1. 面试官：解释什么是神经元和突触？

2. 面试官：说明前馈神经网络和循环神经网络的区别。

3. 面试官：为什么梯度消失和梯度爆炸问题会在深度神经网络中出现？

4. 面试官：描述卷积神经网络中的池化操作的作用和原理。

5. 面试官：探讨神经网络中的激活函数，指出Sigmoid函数存在的问题。

6. 面试官：解释残差网络（ResNet）中的跨层连接和残差块的作用。

7. 面试官：阐述生成对抗网络（GAN）的工作原理和应用。

8. 面试官：说明循环神经网络中的长短期记忆（LSTM）单元的结构和优势。

9. 面试官：描述深度强化学习中的价值函数和策略函数的作用与区别。

10. 面试官：讨论深度学习模型的泛化能力和过拟合问题。