分）1.简述深度学习的特点。2.简述卷积神经网络（CNN）的工作原理。3.简述循环神经网络（RNN）的工作原理。六、案例分析题（1题，满分12分）案例：某公司利用深度学习技术进行图像识别，识别准确率达到90%以上。请分析以下问题：1.该公司采用了哪些深度学习技术？2.该公司如何提高图像识别的准确率？3.该公司在深度学习应用过程中遇到了哪些挑战？如何解决？答案：一、单项选择题1.A2.C3.C4.D5.D6.D7.A8.C9.A10.D11.D12.B13.D14.C15.D16.D17.D18.D19.A20.C二、多项选择题1.ABC2.ABCD3.AB4.ABC5.ABC6.