深度学习及其应用_复旦大学中国大学mooc课后章节答案期末考试题库考试历年机考真题集【名校卷】附答案详解.docxVIP

深度学习及其应用_复旦大学中国大学mooc课后章节答案期末考试题库考试历年机考真题集【名校卷】附答案详解

1.Transformer模型在自然语言处理（NLP）中的核心优势是？

A.仅适用于短序列文本处理，无法处理长文本

B.通过自注意力机制（Self-Attention）捕捉长距离依赖关系

C.完全替代了循环神经网络（RNN），无法与RNN结合使用

D.仅用于图像识别任务，不适用于NLP

【答案】：B

解析：本题考察Transformer的核心机制。Transformer通过自注意力机制实现对序列中任意位置的依赖关系建模，解决了RNN难以处理长距离依赖的问题，是BERT、GPT等模型的基础。选项A错误，Transformer天然支持长文本处理；选项C错误，Transformer与RNN可结合（如Hybrid模型）；选项D错误，Transformer在NLP领域（如机器翻译、文本生成）应用广泛，图像识别中更多使用CNN。

2.以下关于多层感知机（MLP）的描述，正确的是？

A.MLP是一种单层神经网络，仅能处理线性可分问题

B.MLP通过增加隐藏层，能够学习输入到输出的复杂非线性映射关系

C.MLP的训练过程中不需要使用反向传播算法

D.MLP的输出层神经元数量必须等于输入层神经元数量

【答案】：B

解析：本题考察多层感知机（MLP）的核心特性。解析：选项A错误