1. 解释神经网络中的一个单元是如何将其输入与一组权重和激活函数结合起来产生输出的。

2. reLU激活函数是做什么的？与阶跃激活函数或逻辑激活函数相比，它有什么优势？

3. 当你使用TensorFlow构造一个包含N个输入和M个单元的隐藏层时，你通常会使用dense（）函数来构造该层。dense（）在TensorFlow图中构造一个节点。这个单个节点如何为隐藏层中的M个单元计算总共M个输出？

4. 解释如何使用梯度下降来训练神经网络中的权重。

5. 如何使用优化器在TensorFlow中执行梯度下降？

6. 什么是梯度消失问题？初始化和/或批处理规范化如何帮助解决这个问题？

7. 解释神经网络中的卷积层是如何工作的。

8. 解释如何使用递归神经网络，在给定序列中的前一个元素作为输入的情况下，预测序列中的下一个元素。

9. 什么是情感分析？如何使用递归神经网络来完成这个任务？

10. 什么是强化学习？你如何使用强化学习和神经网络来解决，比如说，车杆问题？