BAT机器学习面试1000题系列(第136~140题)


上期思考题及参考解析
135.简述神经网络的发展
  MP模型+sgn—->单层感知机(只能线性)+sgn— Minsky 低谷 —>多层感知机+BP+sigmoid—- (低谷) —>深度学习+pre-training+ReLU/sigmoid

——————————————我是分割线——————————————

136.深度学习常用方法
  @SmallisBig,来源:http://blog.csdn.net/u01049616 ... 50487
  全连接DNN(相邻层相互连接、层内无连接):
  AutoEncoder(尽可能还原输入)、Sparse Coding(在AE上加入L1规范)、RBM(解决概率问题)—–>特征探测器——>栈式叠加 贪心训练
  RBM—->DBN
  解决全连接DNN的全连接问题—–>CNN
  解决全连接DNN的无法对时间序列上变化进行建模的问题—–>RNN—解决时间轴上的梯度消失问题——->LSTM

137.神经网络模型(Neural Network)因受人类大脑的启发而得名。
01.jpg
  神经网络由许多神经元(Neuron)组成,每个神经元接受一个输入,对输入进行处理后给出一个输出,如下图所示。请问下列关于神经元的描述中,哪一项是正确的?
02.jpg
  A.每个神经元只有一个输入和一个输出
  B.每个神经元有多个输入和一个输出
  C.每个神经元有一个输入和多个输出
  D.每个神经元有多个输入和多个输出
  E.上述都正确

  答案:(E)
  每个神经元可以有一个或多个输入,和一个或多个输出

138.下图是一个神经元的数学表示
03.jpg
  这些组成部分分别表示为:
  - x1, x2,…, xN:表示神经元的输入。可以是输入层的实际观测值,也可以是某一个隐藏层(Hidden Layer)的中间值
  - w1, w2,…,wN:表示每一个输入的权重
  - bi:表示偏差单元/偏移量(bias unit)。作为常数项加到激活函数的输入当中,类似截距(Intercept)
  - a:作为神经元的激励函数(Activation),可以表示为
04.jpg
  - y:神经元输出
  考虑上述标注,线性等式(y = mx + c)可以被认为是属于神经元吗:

  A. 是
  B. 否
  答案:(A)
  一个不包含非线性的神经元可以看作是线性回归函数(Linear Regression Function)。

139.在一个神经网络中,知道每一个神经元的权重和偏差是最重要的一步。如果知道了神经元准确的权重和偏差,便可以近似任何函数,但怎么获知每个神经的权重和偏移呢?
   A 搜索每个可能的权重和偏差组合,直到得到最佳值
  B 赋予一个初始值,然后检查跟最佳值的差值,不断迭代调整权重
  C 随机赋值,听天由命
   D 以上都不正确的

  答案:(C)
  选项C是对梯度下降的描述。
——————————————我是分割线——————————————

本期思考题:
140.梯度下降算法的正确步骤是什么?
  1.计算预测值和真实值之间的误差
  2.重复迭代,直至得到网络权重的最佳值
  3.把输入传入网络,得到输出值
  4.用随机值初始化权重和偏差
  5.对每一个产生误差的神经元,调整相应的(权重)值以减小误差

  A. 1, 2, 3, 4, 5
  B. 5, 4, 3, 2, 1
  C. 3, 2, 1, 5, 4
  D. 4, 3, 1, 5, 2

在评论区留言,一起交流探讨,让更多小伙伴受益。
参考答案在明天公众号上公布,敬请关注!
关注公号:julyedulab,第一时间获取「BAT机器学习面试1000题系列」最新题目哦~

往期题目:
【BAT机器学习面试题】前100题汇总及勘误(上)
【BAT机器学习面试题】前100题汇总及勘误(中)
【BAT机器学习面试题】前100题汇总及勘误(下)
BAT机器学习面试1000题系列(第101~105题)
BAT机器学习面试1000题系列(第106~110题)
BAT机器学习面试1000题系列(第111~115题)
BAT机器学习面试1000题系列(第116~120题)
BAT机器学习面试1000题系列(第121~125题)
BAT机器学习面试1000题系列(第126~130题)
BAT机器学习面试1000题系列(第131~135题)
已邀请:

要回复问题请先登录注册

返回顶部