[gb18030] 综合训练

燕山大学旅游管理专业综合训练报告报告名称：邢台辰光酒店经营与管理的诊断报告学院（系）：里仁学院年级专业：2009级旅游管理专业学生姓名：孙法指导教师：李树峰完成日期：2012年12月20日邢台辰光酒店经营与管理的诊断报告一、企业基本情况概述邢台辰光大酒店是由煤炭地质总局建造位于邢台市中心毗邻名店广场、邢台体育馆、百货商店、超市交通十分便利。

邢台辰光大酒店隶属河北辰光集团，是邢台市目前规模最大、服务项目最全、设备完善的三星级涉外旅游饭店。

拥有高、中档客房200套，餐饮部设有贵宾房、中西餐厅、自助火锅、宴会厅，备有各式名菜、名点，可供1000人同时就餐。

康乐中心设有卡拉OK歌舞厅、KTV包房、棋牌、保龄球、桑拿、美容、戏水乐园等设施，可供宾客休闲娱乐。

大酒店还附设商务中心、出租汽车公司以及精品屋，为宾客提供全方位的服务。

邢台辰光大酒店是一家集餐饮、客房、娱乐为一体的综合性酒店并提供健身、保龄球等娱乐设施24小时热水IDD、DDD电话卫星电视等设施一应俱全。

另外酒店还拥有可容纳500人的会议场所。

二、问题阐述河北辰光集团创立于1993年，隶属于河北省煤田地质局第二地质队，是全国煤田地质系统组建的第一家企业集团。

集团组建以来，发扬“不等不靠创新业，团结拼搏争一流”的企业精神，敢为人先，勇抓机遇，创造了多个行业第一，被誉为“全国煤田地质系统改革发展排头兵”。

目前，河北辰光集团已发展成为地质勘查、酒店管理、商业零售、等多产业综合发展的大型企业集团。

集团下属河北辰光超市股份有限公司、辰光连锁酒店、邢台辰光体企有限公司（辰光装饰材料城）、邢台辰光地质工程有限公司、河北煤田邢台安全玻璃厂、河北省煤田机械厂、河北辰光鹏晖建筑工程公司、河北辰光地热能源开发有限公司等11家子公司。

而邢台辰光大酒店是一家集住宿、餐饮、娱乐、购物为一体的综合性涉外旅游饭店。

隶属河北辰光集团，1995年12月16日开业，1997年被评为三星级酒店，2004年3月晋升为四星级旅游饭店。

综合练习题二一．单项选择题（每小题1分，共60分）：(1) 在正常情况下退出Windows的正确操作是＿＿。

A)单击开始按钮，在弹出的菜单中选择关闭计算机B)在桌面上按Ctrl＋F4C)在桌面上按Shift＋F4D)直接关闭计算机电源(2) 要移动Windows的窗口，可以＿＿。

A) 拖动标题栏B)拖动滚动条C) 拖动控制菜单D)拖动窗口的边框(3) 在Windows 的我的电脑窗口中，若已选定硬盘上的文件或文件夹，并按了DEL键和"确定"按钮，则该文件或文件夹将。

A)被删除并放入"回收站"B)不被删除也不放入"回收站"C)被删除但不放入回收站D)不被删除但放入"回收站"(4) Windows窗口切换可以通过＿＿方式进行。

A)按Ctrl＋Esc B)选择资源管理器C)选择控制面板D)选择任务栏(5) Windows中选中三个连续文件的方法是＿＿。

A)使用鼠标左键依次单击这三个文件B)按住Alt键，使用鼠标左键依次单击这三个文件C)按住Ctrl键，使用鼠标左键依次单击这三个文件D) 依次双击这三个文件(6) 将鼠标指到某个文件夹上按右键，选取属性命令，结果显示的空间大小是＿＿。

A）该文件夹里的所有文件B）该文件夹里及下层文件夹的文件C) 该文件夹里所有上层文件D) 以上皆是(7) 下列叙述正确的是＿＿。

A）在软盘上删除的文件，可以从回收站救回B）放在回收站中的文件已经不占用磁盘空间C）如果在删除文件的同时按住Shift键，则文件无法救回D）以上皆是(8) Windows的剪贴板是＿＿。

A）硬盘中的一块区域B）软盘中的一块区域C) ROM中的一块区域D) 内存中的一块区域(9) Windows主要利用窗口、菜单、图标、＿＿组成的窗口画面与用户交往。

A）命令行B）鼠标C）对话框D）标题栏(10) 下列对Windows桌面上图标的叙述中，错误的是＿＿。

综合训练手册习题讲解（在电脑上敲的，总是在中英文输入法之间切换，有时候照顾不周，标点有点小错误，请大家见谅。

辛苦了2个半小时才敲出来的，各位还是花点时间看看吧。

）Unit 1 （P. 1）I.Word building1. consider 考虑（动词）1). 该句子主句在逗号前面，后面的部分做状语，因此，用consider 的现在分词形式，也就是considering;2). a get well card是指祝病人早日康复的卡片，这句话的意思是：你送了我一张卡片祝我早日康复，真是太体贴了，用considerate. 3）. 这场大火对教堂造成了____的损失。

填空部分应该填损失的程度，用considerable，指相当大的，可观的。

4）、这句话的意思是：你能否_____你的邻居，把音乐的音量调小一些。

这个部分可以根据空格前面的a little推测出应该用名词，填consideration，体谅、考虑。

2. respect 尊敬（动词）1). “终于见到你了，”，他用充满____地说。

Respect这个词有几个派生形容词，如respectful（恭敬的，尊重人的）, respected（受到尊敬的）, respectable（值得尊敬的，品德高尚的，达到一定标准的，不丢脸的）。

