人工智能（深度学习）题目及分析.docxVIP

人工智能（深度学习）题目及分析

一、单项选择题（共10题，每题1分，共10分）

下列模型中属于深度学习典型模型的是

A.支持向量机是基于统计学习理论的传统分类模型

B.卷积神经网络是针对空间结构数据设计的深度学习模型

C.决策树是基于规则划分的传统机器学习模型

D.K近邻是基于距离度量的惰性学习模型

答案：B

解析：选项A、C、D均属于传统机器学习范畴的模型，不需要多层非线性变换提取特征，只有卷积神经网络是深度学习的典型代表，广泛应用于计算机视觉等领域，因此正确答案为B。

下列激活函数中，能够有效缓解深度网络梯度消失问题的是

A.Sigmoid函数的输出范围在0到1之间，饱和区导数趋近于0

B.Tanh函数的输出范围在-1到1之间，饱和区导数趋近于0

C.ReLU函数在输入大于0时导数恒为1，不存在梯度饱和问题

D.阶跃函数导数几乎处处为0，仅可用于单层感知机

答案：C

解析：Sigmoid和Tanh函数在输入绝对值较大时会进入饱和区，导数趋近于0，梯度在反向传播过程中会逐层衰减，引发梯度消失；阶跃函数无法支持深度网络的梯度传播；只有ReLU函数的正区间导数恒为1，能够有效缓解梯度消失问题，因此正确答案为C。

反向传播算法的核心是利用哪种数学法则计算损失对各层参数的梯度

A.链式求导法则可以将复合函数的梯度拆分为多层梯度的乘积

B.大数法则是概率论中描述样本统计