机器视觉与边缘计算应用：神经网络基础单元测试与答案.docxVIP

一、单选题 1、下面哪个选项不是神经网络训练过程中过拟合的防止方法？ A.增加学习率 B.L2正则化 C.dropout D.提前终止 正确答案：A 2、有关BP神经网络的说法，错误是哪个？ A.隐层的个数以及隐层节点的数量选取缺乏理论指导 B.易陷入局部极小值 C.训练时新样本的加入对已经学习的样本没影响 D.学习效率低，收敛速度慢 正确答案：C 3、有关神经网络参数初始化的说法错误的是哪个？ A.使用正态分布初始化，但权重取太大或太小都会影响网络的训练 B.合适的权重初始化可以加快神经网络的训练和效果 C.Xavier初始化可以减少梯度消失 D.权重和偏置都可以取全零初始化 正确答案：D 4、减少神经网络过拟合的说法，以下哪些是错误的？ A.通过增加数据扰动的数据增强减少了神经网络的过拟合 B.在神经网络训练过程中类似dropout减少神经元或相关链接权的数量 C.通过正则化可以减少网络参数的个数，一定程度可能增加过拟合 D.利用L1或L2正则化可以使权重衰减，从而一定程度上减少过拟合 正确答案：C 5、有关BP网络的说法，哪个是正确的？ A.在使用梯度下降时，加上冲量项会减少训练的速度，但可能会增加陷入局部极小值的可能 B.与批量梯度下降法相比，使用小批量梯度下降法可以降低训练速度，但达到全局最优解可能需要更多的迭代次数 C.交叉熵也可以作为分类预测问题的损失函数 D.神经元的激活函数选择不影响神经网络的训练过程和最终性能 正确答案：C 6、梯度消失问题的认识哪个是正确的？ A.隐藏层太多时，可能导致靠近输入层的权重的偏导数太小而得不到更新 B.神经元处于Sigmoid等激活函数的饱和区工作，梯度值偏小 C.隐层的权重取值大容易导致梯度消失 D.隐藏层神经元的个数太多导致 正确答案：A 7、一个含有2个隐层的BP神经网络，神经元个数都为20，输入和输出节点分别有8和5个节点，这个网络的权重和偏置数分别是多少？ A.3000，32 B.660，45 C.16000，48 D.3200，45 正确答案：B 8、以下不属于超参的是哪个因素？ A.激活函数 B.学习步长（率）和冲量引子 C.mini-batch的样本数 D.输出编码形式 正确答案：D 9、?AI的应用领域十分广泛，以下属于人工智能AI应用领域的是？ A.其他都是 B.公共交通 C.商品零售业 D.视频监控 正确答案：A 二、多选题 1、?下面哪些是深度学习快速发展的原因？ A.可以获得更多的数据 B.性能更好的算法 C.神经网络是一个新领域 D.更快的计算能力 正确答案：A、B、D 2、?有关BP神经网络的不足的说法哪些是正确的？ A.学习效率低 B.易陷入局部极小 C.检验时新样本与训练样本差别大泛化效果弱 D.隐节点的个数可以随意取 正确答案：A、B、C 3、有关神经网络训练过程的说法，正确的是？ A.对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素 B.神经网络权重的初始化大小会对网络的训练结果无影响 C.使用增加训练次数的方法不一定可以减少代价函数的取值 D.分析问题确定后，神经网络合适的结构就可以确定 正确答案：A、C 4、下面有关神经网络的说法，正确的是？ A.神经网络不同层次的神经元可以使用不同的激活函数 B.神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化 C.均方差损失函数是神经网络常用的一种代价函数（损失函数） D.神经网络神经元的输出都是传给其他神经元，不能再反馈回来 正确答案：A、B、C 5、?下面有关深度学习、目标检测和边缘计算的说法，正确的是哪些？ A.训练好的目标检测算法可以用于边缘计算 B.机器视觉场景往往需要应用边缘计算 C.目标检测常使用深度学习中卷积神经网络模型 D.边缘计算就是一种人工智能 正确答案：A、B、C