从这个句子中可以看出，应该填respectful。

2）。

这个句子的意思是“在过去的十年里，这个城市的这一地区变得比较不错了。

用respectable，指比较体面，比较得体。

3）。

这个句子的意思的：根据他们三人的_____能力，给他们分配任务。

那应该是根据他们各自不同的能力，所以，填respective，各自的。

3. load 装载（动词）1）. 该句子的意思的：你从车上把货物______了吗？如果单纯从语法上看，填loaded是合乎语法规则的，但是，因为后面有“from the car”,逻辑上就不合适，因为load是装货物，那应该是“onto the car”.因此，这句话的意思应该是从车上卸货，用unload，因为是完成时，用过去分词unloaded.2). Load还有个意思：承担、担负。

工具书是指根据一定查阅需要，系统汇集相关知识，按易于检索的方法编排的信息密集型图书。

为便于用户使用，工具书以款目索引为主的辞条目录必不可少。

款目一般由标目项和指引(地址)项组成[1]。

辞条少则几百，多则上万、几十万甚至更多，如2009年出版的32卷《中国大百科全书》辞条有6万条[2]，2014年出版的《不列颠百科全书》(DVD版)辞条有6，672万之多[3]。

辞条越多，则为之组织并排序款目索引、编制目录工作量越大。

本文以人名为标目的款目索引自动排序为例编制程序，可大大减轻工具书编撰人员、出版社编辑人员的工作负荷。

1相关研究与实践《GB18030-2005信息技术中文编码字符集》是GB/T 2311体系编码字符标准，2006年5月1日起实施，规定了信息技术用中文图形字符及其二进制编码的十六进制表示，用于图形字符信息处理、交换、存储、显现等，共收入汉字70，244个。

该标准向下与《GB2312-1980信息交换用汉字编码字符集基本集》所对应内码兼容，在字汇上支持《GB18030-2000信息技术信息交换用汉字编码字符集基本集的扩充》的全部中、日、韩(CJK)统一汉字(包括CJK统一汉字扩充A、CJK统一汉字扩充B)字符和我国部分少数民族文字的字符，是我国制订的以汉字为主的超大型中文编码字符集强制性标准[4]。

工具书中人物传记资料、地方志等不乏繁体字或异体字，2006年5月后出版的此类工具书基本遵循此标准。

印刷型工具书常用排检方法如表1所示。

摘要以人名为标目的款目索引为例，在GB18030-2005语境下设计程序自动排序款目索引并生成工具书辞条目录。

研究结果表明，所编制程序方法得当，功能确切，易于扩展以应对更复杂的排序逻辑，有效节省工具书编撰人员、出版社编辑等相关从业人员工作负荷。

关键词工具书款目索引辞书条目人名索引文本排序引用本文格式朱玉强，范翠丽，何珂.工具书款目索引自动排序程序设计——以GB18030-2005语境下人名索引为例[J].图书馆论坛，2021，41（3）：122-127.Design of Auto-Sort Program for Reference Books ’Index Entry ——The Case of Person Index in the Context of GB18030-2005ZHU Yuqiang ，FAN Cuili ，HE KeAbstractTaking person index entry for example ，an auto-sort program for reference books ’index entry isworked out to automatically sort index entries ，and then generate required catalog in the context of GB18030-2005.The result shows that the auto-sort program is properly-designed and accurate ，and can be easily extended to cope with more complex sorting logic ，which can effectively save the workload of related practitioners like editors and publishers of reference books.Keywords reference book ；index entry ；dictionary items ；person index ；text sorting工具书款目索引自动排序程序设计——以GB18030-2005语境下人名索引为例朱玉强，范翠丽，何珂122◎2021年第3期◎表1印刷型工具书常用排检方法[5]排检方法字顺法分类法主题法时序法地序法形序法音序法号码法学科体系分类法事物性质分类法部首法笔画法字母法汉语拼音字母法韵部法声部法四角号码法起笔笔形号码法四部分类法中国图书馆分类法说明根据汉字形体结构按部首排检汉字，同部首内按笔画数排列。

综合练习试卷7(题后含答案及解析)题型有：1. 单选题 2. 多选题 3. 判断题单选题听力原文：Word基本操作1．Word文档默认的扩展名是( )。

A．dotB．docC．txtD．word正确答案：B解析：Word文档默认的扩展名是“.doc”,“.txt”是文本文档,word不是扩展名。

知识模块：综合听力原文：Windows系统的基本操作2．在不同运行着的应用程序之间切换,可以利用快捷键( )。

A．Alt+EscB．Ctrl+EscC．Alt+TabD．Ctrl+Tab正确答案：A解析：通过快捷键Alt+Esc切换不同的应用程序,A项正确。

知识模块：综合听力原文：会计核算软件的应用3．商品化会计核算软件开发经销单位在售出软件后应承担售后服务工作,在下列工作中,( )不是软件开发销售商必须提供的。

A．对用户进行软件使用前的培训B．对用户的软件进行维护C．对用户的硬件进行维护D．对用户的软件版本进行更新正确答案：C解析：商品化会计核算软件开发经销单位在售出软件后应承担售后服务工作,其售后服务包括:会计软件的日常维护、用户培训、二次开发与相关技术支持,以及软件版本的升级换代。

对用户的硬件进行维护是用户自己所应承担的。

知识模块：综合听力原文：会计电算化管理制度4．企业实现会计电算化以后,( )是保障会计电算化顺利进行的最重要一环。

A．建立管理制度B．会计核算软件C．代替手工记账D．试运行正确答案：A解析：企业实现会计电算化以后,建立各种管理制度是保障会计电算化顺利进行的最重要一环。

知识模块：综合听力原文：Excel基本操作5．在Excel中输入字符串时,若该字符串的长度超过单元格的显示宽度,则超过的部分有可能( )。

A．被截断删除B．继续超格显示C．出现错误提示D．作为另一个字符串存入右侧相邻单元正确答案：B解析：在Excel中输入字符串时,若该字符串超长且右侧相邻的单元格为空,则延伸显示;如果不为空,则超出部分自动隐藏。

关于GB18030汉字编码标准集 2001/07/26 赛迪网-中国计算机报林宁清华大学经济管理硕士，信息产业部电子工业标准化研究所副所长，全国信息技术标准化技术委员会副秘书长，承担多项国家级项目的标准化工作，并曾出版多本著述。

