编译团队 | Aileen，曹翔，刘晓莉，行者

　　简介

　　早在2009年，深度学习还只是一个新兴领域，只有少数人认为它是一个多产的研究方向。今天，深度学习正在被用来开发那些过去被认为是不可能完成的应用。

　　语音识别，图像识别，数据中的模式识别，照片中的对象分类，字符文本生成，自动驾驶汽车等等只是其中几个示例。因此，熟悉深度学习及其概念显得尤为重要。

　　在这个测试中，我们考察了社区成员的深度学习基本概念。总共有1070人参加了这项技能测试。

　　如果你错过了这次测试，下面这些问题就是你检查自身技能水平的好机会。

　　总体结果

　　下面是成绩的分布图，有助您评估自己的表现。

　　你可以在这里获取到全部的成绩，超过200人参加了这项测试，最高得分是35分。这里是成绩分布的统计描述：

　　总体分布

　　平均分： 16.45

　　中位数： 20

　　众数： 0

　　看起来很多人很晚才开始比赛，或者只回答了几个题目就没有继续下去。我并不知道确切的原因，可能是测试题目对大多数参与者过于困难。

　　如果你对这个现象背后的原因有任何洞见，欢迎联系我们。

　　有用的资源

　　·Fundamentals of Deep Learning – Starting with Artificial Neural Network（https://www.analyticsvidhya.com/blog/2016/03/introduction-deep-learning-fundamentals-neural-networks/）

　　·Practical Guide to implementing Neural Networks in Python (using Theano)(https://www.analyticsvidhya.com/blog/2016/04/neural-networks-python-theano/)

　　·A Complete Guide on Getting Started with Deep Learning in Python(https://www.analyticsvidhya.com/blog/2016/08/deep-learning-path/)

　　·Tutorial: Optimizing Neural Networks using Keras (with Image recognition case study)（https://www.analyticsvidhya.com/blog/2016/10/tutorial-optimizing-neural-networks-using-keras-with-image-recognition-case-study/）

　　·An Introduction to Implementing Neural Networks using TensorFlow(https://www.analyticsvidhya.com/blog/2016/10/an-introduction-to-implementing-neural-networks-using-tensorflow/)

　　题目和答案

　　1

　　神经网络模型（Neural Network）因受人脑的启发而得名。

　　神经网络由许多神经元（Neuron）组成，每个神经元接受一个输入，处理它并给出一个输出。这里是一个真实的神经元的图解表示。下列关于神经元的陈述中哪一个是正确的？

一个神经元只有一个输入和一个输出

一个神经元有多个输入和一个输出

一个神经元有一个输入和多个输出

一个神经元有多个输入和多个输出

上述都正确

　　答案：（E）

　　一个神经元可以有一个或多个输入，和一个或多个输出。

　　2

　　下图是一个神经元的数学表达

　　神经元的组成部分表示为：

　　- x1, x2,…, xN：表示神经元的输入。可以是输入层的实际观测值，也可以是某一个隐层（Hidden Layer）的中间值

　　- w1, w2,…,wN：表示每一个输入的权重

　　- bi：表示偏差单元（bias unit）。作为常数项加到激活函数的输入当中，和截距（Intercept）项相似

　　- a：代表神经元的激励（Activation），可以表示为

　　- y：神经元输出

　　考虑上述标注，线性等式（y = mx + c）可以被认为是属于神经元吗：

　　A． 是

　　B． 否

　　答案：（A）

　　一个不包含非线性的神经元可以看作是线性回归函数（Linear Regression Function）。

　　3

　　假设在一个神经元上实现和（AND）函数，下表是和函数的表述

　　激活函数为：

　　权重（Weights）和偏差（Bias）哪一组是正确的？

　　（提示：对哪一组w1, w2, b神经元可以实现AND函数）

　　A. Bias = -1.5, w1 = 1, w2 = 1

　　B. Bias = 1.5, w1 = 2, w2 = 2

　　C. Bias = 1, w1 = 1.5, w2 = 1.5

　　D. 以上都不正确

　　答案：（A）

　　1. f(-1.5*1 + 1*0 + 1*0) = f(-1.5) = 0

　　2. f(-1.5*1 + 1*0 + 1*1) = f(-0.5) = 0

　　3. f(-1.5*1 + 1*1 + 1*0) = f(-0.5) = 0

　　4. f(-1.5*1 + 1*1+ 1*1) = f(0.5) = 1

　　带入测试值，A选项正确

　　4

　　多个神经元堆叠在一起构成了神经网络，我们举一个例子，用神经网络模拟同或门（XNOR）。

　　你可以看见最后一个神经元有两个输入。所有神经元的激活函数是：

　　假设X1是0，X2是1，神经网络的输出是什么？

0

1

　　答案：（A）

　　a1输出: f(0.5*1 + -1*0 + -1*1) = f(-0.5) = 0

　　a2输出: f(-1.5*1 + 1*0 + 1*1) = f(-0.5) = 0

　　a3输出: f(-0.5*1 + 1*0 + 1*0) = f(-0.5) = 0

　　正确答案是A

　　5