人工智能通识基础 练习题

判断题 1分

GRU比LSTM的结构更简单。

判断题 1分

神经网络的训练过程就是不断调整权重和偏置的过程。

判断题 1分

批量大小（batch size）不影响训练效果。

判断题 1分

CNN中的特征图数量等于卷积核的数量。

判断题 1分

一个三层神经网络（1个隐藏层）可以近似任何连续函数。

判断题 1分

在神经网络中，权重和偏置的初始值都设为0是最佳选择。

判断题 1分

RNN在处理长序列时，较早的信息可能被遗忘。

判断题 1分

Softmax函数的输出之和等于1。

判断题 1分

神经网络的训练一定需要GPU才能完成。

单选题 2分

前馈神经网络通过误差反向传播进行参数学习，这是一种机器学习手段

1. A监督学习
2. B无监督学习
3. C半监督学习
4. D无监督学习与监督学习的结合

单选题 2分

人工神经元的输入不包含

1. A特征值
2. B权重
3. C偏置
4. D激活函数输出

单选题 2分

以下不属于激活函数的是

1. ASigmoid
2. BReLU
3. CMSE
4. DTanh

单选题 2分

神经网络的“输入-隐藏-输出”层结构中，隐藏层的作用是

1. A接收原始数据
2. B输出预测结果
3. C提取数据特征
4. D仅做数据传递

单选题 2分

Keras中搭建神经网络模型的核心类是

1. AModel
2. BLayer
3. CSequential
4. DOptimizer

单选题 2分

反向传播的核心目的是

1. A计算前向传播结果
2. B调整权重以降低误差
3. C激活神经元
4. D增加网络层数

单选题 2分

生物神经元与人工神经元的对应关系中，突触对应

1. A输入特征
2. B权重
3. C激活函数
4. D输出

单选题 2分

神经网络前向传播的顺序是

1. A输出层→隐藏层→输入层
2. B输入层→隐藏层→输出层
3. C隐藏层→输入层→输出层
4. D无固定顺序

单选题 2分

以下关于神经网络层数的说法，正确的是

1. A层数越多模型效果越好
2. B层数需根据任务适配
3. C隐藏层数量必须为1
4. D输出层数量等于输入特征数

单选题 2分

Keras中添加全连接层的函数是

1. Akeras.layers.Dense()
2. Bkeras.layers.Conv2D()
3. Ckeras.layers.LSTM()
4. Dkeras.layers.Flatten()

单选题 2分

人工神经网络的核心优势是

1. A仅处理线性问题
2. B自动提取复杂特征
3. C训练速度极快
4. D无需数据训练