人工智能应用技术

您的姓名：
1、以下属于监督学习算法的是？
2、TensorFlow中用于定义计算图的核心API是？
3、模型评估指标“准确率（Accuracy）”的计算公式是？
4、以下哪种神经网络结构适合处理序列数据（如文本、时间序列）？
5、“过拟合”是指模型在什么情况下的表现？
6、PyTorch中用于构建神经网络层的模块是？
7、以下哪种不是图像预处理的常见操作？
8、逻辑回归算法的输出结果范围是？
9、CNN中“卷积层”的主要作用是？
10、以下哪种优化器不是基于梯度下降的变种？
11、“词袋模型（Bag of Words）”处理文本时的缺点是？
12、GAN（生成对抗网络）的核心组成是？
13、模型训练中“学习率（Learning Rate）”过大可能导致的问题是？
14、以下哪种任务不属于计算机视觉（CV）领域？
15、ResNet中“残差连接（Residual Connection）”的主要作用是？
16、“Batch Normalization（批量归一化）”的作用是？
17、以下哪种不是BERT模型的特点？
18、模型评估中“召回率（Recall）”主要衡量模型的什么能力？
19、PyTorch中“动态计算图”的特点是？
20、以下哪种数据增强方法不适用于图像分类任务？
21、以下属于无监督学习任务的有？
22、TensorFlow和PyTorch的共同特点有？
23、防止模型过拟合的常用方法有？
24、Transformer模型的核心组件包括？
25、计算机视觉领域中，目标检测算法的代表有？
26、无监督学习算法不需要任何数据就能训练模型。
27、CNN的池化层（Pooling Layer）可以减少特征图的空间维度，同时保留关键特征。
28、Adam优化器结合了动量（Momentum）和RMSprop的优点，是目前最常用的优化器之一。
29、BERT模型是基于单向语言模型训练的，只能从左到右理解文本。
30、模型的准确率（Accuracy）越高，说明模型的性能越好，无需关注其他指标。
31、简述监督学习和无监督学习的核心区别，各举2个典型算法例子。
32、什么是“数据增强”？在图像分类任务中，常用的数据增强方法有哪些？
33、简述CNN的基本结构（从输入到输出），并说明各层的主要作用。
34、什么是“梯度下降”？简述SGD（随机梯度下降）和BGD（批量梯度下降）的区别。
35、简述BERT模型的“预训练-微调”模式，说明该模式的优势。
更多问卷 复制此问卷