2025 年大学人工智能（深度学习基础）期中测试卷.docVIP

2025年大学人工智能（深度学习基础）期中测试卷

（考试时间：90分钟满分100分）班级______姓名______

一、单项选择题（总共10题，每题3分，每题只有一个正确答案，请将正确答案填写在括号内）

1.以下关于深度学习的说法，错误的是（）

A.深度学习是机器学习的一个分支

B.深度学习主要依赖人工特征提取

C.深度学习通过构建具有多个层次的神经网络来学习数据

D.深度学习在图像识别、语音识别等领域取得了显著成果

2.下列哪种神经网络结构常用于图像分类（）

A.循环神经网络（RNN）

B.卷积神经网络（CNN）

C.长短时记忆网络（LSTM）

D.生成对抗网络（GAN）

3.反向传播算法主要用于（）

A.计算神经网络的前向传播结果

B.调整神经网络的参数

C.生成训练数据

D.评估神经网络的性能

4.在深度学习中，激活函数的作用是（）

A.增加神经网络的层数

B.对输入数据进行归一化

C.引入非线性因素，使神经网络能够处理复杂问题

D.提高神经网络的训练速度

5.以下哪个优化器在深度学习中应用较为广泛（）

A.随机梯度下降（SGD）

B.动量优化器（Momentum）

C.Adagrad

D.Adam

6.对于一个具有n个输入神经元和m个输出神经元的全连接层，其参数数量为（）

A.nm

B.n+m

C.nm+n+m

D.nm+1

7.卷积神经网络中的卷积层主要作用是（）

A.减少数据维度

B.增加数据维度

C.提取数据特征

D.进行数据分类

8.在深度学习中，数据集通常划分为（）

A.训练集、验证集和测试集

B.训练集和测试集

C.验证集和测试集

D.训练集和验证集

9.以下哪种损失函数常用于回归问题（）

A.交叉熵损失函数

B.均方误差损失函数

C.铰链损失函数

D.对数损失函数

10.深度学习模型的训练过程中，过拟合的表现是（）

A.模型在训练集上表现良好，但在测试集上表现很差

B.模型在训练集和测试集上表现都很差

C.模型在训练集上表现很差，但在测试集上表现良好

D.模型在训练集和测试集上表现都很好

二、多项选择题（总共5题，每题5分，每题有两个或两个以上正确答案，请将正确答案填写在括号内，多选、少选或错选均不得分）

1.以下属于深度学习框架的有（）

A.TensorFlow

B.PyTorch

C.Scikit-learn

D.Keras

2.卷积神经网络的优点包括（）

A.能够自动提取数据特征

B.对数据的平移、旋转等具有一定的不变性

C.计算效率高

D.适用于处理序列数据

3.以下哪些方法可以防止深度学习模型过拟合（）

A.增加训练数据

B.正则化

C.使用Dropout

D.减少神经网络层数

4.在深度学习中，超参数包括（）

A.学习率

B.神经网络层数

C.激活函数类型

D.损失函数值

5.以下关于生成对抗网络（GAN）的说法正确的是（）

A.由生成器和判别器组成

B.生成器用于生成数据

C.判别器用于判断数据的真实性

D.GAN可用于图像生成、文本生成等领域

三、判断题（总共10题，每题2分，请判断下列说法的对错，正确的打“√”，错误的打“×”）

1.深度学习只能处理数值型数据。（）

2.神经网络的层数越多，其性能一定越好。（）

3.随机梯度下降每次更新参数时只使用一个样本。（）

4.激活函数必须是线性函数。（）

5.数据增强是一种提高深度学习模型泛化能力的方法。（）

6.全连接层中神经元之间的连接是完全随机的。（）

7.深度学习模型的训练过程就是不断调整参数使损失函数值最小化的过程。（）

8.验证集主要用于评估模型的最终性能。（）

9.不同的深度学习模型对相同的数据预处理方式要求相同。（）

10.生成对抗网络中的生成器和判别器是相互独立训练的。（）

四、简答题（总共3题，每题10分，请简要回答下列问题）

1.简述反向传播算法的原理。

2.说明卷积神经网络中池化层的作用。

3.如何选择合适的深度学习模型？

五、论述题（总共1题，每题20分，请详细论述下列问题）

请论述深度学习在人工智能领域的应用现状及未来发展趋势。

答案

一、单项选择题

1.B

2.B

3.B

4.C

5.D

6.A

7.C

8.A

9.B

10.A

二、多项选择题

1.ABD

2.ABC

3.ABC

4.ABC

5.ABCD

三、判断题

1.×

2.×

3.√

4.×