《深度学习理论》期末考试试卷附答案.docxVIP

《深度学习理论》期末考试试卷附答案

注意事项：本试卷满分100分，考试时间120分钟；请将答案写在答题纸上，保持字迹工整。

一、单项选择题（每题2分，共20分）

1.以下激活函数中，在输入值较大或较小时梯度趋近于0的是（）。

A.ReLU（修正线性单元）

B.LeakyReLU（带泄漏的修正线性单元）

C.sigmoid（逻辑函数）

D.GELU（高斯误差线性单元）

2.交叉熵损失函数（Cross-EntropyLoss）通常用于以下哪种任务？（）

A.回归预测（如房价预测）

B.多分类任务（如图像分类）

C.无监督聚类（如K-means）

D.生成任务（如GAN生成图像）

3.梯度消失（VanishingGradient）现象主要发生在以下哪种场景？（）

A.使用ReLU激活函数的浅层网络

B.使用sigmoid激活函数的深层网络

C.使用Adam优化器的小批量训练

D.使用Dropout正则化的模型推理阶段

4.BatchNormalization（批量归一化）的核心作用是（）。

A.加速模型收敛，缓解内部协变量偏移（InternalCovariateShift）

B.减少过拟合，提高模型泛化能力

C.增加模型非线性，提升表达能力

D.降低计算复杂度，减少内存占用

5.以下优化算法中，同时结合了动量（Momentum）和自适应学习率（AdaptiveLearningRate）的是（）。

A.SGD（随机梯度下降）

B.RMSprop（均方根传播）

C.Adam（自适应矩估计）

D.Adagrad（自适应梯度算法）

6.LSTM（长短期记忆网络）中，遗忘门（ForgetGate）的主要功能是（）。

A.控制当前输入信息的保留比例

B.决定是否将候选记忆（CandidateMemory）写入细胞状态（CellState）

C.调节细胞状态中旧信息的遗忘程度

D.生成当前时间步的输出信息

7.卷积神经网络（CNN）中，感受野（ReceptiveField）指的是（）。

A.卷积核的大小（如3×3）

B.特征图中一个像素对应原始输入图像的区域

C.池化操作的步长（Stride）

D.全连接层的神经元数量

8.自注意力机制（Self-Attention）在Transformer模型中的核心优势是（）。

A.降低计算复杂度，优于循环神经网络

B.显式捕捉序列中任意位置的依赖关系

C.减少参数数量，提升模型泛化能力

D.支持并行计算，加速训练过程

9.以下正则化方法中，通过随机删除部分神经元来防止过拟合的是（）。

A.L1正则化（L1Regularization）

B.L2正则化（L2Regularization）

C.Dropout

D.数据增强（DataAugmentation）

10.迁移学习（TransferLearning）中，“微调”（Fine-tuning）策略的关键步骤是（）。

A.直接使用预训练模型的输出层，不修改任何参数

B.冻结预训练模型的底层特征提取层，仅训练顶层分类层

C.随机初始化所有参数，重新训练整个模型

D.解冻部分底层参数，与顶层参数共同训练

二、填空题（每题2分，共20分）

1.反向传播（Backpropagation）算法的核心是利用__________法则，从输出层向输入层逐层计算损失函数对各参数的梯度。

2.Transformer模型中，自注意力机制的计算表达式为：Attention(Q,K,V)=__________，其中Q、K、V分别为查询、键、值矩阵，d_k为键的维度。

3.过拟合（Overfitting）的典型表现是模型在__________集上的准确率远高于__________集。

4.循环神经网络（RNN）的梯度消失问题本质是由于__________在反向传播时多次连乘导致梯度趋近于0。

5.损失函数（LossFunction）用于衡量模型预测值与真实值的差异，回归任务常用__________损失，分类任务常用_______