一、單項選擇題（本大題共 15 小題）

1、以下關于深度學習與機器學習關系的說法，正確的是（ 　）。

① 深度學習是機器學習的一個分支，通過多層神經網絡自動學習特征表示

② 深度學習和機器學習是完全獨立的兩個領域

③ 機器學習只能處理結構化數據，深度學習只能處理非結構化數據

④ 深度學習不需要訓練數據

2、人工神經網絡的發展歷史上，導致神經網絡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 年感知器的發明

③ 1969 年明斯基和派普特指出感知器無法解決異或問題

④ 反向傳播算法重新受到重視

3、以下哪一事件通常被視為深度學習在視覺任務中快速崛起的重要標志，向世界證明了深度神經網絡處理復雜視覺問題的巨大潛力？（ 　）

① 1943 年 M-P 模型的提出

② 1958 年感知器的發明

③ 2012 年 AlexNet 在 ImageNet 挑戰賽奪冠

④ 2017 年 Transformer 架構的提出

4、以下關于 M-P 模型的說法，正確的是（ 　）。

① M-P 模型已經包含了可學習的權重參數

② M-P 模型使用 Sigmoid 作為激活函數

③ M-P 模型是對生物神經元信息處理過程的數學建模

④ M-P 模型能夠自動從數據中學習特征

5、在神經網絡中，激活函數的主要作用是（ 　）。

① 防止過擬合

② 引入非線性變換，增強網絡表達能力

③ 加速梯度下降收斂

④ 減少網絡參數數量

6、以下哪個激活函數可以將輸入映射到 [-1, 1] 區間范圍內？（ 　）

① Logistic 激活函數 ② tanh 激活函數

③ ReLU 激活函數 ④ LeakyReLU 激活函數

7、在神經網絡的參數更新中，梯度下降法的核心思想是（ 　）。

① 沿著梯度正方向更新參數，使損失函數增大

② 沿著梯度負方向更新參數，使損失函數減小

③ 隨機更新參數，尋找全局最優

④ 直接求解損失函數的最小值點

8、關于反向傳播算法的描述，正確的是（ 　）。

① 反向傳播用于計算網絡輸出，即前向傳播

② 反向傳播通過鏈式求導法則計算損失函數對各參數的梯度

③ 反向傳播只需要計算一次即可完成訓練

④ 反向傳播算法不需要損失函數

9、卷積神經網絡（CNN）中最核心的特征提取層是（ 　）。

① 全連接層 ② 池化層

③ 卷積層 ④ 輸出層

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

① 增加特征圖尺寸

② 在局部窗口內選取最大值，保留顯著特征并降低維度

③ 對特征圖進行非線性變換

④ 實現特征圖的全局平均

11、循環神經網絡（RNN）的核心設計特點是（ 　）。

① 通過卷積核提取局部特征

② 通過自注意力機制建立全局關聯

③ 通過隱藏狀態傳遞歷史信息，處理序列數據

④ 通過生成器和判別器的對抗學習

12、以下關于 LSTM 和 GRU 的說法，正確的是（ 　）。

① LSTM 和 GRU 完全解決了梯度消失問題，可以處理任意長度序列

② LSTM 和 GRU 通過引入門控機制，部分緩解了 RNN 的梯度消失問題

③ LSTM 和 GRU 比標準 RNN 計算更簡單，參數更少

④ LSTM 和 GRU 無法處理長序列依賴

13、Transformer 架構的核心創新是（ 　）。

① 引入循環結構處理序列

② 使用卷積層替代全連接層

③ 基于自注意力機制，避免傳統遞歸結構，實現并行處理

④ 引入生成對抗訓練

14、生成對抗網絡（GAN）由哪兩個部分構成？（ 　）

① 編碼器和解碼器 ② 生成器和判別器

③ 卷積層和池化層 ④ 注意力層和前饋層

15、在 PyTorch 框架中，用于自動計算梯度的核心機制是（ 　）。

① Tensor 對象 ② autograd 包

③ nn.Module 模塊 ④ DataLoader

二、判斷題（本大題共 5 小題）

1、深度學習是機器學習的一個子集，其核心區別在于能夠通過多層神經網絡自動從數據中學習層次化特征表示。（ 　）

2、多層感知器（MLP）中，同一層內的神經元之間存在相互連接，相鄰層的神經元之間也兩兩相互連接。（ 　）

3、ReLU 激活函數在輸入為負值時輸出為 0，可能導致部分神經元“失活”，但在正區間梯度恒為 1，有助于緩解梯度消失問題。（ 　）

4、卷積神經網絡中的池化層包含可學習的權重參數，需要通過反向傳播進行更新。（ 　）

5、Transformer 模型不使用傳統循環結構，主要依賴自注意力機制建模序列中不同位置之間的關聯。（ 　）

三、填空題（本大題共 5 小題）

1、人工神經網絡中，用于衡量模型預測值與真實值之間差異的函數稱為________函數；通過不斷調整網絡參數使該函數值最小化的過程稱為________。

2、在卷積神經網絡中，________層通過局部感受野和________機制大幅減少參數數量，________層通過下采樣實現特征降維。

3、循環神經網絡（RNN）在訓練長序列時容易遇到________或________問題，LSTM 和 GRU 通過引入________機制來緩解這一問題。

4、Transformer 架構的核心是________機制，它允許序列中每個元素直接與所有其他元素建立關聯；為了保留序列的位置信息，Transformer 引入了________編碼。

5、生成對抗網絡（GAN）由________和________兩個深度神經網絡構成，二者形成動態對抗關系，最終達到________均衡。

“點贊有美意，贊賞是鼓勵”