MOOC 人工神经网络（黄清宝）(广西大学)1452733198 最新慕课完整章节测试答案

分类模型

1、单选题：
‏以下哪个算法是基于规则的分类器?‎‏‎
选项：
A: 神经网络
B: k means
C: 朴素贝叶斯
D: 决策树
答案: 【 决策树】

前馈神经网络的认识

1、单选题：
‎有关前馈神经网络的认识正确的是？‏‎‏‎‏
选项：
A: 神经网络训练过程是拟合训练数据模式的过程
B: 神经网络训练后很容易得到分类的规则
C: 神经网络可用于分类和聚类
D: 神经网络模型的分类能力比决策树好
答案: 【 神经网络训练过程是拟合训练数据模式的过程】

感知机

1、单选题：
‏下面关于感知机的说法中正确的是？‍‏ ‍
选项：
A:  某一神经元可以连接下一层的多个神经元，表示该神经元有多个输出
B:  单个感知机是线性回归的训练过程
C:  在感知机中引入激活函数可以解决与异或问题（XOR）
D:  以上都不对
答案: 【  单个感知机是线性回归的训练过程】

神经元的结构

1、单选题：
‍‍神经网络由许多神经元（Neuron）组成，下列关于神经元的陈述中哪一个是正确的？​​
选项：
A: 一个神经元可以有多个输入和一个输出
B: 一个神经元可以有一个输入和多个输出
C: 一个神经元可以有多个输入和多个输出
D: 上述都正确
答案: 【 上述都正确】

神经网络基础

1、单选题：
​有关神经网络的认识正确的是？‍
选项：
A: 感知器可拟合任意的非线性函数。
B: 神经网络的结构多样，但它们只能处理监督式学习问题。
C: BP神经网络通过调整网络的权重和偏置，使得损失函数逼近最小，从而达到拟合训练样本的目的。
D: 神经网络可以直接处理非数值型的输入数据。
答案: 【 BP神经网络通过调整网络的权重和偏置，使得损失函数逼近最小，从而达到拟合训练样本的目的。】

2、单选题：
‎有关激活函数错误的说法是？‍
选项：
A: 激活函数是神经元的输入和输出映射函数。
B: 激活函数会影响神经网络的训练过程，因此会影响神经网络模型的质量。
C: 在修正权重的过程中，靠近多层神经网络输出层的神经元的权重修改一般比较小，容易出现梯度消失。
D: 当神经元的输入比较大时，Sigmoid函数的偏导数比较小，因此容易产生梯度消失。
答案: 【 在修正权重的过程中，靠近多层神经网络输出层的神经元的权重修改一般比较小，容易出现梯度消失。】

3、单选题：
‏有关神经网络训练时使用的学习率参数说法错误的是？‏
选项：
A: 网络训练时刚开始学习率可以大一些，以便提高学习速度，随后应减少学习率，以免引起学习震荡。
B: 学习率过大更容易导致训练陷入局部极小值。
C: 学习率可以随着训练误差动态调整效果更好。
D: 学习率可以与其他网络参数一起训练，对降低代价函数是有利的。
答案: 【 学习率过大更容易导致训练陷入局部极小值。】

4、单选题：
‍下面哪个选项不是神经网络训练过程中过拟合的防止方法？‏
选项：
A: L2正则化
B: 提前终止
C: dropout
D: 修改学习率的大小
答案: 【 修改学习率的大小】

5、单选题：
‎有关神经网络训练过程的说法，错误的是？​
选项：
A: 神经网络权重的初始化大小会对网络的训练结果影响。
B: 使用增加训练次数的方法不一定可以减少代价函数的取值。
C: 对神经网络训练的优化需要综合考虑激活函数、网络结构、权重更新方法等多种因素。
D: 分析问题确定后，神经网络合适的结构就可以确定。
答案: 【 分析问题确定后，神经网络合适的结构就可以确定。】

6、多选题：
​下面有关神经网络的说法，正确的是？‍​​​
选项：
A: 神经网络神经元的输出都是传给其他神经元，不能再反馈回来。
B: 神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化。
C: 神经网络不同层次的神经元可以使用不同的激活函数。
D: 均方差损失函数是神经网络常用的一种代价函数（损失函数）。
答案: 【 神经网络的训练主要是针对神经元之间的权重和神经元的偏置进行一定的调整，使得代价函数极小化。;
神经网络不同层次的神经元可以使用不同的激活函数。;
均方差损失函数是神经网络常用的一种代价函数（损失函数）。】

