3.4 深度探索：从神经网络到深度学习的奇妙世界习题.docx

3.4深度探索：从神经网络到深度学习的奇妙世界

一、判断题

深度学习与浅层神经网络的主要区别在于其层数更多，能够通过多层非线性变换实现对复杂数据特征的自动提取。（）

卷积神经网络（CNN）在处理图像时，通常先提取物体的宏观轮廓特征，再逐步深入提取局部的边缘和像素细节。（）

循环神经网络（RNN）及其改进型LSTM具有“记忆”能力，非常适合处理像天气预报、文本翻译等具有序列特征的数据。（）

Transformer架构之所以在自然语言处理领域超越RNN，是因为它采用了并行化的注意力机制，不再需要逐字处理信息。（）

生成对抗网络（GAN）的运行逻辑类似于“警匪博弈”，生成器负责制