2023年秋江苏开放大学神经网络与深度学习形成性考核作业三.docx

2023年秋江苏开放大学神经网络与深度学习形成性考核作业三注意：学习平台题目可能是随机，题目顺序与本答案未必一致，同学们在本页按“Ctrl+F”快捷搜索题目中“关键字”就可以快速定位题目，一定注意答案对应的选项，如果答案有疑问或遗漏或需要其它科目的答案，请在下载网站联系上传者进行售后单选题题型：单选题客观题分值4分难度：一般得分：41在Q-Learning中，所谓的Q函数是指（）A:状态值函数B:策略函数C:状态-动作值函数D:奖励函数学生答案：C:老师点评：题型：单选题客观题分值4分难度：一般得分：42在如下GRU结构中，隐藏单元 的计算⽅法是？A:B:C:D:学生答案：B:老师点评：题型：单选题客观题分值4分难度：一般得分：43下图是⼀个简单的⻢尔可夫过程，以下选项中对该过程描述错误的是（）A:下⾬的概率⽐天⽓晴朗的概率⼤B:⽆论是晴天还是⾬天，保持当前状态的概率都⽐相互转化的概率要⼤C:下⾬天去散步的概率和晴天打扫房屋的概率⼀样⼤D:与刚下⾬时相⽐，下⾬⼀⼩时后天⽓放晴的概率更⼤学生答案：D:老师点评：题型：单选题客观题分值4分难度：一般得分：44下列端到端的⽹络结构中，表示Decoder过程的是？A:都不是B:B:C:A:D:C:学生答案：D:老师点评：题型：单选题客观题分值4分难度：简单得分：45RNN在⾃然语⾔处理领域中被⼴泛应⽤，下⾯⼀句话中：我的⼿机坏了，我打算_______⼀部新⼿机。

如果想要预测横线中⽂字的内容，最合适使⽤下列哪个模型（）A:LSTMB:GRUC:基本循环神经⽹络D:双向循环神经⽹络学生答案：D:老师点评：题型：单选题客观题分值4分难度：简单得分：46下列关于W-GAN的论述，错误的是（ ）A:W-GAN中可以直接求解Wasserstein距离B:W-GAN模型使⽤Wasserstein距离替代JS距离C:W-GAN可以避免传统GAN中存在的梯度消失问题D:W-GAN保证了⽣成样本的多样性学生答案：A:老师点评：题型：单选题客观题分值4分难度：一般得分：47有如下LSTM结构图，下列选项中哪⼀项是计算遗忘⻔？A:B:C:D:学生答案：D:老师点评：题型：单选题客观题分值4分难度：一般得分：48⽣成对抗⽹络（GAN）是⼀个具有开创意义的深度⽣成模型，关于GAN下列说法错误的是（ ）A:GAN中⽣成器与判别器的训练⽬标正好相反B:GAN的训练过程稳定C:在GAN的训练过程中，需要平衡判别器与⽣成器两者的能⼒D:判别器的⽬的是判断⼀个样本是⽣成器产⽣的还是真实样本学生答案：B:老师点评：题型：单选题客观题分值4分难度：一般得分：49PyTorch中的基本数据结构为？A:dataframeB:tensorC:ndarrayD:torch学生答案：B:老师点评：题型：单选题客观题分值4分难度：一般得分：410下图有两个翻译模型A和B，其中⽤到attention机制的模型是？A:A和B都不是B:A:C:B:D:A和B都是学生答案：C:老师点评：题型：单选题客观题分值4分难度：一般得分：411下列关于⻢尔可夫决策过程的叙述，错误的是（）A:⻢尔可夫决策过程的主要元素包括所有状态的集合，所有动作的集合，转移概率算⼦以及奖励函 数B:许多强化学习问题都可以转化为⻢尓可夫决策过程来描述C:⻢尔可夫决策过程综合了过去所有的动作来决定下⼀时刻的动作D:⻢尔可夫决策过程的⽬标是得到回报的期望最⼤学生答案：C:老师点评：题型：单选题客观题分值4分难度：一般得分：412下列关于状态值函数vπ(s)和动作值函数qπ(s, a)的叙述，说法正确的是（）A:给定初始状态s时，状态值函数可以使⽤动作值函数表示，即vπ(s) = Ea(qπ(s, a))B:状态值函数vπ(s)表示从状态s出发，执⾏动作a后再使⽤策略π带来的回报期望C:最优值函数v∗ (s) 与最优状态值函数 q∗(s, a)的值相同D:动作值函数qπ(s, a)表示从状态s出发，使⽤策略π带来的回报期望学生答案：A:老师点评：题型：单选题客观题分值4分难度：一般得分：413强化学习⼤体上可以分为基于值函数的⽅法和基于策略函数的⽅法，则下列说法中错误的是 （ ）A:基于值函数的⽅法策略更新时可能会导致值函数的改变⽐较⼤ ，影响收敛性B:基于值函数的⽅法容易收敛到局部最优解C:基于策略函数的⽅法在策略更新时会更加平稳D:Actor-Critic算法融合了基于值函数和策略函数两种⽅法，收敛性更好学生答案：B:老师点评：多选题题型：多选题客观题分值4分难度：一般得分：41为解决序列模型⻓期依赖的问题，经常使⽤的结构有？