人工智能练习题 不定项选择
CH1 人工智能基础
神经网络基础概念:
输入输出,激活函数,有监督/无监督学习等
数学基础:
- 高等数学:微积分、导数
- 线性代数:矩阵、向量、标量、张量、范数
- 概率论:条件概率,贝叶斯公式
- 信息论:信息熵
范数: ∣ ∣ x ∣ ∣ p = ∑ i ∣ x i ∣ p p || \boldsymbol{x}||_{p}=\sqrt[p]{{\sum_{i} |x_i|^{p}}} ∣∣x∣∣p=p∑i∣xi∣p,记作 L p L_p Lp,读作 p p p阶范数
p
=
0
p=0
p=0时,
L
0
=
∑
i
∣
x
i
∣
0
L_0={\sum_{i} |x_i|^{0}}
L0=∑i∣xi∣0,为非零元素xi的个数
p
=
1
p=1
p=1时,
L
1
=
∑
i
∣
x
i
∣
L_1={\sum_{i} |x_i|}
L1=∑i∣xi∣,为所有元素的绝对值之和
p
=
2
p=2
p=2时:
L
2
=
∣
∣
x
∣
∣
p
=
∑
i
x
i
2
2
L_2=|| \boldsymbol{x}||_{p}=\sqrt[2]{{\sum_{i} x_i^{2}}}
L2=∣∣x∣∣p=2∑ixi2,即所有xi的平方和再开方,
L
2
L_2
L2极其常见,常用
∣
∣
x
∣
∣
|| \boldsymbol{x}||
∣∣x∣∣简记
L
2
L_2
L2的典型应用——欧式距离。可用于优化正则化项,避免过拟合
答案:
1、B
2、A
3、AB
4、B
5、B
6、B
7、A
8、ABC
9、ACD
10、A
11、BC
12、A
13、A
14、B
15、ABC
注意原话:
https://captainbed.vip/1-2-4/
第(3)问 网络通过梯度下降学习
第(2)问B选项说反了,针对于整个训练集的损失函数叫做成本函数(cost function)
第(8)问揭示了神经网络基本结构+解决问题的原理:
每层结构:线性叠加+激活函数输出
每一层之间再连接