正在加载，请稍候…

完整刷题、自动判分与错题本在主站体验 前往 爱课堂 →
集知集百家之智 · 成一己之知

人工智能通识基础 练习题

共 674 道题，以下仅展示题目与选项，供练习与学习使用。

想边做边批改、自动判分、收藏错题？ 前往主站在线练习《人工智能通识基础》，获得完整学习体验。
前往 爱课堂 学习 →
全部 单选题 多选题 判断题 填空题
单选题 1分
梯度消失问题通常出现在（ ）的网络中
  1. A浅层网络
  2. B只有1层的网络
  3. C没有隐藏层的网络
  4. D深层网络
单选题 1分
卷积神经网络（CNN）主要应用于（ ）领域
  1. A图像识别
  2. B语音识别
  3. C文本翻译
  4. D股票预测
单选题 1分
以下能缓解梯度消失问题的方法是（ ）
  1. A使用ReLU激活函数
  2. B使用Sigmoid激活函数
  3. C减少网络层数到1层
  4. D不使用激活函数
单选题 1分
池化层的主要作用是（ ）
  1. A增加特征图尺寸
  2. B降低特征图尺寸，减少参数
  3. C增加模型参数
  4. D对数据进行卷积
单选题 1分
传统RNN的主要问题是（ ）
  1. A只能处理图片
  2. B难以捕捉长距离依赖
  3. C参数太少
  4. D训练速度太快
单选题 1分
卷积神经网络中的「卷积」操作主要用于（ ）
  1. A扩大图像尺寸
  2. B随机变换数据
  3. C提取局部特征
  4. D增加数据量
单选题 1分
循环神经网络（RNN）适合处理的数据类型是（ ）
  1. A序列数据
  2. B静态图片
  3. C随机数据
  4. D无结构数据
单选题 1分
LSTM是为了解决RNN的（ ）问题而提出的
  1. A训练速度慢
  2. B参数过多
  3. C长期依赖
  4. D只能处理短序列
单选题 1分
LSTM中的「遗忘门」的作用是（ ）
  1. A决定丢弃多少历史记忆
  2. B决定接收多少新信息
  3. C决定输出多少信息
  4. D决定学习率大小
单选题 1分
Dropout技术的作用是（ ）
  1. A缓解过拟合
  2. B加速训练
  3. C增加模型参数
  4. D替代损失函数
单选题 1分
批量归一化（Batch Normalization）的主要作用是（ ）
  1. A增加模型参数
  2. B加速训练收敛，提高稳定性
  3. C减少训练数据
  4. D替代激活函数
单选题 1分
全连接层的特点是（ ）
  1. A只有部分神经元相连
  2. B没有参数
  3. C每个神经元与上一层所有神经元相连
  4. D只能作为输入层
单选题 2分
在CNN中，一个3x3的卷积核在5x5的输入上滑动（步长为1，无填充），输出尺寸为（ ）
  1. A5x5
  2. B4x4
  3. C3x3
  4. D2x2
单选题 1分
感知器（Perceptron）是最简单的神经网络，它只能解决（ ）问题
  1. A线性可分
  2. B非线性可分
  3. C所有分类
  4. D所有回归
单选题 1分
神经网络的偏置项（bias）的作用是（ ）
  1. A减小计算量
  2. B使模型可以平移激活函数
  3. C增加训练数据
  4. D替代权重
单选题 1分
神经网络的层数越多，模型效果一定越好。这个说法是（ ）
  1. A正确的
  2. B错误的
  3. C视情况而定但基本正确
  4. D无法判断
多选题 2分
以下关于Sigmoid函数的说法正确的有（ ）
  1. A输出范围为(0,1)
  2. B常用于二分类输出层
  3. C是ReLU的变体
  4. D不容易导致梯度消失
单选题 1分
以下关于前馈神经网络的说法正确的是（ ）
  1. A必须有反馈连接
  2. B只能有1个隐藏层
  3. C不需要激活函数
  4. D信息从输入到输出单向流动
单选题 1分
小吴发现训练神经网络时损失值出现剧烈震荡，最可能的原因是（ ）
  1. A学习率太大
  2. B学习率太小
  3. C数据量太大
  4. D网络层数太少
多选题 2分
以下关于ReLU的说法正确的有（ ）
  1. A计算简单高效
  2. B能缓解梯度消失
  3. C输出范围为(0,1)
  4. D不存在任何缺点

本页仅提供题目与选项供学习参考，不含答案。如需系统练习、自动判分与错题本，欢迎前往主站《人工智能通识基础》在线练习。