国家标准GB18030-2000《信息交换用汉字编码字符集基本集的扩充》是我国继GB2312-1980和GB13000-1993之后最重要的汉字编码标准，是未来我国计算机系统必须遵循的基础性标准之一。

为保证该标准顺利贯彻执行，国家质监总局将在9月1日起首先对影响广泛的计算机操作系统进行执法检查，凡不符合该标准的产品，视为不合格产品。

为此，全国信息技术标准化技术委员会将根据有关标准和规范，组织对市场上主要的操作系统产品进行标准符合性检测。

检测要求及标准的制定1.须经检测的产品范围GB18030是信息产品必须遵循的基础性标准，考虑到一些客观实际，采取从基础抓起，分步实施的策略。

本次对必须经检测产品的范围规定如下：●个人计算机操作系统产品须经标准符合性测试，其他产品暂不做要求；●凡是在GB 18030发布日期(2000年3月17日)前正式发布或出厂的产品，视为历史性产品，不在GB 18030的监督检查范围之内；●在2000年3月17日后对历史性产品的更新版本或升级版本作为新产品对待；●凡是在GB 18030实施过渡期间(即2000年3月17日至2001年8月31日)正式发布或出厂的产品，应符合GB 18030相关要求。

不符合标准要求的产品应采用补救措施，以达到符合标准的相关要求。

补救措施应得到全国信息技术标准化技术委员会的认可；●凡是在GB 18030过渡期(即2001年8月31日)后正式发布或出厂的产品，必须符合GB 18030相关要求。

2.关于标准符合性测试为了配合GB 18030的实施，信息处理产品标准符合性检测中心(设在信息产业部电子工业标准化研究所)开展了GB 18030各项测试的准备工作，并且对国内外多个产品进行了测试。

