第五章测试1.
梯度下降算法的正确步骤是什么？
a.计算预测值和真实值之间的误差
b.重复迭代，直至得到网络权重的最佳值
c.把输入传入网络，得到输出值
d.用随机值初始化权重和偏差
e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差
A:edcba B:abcde C:cbaed D:dcaeb
答案:D
2.
已知：大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。- 每一个神经元都有输入、处理函数和输出。- 神经元组合起来形成了网络，可以拟合任何函数。- 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？
A:有维度更高的数据 B:当这是一个图形识别的问题时 C:加入更多层，使神经网络的深度增加 3.
训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。
A:错 B:对 4.
下面哪项操作能实现跟神经网络中Dropout的类似效果？
A:Mapping B:Bagging C:Stacking D:Boosting 5.
下列哪一项在神经网络中引入了非线性？
A:随机梯度下降 B:卷积函数 C:修正线性单元（ReLU） 6.
多对一RNN架构可以应用于以下哪些任务？
A:情感分类（输入一段文字并输出0/1表示正面或负面情绪） B:图像分类（输入图像输出标签） C:语音识别（输入一个音频输出一段字幕） D:语音中的性别识别（输入音频剪辑并输出表明说话者性别的标签） 7.
您正在训练RNN，发现您的权重和激活都具有NaN的值（“非数字”）。 以下哪项最可能是此问题的原因？
A:在sigmoid激活函数当中z太大 B:梯度爆炸问题 C:在ReLU激活函数当中z太大 D:梯度消失问题 8.
为了使RNN更容易训练，需要选取更好的激活函数，如Relu激活函数。ReLU函数的左侧导数为0，右侧导数恒为1，这就避免了梯度爆炸问题的发生。
A:错 B:对 9.
RNN会发生梯度消失的问题，产生这样的问题的原因是RNN在算是会有激活函数导数的累乘，如果取tanh或sigmoid函数作为激活函数的话，那么必然是一堆小数在做乘法，结果就是越乘越小。随着时间序列的不断深入，小数的累乘就会导致梯度越来越小直到接近于0，这就是“梯度消失“现象。
A:对 B:错 10.
假设你正在训练LSTM。 你有10000个单词的词汇，并且正在使用具有100维激活的LSTM。 每步当中的维数是多少？
A:1 B:1000 C:300 D:100
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
