广西职业技术学院《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页广西职业技术学院《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网络结构？（）A.卷积神经网络（CNN）B.循环神经网络（RNN）C.生成对抗网络（GAN）D.线性回归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.熵损失D.梯度下降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.牛顿法D.梯度提升树5.在深度学习中，以下哪项不是正则化方法？（）A.L1正则化B.L2正则化C.DropoutD.BatchNormalization6.以下哪项不是深度学习中的数据预处理方法？（）A.数据归一化B.数据标准化C.数据扩充D.数据清洗7.在深度学习中，以下哪项不是激活函数？（）A.ReLUB.SigmoidC.TanhD.Softmax8.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.模型训练误差大D.模型测试误差小9.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.语音识别D.量子计算10.以下哪项不是深度学习中的超参数？（）A.学习率B.批处理大小C.激活函数D.网络层数11.在深度学习中，以下哪项不是深度学习的训练过程？（）A.数据预处理B.模型构建C.模型训练D.模型评估12.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13.在深度学习中，以下哪项不是深度学习的优化目标？（）A.模型泛化能力B.模型拟合能力C.模型训练速度D.模型测试速度14.以下哪项不是深度学习中的数据增强方法？（）A.随机裁剪B.随机翻转C.随机旋转D.随机缩放15.在深度学习中，以下哪项不是深度学习的常见问题？（）A.过拟合B.欠拟合C.数据不平衡D.计算资源不足16.以下哪项不是深度学习中的模型压缩方法？（）A.知识蒸馏B.模型剪枝C.模型量化D.模型压缩17.在深度学习中，以下哪项不是深度学习的常见应用？（）A.图像分类B.目标检测C.语音合成D.机器人控制18.以下哪项不是深度学习中的常见数据集？（）A.MNISTB.CIFAR-10C.ImageNetD.COCO19.在深度学习中，以下哪项不是深度学习的常见评价指标？（）A.准确率B.精确率C.召回率D.F1分数20.以下哪项不是深度学习中的常见模型？（）A.卷积神经网络（CNN）B.循环神经网络（RNN）C.生成对抗网络（GAN）D.线性回归二、多项选择题（每题2分，共20分）1.深度学习中的常见网络结构包括（）。A.卷积神经网络（CNN）B.循环神经网络（RNN）C.生成对抗网络（GAN）D.线性回归2.深度学习中的常见损失函数包括（）。A.交叉熵损失B.均方误差损失C.熵损失D.梯度下降3.深度学习中的常见优化算法包括（）。A.随机梯度下降（SGD）B.Adam优化器C.牛顿法D.梯度提升树4.深度学习中的常见正则化方法包括（）。A.L1正则化B.L2正则化C.DropoutD.BatchNormalization5.深度学习中的常见数据预处理方法包括（）。A.数据归一化B.数据标准化C.数据扩充D.数据清洗6.深度学习中的常见激活函数包括（）。A.ReLUB.SigmoidC.TanhD.Softmax7.深度学习中的常见过拟合现象包括（）。A.模型泛化能力差B.模型拟合能力差C.模型训练误差大D.模型测试误差小8.深度学习中的常见应用领域包括（）。A.图像识别B.自然语言处理C.语音识别D.量子计算9.深度学习中的常见超参数包括（）。A.学习率B.批处理大小C.激活函数D.网络层数10.深度学习中的常见训练过程包括（）。A.数据预处理B.模型构建C.模型训练D.模型评估三、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方法用于防止模型过拟合。（）5.深度学习中的数据预处理方法用于提高模型的泛化能力。（）6.深度学习中的激活函数用于将模型的输出转换为概率值。（）7.深度学习中的过拟合现象是指模型在训练数据上表现良好，但在测试数据上表现较差。（）8.深度学习中的数据增强方法用于增加训练数据集的大小。（）9.深度学习中的模型压缩方法用于减小模型的参数数量。（）10.深度学习中的模型评估指标用于衡量模型的性能。（）四、名词解释（每题4分，共20分）1.深度学习2.损失函数3.优化算法4.正则化方法5.数据预处理五、简答题（每题6分，共18分）1.简述深度学习的基本原理。2.简述深度学习中的损失函数的作用。3.简述深度学习中的优化算法的原理。六、案例分析题（1题，满分12分）案例：某公司希望开发一款智能图像识别系统，用于识别产品图片中的缺陷。请根据以下材料，分析并回答以下问