深度学习试题500问1.1标量、向量、张量之间的联系 1 [填空题]_________________________________1.2张量与矩阵的区别? 1 [填空题]_________________________________1.3矩阵和向量相乘结果 1 [填空题]_________________________________1.4向量和矩阵的范数归纳 1 [填空题]_________________________________1.5如何判断一个矩阵为正定? 2 [填空题]_________________________________1.6导数偏导计算 3 [填空题]_________________________________1.7导数和偏导数有什么区别? 3 [填空题]_________________________________1.8特征值分解与特征向量 3 [填空题]_________________________________1.9奇异值与特征值有什么关系? 4 [填空题]_________________________________1.10机器学习为什么要使用概率? 4 [填空题]_________________________________1.11变量与随机变量有什么区别? 4 [填空题]_________________________________1.12常见概率分布? 5 [填空题]_________________________________1.13举例理解条件概率 9 [填空题]_________________________________1.14联合概率与边缘概率联系区别? 10 [填空题]_________________________________1.15条件概率的链式法则 10 [填空题]_________________________________1.16独立性和条件独立性 11 [填空题]_________________________________1.17期望、方差、协方差、相关系数总结 11 [填空题] *_________________________________2.1 各种常见算法图示 14 [填空题]_________________________________2.2监督学习、非监督学习、半监督学习、弱监督学习? 15 [填空题] _________________________________2.3 监督学习有哪些步骤 16 [填空题]_________________________________2.4 多实例学习? 17 [填空题]_________________________________2.5 分类网络和回归的区别? 17 [填空题]_________________________________2.6 什么是神经网络? 17 [填空题]_________________________________2.7 常用分类算法的优缺点? 18 [填空题]_________________________________2.8 正确率能很好的评估分类算法吗? 20 [填空题]_________________________________2.9 分类算法的评估方法? 20 [填空题]_________________________________2.10 什么样的分类器是最好的? 22 [填空题]_________________________________2.11大数据与深度学习的关系 22 [填空题]_________________________________2.12 理解局部最优与全局最优 23 [填空题]_________________________________2.13 理解逻辑回归 24 [填空题]_________________________________2.14 逻辑回归与朴素贝叶斯有什么区别? 24 [填空题] _________________________________2.15 为什么需要代价函数? 25 [填空题]_________________________________2.16 代价函数作用原理 25 [填空题]_________________________________2.17 为什么代价函数要非负? 26 [填空题]_________________________________2.18 常见代价函数? 26 [填空题]_________________________________2.19为什么用交叉熵代替二次代价函数 28 [填空题]_________________________________2.20 什么是损失函数? 28 [填空题]_________________________________2.21 常见的损失函数 28 [填空题]_________________________________2.22 逻辑回归为什么使用对数损失函数? 30 [填空题] _________________________________0.00 对数损失函数是如何度量损失的? 31 [填空题] _________________________________2.23 机器学习中为什么需要梯度下降? 32 [填空题] _________________________________2.24 梯度下降法缺点? 32 [填空题]_________________________________2.25 梯度下降法直观理解? 32 [填空题]_________________________________2.23 梯度下降法算法描述? 33 [填空题]_________________________________2.24 如何对梯度下降法进行调优? 35 [填空题]_________________________________2.25 随机梯度和批量梯度区别? 35 [填空题]_________________________________2.26 各种梯度下降法性能比较 37 [填空题]_________________________________2.27计算图的导数计算图解? 37 [填空题]_________________________________2.28 线性判别分析（LDA）思想总结 39 [填空题] _________________________________2.29 图解LDA核心思想 39 [填空题]_________________________________2.30 二类LDA算法原理? 40 [填空题]_________________________________2.30 LDA算法流程总结? 41 [填空题]_________________________________2.31 LDA和PCA区别? 41 [填空题]_________________________________2.32 LDA优缺点? 41 [填空题]_________________________________2.33 主成分分析（PCA）思想总结 42 [填空题] _________________________________2.34 图解PCA核心思想 42 [填空题]_________________________________2.35 PCA算法推理 43 [填空题]_________________________________2.36 PCA算法流程总结 44 [填空题]_________________________________2.37 PCA算法主要优缺点 45 [填空题]_________________________________2.38 降维的必要性及目的 45 [填空题]_________________________________2.39 KPCA与PCA的区别? 46 [填空题]_________________________________2.40模型评估 47 [填空题]_________________________________2.40.1模型评估常用方法? 47 [填空题]_________________________________2.40.2 经验误差与泛化误差 47 [填空题]_________________________________2.40.3 图解欠拟合、过拟合 48 [填空题]_________________________________2.40.4 如何解决过拟合与欠拟合? 49 [填空题] _________________________________2.40.5 交叉验证的主要作用? 50 [填空题]_________________________________2.40.6 k折交叉验证? 50 [填空题]_________________________________2.40.7 混淆矩阵 50 [填空题]_________________________________2.40.8 错误率及精度 51 [填空题]_________________________________2.40.9 查准率与查全率 51 [填空题]_________________________________2.40.10 ROC与AUC 52 [填空题]_________________________________2.40.11如何画ROC曲线? 53 [填空题]_________________________________2.40.12如何计算TPR，FPR? 54 [填空题]_________________________________2.40.13如何计算Auc? 56 [填空题]_________________________________2.40.14为什么使用Roc和Auc评价分类器? 56 [填空题]_________________________________2.40.15 直观理解AUC 56 [填空题]_________________________________2.40.16 代价敏感错误率与代价曲线 57 [填空题]_________________________________2.40.17 模型有哪些比较检验方法 59 [填空题]_________________________________2.40.18 偏差与方差 59 [填空题]_________________________________2.40.19为什么使用标准差? 60 [填空题]_________________________________2.40.20 点估计思想 61 [填空题]_________________________________2.40.21 点估计优良性原则? 61 [填空题]_________________________________2.40.22点估计、区间估计、中心极限定理之间的联系? 62 [填空题] _________________________________2.40.23 类别不平衡产生原因? 62 [填空题]_________________________________2.40.24 常见的类别不平衡问题解决方法 62 [填空题] _________________________________2.41 决策树 64 [填空题]_________________________________2.41.1 决策树的基本原理 64 [填空题]_________________________________2.41.2 决策树的三要素? 64 [填空题]_________________________________2.41.3 决策树学习基本算法 65 [填空题]_________________________________2.41.4 决策树算法优缺点 65 [填空题]_________________________________2.40.5熵的概念以及理解 66 [填空题]_________________________________2.40.6 信息增益的理解 66 [填空题]_________________________________2.40.7 剪枝处理的作用及策略? 67 [填空题]_________________________________2.41 支持向量机 67 [填空题]_________________________________2.41.1 什么是支持向量机 67 [填空题]_________________________________2.25.2 支持向量机解决的问题? 68 [填空题]_________________________________2.25.2 核函数作用? 69 [填空题]_________________________________2.25.3 对偶问题 69 [填空题]_________________________________2.25.4 理解支持向量回归 69 [填空题]_________________________________2.25.5 理解SVM（核函数） 69 [填空题]_________________________________2.25.6 常见的核函数有哪些? 69 [填空题]_________________________________2.25.6 软间隔与正则化 73 [填空题]_________________________________2.25.7 SVM主要特点及缺点? 73 [填空题]_________________________________2.26 贝叶斯 74 [填空题]_________________________________2.26.1 图解极大似然估计 74 [填空题]_________________________________2.26.2 朴素贝叶斯分类器和一般的贝叶斯分类器有什么区别? 76 [填空题] _________________________________2.26.4 朴素与半朴素贝叶斯分类器 76 [填空题]_________________________________2.26.5 贝叶斯网三种典型结构 76 [填空题]_________________________________2.26.6 什么是贝叶斯错误率 76 [填空题]_________________________________2.26.7 什么是贝叶斯最优错误率 76 [填空题]_________________________________2.27 EM算法解决问题及实现流程 76 [填空题] _________________________________2.28 为什么会产生维数灾难? 