5*2分
填空题
1.cnn中？层完成了局部特征提取
2.fcn中，神经元对输入的数据进行？+激活函数
3.rnn梯度消失梯度爆炸，所以提出了？网络和？网络
4.transformer架构核心是？机制
答案
好的，我们来逐一解答这几个填空题，这些题目考察的是深度学习中的基础概念。
**1. CNN中 ？ 层完成了局部特征提取**
答案：**卷积层**
解析：卷积层通过卷积核（滤波器）在输入数据上滑动，提取局部区域的特征，这是CNN的核心操作。
**2. FCN中，神经元对输入的数据进行 ？ + 激活函数**
答案：**线性变换**（或**加权求和**、**仿射变换**）
解析：全连接网络（FCN）中，每个神经元先对输入做加权求和（再加上偏置，如果有的话），即线性变换，然后通过激活函数引入非线性。
**3. RNN梯度消失梯度爆炸，所以提出了 ？ 网络和 ？ 网络**
答案：**LSTM**（长短期记忆网络）和 **GRU**（门控循环单元）
解析：LSTM和GRU通过引入门控机制（遗忘门、输入门、输出门等），有效缓解了传统RNN在处理长序列时的梯度消失和梯度爆炸问题。
**4. Transformer架构核心是 ？ 机制**
答案：**自注意力**（Self-Attention）机制
解析：Transformer完全依赖自注意力机制来捕捉序列中不同位置之间的依赖关系，替代了RNN的循环结构和CNN的卷积结构。
声明：著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。