校招算法面試題（主要針對我的簡歷）

針對本身簡歷被問到的問題有：

一、deconvolution反捲積如何實現的?

使用的時候參考ConvolutionLayer的參數設置方法，可是其forward對應的是卷積層的backward操做，而backward對應的是卷積層的forward操做。

二、DBN是什麼網絡？

深度置信網絡， 經典的DBN網絡結構是由若干層 RBM 和一層 BP 組成的一種深層神經網絡。

DBN 在訓練模型的過程當中主要分爲兩步:     第 1 步：分別單獨無監督地訓練每一層 RBM 網絡,確保特徵向量映射到不一樣特徵空間時,都儘量多地保留特徵信息;     第 2 步：在 DBN 的最後一層設置 BP 網絡,接收 RBM 的輸出特徵向量做爲它的輸入特徵向量,有監督地訓練實體關係分類器.並且每一層 RBM 網絡只能確保自身層內的 權值對該層特徵向量映射達到最優,並非對整個 DBN 的特徵向量映射達到最優,因此反向傳播網絡還將錯誤信息自頂向下傳播至每一層 RBM,微調整個 DBN 網絡.RBM 網絡訓練模型的過程能夠看做對一個深層 BP 網絡權值參數的初始化,使DBN 克服了 BP 網絡因隨機初始化權值參數而容易陷入局部最優和訓練時間長的缺點.

      上述訓練模型中第一步在深度學習的術語叫作預訓練，第二步叫作微調。最上面有監督學習的那一層，根據具體的應用領域能夠換成任何分類器模型，而沒必要是BP網絡。

三、列舉分類、分割、聚類算法