1. 為節省神經網路模型的訓練時間，神經網路模型的權重和偏移引數一般初始化為
a 0.5
b 1
c 隨機值
2. 神經網路模型是受人腦的結構啟發發明的。神經網路模型由很多的神經元組成，每個神經元都接受輸入，進行計算並輸出結果，那麼以下選項描述正確的是
a 每個神經元只有乙個單一的輸入和單一的輸出
b 每個神經元有多個輸入而只有乙個單一的輸出
c 每個神經元只有乙個單一的輸入而有多個輸
d 每個神經元有多個輸入和多個輸出
3. 在卷積神經網路計算中，已知輸入特徵層大小為32x32x64, 使用標準卷積計算，帶偏置項，卷積核大小為3*3，輸出特徵層數目為64，請問卷積層的引數個數為？
a 576
b 36928
c 640
d 36864
4. 關於word2vec，下列哪些說法是正確的
a word2vec利用當前特徵詞的上下文資訊實現詞向量編碼，是語言模型的副產品
b word2vec能夠表示詞彙之間的語義相關性
c word2vec沒有使用完全的深度神經網路模型
d word2vec可以採用負取樣的方式來節省計算開銷
e 以上都對
5. 請問seq2seq不適用於一下哪些場景的建模
a 翻譯
b 人機對話
c 文字摘要生成
d 使用alexnet做影象分類
6. 關於attention機制裡的attention-based model，下列說法正確的是
a 相似度度量模型
b 是一種新的深度學習網路
c 是一種輸入對輸出的比例模型
d 都不對
7. lstm的遺忘門使用的是什麼啟用函式
a sigmoid
b tanh
c relu
8. 卷積神經網路（cnn）中dropout層的作用是
a 加快收斂速度
b 防止過擬合
c 豐富訓練樣本
d 增強正樣本
9. cnn神經網路對影象特徵提取帶來了變革性的變化，使之前的人工特徵提取公升級到資料驅動的自動特徵提取，在cnn中，起到特徵提取作用的網路層是
a convolution層
b full connect層
c max pooling層
d norm層
10. 以下哪種cnn模型不是在image net 比賽中興起的
a alexnet
b resnet
c mask-rcnn
d vgg19
獲取答案和詳細的答案解析：
深度學習題 含答案和解析
1.下列關於深度學習說法錯誤的是 a lstm在一定程度上解決了傳統rnn梯度消失或梯度 的問題 b cnn相比於全連線的優勢之一是模型複雜度低，緩解過擬合 c 只要引數設定合理，深度學習的效果至少應優於傳統機器學習演算法 2.在包含 n 個文件的語料庫中，隨機選擇乙個文件。該檔案總共包含 t 個詞...
深度學習題 含答案和解析
1.在乙個神經網路中，知道每乙個神經元的權重和偏差是最重要的一步。如果知道了神經元準確的權重和偏差，便可以近似任何函式，但怎麼獲知每個神經的權重和偏移呢？a 搜尋每個可能的權重和偏差組合，直到得到最佳值 b 賦予乙個初始值，然後檢查跟最佳值的差值，不斷迭代調整權重 c 隨機賦值，聽天由命 d 以上都...
機器學習題 含答案和解析
1.目標變數在訓練集上的7個實際值為 1,1,1,1,0,0,0 目標變數的熵近似值是 log3 7 0.847,log4 7 0.560 a 0.683 b 0.683 c 0.724 d 0.243 2.關於k means聚類演算法說法不正確的是 a 對大資料集有較高的效率並且具有可伸縮性。b ...