计算机第二学历面试题目.pdfVIP

计算机第二学历面试题目

1.比较Boosting和Bagging的异同

2.无监督学习中存在过拟合吗？

3.什么是k折交叉验证？

4.关于k折交叉验证，需要注意什么？

5.对于一个二分类问题，我们定义超过阈值t的判定为正例，否则判

定为负例。现在若将t增大，则准确率和召回率会如何变化？

6.K均值算法中，初始类中心怎么确定

7.说明Lp范数间的区别

8.用梯度下降训练神经网络的参数，为什么参数有时会被训练为nan

值？

9.卷积神经网络CNN中池化层有什么作用？

10.请列举几种常见的激活函数。激活函数有什么作用？

11.神经网络中Dropout的作用？具体是怎么实现的？

12.利用梯度下降法训练神经网络，发现模型loss不变，可能有哪些

问题？怎么解决？

13.如何解决不平衡数据集的分类问题？

14.残差网络为什么能做到很深层？

15.相比sigmoid激活函数ReLU激活函数有什么优势？

16.卷积神经网络中空洞卷积的作用是什么？

17.解释下卷积神经网络中感受野的概念？

18.模型欠拟合什么情况下会出现？有什么解决方案？

19.适用于移动端部署的网络结构都有哪些？

20.卷积神经网络中im2col是如何实现的？

21.多任务学习中标签缺失如何处理？

22.梯度爆炸的解决方法？

23.深度学习模型参数初始化都有哪些方法？

24.注意力机制在深度学习中的作用是什么？有哪些场景会使用？

25.卷积神经网络为什么会具有平移不变性？

26.神经网络参数共享(parametersharing)是指什么？

27.如何提高小型网络的精度？

28.什么是神经网络的梯度消失问题，为什么会有梯度消失问题？有

什么办法能缓解梯度消失问题？

29.列举你所知道的神经网络中使用的损失函数

30.对于多分类问题，为什么神经网络一般使用交叉熵而不用欧氏距

离损失？

31.1x1卷积有什么用途？

32.随机梯度下降法，在每次迭代时能保证目标函数值一定下降吗？

为什么？

33.梯度下降法，为什么需要设置一个学习率？

34.解释梯度下降法中动量项的作用

35.为什么现在倾向于用小尺寸的卷积核？

36.解释GoogLeNet的Inception模块的原理

37.解释反卷积的原理和用途

38.解释批量归一化的原理

39.解释SVM核函数的原理

40.什么是过拟合，过拟合产生的原因是什么？有什么方法能减轻过

拟合？

41.什么样的函数可以用作激活函数？

42.什么是鞍点问题？

43.在训练深度神经网络的过程中，遇到过哪些问题，怎么解决的？

44.SVM如何解决多分类问题

45.列举你知道的聚类算法