本文主要是介绍山东大学软件学院深度学习期末回忆版，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
（大数据，2021级，老师是gys和cm，贝多芬，但是略微会有10% 的考试内容不在背诵范围内，看个人理解）
一、名词解释(8 * 3 = 24)
1、超参数
2、梯度确认
3、分布式表示
4、共现矩阵
5、Attention机制
6、Truncated BPTT
7、epoch
8、困惑度
二、简答题(6 * 8 = 48)
1、简述神经网络学习的过程。
2、为什么不能使用线性函数作为激活函数？
3、简述BatchNormalization的三个优点。
4、为什么Dropout能够抑制过拟合？
5、简述卷积神经网络的三个特点。
6、简述word2vec存在的问题以及其优化策略。
三、计算题(28)
1、（1）计算下面的全连接层的参数：输入图像是256*256的RGB图像，只有一个隐藏层，没有偏置，隐藏层的大小是10，输出层的大小是1000。
（2）简述随机梯度下降法低效的本质，并给出其他的三种不同的参数更新方法。
2、（1）请给出LSTM的内部计算结构图。
（2）简述三种门控单元的作用。
（3）简述对RNNLM的至少三种改进措施。
这篇关于山东大学软件学院深度学习期末回忆版的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
