2026年春江苏开放大学神经网络与深度学习060732形成性考核作业一答案

试题列表
单选题
题型：单选题客观题分值5分难度：中等得分：5
1
Sigmoid是逻辑回归模型的激活函数，对sigmoid函数求导，结果为？
A

B

C

D

学生答案：A
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
2
下列对于机器学习一般方法的叙述，错误的是？
A
监督学习算法训练含有很多特征的数据集，不过数据集中的样本都有一个标签（label）或目标（target）
B
深度学习属于监督学习的一种，目前常用多层神经网络的方法进行训练
C
无监督学习算法训练含有很多特征的数据集，然后学习出这个数据集上有用的结构性质
D
强化学习算法会和环境进行交互，学习系统和它的训练过程会有反馈回路
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
3
下列降维⽅法中不属于⽆监督学习的是？
A
主成分分析（PCA）
B
局部线性嵌⼊（LLE）
C
多维尺度变换（MDS）
D
线性判别分析（LDA）
学生答案：D
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
4
下列算法中属于⽆监督学习算法的是？
A
SVM
B
Logisitic Regression
C
KNN
D
K-means
学生答案：D
老师点评：
题型：单选题客观题分值5分难度：一般得分：5
5
下列关于多层感知机MLP的说法，不正确的是（）
A
增加MLP的隐藏层层数会增强MLP的表示能⼒，因此测试误差便⼀定会减⼩，预测能⼒也会更强
B
MLP通常使⽤反向传播算法来进⾏监督学习
C
MLP的常⽤激活函数有Sigmoid函数，tanh函数，ReLU函数等
D
MLP各层之间的神经元连接⽅式为全连接
学生答案：A
老师点评：
题型：单选题客观题分值5分难度：一般得分：5
6
不会对K-means算法产⽣影响的因素是？
A
样本输⼊顺序
B
模式相似性测度
C
聚类准则
D
初始类中⼼的选取
学生答案：C
老师点评：
题型：单选题客观题分值5分难度：一般得分：5
7
，
A
(y + 2)f(xy + 2x)(1 − f(xy + 2x))
B
xf(xy + 2x)(1 − f(xy + 2x))
C
xf(xy + 2x)
D
f(xy + 2x)(1 − f(xy + 2x))
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：中等得分：5
8
下列关于Lasso回归和岭回归的说法错误的是？
A
相⽐于Lasso回归，岭回归更易出现稀疏解
B
Lasso回归在误差函数上增加的正则化项是模型参数的L1范数
C
岭回归在误差函数上增加的正则化项是模型参数的L2范数的平⽅
D
Lasso回归和岭回归均是在误差函数上增加⼀个正则化项
学生答案：A
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
9
以下哪⼀个不是深度学习在近⼏年获得⻜速发展的原因？
A
更多稳健的优化算法和深度学习平台的发展
B
更多优秀的⽹络结构和并⾏运算的发展
C
感知机模型的提出
D
更好的⾮线性激活函数和新的正则化技术的发展
学生答案：C
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
10
下⾯关于ID3算法说法错误的是？
A
信息增益可以⽤熵，⽽不是GINI系数来计算
B
ID3算法是⼀个⼆叉树模型
C
选取信息增益最⼤的特征，作为树的根节点
D
ID3算法要求特征必须离散化
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
11
下列关于⽀持向量机说法错误的是？
A
⽀持向量机（Support Vector Machine, SVM）属于有监督学习的分类模型，并⼴泛应⽤于统计分 类及回归分析中
B
⽀持向量机的分类边界与全体数据点有关
C
⽀持向量机模型可以通过核⽅法来处理线性不可分的数据
D
SVM构建了⼀个或多个⾼维（甚⾄是⽆限维的）超平⾯来分割样本点，这个超平⾯即为分类边界
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
12
在其他条件不变的前提下，以下哪种做法容易引起机器学习中的过拟合问题？
A
减少神经⽹络隐藏层节点数
B
增加训练集数量
C
减少正则化的强度
D
删除稀疏的特征
学生答案：C
老师点评：
题型：单选题客观题分值5分难度：简单得分：5
13
下列对于机器学习⼀般⽅法的叙述，错误的是？
A
强化学习算法会和环境进⾏交互，学习系统和它的训练过程会有反馈回路
B
深度学习属于监督学习的⼀种，⽬前常⽤多层神经⽹络的⽅法进⾏训练
C
监督学习算法训练含有很多特征的数据集，不过数据集中的样本都有⼀个标签（label）或⽬标 （target）
D
⽆监督学习算法训练含有很多特征的数据集，然后学习出这个数据集上有⽤的结构性质
学生答案：B
老师点评：
题型：单选题客观题分值5分难度：中等得分：5
14
下列关于过拟合描述正确的是?
A
过拟合意味着⾼偏差⾼⽅差
B
过拟合意味着低偏差低⽅差
C
过拟合意味着低偏差⾼⽅差
D
过拟合意味着⾼偏差低⽅差
学生答案：C
老师点评：
多选题
题型：多选题客观题分值5分难度：较难得分：5
1
反向传播算法在基于梯度下降的策略寻找最优参数时，结果往往会收敛到局部极⼩值，可以 采取下列哪些⽅法来“跳出”局部极⼩值，从⽽进⼀步接近全局最⼩值？（）
A
采取正则化策略
B
增加神经⽹络的深度
C
使⽤多组不同的参数值初始化多个神经⽹络
D
使⽤随机梯度下降
学生答案：C；D
老师点评：
题型：多选题客观题分值5分难度：简单得分：5
2
以下关于深度学习和神经⽹络的描述，正确的是？
A
神经⽹络可以较好的解决贡献度分配问题(Credit Assignment Problem)
B
神经⽹络是⼀种浅层学习
C
⽬前深度学习以神经⽹络为主要模型
D
神经⽹络等同于深度学习
学生答案：A；C
老师点评：
题型：多选题客观题分值5分难度：简单得分：5
3
以下关于感知机模型的说法，错误的是？
A
多层感知机由两层神经元组成，分别为输⼊层和输出层。
B
损失函数是感知机模型优化的⽬标函数，拟合越差损失函数值越⼤。
C
单层感知机只由单层神经元组成。
D
Sigmoid、tanh、ReLU都是感知机模型中常⻅的激活函数。
学生答案：A；C
老师点评：
题型：多选题客观题分值5分难度：简单得分：5
4
AlphaGo是DeepMind研发的围棋⼈⼯智能系统，2016年以4:1击败韩国选⼿李世乭引起了整 个社会对⼈⼯智能的极⼤关注，下列关于AlphaGo说法正确的是（）
A
AlphaGo训练模型过程中通过价值⽹络和策略⽹络选择最优下⼦⽅法
B
AlphaGo使⽤蒙特卡罗树搜索提⾼稳定性
C
AlphaGo的技术不涉及强化学习
D
训练AlphaGo没有⽤到⼈类玩家的棋局数据
学生答案：A；B
老师点评：
简答题
题型：简答题主观题分值10分难度：简单得分：8
1
请阐述监督学习与无监督学习的主要区别，并分别给出两个典型应用场景，说明为何适用。

答案