78 [填空题]_________________________________2.29怎样避免维数灾难 82 [填空题]_________________________________2.30聚类和降维有什么区别与联系? 82 [填空题] _________________________________2.31 GBDT和随机森林的区别 83 [填空题]_________________________________2.32 四种聚类方法之比较 84 [填空题] *_________________________________3.1基本概念 88 [填空题]_________________________________3.1.1神经网络组成? 88 [填空题]_________________________________3.1.2神经网络有哪些常用模型结构? 90 [填空题] _________________________________3.1.3如何选择深度学习开发平台? 92 [填空题] _________________________________3.1.4为什么使用深层表示 92 [填空题]_________________________________3.1.5为什么深层神经网络难以训练? 93 [填空题]_________________________________3.1.6深度学习和机器学习有什么不同 94 [填空题]_________________________________3.2 网络操作与计算 95 [填空题]_________________________________3.2.1前向传播与反向传播? 95 [填空题]_________________________________3.2.2如何计算神经网络的输出? 97 [填空题]_________________________________3.2.3如何计算卷积神经网络输出值? 98 [填空题]_________________________________3.2.4如何计算Pooling层输出值输出值? 101 [填空题] _________________________________3.2.5实例理解反向传播 102 [填空题]_________________________________3.3超参数 105 [填空题]_________________________________3.3.1什么是超参数? 105 [填空题]_________________________________3.3.2如何寻找超参数的最优值? 105 [填空题]_________________________________3.3.3超参数搜索一般过程? 106 [填空题]_________________________________3.4激活函数 106 [填空题]_________________________________3.4.1为什么需要非线性激活函数? 106 [填空题]_________________________________3.4.2常见的激活函数及图像 107 [填空题]_________________________________3.4.3 常见激活函数的导数计算? 109 [填空题]_________________________________3.4.4激活函数有哪些性质? 110 [填空题]_________________________________3.4.5 如何选择激活函数? 110 [填空题]_________________________________3.4.6使用ReLu激活函数的优点? 111 [填空题]_________________________________3.4.7什么时候可以用线性激活函数? 111 [填空题]_________________________________3.4.8怎样理解Relu（<0时）是非线性激活函数? 111 [填空题] _________________________________3.4.9 Softmax函数如何应用于多分类? 112 [填空题]_________________________________3.5 Batch_Size 113 [填空题]_________________________________3.5.1为什么需要Batch_Size? 113 [填空题]_________________________________3.5.2 Batch_Size值的选择 114 [填空题]_________________________________3.5.3在合理范围内，增大 Batch_Size 有何好处? 114 [填空题] _________________________________3.5.4盲目增大 Batch_Size 有何坏处? 114 [填空题]_________________________________3.5.5调节 Batch_Size 对训练效果影响到底如何? 114 [填空题] _________________________________3.6 归一化 115 [填空题]_________________________________3.6.1归一化含义? 115 [填空题]_________________________________3.6.2为什么要归一化 115 [填空题]_________________________________3.6.3为什么归一化能提高求解最优解速度? 115 [填空题]_________________________________3.6.4 3D图解未归一化 116 [填空题]_________________________________3.6.5归一化有哪些类型? 117 [填空题]_________________________________3.6.6局部响应归一化作用 117 [填空题]_________________________________3.6.7理解局部响应归一化公式 117 [填空题]_________________________________3.6.8什么是批归一化（Batch Normalization） 118 [填空题] _________________________________3.6.9批归一化（BN）算法的优点 119 [填空题]_________________________________3.6.10批归一化（BN）算法流程 119 [填空题]_________________________________3.6.11批归一化和群组归一化 120 [填空题]_________________________________3.6.12 Weight Normalization和Batch Normalization 120 [填空题] _________________________________3.7 预训练与微调(fine tuning) 121 [填空题]_________________________________3.7.1为什么无监督预训练可以帮助深度学习? 121 [填空题]_________________________________3.7.2什么是模型微调fine tuning 121 [填空题]_________________________________3.7.3微调时候网络参数是否更新? 122 [填空题]_________________________________3.7.4 fine-tuning模型的三种状态 122 [填空题]_________________________________3.8权重偏差初始化 122 [填空题]_________________________________3.8.1 全都初始化为0 122 [填空题]_________________________________3.8.2 全都初始化为同样的值 123 [填空题]_________________________________3.8.3 初始化为小的随机数 124 [填空题]_________________________________3.8.4用1/sqrt(n)校准方差 125 [填空题]_________________________________3.8.5稀疏初始化(Sparse Initialazation) 125 [填空题]_________________________________3.8.6初始化偏差 125 [填空题]_________________________________3.9 Softmax 126 [填空题]_________________________________3.9.1 Softmax定义及作用 126 [填空题]_________________________________3.9.2 Softmax推导 126 [填空题]_________________________________3.10 理解One Hot Encodeing原理及作用? 126 [填空题] _________________________________3.11 常用的优化器有哪些 127 [填空题]_________________________________3.12 Dropout 系列问题 128 [填空题]_________________________________3.12.1 dropout率的选择 128 [填空题]_________________________________3.27 Padding 系列问题 128 [填空题] *_________________________________4.1LetNet5 129 [填空题]_________________________________ 4.1.1模型结构 129 [填空题]_________________________________ 4.1.2模型结构 129 [填空题]_________________________________ 4.1.3 模型特性 131 [填空题]_________________________________ 4.2 AlexNet 131 [填空题]_________________________________ 4.2.1 模型结构 131 [填空题]_________________________________ 4.2.2模型解读 131 [填空题]_________________________________ 4.2.3模型特性 135 [填空题]_________________________________ 4.3 可视化ZFNet-解卷积 135 [填空题] _________________________________ 4.3.1 基本的思想及其过程 135 [填空题] _________________________________ 4.3.2 卷积与解卷积 136 [填空题]_________________________________ 4.3.3卷积可视化 137 [填空题]_________________________________ 4.3.4 ZFNe和AlexNet比较 139 [填空题] _________________________________4.4 VGG 140 [填空题]_________________________________ 4.1.1 模型结构 140 [填空题]_________________________________ 4.1.2 模型特点 140 [填空题]_________________________________ 4.5 Network in Network 141 [填空题] _________________________________ 4.5.1 模型结构 141 [填空题]_________________________________ 4.5.2 模型创新点 141 [填空题]_________________________________ 4.6 GoogleNet 143 [填空题]_________________________________ 4.6.1 模型结构 143 [填空题]_________________________________ 4.6.2 Inception 结构 145 [填空题]_________________________________ 4.6.3 模型层次关系 146 [填空题]_________________________________ 4.7 Inception 系列 148 [填空题]_________________________________ 4.7.1 Inception v1 148 [填空题]_________________________________4.7.2 Inception v2 150 [填空题]_________________________________4.7.3 Inception v3 153 [填空题]_________________________________4.7.4 Inception V4 155 [填空题]_________________________________4.7.5 Inception-ResNet-v2 157 [填空题]_________________________________4.8 ResNet及其变体 158 [填空题]_________________________________4.8.1重新审视ResNet 159 [填空题]_________________________________4.8.2残差块 160 [填空题]_________________________________4.8.3 ResNet架构 162 [填空题]_________________________________4.8.4残差块的变体 162 [填空题]_________________________________4.8.5 ResNeXt 162 [填空题]_________________________________4.8.6 Densely Connected CNN 164 [填空题]_________________________________4.8.7 ResNet作为小型网络的组合 165 [填空题] _________________________________4.8.8 ResNet中路径的特点 166 [填空题]4.9为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的? 167 [填空题] *_________________________________5.1 卷积神经网络的组成层 170 [填空题]_________________________________5.2 卷积如何检测边缘信息? 