深度学习 模拟试卷
神经网络基础专项测试
- 神经元与感知机模型：加权求和与偏置的作用、线性决策边界、异或问题的线性不可分性
- 激活函数与非线性表达：Sigmoid 饱和导致的梯度消失、ReLU 的正半轴导数与神经元死亡、Tanh 的零均值特性
- 多层网络与前向传播：全连接层的矩阵维度对应关系、参数量计算、前向传播与参数更新的分工
试卷习题（10 题）
参考答案在文末判断题
1
判断题
如果多层神经网络的每一个隐藏层都不使用激活函数，那么整个网络在表达能力上等价于一个单层线性模型。
2
判断题
在多层感知机中，把隐藏层的 Sigmoid 换成 ReLU 通常能让训练收敛更快，原因之一是 ReLU 在正半轴的导数恒为 1，反向传播时梯度不会像 Sigmoid 那样逐层衰减。
单选题
3
单选题
一个只含单个输出神经元的感知机，输出为 。关于它的决策边界，下列说法正确的是：
4
单选题
在深层神经网络中，把 Sigmoid 用作隐藏层激活函数时很容易出现梯度消失。造成这一现象的直接原因是：
5
单选题
某全连接神经网络输入层为 10 维向量，隐藏层有 20 个神经元，输出层有 3 个神经元。若不计偏置项，该网络可训练权重的总个数为：
多选题
6
多选题
关于单个感知机（单层结构，只有一个输出神经元），下列说法正确的有：
7
多选题
关于常见激活函数的特性，下列说法正确的有：
8
多选题
关于全连接神经网络的前向传播过程，下列说法正确的有：
9
多选题
关于单层感知机与包含隐藏层的多层感知机的对比，下列说法正确的有：
填空题
10
填空题
设一个全连接神经网络：输入层 4 个神经元，隐藏层 5 个神经元，输出层 2 个神经元，且每一层都带偏置。输入层到隐藏层的参数（权重与偏置之和）共有 个；整个网络两层合计的参数共有 个。
参考答案
1.正确
2.正确
3.A
4.B
5.C
6.A;B;D
7.A;B;C
8.A;B;C
9.A;B;C
10.25;37
