MOOC 紡織服裝專業(yè)人工智能技術(shù)導(dǎo)論-東華大學(xué) 中國大學(xué)慕課答案

MOOC紡織服裝專業(yè)人工智能技術(shù)導(dǎo)論-東華大學(xué)中國大學(xué)慕課答案課后自測題1、問題：以絨山羊/非絨山羊的分類問題為例，根據(jù)本章所講授的內(nèi)容及符號表達方式，回答以下問題：（單選題）對于每一個樣本，其中，，樣本包含了個特征選項：A、B、C、D、正確答案:【】2、問題：選項：意味著該問題屬于分類問題A、二元分類問題B、多元分類問題C、三元分類問題D、以上都不對正確答案:【二元分類問題】3、問題：按照本課程約定的符號體系，若有個樣本構(gòu)成整個訓(xùn)練集，該集合可以表示為選項：A、B、C、D、正確答案:【】4、問題：若將訓(xùn)練集記為矩陣X，其中包含了m個樣本，每個樣本的特征數(shù)量為個，則X的維度為選項：A、B、C、D、正確答案:【】5、問題：若令選項：，且激活函數(shù)為Sigmoid，其正確計算方式為A、B、C、D、正確答案:【】6、問題：若令為真值y的預(yù)測值，下面關(guān)于交叉熵函數(shù)的正確計算方式為選項：A、B、C、D、正確答案:【】7、問題：下面關(guān)于學(xué)習(xí)率α說法正確的是選項：A、學(xué)習(xí)率α越大越好，這樣可以加快神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度B、學(xué)習(xí)率α越小越好，這樣可以保證訓(xùn)練的平穩(wěn)C、學(xué)習(xí)率α必須是不變量D、學(xué)習(xí)率α需要根據(jù)實際訓(xùn)練過程的表現(xiàn)予以調(diào)校正確答案:【學(xué)習(xí)率α需要根據(jù)實際訓(xùn)練過程的表現(xiàn)予以調(diào)?！?、問題：向后傳播的推導(dǎo)過程，主要是基于鏈式法則求偏導(dǎo)，這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】9、問題：“整個訓(xùn)練集的代價函數(shù)J(w,b)，實際上是全部訓(xùn)練數(shù)據(jù)的損失函數(shù)值加和之后的平均值”，這個說法對嗎?選項：A、正確B、錯誤正確答案:【正確】10、問題：“在編寫代碼之前，首先需要確定需要求解的目標是什么。比如對于梯度下降算法而言，核心是求出dw和db，從而實現(xiàn)對w和b的更新”。這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】課后自測題1、問題：1.在下圖所示的神經(jīng)網(wǎng)絡(luò)中，圓圈和箭頭的含義分別是______?選項：A、圓圈代表神經(jīng)元，箭頭代表權(quán)重B、圓圈代表輸入量，箭頭代表輸出方向C、圓圈僅僅代表激活值，箭頭代表權(quán)重D、圓圈和箭頭代表了向前傳播過程正確答案:【圓圈代表神經(jīng)元，箭頭代表權(quán)重】2、問題：根據(jù)本單元講授的符號表達方式，選項：的含義是____________A、第3個樣本的第2個特征在第1層神經(jīng)網(wǎng)絡(luò)中的權(quán)重值B、第3個樣本的第1個特征在第2層神經(jīng)網(wǎng)絡(luò)中的權(quán)重值C、第2個樣本的第3個特征在第1層神經(jīng)網(wǎng)絡(luò)中的權(quán)重值D、以上都不是正確答案:【第2個樣本的第3個特征在第1層神經(jīng)網(wǎng)絡(luò)中的權(quán)重值】3、問題：符號的含義是___________選項：A、第層第個神經(jīng)元的激活值aB、第層第個神經(jīng)元的激活值aC、第層第個神經(jīng)元的加權(quán)值aD、第層第個神經(jīng)元的加權(quán)值a正確答案:【第層第個神經(jīng)元的激活值a】4、問題：圖中所示的激活函數(shù)中，哪個是tanh？選項：A、左邊的是tanh，右邊的是sigmoidB、左邊是sigmoid，右邊是tanhC、左邊的是tanh，右邊的是它的特殊形式D、左邊是sigmoid，右邊是它的特殊形式正確答案:【左邊是sigmoid，右邊是tanh】5、問題：圖中所示的激活函數(shù)，其名稱是什么？選項：A、SoftmaxB、ReLUC、LeakyReLUD、WeakyReLU正確答案:【ReLU】6、問題：根據(jù)本單元的表達方式，下圖的神經(jīng)網(wǎng)絡(luò)是___層神經(jīng)網(wǎng)絡(luò)?