机器学习面笔试-神经网络篇

1.为什么引入非线性激励函数？

因为如果不用非线性激励函数，每一层都是上一层的线性函数，无论神经网络多少层，输出都是输入的线性组合，与只有一个隐藏层效果一样。相当于多层感知机了。所以引入非线性激励函数，深层网络就变得有意义了，可以逼近任意函数。

2.常用的激励函数

1）sigmoid：将输出实值压缩到0-1之间。 缺点：（输入非常大或非常小的时候）容易梯度消失；sigmoid函数是非0均值的，下一层的神经元将从上一层神经元得到的非0 均值的信号作为输入，再结合w计算梯度，始终都是正的。（可根据batch调节）
2）Tanh：是0均值的。
3）Relu（修正线性单元）：好处：收敛快，求梯度简单。具有稀疏特性。
（相比于sigmoid：sigmoid反向传播求误差梯度时，求导计算量很大，而relu求导简单；对于深层网络，sigmoid反向传播时，在sigmoid接近饱和区时，变换太缓慢，导数趋0，从而无法完成深层网络的训练；Relu会使一部分神经元的输出为0，造成了网络的稀疏性，并且减少了参数的相互依存关系，缓解了过拟合问题。）
缺点：训练的时候很脆弱，一个非常大的梯度流过一个Relu神经元后，不会对其他数据有**现象了，设置较小的学习率，这种情况会不那么频繁。


参考【这里】

3.常用损失函数[更多]

0-1损失; 感知损失
Hinge损失; log损失、交叉熵
平方损失; 指数损失; 绝对值损失

【延伸阅读1】
【延伸阅读2】

4.BP，SGD公式推导

5.参数的更新方式

(1) Vanilla update: x+=−learningrate∗dx$x+=-learnin{g}_{r}ate\ast dx$
(2) Momentum update动量更新:
v=μ∗v−learningrate∗dx$v=\mu \ast v-learnin{g}_{r}ate\ast dx$ # integrate velocity
x+=v$x+=v$ # integrate position
(3) Nesterov Momentum:
xahead=x+μ∗v$x_{a}head=x+\mu \ast v$
v=μ∗v−learningrate∗dxahead$v=\mu \ast v-learnin{g}_{r}ate\ast d{x}_{a}head$
x+=v$x+=v$
(4) Adagrad:
(自适应的方法，梯度大的方向学习率越来越小,由快到慢) cache+=dx∗∗2$cache+=dx\ast \ast 2$
x+=−learningrate∗dx/(np.sqrt(cache)+eps)$x+=-learnin{g}_{r}ate\ast dx/(np.sqrt(cache)+eps)$
(5) Adam: m=β1∗m+(1−β1)dx$m=\beta 1\ast m+(1-\beta 1)dx$
v=β2∗v+(1−β2)(dx∗∗2)$v=\beta 2\ast v+(1-\beta 2)(dx\ast \ast 2)$
x+=−learningrate∗m/(np.sqrt(v)+eps)$x+=-learnin{g}_{r}ate\ast m/(np.sqrt(v)+eps)$