5.卷积操作的本质特性包括稀疏交互和参数共享，具体解释这两种特性以其作用？
10.长短期记忆网络LSTM各模块都使用什么激活函数，可以使用其他激活函数么？
13.注意力机制是什么？Seq2Seq模型引入注意力机制主要解决什么问题？
14.RNN的长期依赖（Long-Term Dependencies）问题是什么？怎么解决
18.Kmeans有哪些优缺点？是否有了解过改进的模型，举例说明？
19.**兰德指数**（RI, *Rand Index*）能度量聚类过程中的假阳性和假阴性结果的惩罚
22.在训练过程中哪些参数对模型效果影响比较大？这些参数造成影响是什么？
1.梯度消失和梯度膨胀的原因是什么？
（1）深度学习的网络层数太多，在进行反向传播时根据链式法则，要连乘每一层梯度值
注：任何网络都有可能发生梯度弥散或者梯度爆炸，这是深度学习的基本性质决定的，无法避免。
2.简述CNN的工作原理？
CNN利用了图像的三个性质：
（1）图像的pattern通常比整张图像小
（2）通用的patterns会出现在图像的不同区域
（3）对图像进行子采样并不影响图像的识别
CNN通过卷积层+pooling层不断堆积，从小的pattern开始不断识别到大的pattern，从而识别整张图像。
> CNN适合处理什
原文链接：https://blog.csdn.net/ccsss22/article/details/126495912?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851498816800227478200%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851498816800227478200&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-10-126495912-null-null.nonecase&utm_term=AI%E9%9D%A2%E8%AF%95