選項：A、3B、4C、5D、6正確答案:【4】7、問題：對于第層神經(jīng)網(wǎng)絡(luò)而言，下述說法正確的是________選項：A、B、與的維度可以不相等的維度可以不相等與C、D、的維度為的維度為正確答案:【的維度為】8、問題：當神經(jīng)網(wǎng)絡(luò)由若干層組成時，除了第一層的輸入是我們設(shè)置的原始特征之外，剩下的每一層的輸入，其實都是前一層所輸出的激活值。這個說法正確與否？選項：A、正確B、錯誤正確答案:【正確】9、問題：在神經(jīng)網(wǎng)絡(luò)向后傳播的計算過程中，“我們需要對??求導(dǎo)，因為??也是特征，有必要對其進行優(yōu)化”，這個說法正確嗎？選項：A、正確B、錯誤正確答案:【錯誤】10、問題：“參數(shù)的維度并不隨著樣本數(shù)量的多少而改變，因為它們是神經(jīng)網(wǎng)絡(luò)架構(gòu)中用來調(diào)節(jié)每層神經(jīng)元對輸入特征影響的大小的?！边@個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】課后自測題1、問題：關(guān)于訓(xùn)練集、驗證集、測試集，下述說法正確的是：________選項：A、在數(shù)據(jù)量很小或者數(shù)據(jù)量很大的時候，都必須有20%的數(shù)據(jù)用于測試集B、在數(shù)據(jù)量很小或者數(shù)據(jù)量很大的時候，都必須有10%的數(shù)據(jù)用于測試集C、在數(shù)據(jù)量很小或者數(shù)據(jù)量很大的時候，都必須有5%的數(shù)據(jù)用于測試集D、以上都不對正確答案:【以上都不對】2、問題：若數(shù)據(jù)集如圖所示，由×和○代表兩類不同的數(shù)據(jù)，下圖分別表示的是分類過程中的哪種情況？選項：A、左為高偏差，中為適當，右為高方差B、左為適當，中為高偏差，右為高方差C、左為高方差，中為適當，右為高偏差D、以上都不是正確答案:【左為高偏差，中為適當，右為高方差】3、問題：當網(wǎng)絡(luò)初步訓(xùn)練完成，但是預(yù)測誤差較大時，首先應(yīng)采取以下哪種措施？選項：A、增加數(shù)據(jù)量B、優(yōu)化數(shù)據(jù)分布C、選擇新的網(wǎng)絡(luò)架構(gòu)D、以上都是正確答案:【選擇新的網(wǎng)絡(luò)架構(gòu)】4、問題：當網(wǎng)絡(luò)初步訓(xùn)練完成，且在訓(xùn)練集上表現(xiàn)良好，但是在測試集上表現(xiàn)不佳，首先應(yīng)采取以下哪種措施？選項：A、這是高偏差或者欠擬合現(xiàn)象，首先應(yīng)該增加數(shù)據(jù)量或者進行數(shù)據(jù)增廣B、這是高方差或者過擬合現(xiàn)象，首先應(yīng)該增加數(shù)據(jù)量或者進行數(shù)據(jù)增廣C、這是高偏差或者欠擬合現(xiàn)象，首先應(yīng)該更換網(wǎng)絡(luò)架構(gòu)D、這是高方差或者過擬合現(xiàn)象，首先應(yīng)該更換網(wǎng)絡(luò)架構(gòu)正確答案:【這是高方差或者過擬合現(xiàn)象，首先應(yīng)該增加數(shù)據(jù)量或者進行數(shù)據(jù)增廣】5、問題：在正則化中,，即前增加了一個系數(shù)選項：。請問，這里超參數(shù)的取值范圍通常是：A、[0,1]B、[-1,0]C、[-1,1]D、以上都不是正確答案:【[0,1]】6、問題：關(guān)于神經(jīng)網(wǎng)絡(luò)的正則化方法，以下表述正確的是_____C_______。選項：A、只有L2正則化和隨機失活正則化屬于正則化方法，數(shù)據(jù)擴增并不屬于正則化方法B、只有L2正則化屬于正則化方法，隨機失活與數(shù)據(jù)擴增并不屬于正則化方法C、L2正則化、隨機失活正則化以及數(shù)據(jù)擴增均屬于正則化方法的一種D、以上都不是正確答案:【L2正則化、隨機失活正則化以及數(shù)據(jù)擴增均屬于正則化方法的一種】7、問題：“如果激活函數(shù)的輸入特征均經(jīng)過了零均值和標準方差化，方差是1，那么??也會調(diào)整到相似范圍，雖然沒有從根本上解決梯度消失和爆炸問題。但它確實降低了梯度消失和爆炸產(chǎn)生的可能性”。這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】課后自測題1、問題：在將數(shù)據(jù)集分割為若干個小批量后，往往訓(xùn)練時的代價函數(shù)曲線從下圖中左側(cè)的單一批量訓(xùn)練形態(tài)，改變?yōu)橛覀?cè)所示的小批量訓(xùn)練形態(tài)。此時，下述說法正確的是：選項：A、小批量之間彼此是相互獨立的，在第t-1個小批量上表現(xiàn)好的權(quán)重矩陣，未必在第t個小批量上也表現(xiàn)良好，反之亦然。