2026年考公计算机专业深度学习基础试题答案解析.docxVIP

2026年考公计算机专业深度学习基础试题答案解析

一、单项选择题

1.以下哪种激活函数在处理梯度消失问题上表现较好？

A.Sigmoid

B.Tanh

C.ReLU

D.Softmax

答案：C

解析：Sigmoid函数的值域在(0,1)之间，其导数在两端趋近于0，容易导致梯度消失问题。Tanh函数的值域在(-1,1)之间，同样存在梯度消失问题。Softmax函数主要用于多分类问题的输出层，将输出转换为概率分布，并非用于解决梯度消失问题。ReLU（RectifiedLinearUnit）函数，即f(

2.在深度学习中，BatchNormalization的主要作用是？

A.加速模型收敛

B.提高模型的泛化能力

C.减少过拟合

D.以上都是

答案：D

解析：BatchNormalization（批量归一化）首先可以加速模型收敛。在训练过程中，神经网络各层的输入分布会随着参数的更新而变化，这被称为内部协变量偏移。BatchNormalization通过对每个小批量数据进行归一化处理，使得每层输入的分布更加稳定，从而加快了模型的收敛速度。其次，它能提高模型的泛化能力，减少对初始参数的依赖，使得模型在不同的数据分布上都能有较好的表现。同时，它也有一定的正则化作用，可以减少过拟合的风险，因为它在一定程度上限制了每层神经元的变化范围。

3.以下哪种优化算法是基于动