广西民族大学Python深度学习期末练习题

知识点： 1. 激活函数：在神经网络中，激活函数的作用是引入非线性因素，使网络能够解决更复杂的问题。常见的激活函数包括ReLU、Leaky ReLU等。Leaky ReLU相对于ReLU的主要优势是可以缓解梯度消失问题。 2. 损失函数：在神经网络中，损失函数的作用是衡量模型预测值与实际值的差异，常用的损失函数包括均方误差、多元交叉熵等。 3. 多分类问题：在分类任务中，准确率是指正确预测的样本数量占所有样本数量的比例。常用于多分类问题的损失函数是多元交叉熵。 4. ROC曲线和AUC：ROC曲线常用于评估分类模型，AUC值越高，模型的分类能力越强。 5. 神经网络的基本概念：神经网络的三大基本概念包括激活函数、梯度下降和反向传播。 6. 矩阵运算：在Python中，可以使用NumPy库进行矩阵运算。 7. 神经网络训练过程：在神经网络的训练过程中，迭代次数是指一次正向传播和一次反向传播。 8. 神经网络结构：在全连接式神经网络中，激活函数通常出现在隐藏层。 9. 信息量：在信息论中，一个事件的信息量与该事件的概率相关，概率越小，信息量越大。 10. 神经网络层数：神经网络层数过深可能会导致梯度消失或梯度爆炸问题，导致较早层的权重更新非常缓慢或几乎没有更新。 11. 梯度下降法：梯度下降法是一种优化算法，用于求解函数的最小值。在神经网络中，梯度下降法用于更新权重和偏置。 12. 神经网络的分类函数和损失函数：在二分类任务中，常用的分类函数包括Sigmoid函数，损失函数包括交叉熵损失函数。 13. 双层神经网络：使用双层神经网络可以实现非线性回归，常见的损失函数是均方差函数。 14. Python编程：在Python中，可以使用NumPy库进行矩阵运算，使用Matplotlib库绘制图像，使用cv2库进行图像处理，使用Pandas库进行数据分析。 15. 神经网络评估标准：混淆矩阵、真阳率、假阳率、ROC曲线和AUC是常用的神经网络评估标准。