思考与练习（人社版人工智能通识课第五章 深度学习）

一、单项选择题（本大题共 15 小题）

1、以下关于深度学习与机器学习关系的说法，正确的是（ 　）。

① 深度学习是机器学习的一个分支，通过多层神经网络自动学习特征表示

② 深度学习和机器学习是完全独立的两个领域

③ 机器学习只能处理结构化数据，深度学习只能处理非结构化数据

④ 深度学习不需要训练数据

2、人工神经网络的发展历史上，导致神经网络研究第一次陷入低潮的事件是（ 　）。

① 1943 年 M-P 模型的提出

② 1958 年感知器的发明

③ 1969 年明斯基和派普特指出感知器无法解决异或问题

④ 反向传播算法重新受到重视

3、以下哪一事件通常被视为深度学习在视觉任务中快速崛起的重要标志，向世界证明了深度神经网络处理复杂视觉问题的巨大潜力？（ 　）

① 1943 年 M-P 模型的提出

② 1958 年感知器的发明

③ 2012 年 AlexNet 在 ImageNet 挑战赛夺冠

④ 2017 年 Transformer 架构的提出

4、以下关于 M-P 模型的说法，正确的是（ 　）。

① M-P 模型已经包含了可学习的权重参数

② M-P 模型使用 Sigmoid 作为激活函数

③ M-P 模型是对生物神经元信息处理过程的数学建模

④ M-P 模型能够自动从数据中学习特征

5、在神经网络中，激活函数的主要作用是（ 　）。

① 防止过拟合

② 引入非线性变换，增强网络表达能力

③ 加速梯度下降收敛

④ 减少网络参数数量

6、以下哪个激活函数可以将输入映射到 [-1, 1] 区间范围内？（ 　）

① Logistic 激活函数 ② tanh 激活函数

③ ReLU 激活函数 ④ LeakyReLU 激活函数

7、在神经网络的参数更新中，梯度下降法的核心思想是（ 　）。

① 沿着梯度正方向更新参数，使损失函数增大

② 沿着梯度负方向更新参数，使损失函数减小

③ 随机更新参数，寻找全局最优

④ 直接求解损失函数的最小值点

8、关于反向传播算法的描述，正确的是（ 　）。

① 反向传播用于计算网络输出，即前向传播

② 反向传播通过链式求导法则计算损失函数对各参数的梯度

③ 反向传播只需要计算一次即可完成训练

④ 反向传播算法不需要损失函数

9、卷积神经网络（CNN）中最核心的特征提取层是（ 　）。

① 全连接层 ② 池化层

③ 卷积层 ④ 输出层

10、在 CNN 的池化层中，最大池化（Max Pooling）的作用是（ 　）。

① 增加特征图尺寸

② 在局部窗口内选取最大值，保留显著特征并降低维度

③ 对特征图进行非线性变换

④ 实现特征图的全局平均

11、循环神经网络（RNN）的核心设计特点是（ 　）。

① 通过卷积核提取局部特征

② 通过自注意力机制建立全局关联

③ 通过隐藏状态传递历史信息，处理序列数据

④ 通过生成器和判别器的对抗学习

12、以下关于 LSTM 和 GRU 的说法，正确的是（ 　）。

① LSTM 和 GRU 完全解决了梯度消失问题，可以处理任意长度序列

② LSTM 和 GRU 通过引入门控机制，部分缓解了 RNN 的梯度消失问题

③ LSTM 和 GRU 比标准 RNN 计算更简单，参数更少

④ LSTM 和 GRU 无法处理长序列依赖

13、Transformer 架构的核心创新是（ 　）。

① 引入循环结构处理序列

② 使用卷积层替代全连接层

③ 基于自注意力机制，避免传统递归结构，实现并行处理

④ 引入生成对抗训练

14、生成对抗网络（GAN）由哪两个部分构成？（ 　）

① 编码器和解码器 ② 生成器和判别器

③ 卷积层和池化层 ④ 注意力层和前馈层

15、在 PyTorch 框架中，用于自动计算梯度的核心机制是（ 　）。

① Tensor 对象 ② autograd 包

③ nn.Module 模块 ④ DataLoader

二、判断题（本大题共 5 小题）

1、深度学习是机器学习的一个子集，其核心区别在于能够通过多层神经网络自动从数据中学习层次化特征表示。（ 　）

2、多层感知器（MLP）中，同一层内的神经元之间存在相互连接，相邻层的神经元之间也两两相互连接。（ 　）

3、ReLU 激活函数在输入为负值时输出为 0，可能导致部分神经元“失活”，但在正区间梯度恒为 1，有助于缓解梯度消失问题。（ 　）

4、卷积神经网络中的池化层包含可学习的权重参数，需要通过反向传播进行更新。（ 　）

5、Transformer 模型不使用传统循环结构，主要依赖自注意力机制建模序列中不同位置之间的关联。（ 　）

三、填空题（本大题共 5 小题）

1、人工神经网络中，用于衡量模型预测值与真实值之间差异的函数称为________函数；通过不断调整网络参数使该函数值最小化的过程称为________。

2、在卷积神经网络中，________层通过局部感受野和________机制大幅减少参数数量，________层通过下采样实现特征降维。

3、循环神经网络（RNN）在训练长序列时容易遇到________或________问题，LSTM 和 GRU 通过引入________机制来缓解这一问题。

4、Transformer 架构的核心是________机制，它允许序列中每个元素直接与所有其他元素建立关联；为了保留序列的位置信息，Transformer 引入了________编码。

5、生成对抗网络（GAN）由________和________两个深度神经网络构成，二者形成动态对抗关系，最终达到________均衡。

“点赞有美意，赞赏是鼓励”