DNN深度神经网络面试题及详细答案（实战向）.docxVIP

DNN深度神经网络面试题及详细答案（实战向）

一、DNN基础概念类（入门必问）

1、什么是DNN？它和传统浅层神经网络的核心区别是什么？

参考答案：

DNN即深度神经网络，是包含多层隐藏层的全连接神经网络结构。基本结构由输入层、若干隐藏层、输出层组成，层与层之间神经元全部两两连接，同层神经元无连接，无跨层连接。

和传统浅层神经网络的核心区别主要有两点：

第一是层数差异，浅层网络一般只有0-1层隐藏层，特征提取能力极弱；DNN拥有2层及以上隐藏层，能够逐层嵌套提取数据的高阶抽象特征。

第二是拟合能力差异，浅层网络只能拟合简单的线性或低维非线性关系，面对复杂数据模式极易欠拟合；DNN通过多层非线性变换，能够适配高维、复杂的数据分布，拟合复杂任务的映射关系。

简单来说，浅层网络靠人工特征工程，DNN可以自动逐层学习特征。

2、全连接层的作用是什么？优缺点分别是什么？

参考答案：

全连接层是DNN的核心组成层，核心作用是特征融合与维度变换。它将上一层所有神经元的特征信息进行加权求和，整合全局特征，同时可以自由调整输出维度，适配任务需求（比如分类任务输出类别数维度、回归任务输出1维结果）。

优点：

1、结构简单、逻辑直观，能够充分融合所有输入特征，无特征遗漏；

2、适配性极强，可用于各类结构化、非结构化数据的映射学习。

缺点：

1、参数数量极大，容易造成参数冗余、模型臃肿；

2、忽略特征的