南京信息工程大學(xué)《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》2023-2024學(xué)年期末試卷

學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)學(xué)校________________班級(jí)____________姓名____________考場(chǎng)____________準(zhǔn)考證號(hào)…………密…………封…………線…………內(nèi)…………不…………要…………答…………題…………第1頁，共3頁南京信息工程大學(xué)《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》2023-2024學(xué)年期末試卷題號(hào)一二三總分得分一、單選題（本大題共20個(gè)小題，每小題2分，共40分．在每小題給出的四個(gè)選項(xiàng)中，只有一項(xiàng)是符合題目要求的．）1、以下關(guān)于膠囊網(wǎng)絡(luò)（CapsuleNetwork）的描述，錯(cuò)誤的是（）A.對(duì)空間關(guān)系建模能力強(qiáng)B.比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)更高效C.訓(xùn)練難度大D.應(yīng)用廣泛2、對(duì)于一個(gè)多分類任務(wù)，輸出層通常使用（）A.Softmax函數(shù)B.Sigmoid函數(shù)C.ReLU函數(shù)D.Tanh函數(shù)3、對(duì)于圖像分割任務(wù)，以下哪種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)較常用？A.U-NetB.ResNetC.VGGNetD.Inception網(wǎng)絡(luò)4、在深度學(xué)習(xí)中，以下哪種技術(shù)可以用于可視化模型學(xué)到的特征？A.梯度計(jì)算B.特征映射C.激活值分析D.以上都是5、對(duì)于時(shí)間序列預(yù)測(cè)任務(wù)，以下哪種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)比較適用？A.卷積神經(jīng)網(wǎng)絡(luò)B.循環(huán)神經(jīng)網(wǎng)絡(luò)C.生成對(duì)抗網(wǎng)絡(luò)D.自編碼器6、以下哪種損失函數(shù)常用于二分類問題？A.均方誤差損失B.交叉熵?fù)p失C.絕對(duì)值損失D.Hinge損失7、對(duì)于一個(gè)大規(guī)模數(shù)據(jù)集，以下哪種訓(xùn)練方式比較高效？（）A.單機(jī)訓(xùn)練B.分布式訓(xùn)練C.在線訓(xùn)練D.離線訓(xùn)練8、以下哪種情況可能導(dǎo)致深度學(xué)習(xí)模型的梯度消失？A.激活函數(shù)選擇不當(dāng)B.網(wǎng)絡(luò)層數(shù)過深C.學(xué)習(xí)率過高D.數(shù)據(jù)分布不均勻9、在卷積神經(jīng)網(wǎng)絡(luò)中，增大卷積核的尺寸會(huì)：A.增加感受野B.減少感受野C.提高計(jì)算效率D.降低模型精度10、在卷積神經(jīng)網(wǎng)絡(luò)中，卷積核的大小通常影響著（）A.感受野大小B.模型參數(shù)量C.計(jì)算復(fù)雜度D.以上都是11、以下哪種方法可以提高卷積神經(jīng)網(wǎng)絡(luò)的平移不變性？A.使用多個(gè)小卷積核B.增加池化層的數(shù)量C.采用全局平均池化D.以上都是12、對(duì)于語音識(shí)別任務(wù)，以下哪種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)常常被使用？A.卷積神經(jīng)網(wǎng)絡(luò)B.循環(huán)神經(jīng)網(wǎng)絡(luò)C.長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)D.深度信念網(wǎng)絡(luò)13、深度學(xué)習(xí)中，以下哪種優(yōu)化算法可以自適應(yīng)調(diào)整每個(gè)參數(shù)的學(xué)習(xí)率？A.AdamB.RMSPropC.AdagradD.SGD14、在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，動(dòng)量（Momentum）的作用是（）A.加速收斂B.防止過擬合C.減少梯度計(jì)算D.以上都不是15、下列關(guān)于深度學(xué)習(xí)中過擬合的描述，錯(cuò)誤的是（）A.訓(xùn)練誤差小，測(cè)試誤差大B.模型過于復(fù)雜C.增加數(shù)據(jù)量可以緩解D.是期望的結(jié)果16、在訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)時(shí)，批量歸一化通常應(yīng)用于：A.輸入層B.隱藏層C.輸出層D.所有層17、以下哪種方法可以提高神經(jīng)網(wǎng)絡(luò)的泛化能力？（）A.增加訓(xùn)練輪數(shù)B.增加模型復(fù)雜度C.正則化D.減少訓(xùn)練數(shù)據(jù)18、神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程主要是為了優(yōu)化什么？A.損失函數(shù)B.激活函數(shù)C.權(quán)重和偏置D.神經(jīng)元數(shù)量19、對(duì)于文本分類任務(wù)，以下哪種特征提取方法可能有效？A.詞袋模型B.TF-IDFC.Word2VecD.以上都是20、對(duì)于一個(gè)多標(biāo)簽分類問題，以下哪種方法比較適用？（）A.多個(gè)二分類器B.單個(gè)多分類器C.回歸模型D.聚類算法二、簡(jiǎn)答題（本大題共4個(gè)小題，共40分)1、（本題10分）簡(jiǎn)述如何在深度學(xué)習(xí)中處理多標(biāo)簽文本分類。2、（本題10分）簡(jiǎn)述在深度學(xué)習(xí)中如何進(jìn)行模型的可擴(kuò)展性優(yōu)化的挑戰(zhàn)。3、（本題10分）簡(jiǎn)述在深度學(xué)習(xí)中如何進(jìn)行模型的可擴(kuò)展性設(shè)計(jì)的評(píng)估。4、（本題10分）說明深度學(xué)習(xí)中的超參數(shù)調(diào)整方法。三、分析題（本大題共2個(gè)小題，共20分)1、（