兩個相鄰的小批量之間可能存在著起伏。B、有的小批量上的數(shù)據(jù)容易訓(xùn)練，而有的小批量上的數(shù)據(jù)不容易訓(xùn)練。C、由于訓(xùn)練數(shù)據(jù)都是人為標注的，有可能存在某些小批量中，標簽本身存在錯誤，導(dǎo)致前一個小批量中可行的權(quán)重，在這個小批量中就是不可行的了。D、單一批量是由小批量構(gòu)成的，因此左圖實際上是右圖的平均值曲線正確答案:【小批量之間彼此是相互獨立的，在第t-1個小批量上表現(xiàn)好的權(quán)重矩陣，未必在第t個小批量上也表現(xiàn)良好，反之亦然。兩個相鄰的小批量之間可能存在著起伏。#有的小批量上的數(shù)據(jù)容易訓(xùn)練，而有的小批量上的數(shù)據(jù)不容易訓(xùn)練。#由于訓(xùn)練數(shù)據(jù)都是人為標注的，有可能存在某些小批量中，標簽本身存在錯誤，導(dǎo)致前一個小批量中可行的權(quán)重，在這個小批量中就是不可行的了?！?、問題：為了提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，以下說法正確的是選項：A、從隨機梯度下降改為動量梯度下降法，通常是一個不錯的嘗試B、從隨機梯度下降改為RMSprop梯度下降法，通常是一個不錯的嘗試C、從隨機梯度下降改為Adam梯度下降法，通常是一個不錯的嘗試D、采用學(xué)習(xí)率衰減的方式，通常是一個不錯的嘗試正確答案:【從隨機梯度下降改為動量梯度下降法，通常是一個不錯的嘗試#從隨機梯度下降改為RMSprop梯度下降法，通常是一個不錯的嘗試#從隨機梯度下降改為Adam梯度下降法，通常是一個不錯的嘗試#采用學(xué)習(xí)率衰減的方式，通常是一個不錯的嘗試】3、問題：“在進行數(shù)據(jù)準備時，通常通過隨機混洗（shuffle）和分區(qū)(partition)來達到較為合理的數(shù)據(jù)分布”，這個說法正確與否？選項：A、正確B、錯誤正確答案:【正確】4、問題：“指數(shù)加權(quán)平均的所實現(xiàn)的是遵循指數(shù)衰減的系數(shù)與當前值的按位相加之和”，這個說法正確與否？選項：A、正確B、錯誤正確答案:【錯誤】5、問題：“在使用指數(shù)加權(quán)平均時，必須對最初階段的偏差予以修正”，這個說法正確與否？選項：A、正確B、錯誤正確答案:【錯誤】6、問題：“在動量梯度下降法中，若參數(shù)β=0.9，則必須使用偏差修正技術(shù)”，這個說法正確與否？選項：A、正確B、錯誤正確答案:【錯誤】7、問題：“通俗地講，Adam優(yōu)化算法基本是動量梯度下降法和RMSprop相結(jié)合的產(chǎn)物”，這個說法正確與否？選項：A、正確B、錯誤正確答案:【正確】8、問題：“在大型神經(jīng)網(wǎng)絡(luò)中，由于參數(shù)眾多，此時的優(yōu)化函數(shù)往往存在于高維空間中，其優(yōu)化的難點其實是克服諸如平穩(wěn)段問題”，這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】9、問題：“在許多神經(jīng)網(wǎng)絡(luò)的編程框架以及文獻報道中，會將梯度下降算法稱之為優(yōu)化器（optimizer）”，這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】10、問題：“在克服平穩(wěn)段問題時，動量梯度下降法，RMSprop梯度下降法，以及Adam梯度下降法，往往比隨機梯度下降法更為有效”，這個說法正確嗎？選項：A、正確B、錯誤正確答案:【正確】課后自測題1、問題：在神經(jīng)網(wǎng)絡(luò)的超參數(shù)中，以下說法正確的是選項：A、神經(jīng)網(wǎng)絡(luò)的層數(shù)更為重要B、神經(jīng)網(wǎng)絡(luò)中隱含單元的個數(shù)更為重要C、學(xué)習(xí)率更為重要D、小批量（mini-batch）的大小更為重要正確答案:【學(xué)習(xí)率更為重要】2、問題：對于測試集上批量歸一化的計算方法，下述表述正確的是________：選項：A、按照與訓(xùn)練集同樣的計算方式B、不能采用批量歸一化C、通過指數(shù)加權(quán)平均的方式將計算出來，并應(yīng)用于D、以上都不是的計算中正確答案:【通過指數(shù)加權(quán)平均的方式將計算出來，并應(yīng)用于的計算中】3、問題：在多元分類任務(wù)中，往往采用獨熱（one-hot）編碼的方式，即對于一個有m個樣本的訓(xùn)練集而言，若其為c分類問題，則Y將會是一個______的矩陣，這個矩陣中的每一列代表一個樣本，且每一列中只有一個元素為1，其他均為0。選