1.输入图片大小为200×200,依次经过一层卷积(kernel size 5×5,padding 1,stride 2),pooling(kernel size 3×3,padding 0,stride 1),又一层卷积(kernel size 3×3,padding 1,stride 1)之后,输出特征图大小是多少?

分析:
(1) 只经过一层卷积和时尺寸改变: nf+1 n − f + 1 <script type="math/tex" id="MathJax-Element-463">n-f+1</script>,其中 n n <script type="math/tex" id="MathJax-Element-464">n</script>为输入图片的尺寸,f<script type="math/tex" id="MathJax-Element-465">f</script>为卷积核的尺寸
(2) 在边缘填充p层之后再经过一层卷积: n+2pf+1 n + 2 p − f + 1 <script type="math/tex" id="MathJax-Element-466">n+2p-f+1</script>
(3) 卷积核的步长(stride)为s: n+2pfs+1 n + 2 p − f s + 1 <script type="math/tex" id="MathJax-Element-467">\frac{n+2p-f}{s}+1</script>
(4) pooling与卷积核对尺寸的改变相同: nf+1 n − f + 1 <script type="math/tex" id="MathJax-Element-468">n-f+1</script>,其中 n n <script type="math/tex" id="MathJax-Element-469">n</script>为输入尺寸,f<script type="math/tex" id="MathJax-Element-470">f</script>为pooling核的尺寸

第一层:

size1=200+2×152+1=99.5 s i z e 1 = 200 + 2 × 1 − 5 2 + 1 = 99.5
<script type="math/tex; mode=display" id="MathJax-Element-471">size_1 = \frac{200+2\times1-5}{2}+1=99.5</script>
这就尴尬了,怎么会有小数?
这种情况在GoogLeNet中遇到过,解决的办法就是: 卷积向下取整,池化向上取整。
所以经过第一层卷积之后大小为98x98。
第二层:
size2=993+1=97 s i z e 2 = 99 − 3 + 1 = 97
<script type="math/tex; mode=display" id="MathJax-Element-472">size_2 = 99-3+1=97</script>
第三层:
size3=97+2×13+1=97 s i z e 3 = 97 + 2 × 1 − 3 + 1 = 97
<script type="math/tex; mode=display" id="MathJax-Element-473">size_3 = 97+2\times1-3+1=97</script>

2.在统计模式识分类问题中,当先验概率未知时,可以使用(BC)?

  • A. 最小损失原则
  • B. N-P判决
  • C. 最小最大损失准则
  • D. 最小误判概率准则

分析:
最小最大损失准则:考虑p(c)变化的条件下,是风险最小
最小误判概率准则, 就是判断p(c1|x)和p(c2|x)哪个大,x为特征向量,c1和c2为两分类,根据贝叶斯公式,需要用到先验知识;
最小损失准则,最小最大损失准则基础之上,还要求出p(c1|x)和p(c2|x)的期望损失,需要先验概率
N-P判决,即限定一类错误率条件下使另一类错误率为最小的两类别决策,即在一类错误率固定的条件下,求另一类错误率的极小值的问题,直接计算p(x|w1)和p(x|w2)的比值,不需要用到贝叶斯公式。

3.假定某同学使用Naive Bayesian(NB)分类模型时,不小心将训练数据的两个维度搞重复了,那么关于NB的说法中正确的是:BD

  • A.这个被重复的特征在模型中的决定作用会被加强
  • B.模型效果相比无重复特征的情况下精确度会降低
  • C.如果所有特征都被重复一遍,得到的模型预测结果相对于不重复的情况下的模型预测结果一样。
  • D.当两列特征高度相关时,无法用两列特征相同时所得到的结论来分析问题
  • E.NB可以用来做最小二乘回归
  • F.以上说法都不正确

4.下列哪些方法可以用来对高维数据进行降维:

  • A. LASSO
  • B. 聚类分析
  • C. 小波分析法
  • D. 线性判别法
  • E. 拉普拉斯特征映射
  • F.主成分分析法

各个降维方法总结: https://blog.csdn.net/qrlhl/article/details/78067012


链接:https://www.nowcoder.com/questionTerminal/b831a67809fa4ba19d8cf9ed98ff6a21
题目来源:牛客网

Logo

北京人形旗下天工造物具身智能开源社区,聚焦具身天工与慧思开物两大平台

更多推荐