人工智能、深度学习、机器学习常见面试题56~70

56. 已知：

  - 大脑是有很多个叫做神经元的东西构成，神经网络是对大脑的简单的数学表达。
  - 每一个神经元都有输入、处理函数和输出。
  - 神经元组合起来形成了网络，可以拟合任何函数。
  - 为了得到最佳的神经网络，我们用梯度下降方法不断更新模型

  给定上述关于神经网络的描述，什么情况下神经网络模型被称为深度学习模型？

  A. **加入更多层，使神经网络的深度增加**

  B. 有维度更高的数据

  C. 当这是一个图形识别的问题时

  D. 以上都不正确
  解析：A，更多层意味着网络更深。没有严格的定义多少层的模型才叫深度模型，目前如果有超过2层的隐层，那么也可以及叫做深度模型。
 

57. 训练CNN时，可以对输入进行旋转、平移、缩放等预处理提高模型泛化能力。这么说是对，还是不对？

A.对

B.不对

   解析：对。训练CNN时，可以进行这些操作。当然也不一定是必须的，只是data augmentation扩充数据后，模型有更多数据训练，泛化能力可能会变强。
 

58. 下面哪项操作能实现跟神经网络中Dropout的类似效果? 

A.Boosting

B.Bagging

C.Stacking

D.Mapping

   解析：B。Dropout可以认为是一种极端的Bagging，每一个模型都在单独的数据上训练，同时，通过和其他模型对应参数的共享，从而实现模型参数的高度正则化。
 

59. CNN的卷积核是单层的还是