7、多选题：
‍激活函数通过具有以下哪些性质？​
选项：
A: 非线性
B: 可微性
C: 单调性
D: 计算简单
答案: 【 非线性;
可微性;
单调性;
计算简单】

8、多选题：
‍在神经网络训练中，有关学习率调整说法错误的是？‏
选项：
A: 固定学习率设置太大可能会使神经网络训练震荡不收敛。
B: 学习率可以根据损失函数（代价函数）减少的快慢动态调整。
C: 学习率太小会使神经网络的训练迅速达到极小值。
D: 学习率设置不当会引起神经网络过拟合。
答案: 【 学习率太小会使神经网络的训练迅速达到极小值。;
学习率设置不当会引起神经网络过拟合。】

9、判断题：
‏ReLU是线性激活函数。‏
选项：
A: 正确
B: 错误
答案: 【 错误】

10、判断题：
‏减少神经网络过拟合可以通过增加网络的神经元个数或层数解决。‏
选项：
A: 正确
B: 错误
答案: 【 错误】

11、判断题：
​L2正则化会使网络的权重较小。‌
选项：
A: 正确
B: 错误
答案: 【 正确】

12、填空题：
‏假设一个BP神经网络的输入层、隐层和输出层分别有3、6和4个神经元，请问这个网络一共有多少个权重需要训练？‏
答案: 【 42】

13、填空题：
‌减少过拟合除了正则化外，请再列出1种减少过拟合的方法‍
答案: 【 提前终止##%_YZPRLFH_%##dropout##%_YZPRLFH_%##增加样本】

14、填空题：
‏BP神经网络在训练过程中，损失函数可能比较大，但随着训练的进行，损失函数基本不变化了，这种现象说明神经网络陷入？‍
答案: 【 局部极小值##%_YZPRLFH_%##局部极小##%_YZPRLFH_%##局部最优解】

15、填空题：
​在神经网络的训练过程中，随着训练次数的增加，训练样本的检验误差逐渐减少；但当训练到一定次数后，检验样本的检验误差却增大。这种现象叫称做？​
答案: 【 过拟合】

神经网络权重的优化

1、单选题：
在一个神经网络里，确定每一个神经元的权重和偏差是模型拟合训练样本的目标，比较有效的办法是什么？‏‌‏
选项：
A: 根据人工经验随机赋值。
B: 搜索所有权重和偏差的组合，直到得到最佳值。
C: 赋予一个初始值，然后迭代更新权重，直至代价函数取得极小。
D: 以上都不正确
答案: 【 赋予一个初始值，然后迭代更新权重，直至代价函数取得极小。】

神经网络的常见应用领域

1、单选题：
‌以下哪个领域不适合应用前馈神经网络？‍‌
选项：
A: 预测电信客户流失的可能性。
B: 辅助确定是否给银行的客户贷款。
C: 对基金公司的客户进行分组，了解每组客户的特点。
D: 股票走势的预测。
答案: 【 对基金公司的客户进行分组，了解每组客户的特点。】

神经网络的认识

1、单选题：
‍以下关于人工神经网络（ANN）的描述正确的说法是？‍‍‍‍‍
选项：
A: 神经网络对训练数据中的噪声不敏感，因此数据质量可以差一些也没关系
B: 不能确定输入属性的重要性
C: 训练ANN是一个很耗时的过程
D: 只能用于分类
答案: 【 训练ANN是一个很耗时的过程】

神经网络的训练

1、单选题：
‏梯度下降算法的正确步骤是什么？​‏1. 计算预测值和真实值之间的误差​‏2. 迭代更新，直到找到最佳权重​‏3. 把输入传入网络，得到输出值​‏4. 初始化随机权重和偏差​‏5. 对每一个产生误差的神经元，改变相应的（权重）值以减小误差​​
选项：
A: 12345
B: 54321
C:  3 2154
D:  43152
答案: 【  43152】

神经网络的过拟合

1、多选题：
‏下列哪些方法可以用来降低深度学习模型的过拟合问题？​‏​
选项：
A: 增加更多的数据
B: Early stopping（提前停止训练）
C: Dropout
D: 正则化代价函数
答案: 【 增加更多的数据;
Early stopping（提前停止训练）;
Dropout;
正则化代价函数】