以下关于感知器的说法错误的是()。
A.感知器模型中的激活函数是二值函数时,损失函数是可导的
B.感知器模型的关键,就是通过调整权重使一类样本可以激活神经元,而另一类则不会
C.重调整采用“奖惩分明”策略,即对于能够准确判断样本类型的权重,提高当前权重比例,反之则降低当前权重比例
D.一层感知器只能针对线性可分的数据集分类,无法解决异或(XOR)问题
A.感知器模型中的激活函数是二值函数时,损失函数是可导的
B.感知器模型的关键,就是通过调整权重使一类样本可以激活神经元,而另一类则不会
C.重调整采用“奖惩分明”策略,即对于能够准确判断样本类型的权重,提高当前权重比例,反之则降低当前权重比例
D.一层感知器只能针对线性可分的数据集分类,无法解决异或(XOR)问题
A.感知器模型的激活函数可导,可以通过梯度下降求解损失函数最小值
B.损失函数用于衡量当前权重在整个数据集上的总误差
C.标准神经元每个输入端具有不同的权重
D.Sigmoid函数是连续可导的,同时具有“两极分化”的特点
A.在输入端,神经元只接受来自一个信号源的输入信息
B.感知器的信号处理分为四个部分:输入、汇总、激活、输出
C.输入为实例的特征向量,由激活函数计算输出,输出为1、-1两个值
D.汇总后的输入信号如果高于阈值,则产生“激活”信号,否则仍基本维持原有水平
A.感知器的误差足够精确,权重能够快速收敛
B.学习率用于控制权重调整
C.感知器学习样本特征的过程在模型中体现为感知器权重的调整过程
D.感知器的信号处理分为“输入、汇总、激活、输出”四个部分
A.在感知器算法中的学习率是可以改变的
B.在感知器算法中可以通过调整学习率p来减少迭代次数。
C.在感知器算法中,如果样本不是线性可分的,则算法最后不会收敛。
D.感知器算法也适用于线性不可分的样本
A.经过fisher准则投影后得到的最佳投影方向是投影后两类样本分类面的法线方向。
B.在求解权向量a的过程中,需要定义一个准则函数,准则函数的形式是唯一的,并且一定是权向量a的函数。
C.感知器算法的思想是选择一个合适的权向量a,使得aT与错分样本的乘积大于零。
D.在感知器算法中可以通过梯度下降法找到合适的权向量a。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!