一、名词解释（24）
1.反向传播
2.激活函数
3.梯度裁剪
4.数据增强
5.迁移学习
6.过拟合
7.word2Vec
8.注意力机制
二、简答题（48）
1.池化的概念（作用）以及常见的两种池化操作
2.LSTM为什么能解决RNN的长期依赖问题
3.dropout为什么能抑制过拟合，其在训练和测试的实现差异
4.卷积神经网络比全连接网络更适合图像处理的三个原因
5.比较rnn、LSTM、transforms的性能差异
6.负采样的作用，以及负采样如何优化学习效率
三、综合题（28）
1.
（1）梯度消失的数学原因（4）
（2）三层神经网络，不考虑激活函数x＝1，w1＝0.5，w2＝0.3，w3＝0.2。给出前向传播的公式；dL/dy＝1.0，求dL/dwi（6）
（3）三维卷积运算：输入数据32*32*3，10个卷积核5*5，步长为1，填充是0，求输出尺寸和参数数量；池化2*2，步长2，求池化尺寸（7）
2.
（1）CBOW和skip-gram的结构差异（4）
（2）LSTM中对语言模型的优化方法（4）
（3）seq2seq的不足，以及attention的机制是如何解决这个问题（4）
总结：考试更成熟了，题目更多了，知识点更细了
提醒：实验50%期末考试50%
相关资料：看一遍书（代码跳过）、复习笔记，概念汇总，往年试题
复习笔记
概念汇总
2024年期末试题
2023年期末试题
2022年期末试题
