【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 |