171 [填空题]_________________________________5.2 卷积的几个基本定义? 174 [填空题]_________________________________5.2.1卷积核大小 174 [填空题]_________________________________5.2.2卷积核的步长 174 [填空题]_________________________________5.2.3边缘填充 174 [填空题]_________________________________5.2.4输入和输出通道 174 [填空题]_________________________________5.3 卷积网络类型分类? 174 [填空题]_________________________________5.3.1普通卷积 174 [填空题]_________________________________5.3.2扩张卷积 175 [填空题]_________________________________5.3.3转置卷积 176 [填空题]5.3.4可分离卷积 177 [填空题]_________________________________5.3 图解12种不同类型的2D卷积? 178 [填空题]_________________________________5.4 2D卷积与3D卷积有什么区别? 181 [填空题]_________________________________5.4.1 2D 卷积 181 [填空题]_________________________________5.4.2 3D卷积 182 [填空题]_________________________________5.5 有哪些池化方法? 183 [填空题]_________________________________5.5.1一般池化（General Pooling） 183 [填空题]_________________________________5.5.2重叠池化（OverlappingPooling） 184 [填空题]_________________________________5.5.3空金字塔池化（Spatial Pyramid Pooling） 184 [填空题] _________________________________5.6 1x1卷积作用? 186 [填空题]_________________________________5.7卷积层和池化层有什么区别? 187 [填空题]_________________________________5.8卷积核一定越大越好? 189 [填空题]_________________________________5.9每层卷积只能用一种尺寸的卷积核? 189 [填空题]_________________________________5.10怎样才能减少卷积层参数量? 190 [填空题]_________________________________5.11卷积操作时必须同时考虑通道和区域吗? 191 [填空题]_________________________________5.12采用宽卷积的好处有什么? 192 [填空题]_________________________________5.12.1窄卷积和宽卷积 192 [填空题]_________________________________5.12.2 为什么采用宽卷积? 192 [填空题]_________________________________5.13卷积层输出的深度与哪个部件的个数相同? 192 [填空题]_________________________________5.14 如何得到卷积层输出的深度? 193 [填空题]_________________________________5.15激活函数通常放在卷积神经网络的那个操作之后? 194 [填空题] _________________________________5.16 如何理解最大池化层有几分缩小? 194 [填空题]_________________________________5.17理解图像卷积与反卷积 194 [填空题]_________________________________5.17.1图像卷积 194 [填空题]_________________________________5.17.2图像反卷积 196 [填空题]_________________________________5.18不同卷积后图像大小计算? 198 [填空题]_________________________________5.18.1 类型划分 198 [填空题]_________________________________5.18.2 计算公式 199 [填空题]_________________________________5.19 步长、填充大小与输入输出关系总结? 199 [填空题] _________________________________5.19.1没有0填充，单位步长 200 [填空题]_________________________________5.19.2零填充，单位步长 200 [填空题]_________________________________5.19.3不填充，非单位步长 202 [填空题]_________________________________5.19.4零填充，非单位步长 202 [填空题]_________________________________5.20 理解反卷积和棋盘效应 204 [填空题]_________________________________5.20.1为什么出现棋盘现象? 204 [填空题]_________________________________5.20.2 有哪些方法可以避免棋盘效应? 205 [填空题]_________________________________5.21 CNN主要的计算瓶颈? 207 [填空题]_________________________________5.22 CNN的参数经验设置 207 [填空题]_________________________________5.23 提高泛化能力的方法总结 208 [填空题]_________________________________5.23.1 主要方法 208 [填空题]_________________________________5.23.2 实验证明 208 [填空题]_________________________________5.24 CNN在CV与NLP领域运用的联系与区别? 213 [填空题] _________________________________5.24.1联系 213 [填空题]_________________________________5.24.2区别 213 [填空题]_________________________________5.25 CNN凸显共性的手段? 213 [填空题]_________________________________5.25.1 局部连接 213 [填空题]_________________________________5.25.2 权值共享 214 [填空题]_________________________________5.25.3 池化操作 215 [填空题]_________________________________5.26 全卷积与Local-Conv的异同点 215 [填空题]_________________________________5.27 举例理解Local-Conv的作用 215 [填空题]_________________________________5.28 简述卷积神经网络进化史 216 [填空题] *_________________________________6.1 RNNs和FNNs有什么区别? 218 [填空题]_________________________________6.2 RNNs典型特点? 218 [填空题]_________________________________6.3 RNNs能干什么? 219 [填空题]_________________________________6.4 RNNs在NLP中典型应用? 220 [填空题]_________________________________6.5 RNNs训练和传统ANN训练异同点? 220 [填空题] _________________________________6.6常见的RNNs扩展和改进模型 221 [填空题]_________________________________6.6.1 Simple RNNs(SRNs) 221 [填空题]_________________________________6.6.2 Bidirectional RNNs 221 [填空题]_________________________________6.6.3 Deep(Bidirectional) RNNs 222 [填空题]_________________________________6.6.4 Echo State Networks（ESNs） 222 [填空题]_________________________________6.6.5 Gated Recurrent Unit Recurrent Neural Networks 224 [填空题] _________________________________6.6.6 LSTM Netwoorks 224 [填空题]_________________________________6.6.7 Clockwork RNNs(CW-RNNs) 225 [填空题] *_________________________________7.1基于候选区域的目标检测器 228 [填空题]_________________________________7.1.1滑动窗口检测器 228 [填空题]_________________________________7.1.2选择性搜索 229 [填空题]_________________________________7.1.3 R-CNN 230 [填空题]_________________________________7.1.4边界框回归器 230 [填空题]_________________________________7.1.5 Fast R-CNN 231 [填空题]_________________________________7.1.6 ROI 池化 233 [填空题]_________________________________7.1.7 Faster R-CNN 233 [填空题]_________________________________7.1.8候选区域网络 234 [填空题]_________________________________7.1.9 R-CNN 方法的性能 236 [填空题]_________________________________7.2 基于区域的全卷积神经网络（R-FCN） 237 [填空题] _________________________________7.3 单次目标检测器 240 [填空题]_________________________________7.3.1单次检测器 241 [填空题]_________________________________7.3.2滑动窗口进行预测 241 [填空题]_________________________________7.3.3 SSD 243 [填空题]_________________________________7.4 YOLO系列 244 [填空题]_________________________________7.4.1 YOLOv1介绍 244 [填空题]_________________________________7.4.2 YOLOv1模型优缺点? 252 [填空题]_________________________________7.4.3 YOLOv2 253 [填空题]_________________________________7.4.4 YOLOv2改进策略 254 [填空题]_________________________________7.4.5 YOLOv2的训练 261 [填空题]_________________________________7.4.6 YOLO9000 261 [填空题]_________________________________7.4.7 YOLOv3 263 [填空题]_________________________________8.1 传统的基于CNN的分割方法缺点? 269 [填空题]_________________________________8.1 FCN 269 [填空题]_________________________________8.1.1 FCN改变了什么? 269 [填空题]_________________________________8.1.2 FCN网络结构? 270 [填空题]_________________________________8.1.3全卷积网络举例? 271 [填空题]_________________________________8.1.4为什么CNN对像素级别的分类很难? 