2025年线性代数卷积神经网络中的特征提取试题.docVIP

2025年线性代数卷积神经网络中的特征提取试题

一、单项选择题（每题2分，共20题）

在卷积神经网络中，卷积层的特征提取过程本质上是对输入数据进行的线性代数运算为：

A.矩阵求逆

B.矩阵乘法

C.向量内积

D.特征值分解

已知输入图像为3×3×2的张量（高度×宽度×通道数），使用2×2×2的卷积核进行卷积操作（步长=1，无填充），输出特征图的维度为：

A.2×2×1

B.2×2×2

C.3×3×1

D.3×3×2

卷积核参数数量的计算公式中，与线性代数中矩阵秩的概念相关的参数是：

A.输入通道数

B.输出通道数

C.卷积核尺寸

D.步长

设某卷积层的输入特征图为X∈?^(H×W×C)，卷积核W∈?^(k×k×C×N)，则该层的前向传播过程可表示为：

A.Y=WX+b

B.Y=XW+b

C.Y=W·X+b（逐元素乘法）

D.Y=∑(W_i*X_i)+b（卷积和）

在CNN特征提取中，池化操作的线性代数本质是：

A.降低矩阵的秩

B.压缩矩阵的维度

C.计算矩阵的迹

D.求矩阵的特征向量

已知某卷积层的输出特征图为Y∈?^(4×4×8)，使用2×2的最大池化（步长=2），则池化后特征矩阵的行数为：

A.2

B.4

C.8

D.16

深度可分离卷积中，深度卷积与逐点卷积的组合相当于线性代数中的：

A.