唯品会--2018校招AI算法笔试题

一、深度学习与以往的神经网络训练方法有什么区别？给出几个比较典型的loss function.

I 区别

• 从广义上说深度学习的网络结构也是多层神经网络的一种。传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适。
• 而深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。具体操作就是在原来的全连接的层前面加入了部分连接的卷积层与降维层，而且加入的是一个层级。
• 输入层 - 卷积层 -降维层 -卷积层 - 降维层 – … – 隐藏层 -输出层
  简单来说，原来多层神经网络做的步骤是：特征映射到值。特征是人工挑选.
• 深度学习做的步骤是 信号->特征->值。 特征是由网络自己选择。

神经网络是我们经常看到的那种层级网络结构，它是指一种具体的模型。而深度学习是基于当神经网络层数增多，神经网络学习日益困难的问题而提出的一种学习的方式。

https://blog.csdn.net/zouxy09/article/details/8775518
这篇博客详细介绍了深度学习与传统神经网络的区别，讲的很详细。

差异的地方：

• 结构上
  深度学习的层级比较深，除了隐藏层以外还加入了pool层等结构层级。
• 训练方式上
  逐层训练，逐层调优。

II 经典loss function

这是一般形式。

二、(NLP方向）现在深度学习在nlp领域有哪些应用？ 请具体说明

1. 机器翻译
2. 事实问答
3. 情感分析
4. 信息提取
5. 语法分析

三、什么是中文分词？ 列举出几种你所知的分词方法

NLP方向的，自行查阅吧