下列关于梯度消失和梯度爆炸的说法正确的有（）

试卷相关题目

• 1下列关于卷积神经网络的叙述正确的有（）

  A.可用于处理时间序列数据

  B.可用于处理图像数据

  C.卷积网络中使用的卷积运算就是数学中的卷积计算

  D.至少在网络的一层中使用卷积

  开始考试点击查看答案
• 2下列关千Dropout的说法正确的有（）

  A.Dropout背后的思想其实就是把DNN当作一个集成模型来训练，之后取所有值的平均值，而不只是训练单个DNN "

  B.DNN网络将Dropout率设置为P，也就是说一个神经元被保留概率是1-P，。当一个神经元被丢弃时：无论输入或者相关的参数是什么，它的输值就会被设置为0 " "

  C.丢弃的神经元在训练阶段，对BP算法的前向和后向阶段都没有贡献。由于这个原因，每一次训练都像是在训练一个新的网路 " "

  D.Dropout方法通常和L2正则化或其他参数约束技术〔比如Max Norm）一起使用来防止神经网络的过拟合"

  开始考试点击查看答案
• 3RNN在NLP领域的应用包括（）

  A.语言模型与文本生成

  B.机器翻译

  C.语音识别

  D.图像描述生成

  开始考试点击查看答案
• 4LSTM应用场景有（）

  A.翻译语言

  B.语音识别

  C.图像识别

  D.股票预测

  开始考试点击查看答案
• 5与全连接的DNN，CNN的优势有（）

  A.参数更少

  B.泛化更好

  C.训练更快

  D.更容易搭建

  开始考试点击查看答案
• 6卷积神经网络为了保证图像对位移、缩放、扭曲的鲁棒性，可采取的措施有（）

  A.局部感受野

  B.共享权值

  C.池采样

  D.正则化

  开始考试点击查看答案
• 7卷积神经网络中常用的池化函数包括（）

  A.最大池化函数

  B.L2范数

  C.相邻矩形区域内的平均值

  D.基于据中心像素距离的加权平均函数

  开始考试点击查看答案
• 8与相同步长的卷积层相比，使用池化层的优势不包含（）

  A.参数更少

  B.可以获得更大下采样

  C.速度更快

  D.有助于提升精度

  开始考试点击查看答案
• 9下列关于深度学习的实质及其与浅层学习区别的说法正确的有（）

  A.深度学习强调模型深度

  B.深度学习突出特征学习的重要性：特征变换+非人工

  C.没有区别

  D.以上答案都不正确

  开始考试点击查看答案
• 10RNN网络的激活函数选用双曲正切而不是Sigmod的原因有（）

  A.使用Sigmod函数容易出现梯度消失

  B.Sigmod的导数形式较为复杂

  C.双曲正切更简单

  D.Sigmoid函数实现较为复杂

  开始考试点击查看答案