A:AutoEncoderB:Pixel RNNC:LSTMD:GRU学生答案：C；D:老师点评：题型：多选题客观题分值4分难度：一般得分：42注意⼒模型⼴泛应⽤于下列的哪些任务中（）A:⽂本翻译B:图⽚描述C:语⾳识别D:视觉问答学生答案：A；B；C；D:老师点评：题型：多选题客观题分值4分难度：一般得分：3下列哪些是⾃编码器的应⽤场景（ ）A:机器翻译B:数据降噪C:语⾳识别D:特征学习学生答案：B；D:老师点评：题型：多选题客观题分值4分难度：一般得分：44下列选项中哪些是基于能量模型（Energy Based Model, EBM）的实际应⽤（ ）A:⼈脸识别B:图⽚修复C:⼈脸检测D:⾃然语⾔处理学生答案：A；B；C:老师点评：题型：多选题客观题分值4分难度：一般得分：45与AlphaGo相⽐，AlphaGo Zero的改进主要体现在（）A:引⼊残差⽹络ResNet，代替⼈⼯提取特征B:放弃使⽤⼈类玩家数据C:使⽤蒙特卡洛树搜索(MCTS)选择落⼦点D:将有监督学习与增强学习相结合学生答案：A；B:老师点评：题型：多选题客观题分值4分难度：一般得分：46下列关于强化学习与监督学习的论述，说法正确的是（ ）A:强化学习和监督学习是两种完全不同的学习⽅式，彼此之间⽆法构成联系B:强化学习任务的⽬的是找到能使⻓期累积奖励最⼤化的策略C:强化学习中的“策略”实际上就相当于监督学习中的“分类器”或“回归器”D:监督学习有标记样本，强化学习没有标记样本学生答案：B；C；D:老师点评：题型：多选题客观题分值4分难度：一般得分：47关于⼀个优秀的深度学习框架的特点，下列说法正确的是？A:良好的社区⽀持B:⽅便构建⼤型计算图C:⽅便对计算图中节点的梯度进⾏计算D:可以⾼效地在GPU上运⾏学生答案：A；B；C；D:老师点评：题型：多选题客观题分值4分难度：一般得分：48下列有关CPU和GPU的叙述，正确的是？A:GPU适⽤于超⼤矩阵的计B:CPU基于低延时的设计，使每条指令所需执⾏时间更少C:GPU基于⼤吞吐量的设计，通过⼤量线程并⾏，使得同时执⾏⼀条指令的数据变多D:CPU功耗⼩，所以更适合深度学习领域学生答案：A；B；C:老师点评：题型：多选题客观题分值4分难度：一般得分：49下列关于受限玻尔兹曼机（RBM）的描述，正确的是（ ）A:RBM可以作为构建深度神经⽹络的组件B:RBM中从可⻅层到隐藏层使⽤的是Sigmoid激活函数C:RBM是基于能量的模型D:RBM相较于BM⽽⾔，⽹络结构更加复杂学生答案：A；B；C:老师点评：题型：多选题客观题分值4分难度：一般得分：410下列选项中属于DQN的改进的是（）A:Experience Replay打破数据相关性B:⽤两个神经⽹络分别近似值函数和策略函数C:Target Network保证稳定性D:把Q-Network分为独⽴于动作的值函数、依赖于动作的Advantage函数两个通道学生答案：A；C；D:老师点评：题型：多选题客观题分值4分难度：一般得分：411下列关于变分⾃编码器（VAE）的叙述，正确的是（ ）A:VAE与⼀般的⾃编码器原理相似B:推断⽹络的⽬标是使变分分布尽可能接近真实的后验分布C:VAE的结构包括推断⽹络（编码器）和⽣成⽹络（解码器）D:VAE中的编码器与解码器的输出是确定的编码学生答案：B；C:老师点评：题型：多选题客观题分值4分难度：一般得分：412在有监督学习中，机器学习模型可以被分为判别式模型和⽣成式模型，下列属于⽣成式模型 的有（ ）A:⽀持向量机B:逻辑回归C:隐⻢尔可夫模型D:朴素⻉叶斯学生答案：C；D:。