2025 年大学人工智能（深度学习）上学期期中测试卷.docVIP

2025年大学人工智能（深度学习）上学期期中测试卷

（考试时间：90分钟满分100分）班级______姓名______

一、选择题（总共10题，每题4分，每题只有一个正确答案，请将正确答案填写在括号内）

1.以下关于深度学习模型结构的说法，错误的是（）

A.卷积神经网络主要用于处理图像数据

B.循环神经网络适合处理序列数据

C.深度信念网络是一种无监督学习模型

D.生成对抗网络只能用于生成图像

2.在深度学习中，以下哪种优化器通常收敛速度最快（）

A.SGD

B.Adagrad

C.Adadelta

D.Adam

3.对于一个多层感知机（MLP），输入层有3个神经元，隐藏层有5个神经元，输出层有2个神经元，那么从输入层到隐藏层的权重矩阵维度是（）

A.3×5

B.5×3

C.2×5

D.5×2

4.以下哪个激活函数在深度学习中较少使用（）

A.ReLU

B.sigmoid

C.tanh

D.softmax

5.在卷积操作中，卷积核的作用是（）

A.对输入数据进行下采样

B.提取输入数据的特征

C.增加模型的非线性

D.减少模型参数

6.以下关于池化操作的说法，正确的是（）

A.最大池化会保留数据中的最大值

B.平均池化会保留数据中的平均值

C.池化操作会增加数据维度

D.池化操作会减少模型参数

7.对于一个二分类问题，使用softmax激活函数的输出层，预测结果为[0.2,0.8]，那么该样本属于正类的概率是（）

A.0.2

B.0.8

C.0.5

D.无法确定

8.在深度学习中，以下哪种正则化方法可以加速模型收敛并防止过拟合（）

A.L1正则化

B.L2正则化

C.BatchNormalization

D.以上都是

9.训练深度学习模型时，以下哪种情况可能导致梯度消失（）

A.使用ReLU激活函数

B.学习率设置过大

C.层数过多且使用sigmoid激活函数

D.数据预处理不当

10.以下关于深度学习模型评估指标的说法，错误的是（）

A.准确率适用于多分类问题

B.召回率适用于不平衡数据集

C.F1值是准确率和召回率的调和平均值

D.MSE（均方误差）适用于分类问题

二、多项选择题（总共5题，每题6分，每题有两个或以上正确答案，请将正确答案填写在括号内，少选、多选或错选均不得分）

1.以下哪些是深度学习中常用的损失函数（）

A.交叉熵损失函数

B.均方误差损失函数

C.绝对值损失函数

D.余弦相似度损失函数

2.对于一个卷积神经网络，以下哪些操作可以增加模型的感受野（）

A.增加卷积核大小

B.增加卷积层数

C.使用步长大于1的卷积

D.使用空洞卷积

3.在循环神经网络中，以下哪些是常用的结构（）

A.LSTM

B.GRU

C.RNN

D.CNN

4.以下哪些方法可以用于防止深度学习模型过拟合（）

A.增加训练数据

B.使用正则化

C.提前停止训练

D.增加模型复杂度

5.对于一个多分类问题，以下哪些评估指标可以使用（）

A.准确率

B.召回率

C.F1值

D.混淆矩阵

三、判断题（总共10题，每题3分，请判断对错，在括号内填写“√”或“×”）

1.深度学习模型只能处理数值型数据，不能处理文本数据。（）

2.增加模型的层数一定会提高模型的性能。（）

3.梯度下降是深度学习中唯一的优化算法。（）

4.数据增强可以增加训练数据的数量和多样性，从而提高模型性能。（）

5.深度学习模型的训练过程就是不断调整模型参数以最小化损失函数的过程。（）

6.对于一个分类问题，使用softmax激活函数后，输出层的神经元个数等于类别数。（）

7.池化操作会改变数据的语义信息。（）

8.正则化可以防止模型参数的过拟合，但不会影响模型的训练速度。（）

9.在深度学习中，模型的训练误差总是小于测试误差。（）

10.深度学习模型的性能只取决于模型结构和算法，与数据质量无关。（）

四、简答题（总共3题，每题10分，请简要回答问题）

1.请简述卷积神经网络（CNN）的主要组成部分及其作用。

2.什么是梯度消失和梯度爆炸？如何解决这些问题？

3.请说明在深度学习中，如何选择合适的激活函数？

五、综合题（总共1题，每题20分，请详细解答问题）

假设你正在构建一个用于图像分类的深度学习模型，数据集包含10个类别，每个类别有1000张图像。请设计一个合理的模型架构，并说明训练过程中需要注意的问题。

答案：

一、选择题

1.D

2.D

3.A

4.B

5.