【人工智能】数据挖掘与应用题库（201-300）

1、在LetNet5网络中，卷积核的大小是？

答案：5*5

2、LeNet5网络参数的数量约为？

答案：6万

3、AlexNet与LeNet5相比，使用了哪些机制来改进模型的训练过程？

答案：

数据增广

Dropout抑制过拟合

ReLU激活函数

CUDA加速神经网络训练

4、VGGNet使用的卷积核的大小是？

答案：3*3

5、神经网络的“退化”现象是指？

答案：随着网络深度的增加，模型的准确性会不升反降

6、导致神经网络“退化”的主要原因是？

 答案：反向传播算法中的链式求导法则

7、下列哪种网络类型较好地解决了网络“退化”问题？

答案：ResNet

8、神经网络的学习率设置过大，容易导致：

答案：在最小值附近震荡，无法收敛

9、神经网络的学习率设置过小，容易导致：

答案：网络收敛速度慢

10、下列关于Keras序贯式模型的说法，正确的是？

答案：

网络层线性堆叠

构建简单、结构清晰

单输入、单输出

11、Keras中定义序贯式模型的类为：

 答案：Sequential

12、Keras中典型的函数式模型应用为：

 答案：多输入模型、多输出模型

13、Keras中，神经网络模型对象的方法包括：

答案：

fit

compile

predict

evaluate

14、一个全连接层的参数数量与下列哪些因素有关？

答案：输入的连接数、本层神经元的个数

15、Keras中，下列哪个方法可以输出模型的信息？

答案：summary

16、多通道图像的卷积核也应该是多通道的。

答案：对

17、下列哪些属于Keras中的循环神经网络层类型？

答案：

GRU

MaxPool

SimpleRNN

18、使用默认参数的池化层之后，特征图的尺寸将变为原来的：

答案：二分之一

19、卷积层的参数数量与哪些有关？

答案：

卷积核的个数

卷积核的形状

输入的特征图的数量

20、下列哪些属于图像数据增广的常见形式？

缩放

平移