271 [填空题]_________________________________8.1.5全连接层和卷积层如何相互转化? 272 [填空题]_________________________________8.1.6 FCN的输入图片为什么可以是任意大小? 272 [填空题]_________________________________8.1.7把全连接层的权重W重塑成卷积层的滤波器有什么好处? 273 [填空题] _________________________________8.1.8反卷积层理解 275 [填空题]_________________________________8.1.9跳级(skip)结构 276 [填空题]_________________________________8.1.10模型训练 277 [填空题]_________________________________8.1.11 FCN缺点 280 [填空题]_________________________________8.2 U-Net 280 [填空题]_________________________________8.3 SegNet 282 [填空题]_________________________________8.4空洞卷积(Dilated Convolutions) 283 [填空题] _________________________________8.4 RefineNet 285 [填空题]_________________________________8.5 PSPNet 286 [填空题]_________________________________8.6 DeepLab系列 288 [填空题]_________________________________8.6.1 DeepLabv1 288 [填空题]_________________________________8.6.2 DeepLabv2 289 [填空题]_________________________________8.6.3 DeepLabv3 289 [填空题]_________________________________8.6.4 DeepLabv3+ 290 [填空题]_________________________________8.7 Mask-R-CNN 293 [填空题]_________________________________8.7.1 Mask-RCNN 的网络结构示意图 293 [填空题]_________________________________8.7.2 RCNN行人检测框架 293 [填空题]_________________________________8.7.3 Mask-RCNN 技术要点 294 [填空题]_________________________________8.8 CNN在基于弱监督学习的图像分割中的应用 295 [填空题] _________________________________8.8.1 Scribble标记 295 [填空题]_________________________________8.8.2 图像级别标记 297 [填空题]_________________________________8.8.3 DeepLab+bounding box+image-level labels 298 [填空题]_________________________________8.8.4统一的框架 299 [填空题] *_________________________________9.1强化学习的主要特点? 301 [填空题]_________________________________9.2强化学习应用实例 302 [填空题]_________________________________9.3强化学习和监督式学习、非监督式学习的区别 303 [填空题] _________________________________9.4 强化学习主要有哪些算法? 305 [填空题]_________________________________9.5深度迁移强化学习算法 305 [填空题]_________________________________9.6分层深度强化学习算法 306 [填空题]_________________________________9.7深度记忆强化学习算法 306 [填空题]_________________________________9.8 多智能体深度强化学习算法 307 [填空题]_________________________________9.9深度强化学习算法小结 307 [填空题] *_________________________________10.1 什么是迁移学习? 309 [填空题]_________________________________10.2 什么是多任务学习? 309 [填空题]_________________________________10.3 多任务学习有什么意义? 309 [填空题]_________________________________10.4 什么是端到端的深度学习? 311 [填空题]_________________________________10.5 端到端的深度学习举例? 311 [填空题]_________________________________10.6 端到端的深度学习有什么挑战? 311 [填空题] _________________________________10.7 端到端的深度学习优缺点? 312 [填空题] *_________________________________13.1 CPU和GPU 的区别? 314 [填空题]_________________________________13.2如何解决训练样本少的问题 315 [填空题]_________________________________13.3 什么样的样本集不适合用深度学习? 315 [填空题]_________________________________13.4 有没有可能找到比已知算法更好的算法? 316 [填空题]_________________________________13.5 何为共线性, 跟过拟合有啥关联? 316 [填空题]_________________________________13.6 广义线性模型是怎被应用在深度学习中? 316 [填空题]_________________________________13.7 造成梯度消失的原因? 317 [填空题]_________________________________13.8 权值初始化方法有哪些 317 [填空题]_________________________________13.9 启发式优化算法中，如何避免陷入局部最优解? 318 [填空题]_________________________________13.10 凸优化中如何改进GD方法以防止陷入局部最优解 319 [填空题] _________________________________13.11 常见的损失函数? 319 [填空题]_________________________________13.14 如何进行特征选择（feature selection）? 321 [填空题]_________________________________13.14.1 如何考虑特征选择 321 [填空题]_________________________________13.14.2 特征选择方法分类 321 [填空题]_________________________________13.14.3 特征选择目的 322 [填空题]_________________________________13.15 梯度消失/梯度爆炸原因，以及解决方法 322 [填空题]_________________________________13.15.1 为什么要使用梯度更新规则? 322 [填空题]_________________________________13.15.2 梯度消失、爆炸原因? 323 [填空题]_________________________________13.15.3 梯度消失、爆炸的解决方案 324 [填空题]_________________________________13.16 深度学习为什么不用二阶优化 325 [填空题]_________________________________13.17 怎样优化你的深度学习系统? 326 [填空题]_________________________________13.18为什么要设置单一数字评估指标? 326 [填空题]_________________________________13.19满足和优化指标（Satisficing and optimizing metrics） 327 [填空题] _________________________________13.20 怎样划分训练/开发/测试集 328 [填空题]_________________________________13.21如何划分开发/测试集大小 329 [填空题]_________________________________13.22什么时候该改变开发/测试集和指标? 329 [填空题]_________________________________13.23 设置评估指标的意义? 330 [填空题]_________________________________13.24 什么是可避免偏差? 331 [填空题]_________________________________13.25 什么是TOP5错误率? 331 [填空题]_________________________________13.26 什么是人类水平错误率? 332 [填空题]_________________________________13.27 可避免偏差、几大错误率之间的关系? 332 [填空题] _________________________________13.28 怎样选取可避免偏差及贝叶斯错误率? 332 [填空题] _________________________________13.29 怎样减少方差? 333 [填空题]_________________________________13.30贝叶斯错误率的最佳估计 333 [填空题]_________________________________13.31举机器学习超过单个人类表现几个例子? 334 [填空题] _________________________________13.32如何改善你的模型? 334 [填空题]_________________________________13.33 理解误差分析 335 [填空题]_________________________________13.34 为什么值得花时间查看错误标记数据? 336 [填空题] _________________________________13.35 快速搭建初始系统的意义? 336 [填空题]_________________________________13.36 为什么要在不同的划分上训练及测试? 337 [填空题] _________________________________13.37 如何解决数据不匹配问题? 338 [填空题]_________________________________13.38 梯度检验注意事项? 340 [填空题]_________________________________13.39什么是随机梯度下降? 341 [填空题]_________________________________13.40什么是批量梯度下降? 341 [填空题]_________________________________13.41什么是小批量梯度下降? 341 [填空题]_________________________________13.42怎么配置mini-batch梯度下降 342 [填空题]_________________________________13.43 局部最优的问题 343 [填空题]_________________________________13.44提升算法性能思路 346 [填空题] *_________________________________14.1 调试处理 358 [填空题]_________________________________14.2 有哪些超参数 359 [填空题]_________________________________14.3 如何选择调试值? 359 [填空题]_________________________________14.4 为超参数选择合适的范围 359 [填空题]_________________________________14.5 如何搜索超参数? 359 [填空题] *_________________________________15.1 什么是正则化? 361 [填空题]_________________________________15.2 正则化原理? 361 [填空题]_________________________________15.3 为什么要正则化? 361 [填空题]_________________________________15.4 为什么正则化有利于预防过拟合? 361 [填空题] _________________________________15.5 为什么正则化可以减少方差? 362 [填空题]_________________________________15.6 L2正则化的理解? 362 [填空题]_________________________________15.7 理解dropout 正则化 362 [填空题]_________________________________15.8 有哪些dropout 正则化方法? 362 [填空题]_________________________________15.8 如何实施dropout 正则化 363 [填空题]_________________________________。

