1.单选题(2分)

　　以下说法错误的是()

　　AReLu作为神经网络隐层神经元的激活函数可以有效减轻梯度消失现象

　　BSigmoid函数作为神经网络隐层神经元的激活函数可以有效减轻梯度消失现象

　　CSigmoid函数作为神经网络隐层神经元的激活函数可以减轻梯度爆炸现象

　　D数据归一化可以在一定程度防止出现梯度爆炸现象

　　正确答案：B

　　2.单选题(2分)

　　下面有模型拟合状态的说法，错误的是()

　　A模型过拟合是指把训练样本本身特点当做所有潜在样本都会具有的一般性质

　　B分类器在训练数据上错误率很低，但在测试数据上的错误率仍然很高，此时模型很可能处于过拟合状态

　　C分类器在测试数据上错误率很高就是处于过拟合状态

　　D欠拟合是指模型在训练样本的一般性质尚未被学习器学好

　　正确答案：C

　　3.单选题(2分)

　　对于不同类地物光谱差异很小、任意完全相同的地物分类问题，宜采取()

　　A增加地物在图像平面上的纹理或几何等特征，提升不同类地物的可分性

　　B基于光谱特征，通过增加模型的复杂程度达到有效分类的目的

　　C扩充同分布的训练数据规模

　　D通过正则化简化分类边界

　　正确答案：A

　　4.单选题(2分)

……此处隐藏5136个字…… /p>

　　11.主观题(15分)

　　给定一个感知器网络的输入并假设网络中任意感知器的输入x，权重w和偏置b遵循w⋅x+b≠0。现用Sigmoid型神经元替换网络中所有的感知器，并将所有的权重和偏置乘以一个正常数c>0。证明在c→∞的极限情况下，S型神经元网络的行为和感知器网络的完全一致。当一个感知器的w⋅x+b=0时又为什么会不同?

　　无

　　12.主观题(15分)

　　请举例说明或证明线性激活函数s(z)=z不能用于逼近任意函数的通用激活函数?

　　无

　　13.主观题(15分)

　　在二元分类问题中通常假设类别真值y的取值分别为1或0。在回归问题中，y的值可以是介于0到1之间的某个数，请证明在回归问题中当交叉熵对所有训练数据在输出节点的激活值σ(z)=y时损失函数C仍然是最小化的，此时的交叉熵的表示形式为：

　　无

　　14.主观题(15分)

　　当全连接神经网络隐层神经元的激活函数使用ReLU函数时，学习过程中是否仍然会出现梯度不稳定的问题，为什么?

　　无

　　15.主观题(20分)

　　假设在学习过程中观察到如下现象：在训练数据集上学习到的模型损失已经很低(分类精度很高)，但在验证数据上的损失明显高于训练损失(分类精度较低)。请从训练数据、分类模型和学习算法三个方面举例说明有哪些典型的情景可能可以观察到上述现象，有哪些相应的途径可以减轻或消除上述现象。

　　无