AI算法深度学习题目及详解.docxVIP

AI算法深度学习题目及详解

一、单项选择题（共10题，每题1分，共10分）

以下哪一项是深度学习区别于传统浅层机器学习方法的最核心特征？

A.训练过程中使用梯度下降做参数优化

B.网络结构中包含多层可自动提取特征的非线性变换层

C.训练需要依赖标注数据集完成拟合

D.算法同时支持分类、回归两类下游任务

答案：B

解析：深度学习的核心优势就是通过多层非线性层实现端到端的自动特征提取，不需要人工手动设计特征。选项A的梯度下降在很多传统机器学习算法比如逻辑回归中也会使用，并非深度学习独有；选项C传统监督学习方法同样依赖标注数据集训练，不属于深度学习的独有特征；选项D的分类、回归任务适配能力，大量传统浅层算法如支持向量机、随机森林同样支持，不具备独特性。

以下哪种激活函数是目前卷积神经网络隐藏层中应用最广泛的基础激活函数？

A.Sigmoid激活函数

B.ReLU激活函数

C.Tanh激活函数

D.Softmax激活函数

答案：B

解析：ReLU激活函数可以有效缓解深层网络训练中的梯度消失问题，同时计算逻辑简单效率极高，是目前绝大多数卷积神经网络隐藏层的默认选择。选项A的Sigmoid函数容易在输入绝对值偏大时出现梯度饱和消失，早期浅层网络使用较多，深层网络中很少用于隐藏层；选项C的Tanh函数存在梯度饱和的问题，且输出中心化的特性仅在特定场景下使用，普及度远低于ReLU；