第五章判断题F 1 ASCII、GB2312、GB18030、Unicode是我国为适应汉字信息处理需要制定的一系列汉字编码标准。

（判断）F 2 MPEG－1声音压缩编码是一种高保真声音数据压缩的国际标准，它分为三个层次，层1的编码效果最佳，层3最差。

（判断）F 3 美国标准信息交换码(ASCII码)中，共有128个字符，每个字符都可打印。

（判断）T 4 人们说话的语音频率范围一般在300HZ--3400KHZ之间，数字化时取样频率大多为8kHz。

（判断）F 5 若中文Windows环境下西文使用标准ASCII码，汉字采用GB2312编码，则十六进制内码为C4 CF 50 75 B3 F6的文本中，含有4个汉字。

（判断）F 6 数字声音虽然是一种连续媒体，但与文本相比，数据量不大，对存储和传输的要求并不高。

（判断）T 7 为了与ASCII字符相区别及处理汉字的方便，在计算机内，以最高位均为1的2个字节表示GB2312汉字。

（判断）T 8 西文字符在计算机中通常采用ASCII码表示，每个字节存放1个字符。

（判断）F[01]. 文本处理强调的是使用计算机对文本中所含的文字信息进行分析和处理，因而文本检索不属于文本处理。

（判断）T [02]. 中文Word是一个功能丰富的文字处理软件，它不但能进行编辑操作，而且能自动生成文本的"摘要"。

（判断）F [03]. Linux和Word都是文字处理软件。

（判断）T [04]. 与文本编辑不同的是，文本处理是对文本中包含的文字信息的音、形、义等进行分析、加工和处理。

（判断）T[05]. 文本展现的大致过程是：首先对文本格式描述进行解释，然后生成字符和图、表的映象，然后再传送到显示器或打印机输出。

（判断）F [06]. OFFICE软件是通用的软件，它可以不依赖操作系统而独立运行。

（判断）[07]. 目前广泛使用的Google、百度等搜索引擎大多数是基于全文检索原理工作的。

第二部分综合练习综合练习(一)一、名词解释1．信息系统P42．物流信息P63．物流信息技术P124．计算机网络P225．数据库P336．数据库管理系统P337．数据库系统P348．条码P529．条码系统P5210．条码校验符P5311．条码技术P5812．射频识别技术P96二、填空1．在计算机中，数据的三个基本特征是(数据名 )、(数据类型)和(数据长度) P12．信息的特征有：(真实性)、(价值性)、(不对称性)、滞后性、时效性、可传输性、可共享性和可扩散性。

P23．从管理层次上可将信息分为：(高层管理信息)、(中层管理信息)和(基层管理信息)。

P4 4．物流信息的特点有：信息量大、( 信息动态性强)、(信息种类多)和(信息趋于标准化)P7 5．现代物流是(货物流)、(信息流)、(资金流)和(人才流)的统一。

P126．计算机网络具有：(数据通信)、(资源共享)、(提高计算机的可靠性和可用性)和实现分布式处理的功能。

P227．从网络结点分布来看，计算机网络可分为：(局域网)、(城域网)和(广域网)。

P238．按交换方式可将计算机网络分为：(线路交换网)、(报文交换网)和(分组交换网) P23 9．网络拓扑结构是指网络系统中各个节点计算机(相互连接)的方法和形式P2510．网络协议主要有三个组成部分：(语义)、(语法)和(时序) P2711．OSI参考模型的七个功能层次，由低到高分别是：(物理层 )、(数据链路层)、(网络层 )、传输层、会话层、表示层、应用层。

P2912．数据库系统实际上是一个应用系统，它由(用户)、（数据库管理系统）储存在储存设备上的数据、(计算机硬件)。

P3413．常用的关系型数据库有：(ORACLE)、(SYBASE)、DB2．SQLServer、Access等。

P35 14．设计一个数据库应用系统需要经历(需求分析)、(概念设计 )、（逻辑结构设计）、物理设计、实施和运行维护。