【大连理工大学】计算机专业选修：深度学习2020期末复习

考完试了，老师考试范围就是他的PPT（虽然我比较菜看不懂其中公式），造福学弟学妹攒人品，大家取需~
题型：单选20‘多选15’判断10‘论述30’
必考：

计算题：

卷积网络计算（考了）
pooling计算

论述题：

过拟合解决方法（重点，一道多选一道简答）

1. dropout
2. 降低维度，减小宽度，降低模型复杂度
3. 参数正则化
4. data augmentation
5. early stopping
   数据预处理一般方法：中心化、归一化、白化、维数约简
   目标检测RPN网络定义，在faster-RCNN中的作用（PPT上写的我没看懂，网上搜搜看吧）
   pooling定义和作用：
6. 降维
7. 实现非线性
8. 扩大感受野
9. 实现不变性
   常用的CNN模型，简述特点
10. LeNet
11. AlexNet
12. VGG-16
13. GoogleNet
14. ResNet
15. DenseNet
    深度学习训练一般步骤

没考：
KNN，SVM原理
聚类学习Kmeans
梯度下降
目标检测
LSTM：遗忘门，输入门，输出门
GRU有一个重置门和一个更新门（电梯门），重置门决定了如何把新的输入与之前的记忆相结合，更新门决定多少先前的记忆起作用。GRU将LSTM里面的遗忘门和输入门合并为更新门

课后习题：

1. 假设有1000张5种不同动物的照片，分别简述在监督学
   习和无监督学习的条件下完成此项任务

监督学习：SVM，KNN，神经网络，决策树
无监督学习：Kmeans进行聚类切割，k=5

2. 已知数据集中样本为{猫，狗，虎，鲤鱼，鲨鱼，麻雀，
   鹰，青蛙}，请从生活环境、呼吸器官等角度构建决策树，
   将样本分为哺乳类、鸟类、两栖类、鱼类等不同类型
   

选择题

考试题

CNN中1x1 kernel 作用
聚合学习中单个模型直接相关度高还是低
SPPNet性能（多选）
监督学习CNN最后一层神经元和分类数相同，对吗
如果把imagenet上训练好的模型拿出，输入一张白色图片，那么它在所有分类