计算机保研面试：CNN和RNN的考试题型
发布时间
阅读量：
阅读量
CNN
请简要说明CNN的基本运作机制？
什么是卷积核？在选用较大或较小的卷积核时，会对模型产生哪些影响？
在实际工程应用中，你是如何规划和设定卷积核参数的？
为何CNN能够具备对输入数据位置变化的鲁棒性？
请解释池化操作的概念，其具体包含哪些类型，并说明其主要功能？
为何在CNN结构中需要引入池化操作？
什么是批量归一化？其核心原理是怎样的？在构建CNN模型时，应如何应用该技术？
******卷积运算所具备的核心特征包括稀疏连接与参数共享，试详细阐述这两项特性及其对模型性能的影响？
你对微调（fine-tune）这一概念是如何理解的？在实践中有哪些常用的操作技巧？
RNN
阐述RNN模型的基本运作机制，并说明RNN适用于处理哪类问题？原因何在？
RNN与DNN之间存在哪些共性与差异？
为何RNN具备记忆能力？
长短期记忆网络LSTM是如何实现对长期与短期信息的记忆功能的？
在LSTM的各个组成部分中，分别采用了哪些激活函数？是否可以替换为其他类型的激活函数？
GRU与LSTM之间有哪些相似之处和不同之处？
Seq2Seq模型指的是什么？该模型适用于解决哪一类问题？
注意力机制的具体含义是什么？在Seq2Seq模型中引入注意力机制主要为了解决何种问题？
全部评论 (0)
还没有任何评论哟~